Pendant près de trois décennies, une partie considérable de l’économie numérique s’est organisée autour d’une question apparemment simple : comment être visible sur Google ? Des entreprises entières se sont construites autour de cette obsession. Les médias ont appris à écrire pour les moteurs de recherche, les marques à structurer leurs sites pour être mieux indexées, les spécialistes du référencement à comprendre les critères mouvants qui déterminaient l’ordre d’apparition des pages.

Cette bataille n’a pas disparu. Mais une autre commence à se superposer à elle.

Lorsqu’un internaute interroge une intelligence artificielle sur les conséquences d’une hausse des droits de douane, les perspectives énergétiques d’un pays, les meilleurs logiciels pour une entreprise ou les causes d’un conflit, il n’obtient plus nécessairement une liste de dix liens parmi lesquels choisir. Il reçoit une réponse.

Ce déplacement paraît presque anodin. Il bouleverse pourtant l’architecture de l’information sur Internet.

Car si l’intelligence artificielle devient progressivement l’intermédiaire entre une question et les connaissances disponibles, une nouvelle interrogation apparaît : qui informe l’intelligence artificielle ?

De la bataille du classement à celle de la réponse

Le moteur de recherche classique organisait l’accès à l’information sans prétendre entièrement s’y substituer. Google hiérarchisait des pages ; l’utilisateur conservait théoriquement la responsabilité de les ouvrir, de les comparer et de construire sa propre réponse.

Les systèmes génératifs modifient cette relation.

Ils peuvent rechercher plusieurs documents, confronter des informations, les résumer et produire une réponse cohérente en quelques secondes. Dans certains cas, les sources apparaissent clairement. Dans d’autres, elles restent beaucoup moins visibles. Et lorsque les connaissances proviennent de l’apprentissage antérieur du modèle plutôt que d’une recherche effectuée au moment de la requête, la généalogie exacte d’une affirmation devient encore plus difficile à percevoir.

L’enjeu n’est donc plus seulement d’apparaître.

Il faut désormais être suffisamment identifiable, accessible, crédible et pertinent pour entrer dans la matière à partir de laquelle les machines construisent leurs réponses.

C’est une transformation considérable.

Pendant l’ère du SEO, des millions d’acteurs cherchaient à convaincre les algorithmes qu’une page méritait d’être placée devant une autre. Dans l’univers des assistants génératifs, ils chercheront de plus en plus à convaincre les systèmes qu’une source mérite d’être utilisée pour répondre.

La différence semble subtile. Elle ne l’est pas.

L’IA ne sait pas : elle hérite

L’image d’une intelligence artificielle disposant d’une immense connaissance autonome est trompeuse. Un modèle ne découvre pas spontanément l’histoire, l’économie mondiale ou le fonctionnement d’une banque centrale. Ce qu’il peut restituer dépend d’informations produites auparavant par des humains et des institutions.

Livres, articles scientifiques, encyclopédies, médias, sites gouvernementaux, forums, publications d’entreprises, bases de données, documentation technique, archives et innombrables pages du Web constituent différentes couches de cet environnement informationnel.

À cela s’ajoutent, pour certains services contemporains, les systèmes de recherche et de récupération documentaire capables de consulter des informations externes au moment où une question est posée.

Une réponse générée peut donc être le produit de plusieurs architectures différentes : connaissances incorporées lors de l’entraînement, documents récupérés en temps réel, bases spécialisées, instructions fournies par l’utilisateur ou combinaison de ces éléments.

Il n’existe ainsi pas une bibliothèque universelle dans laquelle toutes les IA viendraient chercher les mêmes informations.

Mais toutes rencontrent le même problème fondamental : elles dépendent de ce que d’autres ont produit avant elles.

Et cette dépendance transforme la production d’information en infrastructure stratégique.

Après le SEO, le GEO

Une industrie commence logiquement à se former autour de cette transformation. Plusieurs expressions circulent déjà : Generative Engine Optimization, Answer Engine Optimization, LLM Optimization. Les frontières entre ces concepts restent mouvantes, mais leur intuition commune est claire : comprendre comment augmenter la probabilité qu'une organisation, une marque ou une source apparaisse dans les réponses produites par les systèmes d’intelligence artificielle.

L’analogie avec les débuts du SEO est tentante.

Elle est aussi imparfaite.

Un moteur de recherche pouvait être étudié à travers des positions relativement observables. Une page était première, cinquième ou cinquantième sur une requête donnée. Les performances pouvaient être suivies, comparées et optimisées.

Les réponses génératives sont beaucoup plus instables. Deux formulations légèrement différentes peuvent produire des sources différentes. Les modèles évoluent. Les systèmes de recherche changent. Les réponses peuvent dépendre du pays, de la date, du contexte de la conversation ou des données accessibles au service.

Surtout, être cité n’est pas exactement la même chose qu’être classé.

Une entreprise peut être absente des premières positions d’un moteur traditionnel et néanmoins apparaître dans une synthèse générative si son information est jugée particulièrement pertinente. À l’inverse, un site bénéficiant d’un trafic considérable peut ne jouer qu’un rôle secondaire dans les réponses d’une IA.

La bataille ne porte donc plus uniquement sur la visibilité.

Elle porte sur l’autorité informationnelle.

Les marques ont compris le changement

Pour les entreprises, les conséquences peuvent être considérables.

Imaginons un consommateur demandant demain à son assistant : « Quelle voiture électrique convient le mieux à une famille vivant en ville ? » Il pourrait ne visiter aucun comparateur. Il pourrait ne jamais consulter le site du constructeur. Il pourrait simplement accepter trois recommandations accompagnées de quelques arguments.

La même logique peut concerner les logiciels professionnels, les hôtels, les banques, les assurances, les universités, les médicaments, les destinations touristiques ou les services financiers.

Pendant des années, les entreprises se sont demandé comment apparaître sur la première page de Google.

Elles devront désormais se demander pourquoi une intelligence artificielle recommande leur concurrent plutôt qu’elles.

La réputation numérique change alors de nature. Il ne suffit plus qu’une entreprise affirme qu’elle possède le meilleur produit. Il devient potentiellement plus important que cette qualité soit documentée, corroborée et observable dans un ensemble de sources indépendantes suffisamment crédibles.

La bataille pour influencer les IA pourrait ainsi devenir paradoxalement une bataille pour influencer l’ensemble de l’écosystème informationnel qui les alimente.

Les médias face à un intermédiaire qui résume

Pour les producteurs d’information, le problème est encore plus profond.

Un média publie une enquête. Un système génératif en extrait l’information essentielle. L’utilisateur obtient la réponse qu’il cherchait sans nécessairement visiter le média qui a financé le travail journalistique.

L’intermédiaire n’organise plus seulement la distribution de l’information : il peut en absorber une partie de la valeur d’usage.

Cette tension explique les négociations, accords de licence et contentieux apparus entre certains éditeurs et entreprises d’intelligence artificielle. Derrière les débats sur le droit d’auteur se trouve une question économique fondamentale : qui finance la production de connaissances si leur consommation est progressivement dissociée de leur source ?

Le paradoxe pourrait devenir difficile à résoudre.

Les systèmes d’intelligence artificielle ont besoin d’un Web riche, documenté et régulièrement actualisé. Mais s’ils réduisent fortement l’incitation économique à produire cette information, ils peuvent contribuer à fragiliser l’écosystème dont ils dépendent.

Une IA capable de résumer tout ce qui existe reste dépendante de quelqu’un qui crée quelque chose à résumer.

Quand les États entreront dans la bataille

Les implications dépassent largement le marketing.

Depuis longtemps, les États cherchent à influencer la manière dont ils sont perçus à l’étranger. Diplomatie publique, médias internationaux, instituts culturels, agences de presse, centres de recherche et campagnes de communication participent tous, à différents degrés, à la construction d’un récit national.

L’intelligence artificielle ajoute un nouvel intermédiaire à cette compétition.

Comment une IA décrit-elle un territoire contesté ? Quelle terminologie utilise-t-elle pour qualifier un conflit ? Quels chiffres mobilise-t-elle lorsqu’elle compare deux économies ? Quelles institutions considère-t-elle comme légitimes ? Quels événements historiques retient-elle pour expliquer une rivalité contemporaine ?

Ces questions ne sont pas théoriques.

Une réponse produite par une machine dépend des sources disponibles, de leur qualité, de leur poids relatif, des mécanismes de recherche utilisés et des règles appliquées par le système lui-même.

Les États qui disposent d’institutions publiant abondamment dans plusieurs langues, de statistiques accessibles, de centres de recherche reconnus et d’une forte présence médiatique internationale possèdent donc un avantage informationnel évident.

À l’inverse, un pays dont les institutions publient peu, mal ou uniquement dans une langue faiblement représentée sur le Web risque de laisser d’autres raconter son histoire à sa place.

La souveraineté informationnelle pourrait ainsi acquérir une nouvelle dimension : non seulement produire son propre récit, mais s’assurer qu’il existe sous une forme suffisamment structurée et crédible pour être intelligible aux machines.

La tentation de manipuler la machine

Là où apparaît un système d’influence apparaît presque immédiatement une industrie de la manipulation.

Le SEO en a fourni une démonstration spectaculaire. Lorsque les moteurs de recherche ont commencé à déterminer une part importante du trafic mondial, certains acteurs ont cherché à exploiter leurs critères : fermes de liens, réseaux de sites artificiels, contenus automatisés, bourrage de mots-clés et innombrables techniques destinées à fabriquer une apparence d’autorité.

Il serait étonnant que les systèmes génératifs échappent au même phénomène.

Produire des centaines de pages répétant une affirmation, multiplier les pseudo-sources indépendantes, créer de faux consensus, saturer certaines niches informationnelles ou publier des contenus spécialement conçus pour être repris par des machines constituent des stratégies dont l’intérêt économique ou politique est évident.

L’arrivée de l’intelligence artificielle générative rend en outre cette industrialisation beaucoup moins coûteuse.

Une organisation n’a plus besoin d’une immense rédaction pour produire des milliers de documents. Les machines peuvent désormais fabriquer le contenu destiné à influencer d’autres machines.

C’est probablement l’un des paradoxes les plus importants de cette nouvelle architecture : Internet pourrait être progressivement rempli par des IA produisant des textes destinés à être lus par des IA qui produiront ensuite des réponses pour des humains.

La question de l’origine de l’information devient alors cruciale.

L’autorité deviendra peut-être plus importante que le volume

Face à cette multiplication potentiellement infinie de contenus synthétiques, les systèmes devront apprendre à distinguer davantage la quantité de l’autorité.

Une donnée publiée par une banque centrale n’a pas la même valeur qu’un chiffre reproduit sur cinquante blogs. Une étude scientifique originale n’est pas équivalente aux centaines d’articles qui la résument. Une enquête réalisée sur le terrain ne devrait pas être confondue avec les milliers de textes qui la paraphrasent.

La provenance pourrait donc devenir l’un des grands enjeux techniques de l’Internet génératif.

Qui a produit l’information ? Quand ? Sur quelles données ? Quelle source en est à l’origine ? A-t-elle été corroborée ? Est-elle indépendante des autres documents qui répètent la même affirmation ?

Autrement dit, après une période durant laquelle Internet a valorisé massivement la production de contenu, l’âge des IA pourrait paradoxalement redonner de la valeur à quelque chose de beaucoup plus ancien : la réputation de la source.

Cela ne garantit nullement un Web plus fiable. Les mécanismes de réputation peuvent eux-mêmes reproduire des biais, favoriser les acteurs déjà dominants et marginaliser des sources nouvelles ou géographiquement éloignées des grands centres de production de connaissances.

Mais plus le volume d’information synthétique augmentera, plus la capacité à identifier l’origine réelle d’un fait deviendra précieuse.

Une nouvelle géographie du pouvoir informationnel

La bataille qui s’annonce ne concerne donc pas seulement OpenAI, Google, Anthropic, Microsoft ou quelques entreprises technologiques.

Elle concerne tous ceux qui produisent des représentations du monde.

Universités, gouvernements, médias, entreprises, organisations internationales, think tanks, agences de notation, ONG, encyclopédies, communautés en ligne et producteurs indépendants participent à un gigantesque marché de l’information dont les IA deviennent progressivement des intermédiaires.

Le pouvoir pourrait se déplacer vers ceux qui réussissent à devenir des références suffisamment solides pour traverser ces différents systèmes.

Le SEO avait créé une économie de la visibilité.

L’intelligence artificielle pourrait créer une économie de la citabilité.

Être présent sur Internet ne suffira plus nécessairement. Il faudra être identifiable comme source. Produire une information originale plutôt que simplement reproduire celle des autres. Construire une continuité éditoriale. Être cité ailleurs. Rendre ses contenus accessibles aux machines tout en préservant leur valeur économique. Et surtout établir progressivement une réputation que les systèmes auront intérêt à considérer plutôt qu’à ignorer.

La bataille ne fait que commencer

Nous avons longtemps pensé Internet comme un espace dans lequel les humains cherchaient de l’information produite par d’autres humains.

Cette architecture est en train de devenir plus complexe.

Entre la source et le lecteur apparaît désormais une machine capable de lire, sélectionner, comparer, reformuler et parfois recommander. Elle peut devenir un filtre extrêmement puissant entre ce qui existe sur le Web et ce que l’utilisateur finit réellement par connaître.

C’est pourquoi la question « qui informe les IA ? » finira probablement par en appeler une seconde.

Qui parvient à influencer ceux qui nous informent ?

Les entreprises chercheront à être recommandées. Les médias à être cités. Les États à faire reconnaître leurs récits. Les institutions à imposer leurs données comme références. Les spécialistes du marketing tenteront d’optimiser cette présence. Les manipulateurs chercheront les failles.

Et les entreprises d’intelligence artificielle devront, elles, résoudre un problème beaucoup plus difficile que celui qui occupait les premiers moteurs de recherche : déterminer non seulement quelle information est pertinente, mais quelle source mérite suffisamment de confiance pour contribuer à raconter le monde.

Après la bataille pour être visible sur Internet commence ainsi une bataille plus silencieuse.

Celle pour devenir une source de la machine.