Un faux concept cité par 4 outils d’AI Search en 7 jours

Résumez cet article avec l’IA

En bref : Des chercheurs de l’Université Fudan ont publié un concept inventé sur des plateformes ouvertes. En une semaine, ChatGPT, Perplexity, Grok et Google AI l’ont tous cité. Pour un e-commerçant, la leçon est directe : là où personne n’a documenté votre produit, quelqu’un d’autre peut le faire à votre place.
30 sur 32réponses de Grok qui pointent vers un billet sur un concept inventé
176 sur 1 004réponses des 10 outils testés qui renvoient vers les billets plantés en une semaine
53 %des réponses de Grok reprenant un détail fabriqué (ChatGPT : 10 %, Google AI : 6 %, Perplexity : 0 %)

30 réponses sur 32 : que s’est-il passé chez Grok ?

Grok a pointé 30 fois sur 32 vers un billet publié par des chercheurs de l’Université Fudan sur le « Cactus Gravity Protocol ». Un concept qui n’existe pas. Inventé de toutes pièces. Quelques jours plus tôt, aucun des outils testés ne savait de quoi il s’agissait.

Je regarde cette étude comme un opérateur, pas comme un universitaire. Ce qui m’intéresse, c’est le protocole. Parce que ce protocole, vous pouvez le rejouer sur votre propre marque.

L’équipe a procédé comme suit, d’après le compte rendu de Matt G. Southern pour Search Engine Journal : En mars, 120 questions passent dans 10 outils de recherche IA. Les chercheurs notent chaque site cité. Quatre outils relèvent de ce qu’ils appellent le web anglophone : ChatGPT, Perplexity, Grok et Google AI. Les six autres, dont Doubao et DeepSeek, relèvent du web chinois.

En avril, ils testent 22 plateformes de publication. Pour chaque outil, ils retiennent le site le plus cité sur lequel un compte neuf peut publier. Résultat : neuf sites, dont Medium, YouTube et Sohu.

Trois sujets sont ensuite publiés depuis des comptes ordinaires :

Les premiers jets sont générés avec ChatGPT, puis révisés à la main. Chaque article contient des détails plantés : des noms et des chiffres fabriqués. Ces détails servent de traceur. Si un outil les répète, on sait d’où il les tient.

Avant publication, les chercheurs vérifient qu’aucun outil ne donne de réponse informative sur les deux sujets fictifs, ni ne répète les détails plantés. Ensuite, pendant une semaine, les mêmes 5 questions par sujet sont posées chaque jour à tous les outils.

Verdict : 8 outils sur 10 ont cité le concept inventé en moins de sept jours. Les quatre outils anglophones en font partie. L’étude a été mise en ligne sur arXiv le 8 octobre, les tests datent de mars et avril.

L’article parle de « Google AI » et renvoie vers le site grand public de Google sur l’IA, mais ne dit jamais quel produit exact a été testé. Gardez cela en tête pour la suite.

Pourquoi un compte anonyme suffit-il à entrer dans une réponse IA ?

C’est la source qui pose problème, pas la qualité du modèle.

Dans la première phase de l’étude, les chercheurs ont regardé quels sites chaque outil citait le plus. Les têtes de liste sont connues de quiconque suit le sujet : Reddit pour Google AI et Grok, YouTube pour Perplexity, Wikipedia pour ChatGPT.

Maintenant, le chiffre qui change tout. Sur les 10 sites les plus cités par chaque outil, 6 à 10 acceptaient des publications d’utilisateurs ordinaires. Pas un ou deux. La majorité.

Autrement dit, les sources que les IA jugent fiables sont, dans leur grande majorité, des endroits où n’importe qui peut écrire. Une personne motivée. Un concurrent. Un client mécontent. Un stagiaire en marketing qui teste un truc.

Les chercheurs ont aussi mesuré la difficulté d’accès. Medium, GitHub, LinkedIn et Facebook sont notés faciles : on s’inscrit, on publie. Reddit, au contraire, impose des conditions de karma et supprime strictement. Le site le plus cité par deux des quatre outils anglophones est donc aussi le plus difficile à investir pour un nouveau venu. Les chercheurs ont d’ailleurs choisi, pour chaque outil, le site le plus cité sur lequel un compte neuf pouvait réellement publier.

Ce que j’en retiens. L’IA ne se demande pas qui écrit. Elle regarde où ça a été publié. La réputation du support déteint sur le contenu, quelle que soit la solidité de ce dernier.

J’observe la même mécanique chez mes clients e-commerce depuis que je regarde les sources citées par les moteurs de réponse. Les plateformes ouvertes pèsent lourd dans ce qui ressort. Je ne vais pas inventer un pourcentage pour l’illustrer : je n’en ai pas de mesuré à vous donner. Mais le schéma est constant d’un catalogue à l’autre.

Et c’est une bonne nouvelle. La porte ouverte à un inconnu vous est ouverte aussi. Vous gagnez à publier, sur ces plateformes, des contenus exacts, détaillés et rattachés à votre marque. Avant que quelqu’un d’autre ne le fasse.

Le point clé : qui parle de vos produits sur Medium, YouTube ou LinkedIn en ce moment ? Vous le savez, vous ?

Le premier niveau d’impact pour votre marque : quand l’IA renvoie vers l’un des billets plantés. Voici le bilan d’une semaine d’étude. Grok domine massivement les trois autres outils, une différence qui sera essentielle pour comprendre les risques.

Citations vers billets plantés

Taux de citations par outil sur 7 jours d’étude

Citer un lien ou répéter un détail : quelle différence pour votre marque ?

L’étude distingue deux niveaux. Et cette nuance compte.

Premier niveau : l’outil renvoie vers l’un des billets plantés. Deuxième niveau : sa réponse reprend un détail fabriqué, un nom ou un chiffre qui n’existe que dans le billet. Les résultats pour le concept inventé, comptés du premier jour de citation jusqu’au septième jour après publication.

OutilRéponses avec lien vers un billetRéponses reprenant un détail planté
Grok30 sur 3253 %
Google AI15 sur 336 %
Perplexity13 sur 350 %
ChatGPT7 sur 2010 %

Sur l’ensemble des 10 outils et des trois sujets, 176 réponses sur 1 004 ont renvoyé vers les billets pendant la semaine. Soit environ 17,5 %.

Grok cite presque systématiquement, et reprend un détail faux plus d’une fois sur deux. Perplexity en cite 13 fois sur 35 mais sans répéter aucun détail planté. ChatGPT en cite 7 fois sur 20 et reprend un détail dans 10 % des cas.

Deux profils : deux risques.

Chez Grok, l’erreur pénètre la réponse. Chez Perplexity, le faux billet apparaît comme source — un lien cliquable — sans que le contenu soit recopié.

À mon avis, le second est plus sournois qu’il n’y paraît. Un lien dans une réponse IA fonctionne comme une caution. L’utilisateur voit « source : » suivi d’une URL et en déduit que l’information a été vérifiée. Que la phrase de l’IA reprenne ou non le contenu, la source existe dans son esprit. C’est mon interprétation, l’étude ne mesure pas la confiance des lecteurs. Mais elle explique pourquoi je regarde les deux colonnes.

Pour votre suivi. Ne vous contentez pas de vérifier si votre marque est mentionnée. Notez aussi quelles URL sont citées autour d’elle, et quels détails sont repris. Ce sont deux signaux différents.

Quand un prospect pose une question sur votre produit à un assistant IA, laquelle de ces deux colonnes décrit votre situation actuelle ?

Pourquoi le faux produit et la question d’opinion n’ont-ils presque rien donné ?

Les IA n’ont pas tout avalé. Sur les deux autres sujets, la question d’opinion et le clavier fictif, les quatre mêmes outils ont repris très peu de choses pendant les mêmes sept jours. Le compte rendu de Search Engine Journal précise que le seul outil anglophone ayant cité le billet d’opinion est Perplexity.

Même plateformes. Même méthode de rédaction. Même fréquence de requêtes. Et pourtant, une différence nette entre un concept et un produit.

Pourquoi ? L’étude, dans ce que j’en ai lu, ne tranche pas, et je ne vais pas faire semblant d’avoir la réponse. J’ai une hypothèse, que je vous livre comme telle.

Une question d’opinion sur l’avenir des développeurs juniors, il y a déjà plein de discussions. Les outils ont de quoi choisir, le billet des chercheurs est noyé. Le concept nouveau, lui, arrive sur un terrain vide : personne d’autre n’en parle. Le billet devient la seule réponse disponible.

Cette logique, je la connais par cœur. Trente ans de SEO m’ont appris que les requêtes sans concurrence sont les plus faciles à occuper. Le moteur ne cherche pas la vérité, il cherche la meilleure page disponible. Si elle est unique, elle gagne par défaut.

Un vide d’information ressemble à une place de parking libre. Le premier véhicule qui se présente la prend, quel qu’il soit.

Ce que ça nous dit, c’est que la contamination n’est pas uniforme. Elle suit les trous. Et les trous, vous pouvez les cartographier.

Un mot sur les limites, parce que je me méfie des études présentées comme des vérités définitives. C’est un article déposé sur arXiv, pas un standard. Les effectifs par outil sont modestes : 20 à 35 réponses comptées selon l’outil. Les questions : 5 par sujet. Le produit « Google AI » testé n’est pas identifié. Les tests datent de mars et avril, et ces outils évoluent vite.

Sur un sujet sans documentation existante, une publication ordinaire a été citée par huit outils sur dix en une semaine. Ce signal-là mérite que vous le preniez en compte.

Qu’est-ce que ça change pour un e-commerçant, côté marque et conformité ?

Transposons. Sans inventer de cas client, parce que je n’en ai pas à vous citer sur ce sujet précis : l’étude vient de sortir.

Imaginez le scénario suivant. Un billet publié sur Medium affirme qu’un de vos produits possède telle certification, telle composition ou telle garantie. Faux. Quelqu’un pose la question à un assistant IA, qui renvoie vers le billet. Le client lit la réponse, vous attribue la promesse, et vient vous la réclamer.

C’est un scénario, pas une mesure. Mais le mécanisme est exactement celui que l’étude de Fudan a documenté avec un concept fictif : un compte ordinaire, une plateforme déjà très citée, une citation en moins de sept jours.

Là où ça touche l’e-commerce, c’est sur trois terrains :

Maintenant, l’observation de terrain. Quand j’audite un catalogue, je retrouve très souvent la même chose : des fiches produit qui recopient le texte du fabricant. Mot pour mot, comme sur des dizaines d’autres sites. Aucune page n’explique les usages, les comparaisons, les cas particuliers. Aucune.

Le problème n’est pas la qualité des fiches. C’est leur isolement. Aucun ensemble sémantique ne les relie aux questions qu’un acheteur pose réellement. Ce vide, un tiers peut le remplir.

C’est pour ça que je construis des cocons sémantiques depuis 2016. J’en ai livré plus de 1 300. Leur but n’a jamais été de plaire à un algorithme. Il est d’occuper le terrain de façon cohérente, page après page, pour que la meilleure réponse disponible sur votre produit soit la vôtre.

L’étude de Fudan donne une raison de plus. Un cocon bien construit réduit le nombre de terrains vacants où un billet inventé pourrait devenir la seule source. Vous gagnez à documenter ce que vous savez avant que quelqu’un d’autre le raconte.

Quelles sont, dans votre catalogue, les cinq questions sur lesquelles aucune page de votre site ne répond clairement ?

Comment tester la fiabilité des réponses IA sur votre marque, en cinq étapes ?

Le protocole des chercheurs se rejoue à petite échelle. Pas besoin de publier un faux concept, ce que je ne recommande évidemment à personne. Il suffit d’observer.

Je teste cette approche avec les e-commerçants que j’accompagne.

  1. Écrivez 5 questions par ligne de produits. Celles que vos clients posent vraiment : usage, comparaison, compatibilité, prix, garantie. Cinq, comme dans l’étude.
  2. Posez-les chaque jour pendant une semaine. Dans ChatGPT, Perplexity, Grok et Google. Les chercheurs ont suivi exactement ce rythme. Seule la répétition révèle la tendance.
  3. Notez trois choses. Les URL citées, les domaines et les détails repris (chiffres, noms, promesses). Mettez-les en tableau, un jour par colonne.
  4. Repérez les domaines ouverts. Medium, LinkedIn, Reddit, YouTube, GitHub : ce sont ceux où un contenu non maîtrisé peut apparaître. Marquez ceux qui vous citent sans vous créditer.
  5. Comblez les vides par des pages de référence. Pour chaque question mal servie, une page claire sur votre site, des données factuelles, une FAQ précise et un maillage interne qui relie le tout.

Ordre de priorité. Commencez par les questions où vous vendez le plus et où votre site documenté le moins. C’est là que l’écart entre ce que vous savez et ce qui est publié est le plus exploitable par un tiers.

Deux compléments. D’abord, publiez vous-même sur les plateformes ouvertes les plus citées dans votre secteur, avec des contenus exacts, signés de la marque. Vous gagnez à ce que ces plateformes parlent de vous avec votre voix. Ensuite, gardez une trace datée de ce que vous constatez : si une information fausse vous est attribuée, vous aurez de quoi demander une correction à la plateforme, voire documenter votre position.

Je ne vous vends pas la méthode. Je vous montre les pages. C’est pour ça que mon premier échange avec un client est un audit en direct : on regarde ensemble ce que les moteurs de réponse citent, et on repère les terrains vacants.

Si vous deviez poser aujourd’hui cinq questions sur votre meilleur produit à quatre assistants IA, que craindriez-vous de lire dans les réponses ?

Auditez ce que les IA disent de vous

Je teste en direct vos produits dans les principaux outils d’AI Search, je relève les sources citées et je vous montre les terrains vacants à occuper avec un cocon sémantique.

Réserver un appel diagnostic — 30 min

Questions fréquentes

Que montre exactement l’étude de l’Université Fudan ?

Des billets sur un concept inventé, publiés depuis des comptes ordinaires sur neuf sites populaires, ont été repris en moins de sept jours par 8 outils d’AI Search sur 10 : ChatGPT, Perplexity, Grok et Google AI.

Les IA citent-elles n’importe quel faux contenu ?

Non. C’était une question d’opinion très débattue, et le produit n’existait pas. Les quatre outils anglophones en ont peu repris. Le concept, sans documentation, a été le plus cité.

Comment savoir si une IA cite un contenu erroné sur ma marque ?

Posez 5 questions sur vos produits, chaque jour pendant une semaine, à ChatGPT, Perplexity, Grok et Google. Relevez les URL citées, notez les domaines, ce qu’ils reprennent de vous. Puis comparez avec vos pages.

Que faire si une réponse IA attribue une fausse information à mon produit ?

Conservez une capture datée, signalez le contenu à la plateforme source, publiez une page de référence exacte sur votre site et, pour les allégations sensibles, faites valider la démarche par votre conseil juridique.

Faut-il publier sur Medium ou LinkedIn pour protéger sa marque ?

Oui, avec des contenus exacts et signés. Les plateformes ouvertes pèsent dans les citations IA. Votre site reste la source de référence, les publications externes la relaient et occupent le terrain.

Stéphane Jambu

Stéphane Jambu

Ingénieur SEO & IA

Je forge des systèmes de croissance / IA / Neurosciences | 650+ clients · 80 témoignages LinkedIn · 30 ans d’expertise · 15 ans de systèmes qui tournent sans moi.

Suivre sur LinkedIn