Contexte de l’étude

Podqi a interrogé trois modèles de génération de texte – Gemini (Google), Perplexity et ChatGPT (OpenAI) – avec 151 marques différentes, dont Lululemon, Birkenstock, Stüssy et Le Creuset. Les requêtes, limitées à des questions d’achat (« Quel site pour acheter X ? », « Le site officiel de X ? »), ont généré 6 795 réponses au total. Parmi ces réponses, les liens qualifiés de « risqués » – sites usurpant la marque, domaines expirés ou revendus, ou pages inactives – apparaissent dans 4 % des réponses de Gemini, 8 % de ChatGPT et 15 % de Perplexité. Les avertissements associés aux liens risqués sont fournis par ChatGPT dans 24 % des cas, alors que Gemini et Perplexité en donnent beaucoup moins.

Les marques de petite taille sont plus exposées : les réponses concernant les grandes enseignes contiennent des liens risqués environ deux fois moins souvent que celles portant sur des marques moins connues. L’étude a été réalisée en deux sessions distinctes en septembre, chaque session reproduisant les mêmes prompts afin d’assurer la reproductibilité des résultats.

Mécanisme de génération de liens

Les trois chatbots utilisent une forme de récupération augmentée (retrieval‑augmented generation). Le modèle interroge une base de données indexée ou le web en temps réel, puis intègre les résultats dans le texte final. Cette étape de récupération n’est pas toujours accompagnée d’une validation de la propriété du domaine. Ainsi, lorsqu le moteur récupère une URL correspondant à un nom de marque, il ne vérifie pas systématiquement que le certificat SSL ou le WHOIS correspond à l’entité officielle.

Le phénomène d’hallucination, bien documenté dans les modèles de grande taille, se manifeste ici par l’insertion d’URL qui n’existent plus ou qui ont été rachetées par des acteurs tiers. Le modèle ne possède pas de mécanisme interne de réputation des domaines ; il se base uniquement sur la similarité de texte entre la requête et les fragments récupérés. Les prompts demandant des « sites régionaux » déclenchent davantage d’erreurs, probablement parce que les bases de données contiennent davantage d’enregistrements historiques ou de sous‑domains obsolètes.

Analyse des impacts et limites

Pour les consommateurs, la présence d’un lien frauduleux augmente le risque de phishing ou de perte de données de paiement. Le taux de 15 % observé pour Perplexité signifie qu’un utilisateur sur six pourrait être dirigé vers une page non autorisée. Pour les marques, chaque redirection non contrôlée représente une perte de confiance et un potentiel impact sur les ventes, surtout pendant les périodes de forte demande comme les fêtes de fin d’année.

Les performances différenciées des modèles reflètent leurs stratégies de filtrage. Gemini, qui affiche le taux le plus bas, intègre systématiquement un affichage du lien source, ce qui facilite la vérification manuelle. ChatGPT, bien qu’il propose plus d’avertissements, ne réduit pas le nombre absolu de liens risqués. Perplexité, malgré son positionnement comme moteur de recherche fiable, ne dispose pas d’un filtre de réputation intégré, ce qui explique son taux élevé.

La méthodologie de l’étude comporte des limites : les prompts sont artificiels et ne reproduisent pas exactement le comportement d’un utilisateur réel. De plus, le suivi des URLs s’appuie sur un outil propriétaire de Podqi, dont les critères de classification des sites « risqués » ne sont pas détaillés publiquement.

Perspectives d’atténuation

Google indique travailler sur l’affichage de sources et la mise à jour continue des modèles pour réduire les erreurs. OpenAI mentionne le renforcement des garde‑fous visant à filtrer les sites potentiellement trompeurs. Une approche possible consiste à intégrer des API de vérification de domaine (WHOIS, certificats TLS) directement dans le pipeline de récupération, afin de bloquer les URLs dont la propriété ne correspond pas à la marque recherchée.

En l’absence de telles mesures, les utilisateurs devront systématiquement croiser les informations fournies par les chatbots avec des sources officielles avant de saisir des données sensibles.