On a longtemps dit aux entreprises qu’il fallait être trouvées. Entre elles et leurs clients s’intercale désormais un intermédiaire qui lit, trie, résume et recommande. Reste à savoir sur quoi il se fonde pour le faire.
Depuis le 22 juillet 2026, Google affiche en France ses Aperçus IA et son Mode IA, des réponses rédigées par l’intelligence artificielle placées au-dessus des résultats de recherche. Un article de The Conversation, média indépendant où des universitaires signent leurs analyses, éclaire ce mouvement : l’IA ne se cherche plus, elle vient à nous, intégrée dans les services que nous utilisons déjà. Et nous ne lui posons plus seulement des questions. Nous commençons à lui confier des tâches.
L’essentiel à retenir
- L’IA passe de la réponse à la recommandation. Elle ne se contente plus d’informer, elle propose et parfois choisit.
- Déléguer suppose de faire confiance. Les travaux sur les systèmes automatisés montrent que la confiance est d’autant plus déterminante que l’on ne comprend pas le fonctionnement de l’outil.
- Les critères de recommandation restent opaques. Faire confiance à un agent pour accomplir une tâche ne dit rien de la façon dont il sélectionne ce qu’il met en avant.
- Une expérience académique montre que l’influence peut passer inaperçue chez environ 39 % des participants, pourtant prévenus de son existence.
- Plus le prescripteur est opaque, plus la nature de ses sources compte. Un avis rattaché à une transaction réelle et horodaté reste vérifiable par n’importe qui.
Ce qui change quand on délègue au lieu d’interroger
Jusqu’ici, consulter une IA relevait d’une démarche volontaire. On ouvrait un outil, on posait une question, on en faisait ce qu’on voulait. Les Aperçus IA changent ce rapport : vous tapez votre recherche sur Google comme vous le faites depuis toujours et la réponse générée apparaît d’elle-même, en tête des résultats, avec des liens vers les sources retenues.
Le pas suivant est celui que décrit The Conversation. On ne demande plus seulement une information, on confie une tâche. Comparer des devis que l’on a reçus, remplir un formulaire, préparer une commande.
Or déléguer une tâche suppose de faire confiance à un intermédiaire dont on ignore le fonctionnement. Dans un travail de référence publié en 2004, John D. Lee et Katrina A. See montrent que cette confiance pèse d’autant plus lourd dans le recours aux systèmes automatisés que leur complexité nous empêche de bien les comprendre. Elle devrait, selon eux, correspondre aux capacités réelles du système, limites comprises. Nous acceptons le résultat parce que nous n’avons pas les moyens d’en vérifier la construction.
Un prescripteur dont on ignore les critères
C’est le point central de l’analyse et il est redoutablement simple. Faire confiance à un agent pour accomplir correctement une tâche ne nous dit rien des critères sur lesquels il choisit ce qu’il recommande.
Le risque que soulèvent les auteurs est celui de l’intérêt commercial. Un conseil reçu comme une aide personnelle, avec la confiance accumulée au fil des échanges, peut aussi servir un objectif de vente dont l’utilisateur n’a pas connaissance.
Une expérience présentée en 2024 par Tobias Werner, économiste alors chercheur à l’Institut Max Planck pour le développement humain à Berlin, et ses coauteurs, donne la mesure de ce que cela pourrait produire. Des participants devaient choisir entre deux romans après avoir échangé avec une IA conversationnelle à qui l’on avait demandé de favoriser l’un des deux. Ils ont effectivement retenu davantage le livre mis en avant, et environ 39 % n’ont pas repéré la tentative d’influence, alors même qu’ils avaient été prévenus que l’outil servait les intérêts d’un vendeur fictif.
Deux précautions s’imposent. Il s’agit d’une expérience en laboratoire, avec un vendeur fictif, et non d’une mesure du marché réel. Et les auteurs le rappellent eux-mêmes, rien ne permet d’affirmer que les grands acteurs orientent aujourd’hui leurs utilisateurs de cette manière. Ce travail démontre une possibilité, pas un état de fait.
Mais la possibilité suffit à poser la question : sur quoi se fonde une recommandation que l’on ne peut pas auditer ?
La présélection, elle, n’a rien d’une projection. Une réponse générée qui cite trois entreprises et en écarte dix autres opère déjà un tri, sans que personne ne sache sur quelles bases. Ce qui relève encore de la promesse, c’est l’étape suivante : des agents capables d’agir, de consulter des disponibilités ou de préparer une commande. Les éditeurs l’annoncent, l’usage reste à confirmer. Mais dans les deux cas, le client se prononce sur une liste qu’il n’a pas établie.
Pourquoi cela rend les sources vérifiables plus décisives
C’est ici qu’il faut se garder d’une conclusion hâtive. Ces travaux ne disqualifient pas l’IA comme prescripteur et ils ne disent pas qu’il faudrait s’en détourner. Ils déplacent l’attention vers un autre endroit.
Plus le prescripteur est opaque, plus la nature de ses sources devient déterminante. Une réponse générée reste une synthèse de ce que le système a trouvé et ce qu’il trouve n’a pas la même valeur selon son origine. C’est d’ailleurs ce que mesure le dernier rapport d’Edelman sur la confiance dans les marques, volet d’un baromètre international annuel de référence : pour construire cette confiance, ce que disent des tiers non rémunérés, clients et pairs en tête, pèse bien davantage que le discours d’une entreprise sur elle-même.
La différence tient à la possibilité de remonter la chaîne. Un avis client rattaché à une transaction réelle, horodaté et archivé, peut être vérifié aussi bien par le consommateur que par l’entreprise citée. Un classement dont on ignore la mécanique ne le peut pas. Dans un environnement où la décision se construit de plus en plus à partir de réponses générées, cette différence cesse d’être une subtilité technique : elle devient la preuve sur laquelle repose la crédibilité.
C’est le renversement que décrivent déjà nos analyses précédentes : l’IA informe vos clients, la confiance les décide. L’arrivée des agents prescripteurs ne contredit pas ce constat. Elle en renforce la portée, puisque ce qui est dit de vous circule désormais sans que vous soyez dans la conversation.
Ce que cela change pour une entreprise de proximité
La question n’est plus seulement d’être bien référencé. Elle est d’exister dans les sources que ces systèmes consultent et d’y exister sous une forme que l’on peut vérifier.
C’est ce que permet un avis contrôlé, dont la collecte repose sur un processus certifié AFNOR NF Service « Gestion des avis ». Plus que pro y ajoute deux garanties qui lui sont propres : la blockchain, qui rend chaque avis inaltérable, et l’archivage à valeur probante chez Arkhineo, qui le rend opposable dans le temps. Cette traçabilité n’a pas été conçue pour les moteurs génératifs. Elle répond aux mêmes exigences qu’eux : savoir d’où vient une information et pouvoir la rattacher à une expérience réelle. Elle a été bâtie sur ce principe bien avant que la question ne se pose en ces termes.
Pour comprendre en détail comment ces systèmes sélectionnent ce qu’ils citent, notre analyse sur la façon dont l’intelligence artificielle change la manière dont vos clients vous choisissent détaille les mécanismes à l’œuvre.
La question n’est donc pas de savoir si l’IA recommandera des professionnels, elle le fait déjà. Elle est de savoir sur quoi elle s’appuiera pour le faire et si votre travail y figure sous une forme qui résiste à la vérification.
Sources
- The Conversation, « Quand l’IA vient à nous par l’intermédiaire d’agents, jusqu’où peut-on lui faire confiance ? ».
- Werner, Soraperra, Calvano, Parkes et Rahwan, « Experimental Evidence That Conversational Artificial Intelligence Can Steer Consumer Behavior Without Detection », 2024.
- Lancement des Aperçus IA et du Mode IA de Google en France, 22 juillet 2026.
- John D. Lee et Katrina A. See, « Trust in Automation: Designing for Appropriate Reliance », Human Factors, volume 46, numéro 1, 2004.
- Edelman Trust Barometer, rapport spécial consacré aux marques, « Brand Growth in an Insular World », 2026.
