Contenu généré par IA et citation par IA : le paradoxe et comment l'éviter.

Un moteur génératif ne cite pas ce qu'il aurait pu écrire lui-même

Le paradoxe tient en une phrase : un texte produit par un modèle de langage sans apport extérieur contient, par construction, ce que le modèle savait déjà. Quand un moteur génératif cherche des sources pour répondre, il cherche précisément ce qu'il ne sait pas ou ne peut pas affirmer seul : un chiffre daté, un cas observé, une méthode décrite, une position argumentée par quelqu'un d'identifié. Une page qui n'apporte rien de cela n'est pas retenue, non parce qu'elle a été générée, mais parce qu'elle n'apporte rien. Le mode de production n'est pas le problème ; l'absence d'information l'est.

Dans nos audits, les sites qui ont industrialisé la production de pages entre 2023 et 2025 présentent presque toujours le même profil : un volume de pages en forte hausse, une part de citation stable ou en baisse, et des pages qui se ressemblent toutes. Elles répondent aux mêmes questions avec les mêmes formulations que des milliers d'autres sites, produites par les mêmes outils à partir des mêmes consignes. Le moteur, qui cherche à corroborer une affirmation par des sources indépendantes, y voit un écho, pas une source.

Cet article ne plaide ni pour ni contre l'usage des modèles en rédaction. Il décrit ce qui rend un texte générique aux yeux d'un moteur, où l'assistance par IA fait gagner du temps sans coûter de citations, où elle en coûte, et le protocole de relecture experte qui fait la différence. Il s'inscrit dans la méthode complète : le contenu généré échoue en général sur les conditions « citable » et « identifiée », rarement sur les deux autres.

Ce qui rend un texte « générique » aux yeux d'un modèle

Un moteur génératif ne détecte pas l'origine d'un texte ; il évalue ce que le texte lui apporte pour répondre à une sous-requête. Quatre absences reviennent dans les pages jamais citées, et elles sont indépendantes de l'outil qui a écrit la page. Un rédacteur humain pressé produit les mêmes absences ; un modèle les produit plus vite et en plus grand nombre.

Le test le plus simple consiste à retirer le nom de l'entreprise d'une page et à se demander qui aurait pu l'écrire. Si la réponse est « n'importe qui dans le secteur », la page est générique, quelle que soit sa longueur et quelle que soit sa note dans un outil de qualité rédactionnelle. Si la réponse est « seulement quelqu'un qui a traité ces dossiers », la page a une chance d'être retenue.

La seconde version a été relue par quelqu'un qui connaît les dossiers. Elle fixe un seuil, trente véhicules, un critère, le mode d'installation, une conséquence observée et sa cause. Un modèle qui doit répondre à « quel logiciel de gestion de flotte pour une petite entreprise » peut la citer ; il n'a rien à faire de la première, qui reformule la question sans y répondre.

Où l'IA aide réellement à produire un contenu citable

L'assistance par un modèle fait gagner du temps partout où l'information existe déjà et doit être mise en forme. Elle en fait perdre partout où l'information doit être produite. La frontière est nette, et elle définit la chaîne de production que nous recommandons.

• Extraire la matière d'un entretien avec un expert interne. Trente minutes d'échange enregistrées contiennent en général plus d'éléments citables qu'une journée de rédaction à partir de rien.
• Structurer. Transformer une réponse orale en bloc « question, réponse, preuve, nuance », proposer un tableau à partir de données brutes, découper un texte long en passages autonomes.
• Reformuler sans perdre. Raccourcir un premier paragraphe, mettre la réponse en tête, supprimer les tournures creuses ; la forme du passage citable s'y prête bien.
• Contrôler la cohérence. Repérer qu'un chiffre diffère entre deux pages, qu'une date manque, qu'un terme est employé dans deux sens.
• Préparer un premier jet de traduction, à condition qu'un locuteur natif qui connaît le métier le relise.

Le point décisif est l'ordre. La source propriétaire vient en premier ; le modèle travaille à partir d'elle. La chaîne inverse, où le modèle rédige à partir d'une consigne et où l'expert « valide » en fin de course, produit des textes que l'expert corrige à la marge sans les enrichir, parce que la structure est déjà celle de la généralité et qu'il est plus coûteux de la défaire que de repartir de l'entretien.

Où elle nuit : cinq dérives observées dans les audits

Les dérives ci-dessous ne sont pas des hypothèses ; ce sont celles que nous rencontrons le plus souvent quand un site a industrialisé la production sans protocole. Chacune atteint directement l'une des quatre conditions d'une citation.

Tableau : faites défiler horizontalement.

La première dérive est la plus coûteuse, parce qu'elle est la plus difficile à rattraper. Un moteur qui a trouvé sur votre site un chiffre contredit par trois sources indépendantes n'a aucune raison de vous faire confiance sur le suivant. La règle que nous appliquons : un chiffre sans origine identifiable est supprimé avant publication, pas « à vérifier plus tard ». Le détail de cette discipline figure dans l'article sur les chiffres, dates et sources.

La relecture experte : six contrôles avant publication

La relecture experte n'est pas une correction de style. C'est un contrôle de fond, mené par quelqu'un qui connaît le sujet et engage son nom. Sur nos mandats, elle suit six contrôles, dans cet ordre, et un texte qui échoue à l'un d'eux retourne en production plutôt que d'être corrigé à la marge.

1. Chaque chiffre a une origine : mesure interne datée, document public identifié, ou suppression.
2. Chaque affirmation générale devient conditionnelle : « en général » devient « pour les entreprises de moins de cinquante salariés », « souvent » devient « dans les dossiers où le bail est commercial ».
3. Chaque section contient au moins un élément que seul l'auteur pouvait écrire : un cas, une observation, une méthode, une position.
4. Les phrases qui n'apportent rien sont supprimées, pas réécrites. « Il est important de bien choisir » disparaît.
5. Chaque passage est testé sorti de son contexte : lu seul, répond-il à une question précise, avec une preuve ?
6. L'auteur signe : son nom, sa fonction, sa page auteur. S'il hésite à signer, le texte n'est pas prêt.

Les moteurs pénalisent-ils le contenu généré ? Ce qui est documenté

À notre connaissance, aucun éditeur de moteur génératif n'a documenté de pénalité visant le contenu généré en tant que tel. Google a publié en 2023 des consignes indiquant que le mode de production n'est pas en soi un critère et que c'est l'utilité du contenu pour l'utilisateur qui compte ; ses règles visent la production en masse destinée à manipuler le classement, quel que soit l'outil employé. OpenAI, Anthropic et Perplexity n'ont, à notre connaissance, rien publié de spécifique sur ce point concernant la sélection des sources.

L'effet est donc indirect, et il est plus sévère qu'une pénalité. Une pénalité se lève ; une absence d'apport ne se corrige qu'en ajoutant l'apport. Un site de deux cents pages génériques ne remontera pas en les supprimant ni en les faisant réécrire par un autre outil. Il remontera en identifiant les vingt pages qui correspondent à des sous-requêtes à valeur, en les enrichissant d'informations propriétaires, et en regroupant ou en laissant les autres.

Un second effet, moins visible, concerne la corroboration. Quand des dizaines de sites d'un même secteur publient les mêmes affirmations générées, le moteur y voit un consensus faible : beaucoup de sources, aucune indépendante. Une affirmation différente, précise et signée se détache de ce bruit. Le contenu générique de vos concurrents est, paradoxalement, une occasion pour une page qui apporte quelque chose.

Signer, dater, assumer : l'entité derrière le texte

La condition « identifiée » est celle où le contenu généré échoue le plus discrètement. Une page sans auteur, ou signée « l'équipe », n'engage personne, et le moteur n'a rien à vérifier sur l'expertise de la source. À l'inverse, un texte signé par un professionnel identifiable, dont la page auteur documente le parcours, donne au moteur ce qu'il cherche pour classer la source comme fiable.

• Un auteur nommé par page, avec sa fonction et une page auteur balisée en Person ; ce que cette page doit contenir est décrit dans l'article sur les pages auteur.
• Des dates sincères de publication et de mise à jour, cohérentes entre le texte visible et le balisage.
• Une politique éditoriale publique qui dit comment les textes sont produits et relus, y compris l'usage d'outils d'assistance. Cette transparence ne coûte rien et évite le soupçon.
• Une mention des sources internes mobilisées : « d'après les dossiers traités par notre cabinet au premier semestre », plutôt qu'une affirmation sans origine.

Les signes qui trahissent un texte sans apport

Les indices ci-dessous se repèrent à la lecture d'une seule page, sans outil. Quand trois d'entre eux sont présents, la page n'est presque jamais citée.

• Des pourcentages ronds sans source, ou une « étude récente » sans nom ni date.
• Des paragraphes qui commencent par « Il est essentiel de » ou « Dans un monde en constante évolution ».
• Un plan identique sur toutes les pages du site : introduction, avantages, inconvénients, conclusion.
• Aucun cas, aucun nom, aucune date : le texte pourrait avoir été écrit par n'importe quel concurrent.
• Une signature collective ou absente, sans page auteur.
• Des affirmations qui contredisent d'autres pages du même site.

Ce qu'il faut retenir