Un chercheur qui a rempli un site Web avec 50 000 statistiques entièrement inventées affirme que ChatGPT cite toujours les faux chiffres sept mois plus tard, même après que Google ait effectivement effacé le site de ses résultats. L'expérience, détaillée dans un article de blog de Metehan Yesilyurt, chercheur GEO au sein de la société de visibilité sur l'IA Peec AI, a fait la une de Hacker News mardi, attirant des centaines de points et un fil de commentaires animé.

L'article, publié pour la première fois début octobre, décrit comment Yesilyurt a acheté un tout nouveau domaine, stateglobe.com, et a utilisé GPT-4.1 pour générer 50 000 pages de statistiques en une seule journée, couvrant prétendument le référencement, le marketing de contenu, les médias sociaux, le commerce électronique et la technologie Web dans 200 pays. Chaque numéro était inventé. "Je n'en ai jamais vérifié un seul", a-t-il écrit. Pour plus de contexte sur cette histoire, consultez notre actualités IA.

Une usine de désinformation à 50 $

Le coût total de l'expérience était d'environ 50 $ : environ 30 $ pour créer et mettre en ligne le site de statistiques sur un modèle de conception Web d'IA de base, plus environ 20 $ de plus pour 15 000 listes générées par l'IA et ajoutées ultérieurement. Le site n’a jamais été conçu comme un bien immobilier – il s’agissait d’une enquête sur la façon dont la recherche moderne basée sur l’IA décide de ce qui compte comme source fiable.

L'inspiration est venue de recherches de plus longue durée sur les fondements du LLM, et en particulier d'une étude révélatrice de Seer Interactive publiée en août 2025. L'hypothèse de Yesilyurt était directe : alors que les éditeurs et les spécialistes du marketing produisent de plus en plus de contenu sensible au temps avec les LLM, ces modèles doivent rechercher sur le Web des données apparemment faisant autorité pour combler les lacunes de leurs connaissances en matière de formation - et les pages de statistiques sont exactement le format qu'ils recherchent.

Google l'a enterré. ChatGPT ne l'a pas fait.

Le traitement divergent des deux plateformes constitue le principal résultat de l'expérience. Sur Google, la fortune du site s'est effondrée presque immédiatement. Après deux mises à jour du classement de recherche après le lancement, la visibilité a chuté et les pages indexées ont rebondi entre environ 5 et 20 impressions pendant des mois – le géant de la recherche a effectivement désindexé un site qu'il semble avoir signalé comme spam de faible valeur.

ChatGPT s'est comporté différemment. Selon les données d'exploration de Cloudflare citées dans l'article, stateglobe.com a reçu plus de 600 000 demandes de robots au cours des 30 derniers jours seulement, dont environ 72 000 provenaient de ChatGPT-User — l'agent que ChatGPT utilise pour récupérer des pages en temps réel tout en répondant à la question d'un utilisateur. Ce ne sont pas des explorations d’entraînement ; chacun représente ChatGPT tirant une fausse page de statistiques pour répondre à une requête en direct. Au cours des sept mois d'existence du site, Yesilyurt compte plus de 10 000 sessions d'IA référencées sur le domaine.

Les chiffres se sont échappés dans le monde réel

Plus troublant est la destination des personnages inventés. Selon les données Ahrefs et Semrush citées dans l'article, le site a attiré des liens provenant de plus de 330 domaines référents, dont Shopify, DHL et Bluehost. Yesilyurt écrit que ses statistiques inventées ont également abouti dans un article universitaire et dans la recherche en investissement d'une banque – les conséquences exactes en aval qu'il a entrepris de démontrer : les réponses de l'IA sont copiées dans des présentations, des articles et des rapports, blanchissant des chiffres inventés dans des citations apparemment faisant autorité.

Le site est resté en ligne et accessible au moment de la rédaction, ce qui signifie que les citations ChatGPT peuvent encore s'accumuler.

Ce n'est pas une étude rigoureuse – Par conception

L’expérience a des limites évidentes, et Yesilyurt ne prétend pas le contraire. Il s'agit d'une étude de cas sur un seul site avec des mesures autodéclarées, le domaine a été promu publiquement comme une expérience en cours de route, et les facteurs de classement exacts utilisés par Google pour enterrer le site ne peuvent pas être isolés de l'extérieur. La discussion de Hacker News, dont le message a suscité 284 points et plus de 160 commentaires mardi, est rapidement devenue l'un des fils de discussion les plus lus de la journée. Yesilyurt attribue également des travaux antérieurs sur le comportement de l'index de recherche de ChatGPT, en indiquant aux lecteurs la recherche sur l'index de ChatGPT réalisée par un développeur connu sous le nom de Tomek comme contexte expliquant pourquoi un domaine désindexé par Google peut rester fermement à l'intérieur de l'index dont s'inspire réellement la récupération en direct de ChatGPT.

Pourquoi c'est important pour la recherche IA

L’expérience est un test de résistance de l’optimisation générative des moteurs – la pratique en croissance rapide consistant à optimiser le contenu destiné aux moteurs de réponse IA, connu sous le nom de GEO. Une grande partie de l’industrie GEO se concentre sur l’intégration d’une marque dans la réponse de l’IA ; Le point de Yesilyurt est que le moment le plus important vient après, lorsque les utilisateurs prennent cette sortie et la republient.

Cela se produit également dans un contexte d’examen minutieux croissant de la manière dont les assistants IA gèrent les fondements factuels. Les moteurs de recherche ont passé deux décennies à construire des défenses anti-spam adaptées aux signaux de classement ; les assistants conversationnels qui récupèrent des pages à la demande héritent de ces faiblesses sans nécessairement hériter des défenses. Un site que Google classe comme indésirable peut toujours ressembler à une base de données de statistiques pour un système de récupération qui voit principalement une page propre pleine de chiffres confiants.

Pour les éditeurs, la conclusion est inconfortable : la distribution basée sur l’IA peut récompenser exactement le contenu que les pénalités de recherche traditionnelles supprimeraient. Pour les utilisateurs, l’expérience rappelle qu’une statistique associée à une source à consonance spécifique peut avoir été inventée pour environ le prix d’un dîner à emporter. Et pour les laboratoires d’IA, c’est un point de plus que les moteurs de réponse ont besoin de signaux de provenance et de consensus plus forts avant que la citation ne devienne la monnaie de l’ère de la recherche par l’IA.

_Cet article est basé sur le billet de blog de Peec AI par Metehan Yesilyurt et sur une discussion sur Hacker News. Les affirmations décrites sont les propres mesures rapportées par le chercheur à partir des données Cloudflare, Ahrefs et Semrush._

---

Restez à la Pointe de l'IA

Les dernières actualités, analyses et percées en IA — au même endroit.

Lire plus d'actualités IA →