Une étude révèle des différences majeures entre la recherche d’informations par chatbots et Google

Une nouvelle étude met en lumière des différences marquées entre les méthodes employées par les chatbots et Google pour rechercher et présenter l’information, soulignant ainsi des approches contrastées dans la façon dont ces outils technologiques traitent les requêtes des utilisateurs.

Chatbots et moteurs de recherche : deux mondes, deux méthodes

Si l’on croit que les IA génératives et les moteurs de recherche classiques parcourent le web de façon similaire, une récente étude bouscule cette idée reçue. Menée par des chercheurs de la Ruhr University Bochum et du Max Planck Institute for Software Systems, cette enquête met en lumière la diversité insoupçonnée des sources exploitées par les chatbots tels que Gemini 2.5 ou GPT-4o, comparativement à celles sélectionnées par le géant Google.

Là où l’IA va chercher ses réponses

Ce travail scientifique a ainsi révélé que, confrontés aux mêmes questions – allant des discussions politiques aux recommandations d’achats, les chatbots allaient souvent puiser dans des recoins oubliés du web. Il n’est pas rare qu’ils citent des pages situées bien au-delà du millième résultat Google, parfois issues de sites qui ne figurent même pas dans le million de domaines les mieux référencés selon certains outils de classement. À titre d’exemple, pour les requêtes liées aux produits, l’intersection entre résultats IA et ceux de Google tombe sous la barre des 30 %. Plus globalement, cet « overlap » reste inférieur à 50 % tous sujets confondus.

L’envers du décor : fiabilité ou éparpillement ?

De prime abord, on pourrait croire que ce recours à des sources peu connues fragilise la pertinence des IA. Pourtant, l’étude tempère ce jugement hâtif : non seulement les réponses générées par GPT-4o s’appuient souvent sur des sources encyclopédiques ou institutionnelles, rarement issues des réseaux sociaux , mais elles démontrent aussi une propension accrue à citer leurs références. Contrairement à un moteur de recherche tel que Google, qui part du principe que l’utilisateur ignore tout du sujet traité, l’IA s’appuie sur une vaste base de connaissances préalables pour compléter sa réponse.

Évaluer l’intelligence : une affaire loin d’être tranchée

En réalité, ces systèmes ne privilégient pas la lisibilité ou la popularité d’une page : ils ciblent surtout l’exactitude, la profondeur et la fiabilité du contenu. Ainsi, un article scientifique dense mais précis pourra être préféré à une synthèse plus accessible mais moins rigoureuse. Toutefois, c’est là tout le paradoxe souligné par les chercheurs –, il reste difficile de savoir pourquoi une IA retient telle source plutôt qu’une autre : ses critères internes demeurent largement opaques. Pour avancer dans la comparaison entre ces nouveaux outils et les moteurs traditionnels, les auteurs invitent donc à repenser nos méthodes d’évaluation face à ce changement radical de paradigme.

Pour résumer en quelques points essentiels :

• Diversité des sources : Les IA vont explorer bien au-delà du référencement traditionnel.
• Sélection opaque : Impossible aujourd’hui de cerner précisément leurs critères.
• Nécessité d’innover : Les modalités d’évaluation doivent évoluer avec ces outils.