Perplexity cite des pages de classement logiciel générées

Une enquête récente a analysé les sources de référencement utilisées par les modèles IA Perplexity sonar et sonar-pro pour répondre à des requêtes sur des catégories logicielles. En interrogeant ces systèmes sur 380 domaines d'achat en septembre 2026, les chercheurs ont examiné plus de 7 500 citations. Les résultats révèlent que près de 60 % de ces références pointent vers des sites classés au-delà de la cent millième place sur les listes de trafic web, et 23 % vers des domaines non répertoriés parmi le million les plus visités. L'étude met en lumière une pratique croissante : la création de contenus optimisés spécifiquement pour les systèmes de récupération et de vérification des sources, connus sous le terme de grounding. Trois sites interconnectés, partageant la même infrastructure technique et des structures identiques, ont généré plus de 215 000 pages listant automatiquement les meilleurs logiciels. Ces pages utilisent des métadonnées et des titres conçus pour être facilement lus par les algorithmes plutôt que par des utilisateurs humains. Un autre cas notable est celui d'un blog marketing éditeur qui figure parmi les trois sources les plus citées, malgré une activité commerciale en dehors des catégories interrogées. Concernant les recommandations de sites de vendeurs, la majorité des liens sont fonctionnels. Toutefois, environ 7 % des domaines cités sont inaccessibles ou redirigent vers des pages sans rapport, notamment des sites de jeux d'argent ou de casinos, révélant des failles dans la précision du système de récupération. Les chercheurs précisent que les deux versions du modèle Perplexity partagent une même couche de recherche, expliquant leurs résultats largement identiques sur la plupart des catégories. Cette analyse, limitée à un instantané d'une journée et aux seuls modèles Perplexity, ne mesure pas l'impact réel de ces sources sur la qualité finale des réponses IA. Néanmoins, elle souligne l'essor de fermes de contenu ciblant explicitement les moteurs de recherche et les assistants IA, ainsi que la nécessité de mieux comprendre comment ces systèmes sélectionnent et vérifient leurs références. L'ensemble des données et des méthodes utilisées par l'étude ont été rendus publics sous licence ouverte pour permettre une vérification indépendante.