L’IA réduit les possibilités dont disposent les donateurs pour trouver des associations à but non lucratif méritant d’être soutenues. Les associations à but non lucratif et le secteur social doivent agir pour garantir que les donateurs puissent prendre des décisions en toute connaissance de cause.
Traduction de The New Nonprofit Visibility Gap par Andrew Dunckelman & Dale Nirvani Pfeifer, 29 octobre 2026, sur Stanford Social Innovation Review.
Imaginez une personne bouleversée par un article sur le nombre croissant d’enfants mourant de causes évitables. Motivée par l’envie d’aider, elle décide de faire un don, mais elle est novice en matière de bienfaisance et ne sait pas vers qui se tourner.
Il y a quelques années, elle aurait peut-être ouvert un moteur de recherche et tapé : « Où devrais-je faire un don pour sauver la vie d’enfants ? » Cette requête aurait généré une longue liste de liens. La donatrice aurait peut-être passé une heure à parcourir les classements des associations caritatives, à lire des rapports annuels, à comparer les options locales et mondiales, et à mettre en balance ses valeurs et les données disponibles. Le processus n’était pas parfait, mais il laissait place à la découverte.
Imaginez maintenant le même scénario aujourd’hui. Sans passer par un moteur de recherche, notre donatrice consulte des assistants conversationnels basés sur l’IA. L’un d’eux lui recommande de faire un don aux meilleures associations caritatives sélectionnées par GiveWell : Against Malaria Foundation, Helen Keller International, Malaria Consortium. Une autre recommande de faire un don directement au « Top Charities Fund » de GiveWell. Les réponses diffèrent légèrement, mais les outils convergent vers la même destination. Ils ne mettent pas en avant d’autres moyens d’avoir un impact : des agents de santé communautaires venant en aide à des familles défavorisées, la recherche précoce sur une maladie pédiatrique, ou une petite organisation de santé mondiale que les principaux évaluateurs d’organismes caritatifs n’ont pas encore notée. Les deux se terminent par une variante de la même phrase : « Si je devais faire un seul don, ce serait celui-ci. »
Soyons clairs, c’est une réponse valable : GiveWell accomplit un travail extraordinaire en orientant les dons vers des associations hautement efficaces qui sauvent des vies. Le problème est que l’IA peut rediriger un élan humain général d’entraide vers une réponse étroite et catégorique avant même que le donateur n’ait eu l’occasion de découvrir quel type de donateur il souhaite être. Pas de nuance. Pas d’alternatives. Aucune référence aux milliers d’autres organisations locales et mondiales qui ont fait leurs preuves en améliorant la vie des enfants.
Auparavant, la recherche proposait aux donateurs un choix. L’IA leur livre un verdict. Ce jugement est soigné et assuré, mais il exclut certaines associations d’une recherche à l’autre. Les groupes locaux et nationaux bien financés, bénéficiant d’une couverture médiatique régulière, de classements indépendants et de données structurées et claires, apparaissent immédiatement dans les résultats de recherche générés par l’IA. Des organisations communautaires plus petites ou plus récentes, qui accomplissent un travail remarquable, peuvent figurer quelque part dans les résultats, mais elles restent souvent cachées à moins que le donateur ne sache exactement quoi rechercher.
Pour le donateur, ce qui se perd, c’est la possibilité d’une découverte personnalisée : la chance de découvrir des approches novatrices, de tomber par hasard sur des acteurs locaux et de peser le pour et le contre avant de se décider pour un choix qui a du sens à ses yeux.
Il s’agit là d’un bouleversement majeur pour les associations à but non lucratif, qui pourrait donner naissance à la prochaine fracture numérique — non pas entre les organisations disposant d’un site web et celles qui n’en ont pas, mais entre les organisations que les outils d’IA recommandent avec assurance et celles dont la crédibilité est encore en cours de construction ou dont l’activité se déroule principalement hors ligne. Les acteurs du secteur soucieux de permettre aux donateurs de trouver des causes à soutenir doivent s’attaquer à ce nouveau fossé de visibilité.
Le changement est déjà en marche
Cette préoccupation n’est pas hypothétique. Des changements frappants apparaissent déjà clairement dans au moins trois types de données.
Le premier concerne le trafic vers la « porte d’entrée virtuelle » des associations. L’étude comparative 2026 de M+R portant sur 180 associations a révélé que le trafic issu du référencement naturel avait baissé de manière constante tout au long de l’année 2025, une tendance que l’étude attribue aux résumés générés par l’IA qui ont découragé les utilisateurs de cliquer pour accéder aux sources. Une étude similaire menée par Blue State a révélé une baisse encore plus marquée : le trafic de recherche organique vers 24 sites web d’organismes à but non lucratif a chuté de 35 % au cours des dix premiers mois de 2025 par rapport à la même période de l’année précédente. Les gens n’ont pas cessé de chercher des moyens de faire des dons ; ils se retrouvent simplement sur moins de sites d’organismes à but non lucratif.
Le deuxième volet concerne le rôle que joue la couche d’IA à la place de la recherche organique. Une évaluation réalisée par Whole Whale portant sur plusieurs modèles d’IA recommandant des associations caritatives a mis en évidence un « effet de troupeau », les listes de recommandations se concentrant sur de petits groupes de grandes organisations validées par des tiers. Dans tous les domaines d’action, les recommandations se regroupent autour d’une centaine d’organisations à but non lucratif par domaine, alors même que le secteur social américain compte plus de 1,9 million d’organisations enregistrées.
Le troisième volet concerne la manière dont les outils d’IA influencent les actions des donateurs. Giving Compass a mis en place une expérience de recherche basée sur l’IA au sein du site web de Charity Navigator, qui a traité plus de 22 000 requêtes au cours d’une première phase pilote de trois mois. Environ 80 % de ces requêtes étaient axées sur une cause plutôt que sur une organisation — ce qui signifie que les donateurs arrivaient avec un problème à résoudre, et non avec une association déjà en tête. Dans le cadre de cette expérience, les donateurs ayant utilisé l’outil de recherche basé sur l’IA ont effectué un don deux fois plus souvent que ceux qui ont utilisé le site sans IA.
Les implications sont importantes : lorsqu’elle est bien conçue et intégrée au bon endroit, l’IA peut accélérer les décisions de don. Mais cela renforce l’importance des recommandations formulées par les outils d’IA. Un donateur motivé qui fait défiler rapidement une liste restreinte n’est pas en train d’explorer : il est en train de se convertir. Et si cette liste se limite systématiquement aux 100 mêmes organisations par domaine d’action, les quelque 1,9 million d’autres n’entrent jamais en ligne de compte.
Si l’on rassemble ces trois éléments, le tableau est clair. L’intention des donateurs est toujours présente, et ils souhaitent disposer d’un moyen simple de faire un don. Ce qui change, c’est la manière dont cette intention se transforme en choix. Le parcours menant de la curiosité au don est en train d’être réorienté. Auparavant, la découverte était un processus mené par le donateur lui-même : il cliquait ici et là, comparait, revenait en arrière. Désormais, ce processus est médiatisé par un filtre IA qui décide ce qu’il faut mettre en avant et ce qu’il faut masquer. L’entonnoir se rétrécit, les options se réduisent ; et dès que l’outil semble fiable, les donateurs ont tendance à agir rapidement et à accepter ce qui leur est présenté comme la bonne réponse. Il s’agit là d’une dynamique puissante et d’une lourde responsabilité. L’identité des organisations qui apparaissent dans ces résultats importe plus que jamais.
Ce que les associations peuvent faire
Les associations ne peuvent pas relever ces défis seules. Mais voici cinq moyens de combler ce déficit de visibilité lié à l’IA sans nécessiter d’investissements colossaux :
1. Commencez par les bases. Veillez à ce que les informations essentielles concernant votre organisation soient faciles à trouver, à jour et présentées de manière cohérente. Les modèles d’IA effectuent des recoupements. La description de votre mission, de vos programmes et de vos résultats sur votre site web doit correspondre à ce qui figure sur votre profil Candid, votre fiche Charity Navigator, votre rapport annuel et vos déclarations fiscales. Lorsque les modèles d’IA rencontrent des incohérences dans le langage ou les données, ils ont tendance à privilégier par défaut les organisations plus importantes et bien documentées.
2. Ne laissez pas vos profils sur les sites tiers se dégrader. Il y a quelques années, les labels de qualité de Charity Navigator ou de Candid étaient perçus comme de jolies icônes à afficher en bas de page d’un site web. Dans le monde actuel, où tout est filtré par l’IA, ces profils font davantage office de référence en matière de crédibilité d’une association. Lorsqu’un donateur demande à un modèle d’IA qui vous êtes et ce que vous faites, c’est là qu’il se rend. Un profil obsolète sur un site tiers n’est plus un simple désagrément.
3. Harmonisez vos messages partout où vous êtes présent. Pensez aux communiqués de presse, aux sites web de vos partenaires, aux bases de données des fondations, aux biographies des membres du conseil d’administration et aux ordres du jour des conférences. Chaque mention de votre organisation est un signal. Les messages contradictoires sont perçus comme du bruit. La répétition et la cohérence sont synonymes de crédibilité.
4. Vérifiez la cohérence avec la réalité. Demandez à ChatGPT, Claude, Gemini et d’autres modèles d’IA de résumer ce que vous faites, qui vous aidez et pourquoi un donateur devrait vous soutenir. Examinez attentivement les réponses obtenues. Si les conclusions sont incorrectes, vagues ou s’il manque des éléments importants, identifiez où vos signaux sont faibles. Certains modèles permettent de soumettre des corrections immédiatement : si c’est le cas, profitez-en. Sinon, corrigez la source des données erronées.
5. Écoutez les développeurs d’IA. En début d’année, Google a publié un guide à l’intention des développeurs consacré au contenu destiné aux fonctionnalités d’IA générative. Ce guide a démystifié de nombreuses techniques courantes dans les milieux du marketing à but non lucratif, telles que le bourrage de mots-clés, les fichiers de balisage spéciaux pour l’IA et le découpage des pages en segments adaptés à l’IA. Il a au contraire réaffirmé l’importance des principes fondamentaux : une rédaction claire, des informations exactes et une présence régulière et cohérente dans des ressources faisant autorité.
Ce que l’écosystème au sens large peut faire
Si la visibilité via l’IA devient un fardeau supplémentaire pour chaque organisation à but non lucratif, celles qui sont les plus menacées — généralement celles disposant des budgets les plus modestes — prendront encore plus de retard. Une réponse à l’échelle du secteur est nécessaire. Voici trois mesures que le secteur peut prendre :
1. Les laboratoires d’IA devraient considérer la visibilité des organisations à but non lucratif comme un cas d’utilisation d’intérêt public. Les développeurs d’IA devraient s’intéresser à la manière dont les informations relatives aux organisations à but non lucratif sont collectées, attribuées et corrigées. Au minimum, les plateformes devraient publier des conseils pratiques sur la manière dont les organisations peuvent apparaître de manière visible et précise dans les résultats de recherche. Elles pourraient soutenir des normes ouvertes telles que le Model Context Protocol et d’autres points d’accès aux données ouvertes qui permettent aux fournisseurs de données fiables du secteur de diffuser plus facilement des informations de haute qualité sur les organisations à but non lucratif via des interfaces standardisées. Enfin, les laboratoires devraient diversifier leurs partenariats en matière de données sur les organisations à but non lucratif et inclure des intermédiaires représentant des organisations locales, animées par la communauté, non anglophones et spécialisées dans des thématiques spécifiques.
2. Les bailleurs de fonds devraient aider les associations à relever le défi de la découverte par l’IA. La visibilité liée à l’IA ajoute une nouvelle dimension au problème des frais généraux : les associations ont besoin de personnel et de financements opérationnels pour maintenir leurs sites web à jour, gérer leurs profils publics et publier des données d’impact. Aborder le problème subvention par subvention ne fonctionnera pas. Les bailleurs de fonds devraient financer des ressources partagées : des recommandations communes, des audits de découverte par l’IA et des structures de soutien sur le terrain qui aident les organisations à rester visibles et représentées avec précision.
3. Les intermédiaires devraient rendre les informations sur les associations à but non lucratif plus transférables et plus complètes. Les plateformes de données sectorielles existantes peuvent aller au-delà des profils conçus principalement pour la recherche humaine et collaborer à la création d’enregistrements de données transférables, compatibles avec différents outils d’IA. Les fournisseurs de données devraient également faire preuve de plus de créativité dans leurs sources d’approvisionnement. Ils pourraient s’appuyer non seulement sur les registres de l’IRS et les profils fournis par les organisations elles-mêmes, mais aussi sur l’actualité locale, les bases de données de référence, les annuaires d’organismes d’intérêt public, les attestations de partenaires et les plateformes émergentes qui mettent en avant des organisations plus petites ou plus récentes.
Alors que de plus en plus de personnes se tournent vers l’IA pour décider comment répondre aux problèmes sociaux, cette technologie a la possibilité de diffuser de meilleures informations, de mettre en avant des acteurs innovants capables de résoudre ces problèmes et de stimuler les dons. Mais les outils d’IA ne concrétiseront cet avantage que s’ils aident les gens à trouver des associations à but non lucratif efficaces, dignes de confiance et proches des personnes qu’elles servent — et pas simplement celles qui sont faciles à documenter. Sinon, l’IA risque d’élargir le fossé entre les organisations dont la crédibilité est déjà bien établie en ligne et celles qui en sont encore à leurs débuts ou dont la confiance repose sur la communauté.
Les traductions par Gilles en vrac (.xlsx ou .html)
Les caractères gras dans le texte sont de Gilles.
Post-sciptum de Gilles : Primo Les résultats de recherches avant l’IA n’étaient pas aléatoires, loin de là. Les grandes organisations, plus présentes sur les réseaux et plus référencées, ressortaient en premier, suivant la logique interne des moteurs de recherche.
Secondo Savoirs tacites et ancrages locaux sont difficiles à compiler et faire ressortir dans les propositions de l’IA… à moins d’insister sur ces dimensions au moment du « prompt ». Une éducation à faire, moins sur la manière de formuler un « prompt » intelligent, mais sur la nature d’une intervention sociale de qualité.
