Le 8 octobre 2026, six chercheurs de l’université Fudan ont déposé sur arXiv une étude intitulée « From Public Posts to AI-Search Citations: Measuring the Fragility of AI Search ». En avril, ils avaient publié des articles sur trois sujets, dont un concept inventé, sur des plateformes que les moteurs IA citent déjà (surtout des plateformes chinoises, avec YouTube et Medium), puis interrogé chaque jour dix moteurs : ChatGPT, Google AI, Grok, Perplexity et six moteurs chinois. Huit sur dix ont cité le concept inventé dans les sept jours.
Les écarts entre moteurs sont bien marqués
Une fois le concept inventé cité une première fois, la part des réponses qui reprennent ses détails atteint 53 % chez Grok, 10 % chez ChatGPT, 6 % chez Google AI et 0 % chez Perplexity. Sur les sept jours et les trois sujets, 176 réponses sur 1 004 citaient les articles des chercheurs. Le résultat dépend du moteur, du sujet et du moment, et il ne permet de classer aucun moteur parmi les fiables. Ce que l’on en retient, c’est qu’une citation ne garantit pas l’exactitude de ce qui est cité.
Un site de statistiques fabriquées est encore consulté sept mois après
Sur le blog de Peec AI, éditeur d’outils de suivi de la visibilité dans les assistants, son chercheur en GEO Metehan Yesilyurt raconte une expérience menée sur son propre site (article signé du 7 octobre, page datée du 23 octobre). Il a généré en une seule journée, avec GPT-4.1, un site de 50 000 statistiques inventées. Plus de sept mois après le lancement, les données de Cloudflare qu’il a relevées comptent environ 72 000 requêtes de l’agent ChatGPT-User sur les trente derniers jours, l’agent qui, selon OpenAI, consulte une page quand un utilisateur pose une question dans ChatGPT. Google a désindexé les pages. ChatGPT continue de citer le site. Ces mesures sont celles de l’auteur, et aucune n’a été vérifiée de façon indépendante.
Google a précisé en mai 2026, dans sa documentation, que ses règles contre le spam couvrent aussi les tentatives de manipuler les réponses d’IA générative de sa recherche. Publier de faux chiffres pour être cité relève donc du spam, avec bien plus de risques que de gains.
Ce que cela change pour une équipe marketing
Le premier effet est défensif. Un consultant ou une équipe qui reprend un chiffre trouvé par un assistant, dans une proposition commerciale, un rapport ou un post LinkedIn, engage sa propre crédibilité. Et la règle tient en une ligne : aucun chiffre sans sa source primaire, ouverte, lue et datée.
L’autre effet concerne la visibilité. Si les moteurs citent ce qui est publié sur des plateformes qu’ils consultent déjà, une marque a bien plus intérêt à publier ses propres données, avec leur méthode et leur date, qu’à attendre d’être citée sur des chiffres qu’elle ne maîtrise pas.
Ce que je mettrais en place cette semaine
Je ferais relire les trois derniers contenus publiés par l’équipe et je vérifierais chaque chiffre : source primaire ouverte, date, méthode. J’ajouterais une ligne à la procédure de validation : tout chiffre trouvé par une IA est remplacé par sa source primaire, ou supprimé. Ce que je mesurerais ensuite : la part des chiffres publiés qui renvoient à une source primaire.
