Étude

Pourquoi la visibilité IA ne se déduit plus des classements de recherche

Par Simon Vasconcelos Lee 20 juil. 2026

Pendant environ deux ans, il existait un raccourci fiable : les assistants IA s'appuyaient sur les index des moteurs de recherche classiques pour ancrer leurs réponses, si bien qu'être bien classé en recherche signifiait être trouvable par les IA. Ce raccourci se brise, pipeline après pipeline. Tout au long de 2026, chaque grand assistant IA a assemblé sa propre machinerie de retrieval, autrement dit de récupération de sources : crawlers propriétaires, flux de contenus sous licence, index de passages, appels directs aux sources vivantes. Cette analyse cartographie d'où viennent réellement les réponses des IA en juillet 2026, et ce que cela change pour quiconque veut y apparaître.

L'ère du proxy, et les trois forces qui y mettent fin

Quand ChatGPT s'est mis à parcourir le web, il le faisait via Bing. La plupart des premiers produits de recherche IA fonctionnaient de la même façon : acheter des résultats à une API de recherche établie, lire les premières pages, rédiger une réponse. Tant que cette architecture tenait, la visibilité IA était largement un dérivé de la visibilité en recherche. Si vous étiez classé, vous étiez dans le jeu de sources ; si vous étiez dans le jeu de sources, vous pouviez être cité.

Trois forces démantèlent cet arrangement.

Les API de recherche elles-mêmes se ferment. Microsoft a retiré les API Bing Search le 11 août 2025. Le remplaçant officiel, Grounding with Bing Search au sein d'Azure AI Agents, n'est plus un index brut : c'est un produit d'agent, et les comparaisons publiées le donnent 40 à 483 % plus cher que l'API qu'il remplace. Pour toute entreprise qui construit un assistant IA, le message était clair : louer l'index d'un rival est une dépendance qui peut être retarifée ou coupée à tout moment.

Les assistants veulent quelque chose qu'une page de moteur de recherche n'a jamais été conçue pour donner. Une page de résultats est un produit pour un humain qui balaie et clique : dix liens, des titres, des extraits. Un modèle de langage qui assemble une réponse veut tout autre chose : des passages propres, denses en faits, avec dates et provenance, prêts à être cités et composés. Les deux objets divergent depuis des années ; 2026 est l'année où la divergence est devenue de l'infrastructure. Le moteur de recherche comme produit pour humains et le retrieval comme fonction pour modèles se séparent en deux industries différentes.

L'accès aux contenus devient une ressource négociée. Le 15 septembre 2026, les réglages par défaut de Cloudflare changent : les crawlers qui mélangent recherche, entraînement et usage d'agent sont bloqués par défaut sur les pages qui portent de la publicité, pour les nouveaux domaines et les clients du plan gratuit, et son programme Pay Per Crawl devient Pay Per Use, qui rémunère les éditeurs quand le contenu est réellement utilisé dans une réponse plutôt que simplement récupéré. Quoi qu'on pense de la politique d'un fournisseur en particulier, la direction est sans ambiguïté : l'ère où un crawler pouvait tout lire gratuitement parce qu'il renvoyait du trafic se referme, parce que le trafic ne revient plus dans les mêmes proportions.

Ce qu'un pipeline de retrieval exige et qu'un moteur de recherche ne vend pas

Ramenée à sa plomberie, la réponse d'un assistant IA a des exigences précises :

Des passages, pas des pages. L'unité de retrieval est un fragment de texte qui tient debout seul : un paragraphe avec sa date, sa source, son affirmation. Les index se construisent autant autour de fragments et d'embeddings qu'autour de mots-clés.
De la fraîcheur, avec la provenance. Un modèle doit savoir non seulement ce qu'une page dit, mais quand elle l'a dit, pour préférer le fait à jour au fait périmé.
Le droit de réutiliser. Un moteur de recherche affiche un extrait et envoie le clic. Un assistant reformule le contenu au sein de sa propre réponse. Cette différence est juridique et commerciale, pas seulement technique, et c'est exactement ce que le nouveau marché des licences met à prix.
Un classement par utilité pour la réponse, pas par clics. Les moteurs classiques classent avec des graphes de liens et des comportements de clic. Un assistant peut faire ce qu'aucun moteur de recherche ne pouvait : observer, sur des milliards de conversations, quelle source citée a réellement réglé la question de l'utilisateur et laquelle a déclenché une correction au message suivant. Ce signal de retour appartient à qui exploite l'assistant, pas au moteur de recherche en dessous.

Comprendre ces exigences explique presque chaque mouvement des grandes entreprises d'IA depuis 2024.

Les six briques des nouveaux pipelines

1. Des flottes de crawlers spécialisés. Les grandes entreprises d'IA exploitent désormais des crawlers distincts pour des usages distincts, déclarés sous des user agents distincts : OpenAI sépare GPTBot, qui collecte des données d'entraînement, d'OAI-SearchBot, qui alimente les résultats de recherche ; Anthropic sépare de même ClaudeBot de ses crawlers dédiés à la recherche et aux requêtes utilisateur. Cette séparation est ce qui permet à un éditeur de refuser l'entraînement tout en acceptant le crawler de recherche qui peut le citer. Et ces flottes ne cherchent pas à copier le web entier : la priorité de crawl suit ce que les utilisateurs demandent réellement. Un index construit pour répondre à des questions a besoin de dizaines de milliards de pages bien choisies, pas des centaines de milliards exhaustives qu'entretient un moteur classique.

2. Du contenu sous licence, acheté plutôt que crawlé. Le marché des licences de contenu a changé de forme. Les premiers accords étaient des livraisons uniques pour l'entraînement ; la croissance est désormais dans les accords d'accès en continu avec attribution, où l'assistant peut lire et citer le contenu vivant d'un éditeur. Le suivi du secteur compte 2 accords de ce type en 2023, 11 en 2024, 18 en 2025, et environ 34 projetés pour 2026. Les accords d'ancrage donnent l'échelle : l'accord d'OpenAI avec News Corp est rapporté jusqu'à 250 millions de dollars sur cinq ans ; Reddit a révélé 203 millions de dollars de valeur contractuelle cumulée en licences de données, auprès d'acheteurs dont Google et OpenAI. Certains accords excluent désormais entièrement l'entraînement et ne couvrent que le retrieval et l'affichage avec attribution, ce qui dit clairement ce qui s'achète : pas du savoir pour le modèle, mais une présence dans les réponses. Pour une grande entreprise d'IA, même le plus gros de ces accords est une ligne budgétaire mineure comparée à la dépendance à l'index d'un concurrent.

3. Un index de passages, pas un moteur de recherche recopié. Entre « louer une SERP » et « reconstruire Google », il existe une voie médiane que la plupart des bâtisseurs empruntent : acheter un accès à l'index brut d'un fournisseur indépendant et construire par-dessus une couche de retrieval propriétaire. Le signal public le plus net vient de la liste de sous-traitants d'Anthropic elle-même, qui à la mi-2026 nomme deux fournisseurs de recherche web : Brave, dont l'index indépendant dépasse les 40 milliards de pages, listé depuis mars 2025, et TurboPuffer, une base de recherche vectorielle et plein texte, ajoutée en mai 2026. Un index par mots-clés, plus un magasin de vecteurs, plus un classement maison, c'est, fonctionnellement, un pipeline de retrieval : simplement, ce n'est pas un moteur de recherche que quiconque consulte.

4. Un classement fait par le modèle lui-même. Dans ces pipelines, le modèle n'est pas le consommateur d'une liste classée ; il est le classeur. Une question d'utilisateur est décomposée en plusieurs sous-requêtes, chacune lancée sur l'index, et les passages retournés sont reclassés et filtrés par le modèle avant la rédaction. Par-dessus vient le retour conversationnel décrit plus haut : quelles sources concluent les conversations, lesquelles provoquent des corrections. C'est un signal de classement que la recherche classique n'a jamais eu, et il revient intégralement à l'assistant.

5. La fraîcheur en trois étages. Maintenir frais un index exhaustif est l'habitude la plus coûteuse de la recherche classique, et les nouveaux pipelines refusent tout simplement de la payer. Ils empilent à la place trois mécanismes : des flux temps réel sous licence pour les domaines rapides comme l'actualité et la finance ; un re-crawl à haute fréquence réservé à un petit ensemble de sites qui changent souvent ; et pour tout le reste, la récupération de la page au moment de la question. Le gaspillage de l'ancienne habitude se mesure : Cloudflare rapporte que plus de la moitié du trafic des crawlers IA part dans la re-récupération de pages qui n'ont pas changé. La récupération à la demande ne dépense cet effort que quand une question l'exige réellement.

6. Pas de crawl du tout : appeler la source. La voie la plus récente saute entièrement les documents. Pour les données structurées et vivantes, prix, disponibilités, horaires, documentation, un assistant appelle de plus en plus directement la source qui fait autorité, via des connecteurs et des protocoles ouverts comme MCP. Pour cette classe de questions, la copie dans un index quelconque restera toujours moins bonne que la source elle-même. Une part croissante de ce qui ressemble à de la « recherche » dans un assistant est en réalité de l'appel d'outils : la question cesse d'être « qui est classé là-dessus » et devient « quelle source l'assistant choisit-il d'appeler ».

Un instantané de qui fait quoi, daté de juillet 2026

Les briques ci-dessus sont assemblées différemment par chaque acteur, et les montages continueront de bouger. À l'heure où nous écrivons : Google ancre Gemini dans sa propre pile de recherche et n'a besoin de rien d'extérieur. OpenAI documente encore Bing comme source de données de la recherche ChatGPT, tout en construisant son propre crawl et en détenant le plus grand portefeuille d'accords d'éditeurs, environ deux douzaines d'accords annoncés ; des tests indépendants ont aussi observé à plusieurs reprises ChatGPT puiser dans l'index de Google pour certaines réponses, un montage qu'OpenAI ne documente pas. Anthropic compose un accès sous licence à un index avec une couche de retrieval maison et des licences sélectives. Perplexity a construit son propre index sans être un hyperscaler, ce qui a réglé la question de la faisabilité. Meta achète l'accès par des accords ; xAI s'appuie sur les données de sa propre plateforme, plus le crawl. Les bâtisseurs plus petits ne construisent rien de tout cela : ils louent des API de retrieval conçues pour les modèles de langage, une catégorie devenue sans bruit le vrai successeur des API de recherche retirées.

Traitez ce paragraphe comme une photographie, pas comme une carte : les montages individuels changent chaque trimestre. La direction, elle, n'a pas changé depuis 2024, et elle ne pointe que dans un sens : chaque assistant sérieux avance vers une machinerie de retrieval qu'il contrôle.

Ce que cela change si vous voulez apparaître dans les réponses des IA

La conséquence pratique s'énonce facilement : un classement de recherche ne vous dit plus si les assistants IA vous mentionnent. Il ne vous a jamais tout dit, mais pendant l'ère du proxy, c'était une approximation utilisable. Ce n'en est plus une, pour trois raisons structurelles.

La visibilité s'est fragmentée en pipelines. Chaque assistant lit désormais le web à travers sa propre combinaison de crawl, de licences et d'index. La même question, posée à quatre assistants, s'ancre dans quatre jeux de sources différents. Il n'y a aucun classement unique à inspecter, et aucun moyen de calculer de l'extérieur votre présence dans ces réponses. Ce qui peut se faire, c'est la mesure directe : poser aux assistants les questions que pose votre marché, de façon répétée, et enregistrer qui est nommé, en quels termes, et à partir de quelles sources. Cette série, moteur par moteur, est la seule vérité observable que ce paysage offre encore.

Vos surfaces servent désormais trois voies à la fois. Un contenu peut atteindre une réponse parce qu'il a été crawlé, parce qu'il est sous licence, ou parce que la source a été appelée. Les trois voies récompensent les mêmes propriétés : des pages qui énoncent des faits proprement, avec des dates, dans un texte qu'une machine peut reprendre en bloc ; des données structurées et des fichiers lisibles par machine qui disent ce que vous êtes sans ambiguïté ; et, de plus en plus, des interfaces qu'un modèle peut appeler directement. Être citable et être appelable deviennent deux formes distinctes de visibilité, et la seconde est neuve : elle n'existait pas à l'ère de la recherche, et elle se gagne avec des API et des connecteurs, pas avec du contenu.

La transition récompense la mesure des deux mondes. La recherche classique n'a pas quitté la scène : plusieurs assistants ancrent encore aujourd'hui leurs réponses dans des index classiques, directement ou via des intermédiaires, et les classements classiques alimentent encore une partie des jeux de sources. La posture raisonnable pendant la transition n'est pas d'abandonner l'optimisation pour la recherche, mais de cesser de la lire comme un proxy : gardez le travail de recherche, et mesurez les réponses des IA elles-mêmes, pour que, quand un pipeline bouge sous vos pieds, vos données s'en aperçoivent avant votre pipeline de clients.

La scission du retrieval continuera de s'élargir. Le contenu sous contrat est invisible depuis toute page de résultats ; les sources appelées par connecteurs n'apparaissent jamais dans un crawl ; l'index de chaque assistant diverge un peu plus chaque trimestre. Tout, dans cette direction, affaiblit l'inférence et renforce l'observation. Notre propre approche en découle, et c'est la méthode derrière notre travail de mesure : poser les questions du marché aux moteurs à cadence fixe, enregistrer les réponses, et laisser la série, pas les classements, dire où vous en êtes. L'instrument pour cela est Epovest Tracking.