Méthodologie de l’expérimentation
Le 2 septembre 2026, deux modèles web‑grounded de Perplexity (sonar et sonar‑pro) ont été interrogés via OpenRouter sur 380 catégories d’achat logiciel, de « CRM software » à « museum collection management software ». Chaque catégorie a généré un appel distinct, soit 760 requêtes, chaque appel demandant un top‑5 au format JSON contenant le domaine d’accueil officiel du produit. Tous les appels ont renvoyé une réponse analysable, et les modèles ont fourni les URL utilisées pour le « grounding », c’est‑à‑dire la récupération documentaire préalable à la génération.
Les 7 534 citations obtenues couvrent 2 055 domaines distincts. Chaque domaine a été croisé avec la liste Tranco du 1 septembre 2026 et avec la Wayback Machine afin d’évaluer son rang et son ancienneté. Par ailleurs, les 1 502 pages d’accueil de fournisseurs mentionnées ont été vérifiées pour confirmer leur existence.
Résultats de la récupération web
59,8 % des citations pointent vers des domaines classés au‑delà du rang 100 000 du Top‑1 M de Tranco, tandis que 23,4 % n’apparaissent pas du tout dans le million le plus élevé. Le rang médian des 5 768 citations référencées dans le Top‑1 M est de 71 611, indiquant une forte présence de sites peu populaires. Les dix domaines les plus cités ne représentent que 17,3 % des citations, ce qui montre l’absence d’un petit nombre de sites dominants.
Les 751 domaines non classés (36,5 % du total) sont également plus récents : la capture Wayback médiane est 2020 contre 2011 pour les domaines classés, et 16,6 % d’entre eux ont été archivés pour la première fois en 2025 ou après, contre 1,6 % pour les domaines classés.
Analyse des sites de génération massive
Trois sites – wifitalents.com, worldmetrics.org et gitnux.org – partagent une même infrastructure d’enregistrement (NameCheap, décembre 2023‑mai 2024) et les mêmes serveurs de noms Cloudflare (pam.ns.cloudflare.com, sean.ns.cloudflare.com). Leur modèle de page, leur taxonomie et leurs blogs (six articles chacun) sont identiques, ce qui indique une gestion commune.
Leurs sitemaps répertorient respectivement 103 578, 107 083 et 105 541 URL, dont plus de 70 000 pages de type /best/<catégorie>-software/. Au total, les trois sites ont produit 215 128 pages « best software », bien que le nombre réel de catégories logicielles soit bien inférieur. Chaque page expose un classement JSON‑LD lisible par machine, avec des mentions d’« AI‑verified·Expert reviewed », des noms de personnel fictifs et une variable de date non rendue (« Within the next 26 days »).
Un extrait typique du titre HTML montre l’orientation machine‑first :
<title>Gitnux — Facts & Grounding Page</title>Guideflow.com, un blog marketing, apparaît comme troisième source avec 194 citations réparties sur 96 catégories, démontrant que des contenus promotionnels peuvent devenir des références majeures pour les modèles de recommandation.
Implications pour la fiabilité des recommandations IA
La forte proportion de sources peu rankées et très récentes réduit la robustesse des réponses générées. Les modèles s’appuient sur des pages générées automatiquement, dépourvues de validation humaine, ce qui augmente le risque de propagation de données non vérifiées. De plus, l’utilisation d’un plugin de recherche propriétaire (OpenRouter) signifie que les citations reflètent davantage l’infrastructure du plugin que le web en général, excluant notamment Google.
La duplication de contenu entre les trois sites crée une forme de « cartel virtuel » où un même jeu de données alimente plusieurs réponses, amplifiant les biais de source. Sans mécanisme de pondération basé sur la réputation ou l’ancienneté du domaine, les modèles peuvent présenter des recommandations provenant de pages qui n’existent que depuis quelques mois.
En conclusion, l’étude révèle que les modèles de recommandation IA, lorsqu’ils s’appuient sur des systèmes de grounding non filtrés, intègrent massivement des sources de faible autorité. Pour améliorer la qualité des suggestions, il serait nécessaire d’introduire des filtres de crédibilité, de diversifier les moteurs de recherche et de vérifier la provenance des pages de grounding.
