Petits GenAI dopés à l'IA
Google a modifié ses règles de sorte de pénaliser les profils d’auteurs fictifs, d’obliger à « vérifier manuellement » les contenus générés par IA, et de privilégier le « travail humain » aux pages générées automatiquement. Contacté par Next, Google vient de déréférencer neuf des principaux sites d’infos générés par IA qu’il promouvait jusqu’alors via son algorithme Discover mais qui ne les respectent pas.
Article mis à jour à 20h15 : 1492.vision ne nous a pas « indiqué » la liste des sites pénalisés, mais « confirmé » qu’il s’agissait bien des sites au sujet desquels nous avions interrogé Google la semaine passée.
Dans la nuit du 3 au 4 novembre, Google a blacklisté neuf sites d’informations générés par IA (GenAI) de son algorithme de recommandation de contenus Discover. D’après nos informations, ce type de « pénalité manuelle » est pris aux États-Unis, ce qui expliquerait pourquoi leur disparition aurait majoritairement eu lieu pendant la nuit, heure française. Or, nous avions précisément interrogé Google, le 30 octobre dernier, au sujet de 8 de ces sites.
« Avis de tempête sur Discover France », tweetait 1492.vision, un puissant dashboard d’analyse des contenus et tendances mis en avant par Discover, ce 4 novembre : « notre vigie a vu neuf domaines français significatifs sortir du flux Discover », précisant qu’ « à eux neuf, ils pesaient environ 2 % des articles servis par Discover en France ». Huit figuraient d’ailleurs régulièrement dans son Top10 des sites d’infos GenAI.
Sur LinkedIn, 1492.vision, qui s’est procuré le courriel adressé par Google à l’un des éditeurs affectés, précise que le moteur de recherche évoque des « problèmes de spam majeurs » et leur reproche, mot pour mot, une « utilisation abusive de contenus à grande échelle », des « techniques de dissimulation (cloaking) », des manquements « répétés ou flagrants » aux règles anti-spam. Google leur signale de plus qu’ils vont devoir refondre leurs contenus en profondeur, puis demander un réexamen.
Contacté pour en savoir plus, 1492.vision nous confirme qu’il s’agit bien des 8 sites au sujet desquels nous avions interrogé Google la semaine passée : trois sites du groupe Reworld Media (pleine-vie.fr, modesettravaux.fr et mariefrance.fr), cinq sites du groupe SICESI, sous-traitant de Ouest France et 20 minutes (trucmania.ouest-france.fr, pause-maison.ouest-france.fr, maison.20minutes.fr, journaldesseniors.20minutes.fr et sciencepost.fr), plus lenergeek.com, du groupe POOL PRESSE (ex-Economie Matin), qui aurait cela dit réapparu depuis sur Discover.
Nous avions déjà consacré plusieurs articles à leurs sites d’information générés par IA, mais sans que Google ne réagisse jusqu’alors. Interrogé par Next ce vendredi 30 octobre pour savoir si ces sites semblaient conformes aux nouvelles règles de Google (spoiler alert : non), le service de presse de Google ne nous a pas répondu. Mais les sites en question viennent donc d’être déréférencés de Discover, la principale source de trafic des sites d’information.
- Reworld Media hallucine et publie n’importe quoi, mais ce n’est pas à cause de l’IA
- Des articles générés par IA sont hébergés chez Ouest-France et 20Minutes
- Le directeur pédagogique d’une école de journalisme génère ses articles par IA
« Vérifier manuellement l’exactitude des contenus générés par l’IA avant de les publier »
Début octobre, Google a effectué trois discrètes modifications dans ses règles de curation. Elles devraient lui permettre – voire l’obliger – de cesser de recommander les contenus synthétiques publiés à la chaîne sur les sites d’information générés par IA, que Next documente depuis plus d’un an et demi, mais également de pénaliser ces derniers en termes de référencement.
Occasion de rappeler que Next a développé une extension web (gratuite) pour les navigateurs basés sur Chromium (Chrome, Brave, Edge, Opera, Vivaldi – y compris sur Android) et Firefox (y compris Android) afin d’afficher un message d’alerte lorsque ses utilisateurs visitent un des 20 000 (!) sites dont nous avons identifié que leurs articles « semblent avoir été majoritairement générés par IA (GenAI) » (qu’ils soient « full GenAI » ou bien « dopés à l’IA »), mais sans le préciser.
Google a notamment mis à jour ses conseils concernant l’utilisation de contenus générés par IA, relève Abondance (le média français de référence pour les actualités liées au SEO), afin d’y préciser qu’ « il est essentiel de vérifier manuellement l’exactitude et la fiabilité de tous les contenus générés par l’IA avant de les publier » :
« N’oubliez pas que les modèles génératifs ne récupèrent pas de faits, mais prédisent une séquence de mots probable en fonction de leurs données d’entraînement. C’est pourquoi les résultats de l’IA générative peuvent contenir des inexactitudes (également appelées « hallucinations »). »
Une précision importante, souligne Barry Schwartz, de Search Engine Roundtable, qui avait repéré ce rajout, à mesure que le terme « essentiel » (« critical », en VO) est rarement employé par Google dans sa documentation.
Le « travail humain » sera privilégié face aux textes générés par IA
Barry Schwartz a également repéré une seconde importante mise à jour dans le guide intitulé « Créer des contenus utiles, fiables et people-first », utilisé par les évaluateurs de la qualité de la recherche de Google pour confirmer la pertinence de ses modifications algorithmiques.
Les évaluateurs sont désormais invités à estimer, de prime abord, le niveau d’ « effort » qu’il a fallu pour créer un contenu, à savoir la « mesure dans laquelle le travail humain a contribué à la création du contenu ou des systèmes qui l’alimentent » :
« Par exemple, rédiger une analyse originale, traduire manuellement un poème ou créer une carte interactive personnalisée pour un jeu demande beaucoup d’efforts. À l’inverse, générer automatiquement des pages à partir de flux ou utiliser l’IA générative pour produire de grandes quantités de texte sans supervision ni sélection humaines ne demandent que peu ou pas d’effort. L’attribution ou la mention d’autres sources ne remplace pas la nécessité d’un travail original. »
Le fait de se contenter de paraphraser des articles rédigés par de vrais journalistes humains, comme le font la quasi-totalité des sites d’infos générés par IA, devrait dès lors les desservir. D’autant que les évaluateurs sont également invités à jauger l’ « originalité » du contenu, à savoir la « mesure dans laquelle le contenu propose des informations ou des perspectives uniques et originales qui ne sont pas déjà disponibles sur d’autres sites Web ».
Les faux profils relèvent désormais d’une « forme de tromperie »
Barry Schwartz relève également que Google y a en outre rajouté un paragraphe qualifiant de « tromperie » les profils d’auteurs qui n’existent pas :
« Fabriquer des profils de créateurs (par exemple en utilisant des portraits générés par IA, des noms inventés ou de fausses qualifications pour faire croire qu’un contenu a été rédigé par des experts humains) est une forme de tromperie. »
Google autorise en effet la publication de contenus générés par IA, tant qu’ils ne relèvent pas du « spam », mais proscrit donc le fait de faire croire qu’ils auraient été écrits par des humains.
Abondance souligne par ailleurs que Marie Haynes, qui étudie les algorithmes de Google depuis 2008, estime que ces précisions seraient liées à son nouveau modèle de langage Gemini 4 Argon. Elle relève aussi et surtout que ce type de modifications a souvent précédé de grands changements de classement, et que Google préparerait potentiellement le terrain pour une future mise à jour :
« Google utilise ces directives pour entraîner ses modèles d’apprentissage automatique. Plutôt que de s’appuyer sur une liste de critères figée, où la présence d’une biographie d’auteur ou d’un nombre précis de mots rapporte des points, Google crée des ensembles d’entraînement vérifiés par des évaluateurs de qualité humains. Les systèmes d’apprentissage automatique apprennent alors à prédire à quoi ressemble un résultat véritablement utile et centré sur l’utilisateur. Ces directives constituent une liste des éléments que Google souhaite voir récompensés par le système. »
169 sites d’infos générés par IA recommandés par Discover en octobre
Ces modifications interviennent alors que Discover, l’algorithme de recommandation de contenus de Google, venait d’être de nouveau inondé de contenus bas de gamme générés par IA. Comme nous l’avons raconté, ils émanaient du plus prolifique des éditeurs de sites d’infos générés par IA (GenAI), qui avait déjà été blacklisté l’an passé, après avoir spammé Discover de milliers d’articles et de fake news.
D’après 1492.vision, trois de ses sites y avaient capté jusqu’à 4 % de l’ensemble des sites francophones début octobre, publiant à lui tout seul 26 000 articles en un mois, contre 34 000 pour Ouest France, qui emploie plus de 700 journalistes.
- Google Discover a recommandé 26 000 articles d’un serial spammeur avant de le blacklister
- Éditeur de sites générés par IA, il spamme tellement Google que ses confrères se plaignent
- Pain cancérigène, poissons recongelés: Google recommande aussi des infox GenAI diffamantes
Mais il n’est pas le seul, loin de là. Signe que le problème ne relève pas que des 3 sites du spammer blacklisté début octobre, 1492.vision a identifié 169 sites d’infos GenAI ayant été recommandés par Discover le mois dernier, représentant près de 6 % des URLs et de 7 % des hits, alors qu’ils ne représentent que 2,36 % du total des 7 173 sites répertoriés par 1492.vision.
