Médias et IA : vingt sources de presse, zéro page d'article

Un éditeur de presse occupe une place particulière dans la recherche générative. Dans toutes les verticales que nous avons relevées jusqu'ici, la conclusion tombait de la même façon : ce sont des tiers qui sont cités, et ces tiers sont souvent des médias. Pour un éditeur, la question se retourne. Il est le tiers. Il devrait donc être le grand gagnant.

Il l'est, en volume. Sur les 228 sources que nous avons relevées, 95 viennent d'un titre de presse, soit 42 %. Le taux de reprise dans le corps des réponses est de 47 % pour la presse contre 51 % pour le reste, un écart trop faible pour signifier quoi que ce soit.

Le problème n'est pas là. Il est dans la page qui porte la citation. Sur une question d'actualité politique, le moteur nous a donné vingt sources, toutes des titres de presse, et vingt pages de rubrique. Pas une seule page d'article. Sur les enquêtes économiques, il a décrit le travail de Mediapart en s'appuyant sur la fiche produit d'un libraire. Voici le relevé.

Ce que nous avons posé, et comment

Treize questions françaises posées à Perplexity en sonar-pro, recherche web activée, entre 06:08:05 et 06:11:46 UTC le 31 août 2026, via l'API DataForSEO. Coût total : 0,1948 $. Nous avons relevé, pour chaque réponse, les URL citées et les indices effectivement rappelés entre crochets dans le corps du texte, qui ne sont pas la même chose.

Les treize questions couvrent le terrain sur lequel un éditeur revendique une valeur propre : tests de produits (aspirateur robot, smartphone à moins de 400 €), finance personnelle (PER contre assurance-vie), santé (jeûne intermittent), actualité économique (déficit public), classements (villes où il fait bon vivre, lycées, restaurants de Lyon), service public (aides à la rénovation, calcul du DPE), actualité politique de la semaine, choix d'un média économique, et enquêtes journalistiques sur de grandes entreprises.

Distinguez dès le départ quatre états, parce que tout le relevé repose dessus. Un titre peut être absent. Il peut fournir une source, c'est-à-dire figurer dans la liste des URL consultées. Il peut être repris dans le texte, c'est-à-dire qu'une affirmation de la réponse s'appuie explicitement sur lui. Et il peut, cas plus rare, être nommé en toutes lettres dans la phrase. Les quatre ne se recouvrent pas, et c'est l'écart entre eux qui fait l'article.

Sur l'actualité chaude, vingt sources de presse et zéro article

C'est le résultat le plus net du relevé. À la question « que s'est-il passé cette semaine dans l'actualité politique française », le moteur cite vingt sources. Les vingt sont des titres de presse : Le Monde deux fois, Le Point, Euronews, TF1 Info trois fois, le Nouvel Obs, Boursorama, Le Parisien, Le Figaro deux fois, La Croix deux fois, Europe 1, Yahoo Actualités, BFMTV, CNews, L'Express, Les Échos.

Et les vingt URL sont des pages de rubrique, de tag, de dossier permanent ou d'accueil. lemonde.fr/politique/, lepoint.fr/politique/, fr.euronews.com/tag/politique-francaise, lefigaro.fr/ tout court. Aucune ne pointe vers un article. Aucune ne contient une date dans son chemin. Aucune ne survivra à sa semaine sous la forme qui a produit la réponse.

La conséquence se lit dans la réponse elle-même. Le seul fait chiffré qu'elle avance, « le projet a été largement rejeté à l'Assemblée nationale, avec 404 voix contre », est attribué au Point, et l'adresse fournie est lepoint.fr/politique/. Cette page ne contiendra plus ce chiffre dans quinze jours. La citation est donc invérifiable par construction, non parce que le moteur aurait inventé quoi que ce soit, mais parce que l'adresse qu'il donne n'est pas celle du texte qui porte l'information.

Pour un éditeur, c'est une double perte. Le lecteur qui suit le lien arrive sur un sommaire, pas sur l'article, et le journaliste qui a sorti le chiffre n'est rattaché à rien.

Mediapart raconté par la fiche produit d'un libraire

La question sur les enquêtes journalistiques visant de grandes entreprises françaises donne le cas le plus spectaculaire. Mediapart est la bonne réponse, et le moteur le sait : le titre fournit cinq sources sur dix-huit, plus que quiconque.

Regardons lesquelles. Une page de biographie d'auteur, /biographie/florence-loeve. Deux pages de thème, /theme/entreprises et sa trentième page de pagination. La page 131 d'un listing, /journal/enquetes?page=131. Et une page anniversaire en accès libre, /studio/panoramique/pour-nos-15-ans-15-enquetes-emblematiques. Aucune enquête. Cinq pages de navigation.

Le contenu, lui, vient d'ailleurs. Les affaires Bettencourt, Tapie, Bolloré et Baupin sont attribuées à laprocure.com, la fiche produit d'une librairie pour le livre Mediapart, 15 grandes enquêtes, et à un PDF hébergé sur excerpts.numilog.com. Nous avons vérifié ce fichier : 1 879 874 octets, métadonnée XMP portant le titre « Mediapart - 15 grandes enquêtes ». C'est l'extrait promotionnel d'un livre, servi par un distributeur.

Autrement dit : quinze ans d'investigation payante sont décrits au lecteur depuis le catalogue d'un libraire et l'argumentaire d'un éditeur de livres. Le même schéma joue pour la télévision. Les scandales révélés par Cash Investigation sont attribués à telestar.fr, un magazine de programmes, et non à france.tv qui héberge pourtant les émissions et fournit trois sources dans la même réponse.

Les laboratoires de test sont lus, puis écartés

Deux questions portaient sur des produits, terrain où la presse spécialisée investit dans des bancs d'essai réels.

Sur l'aspirateur robot, la question précisait « selon les tests indépendants ». Les Numériques fournit deux sources sur vingt, dont une seule est rappelée dans le texte, et son nom n'apparaît dans aucune phrase de la réponse, à la différence de Clubic et de Capital. Que Choisir est absent, son homologue belge Test-Achats fournit une source qui n'est pas reprise. Les noms recommandés viennent d'ailleurs : meilleurs-aspirateurs-robots.fr fournit trois sources à lui seul et porte deux des quatre recommandations, aux côtés de top-aspirateur.fr et de Clubic.

Sur le smartphone à moins de 400 €, le résultat se répète à l'identique. Frandroid fournit deux sources, Les Numériques deux également : quatre sources des deux références françaises du test, zéro reprise. Le Parisien, avec une page de sa rubrique guide-shopping, n'est pas repris non plus. Le seul acteur nommé en toutes lettres dans la réponse est Selectra, un comparateur d'abonnements télécom, à qui la phrase attribue le jugement « le plus complet sous 400 € ».

Sur l'ensemble des treize questions, Les Numériques totalise quatre sources pour une seule reprise, Frandroid deux sources pour zéro, Le Parisien trois pour zéro, La Croix deux pour zéro. Le travail de mesure est consulté, et l'avis publié est celui du site qui n'en fait pas.

Deux questions où la presse n'entre pas du tout

Le contraste vaut d'être noté, parce qu'il désigne un terrain perdu plutôt qu'un terrain disputé. Sur les aides à la rénovation énergétique et sur le calcul du DPE 2026, aucun titre de presse nationale ne fournit de source.

Sur la rénovation, les seize sources se partagent entre l'administration, france-renov.gouv.fr, l'Anah, service-public.gouv.fr, et des courtiers en primes d'énergie : Effy, Hellio, Primes Énergie, La Prime Énergie, Homeserve, La Maison Saint-Gobain. Que Choisir fournit une source, reprise.

Sur le DPE, la question porte pourtant sur un mécanisme technique récemment modifié, exactement le genre d'explication qu'un service économie produit chaque janvier. Les treize sources sont institutionnelles ou commerciales, et la seule source non institutionnelle reprise dans la réponse est le magazine d'un fabricant de fenêtres, Velux. La dépêche AFP reprise par connaissancedesenergies.org figure dans la liste et n'est pas utilisée.

C'est le même régime que celui déjà observé dans l'automobile sur les questions de mécanisme. Ce que la presse produit sur ces sujets existe, mais il est publié le jour de l'annonce et remplacé le lendemain, tandis que la page de l'installateur reste en ligne, datée de l'année en cours, et se met à jour.

Le seul régime où la presse gagne : quand elle est la réponse

Deux questions renversent complètement le tableau, et elles ont un point commun. Le média n'y est pas la source : il est l'objet de la question.

Sur le classement des lycées, les titres sont nommés en clair dans la réponse, cas rare dans tout notre relevé : Le Figaro Étudiant, L'Étudiant, Linternaute, 75 Secondes. Le moteur attribue explicitement des classements divergents à des méthodes différentes, et construit un tableau où la colonne « Source » porte des noms de journaux. Chacun est cité depuis son propre domaine.

Sur « quel média choisir pour s'informer sur l'actualité économique », même chose : Les Échos, La Tribune, Le Monde et BFM Business sont recommandés et cités depuis leurs propres pages. Mais deux titres recommandés ne le sont pas depuis chez eux. Le Figaro Économie et Alternatives Économiques figurent dans le tableau de recommandation sans qu'aucune de leurs pages ne soit citée : leur légitimité vient de Wikipédia, de deux annuaires, netguide.com et ajef.net, et du blog d'un négociant en or, blog.gold.fr.

Ce dernier détail n'est pas isolé. Sur la question du déficit public, bdor.fr, autre marchand de métaux précieux, fournit deux sources sur vingt, quand Le Figaro en fournit une qui n'est pas reprise. Deux questions économiques indépendantes, deux blogs de négociants en or dans les sources, et le raisonnement déjà décrit pour les annuaires et comparateurs s'applique tel quel à la presse économique.

Le péage n'est pas dans le robots.txt

Nous avons ensuite fait le chemin inverse : reprendre les vingt URL de la question d'actualité et les demander nous-mêmes, la même minute, avec deux agents différents. Un PerplexityBot déclaré, et un navigateur ordinaire.

Sept des vingt URL refusent le robot déclaré. Le Point, Europe 1, CNews et Les Échos répondent 403 aux deux agents. Yahoo répond 429. Et Le Figaro fait quelque chose de plus précis : 403 au robot déclaré, 200 au navigateur, sur la même URL, à la même minute, pour sa rubrique politique comme pour sa page d'accueil. C'est une discrimination à l'agent, pas un blocage général.

Le Monde inverse le dispositif, et c'est le résultat technique le plus intéressant du relevé. Au navigateur ordinaire, il répond HTTP 402 Payment Required, code prévu par la norme pour un contenu qui se paie, sur l'article comme sur la rubrique. La page renvoyée porte un noindex, nofollow et ce texte : « Votre trafic a été identifié comme automatisé (bot). Si vous êtes partenaire autorisé, abonné au Monde, ou si vous souhaitez obtenir une autorisation d'accès à ce contenu, merci de contacter : licensing[@]groupelemonde.fr ». Au PerplexityBot déclaré, il répond 200 avec une page de défi de 3 038 octets, sans contenu.

Le robots.txt du Monde éclaire la logique. Relevé le 31 août, il fait 13 226 octets, déclare 304 User-agent et en bloque intégralement 300, les mêmes chiffres que lorsque nous avions cartographié les robots.txt de 34 médias français, article où figure l'inventaire des robots d'IA qu'il nomme. Ce qui compte ici est ce qui n'y figure pas. Sur les 304 déclarations, le fichier ne contient pas une seule occurrence de GPTBot, OAI-SearchBot, ChatGPT-User, ni d'aucun agent Perplexity. Ses deux partenaires de licence ne sont pas bloqués par le fichier : ils passent par le guichet HTTP, qui ouvre pour qui a signé. Nous avions relevé l'anomalie sans en comprendre le mécanisme. Le voici.

Retenez la réserve, elle est importante. Le moteur a cité les vingt URL malgré ces refus, y compris celles qui nous répondent 403. Un code d'erreur en ligne de commande ne prouve pas qu'un moteur est bloqué, et surtout : une citation ne prouve pas une lecture.

Déclarer que la page est gratuite ne suffit pas

Reste le balisage, seul levier réellement documenté pour un contenu payant. Google demande de déclarer la partie libre d'un article avec isAccessibleForFree et un cssSelector. Nous avons relevé ce balisage sur les pages du corpus que nous pouvions lire, en retirant les commentaires HTML avant analyse.

Le Figaro fait les choses correctement au sens de la documentation : son NewsArticle déclare isAccessibleForFree: false et un hasPart pointant sur .fig-premium-paywall. Le Progrès et Le Dauphiné, tous deux du groupe EBRA, déclarent true avec un sélecteur .non-paywall. Le Parisien, La Dépêche et Que Choisir déclarent true. Les Numériques ne déclare rien du tout, et les pages de Mediapart citées non plus.

La conclusion est décevante et il faut l'écrire telle quelle : le balisage ne prédit pas la reprise. Le Progrès, Le Dauphiné et Le Parisien déclarent leur article gratuit et ne sont repris dans aucune des réponses où ils figurent. La Dépêche et Que Choisir déclarent la même chose et sont repris. Ce balisage sert à un moteur d'indexation à ne pas vous sanctionner pour cloaking, et c'est déjà une raison suffisante de le poser correctement. Ce n'est pas ce qui vous fait citer. Le sujet des données structurées obéit à la même règle générale : elles décrivent, elles ne persuadent pas.

Ce qu'un éditeur peut tirer de ce relevé

Le fil conducteur des cinq sections précédentes est le même. Les pages de presse qui portent les citations sont celles qui ne périment pas et qui restent ouvertes : la rubrique, la page de thème, le dossier permanent, la page « nos enquêtes », la biographie d'auteur, la page anniversaire. Mediapart en est l'illustration exacte, cinq sources et cinq pages de ce type.

Traitez ces pages comme une surface éditoriale, pas comme un sommaire. Dans la quasi-totalité des cas relevés, ce sont des listes de liens avec un titre. Elles sont pourtant la seule adresse stable que le moteur donnera de vous sur un sujet suivi. Une page de rubrique qui commence par un état des lieux de quinze lignes, daté, signé, disant ce que la rédaction a établi sur ce sujet, offre au moteur exactement ce qu'il est allé chercher ailleurs.

Écrivez la page d'auteur comme une page de crédibilité. Perplexity est allé chercher la biographie d'une journaliste de Mediapart pour répondre sur les enquêtes économiques. Une page qui liste des liens ne dit rien ; une page qui dit sur quoi cette personne a enquêté, depuis quand, et ce qu'elle a établi, répond à la question posée. C'est le même mécanisme que celui décrit pour l'E-E-A-T, appliqué à la seule page que le paywall laisse ouverte.

Publiez la synthèse permanente de vos travaux fermés. Si le moteur doit décrire quinze ans d'enquêtes, il le fera avec ce qu'il trouve. Une page « ce que nous avons établi sur ce dossier », libre d'accès, remplace la fiche produit d'un libraire à cet endroit précis. Elle ne remplace pas l'abonnement, elle remplace le résumé fait par quelqu'un d'autre.

Ce que ce relevé ne dit pas

Il ne dit pas que la presse est mal traitée en volume : 95 sources sur 228, c'est la première catégorie du corpus.

Il ne dit pas non plus qu'un moteur ne lit jamais un article de presse. Trois de nos treize questions en citent, notamment sur le jeûne intermittent où Libération et Que Choisir sont repris depuis de vraies pages d'article, anciennes et en accès libre.

Il porte sur un moteur, treize questions et une journée. La volatilité des réponses génératives que nous avons mesurée par ailleurs interdit de tenir un jeu de sources pour définitif. Le résultat des vingt rubriques sur vingt est net au point de valoir seul, mais il demande d'être refait sur d'autres questions d'actualité avant d'être généralisé.

Enfin, il ne dit rien du modèle économique. Un éditeur qui a signé une licence peut parfaitement décider que la citation sans clic est ce qu'il vend, et que le trafic n'est plus l'objectif. Ce relevé décrit ce qui se passe, pas ce qu'il faut vouloir.

Ce qu'il faut retenir

Sur 228 sources relevées, 95 viennent d'un titre de presse, et la presse est reprise dans le corps des réponses à 47 %, contre 51 % pour le reste. En volume, les éditeurs sont bien présents.

La citation ne tombe pourtant presque jamais sur la page qui contient le travail. Sur l'actualité politique de la semaine, les vingt sources sont vingt pages de rubrique ou d'accueil, et zéro article. Sur les enquêtes économiques, Mediapart fournit cinq pages de navigation et pas une enquête, tandis que la fiche produit d'un libraire fournit la substance. Sur les tests de produits, Les Numériques fournit quatre sources pour une seule reprise et Frandroid deux pour aucune, tandis que le nom recommandé vient d'un comparateur.

Le mécanisme n'est pas dans le robots.txt. Le Monde répond un HTTP 402 assorti d'une adresse de licence, Le Figaro répond 403 au robot déclaré et 200 au navigateur, et le moteur cite les deux quand même. Ce qui reste ouvert et stable est ce qui est cité : les rubriques, les dossiers, les pages d'auteur. Ce sont elles qu'il faut écrire.

Si vous dirigez un titre et voulez savoir sur quelles pages les moteurs vous adressent aujourd'hui, un audit GEO part précisément de ce relevé : quelles URL de votre domaine sont citées, sur quelles questions, et si ce sont vos sommaires ou vos articles. Nos fourchettes de prix sont publiques.