top of page
Illustration éditoriale : des contenus, offres et idées passent par une porte algorithmique avant d'être sélectionnés pour un utilisateur.

Quand l’IA sait pour nous

Photo du rédacteur: Mathilde Bismuth
Mathilde Bismuth
il y a 4 jours
16 min de lecture

Ce que nos assistants choisissent de nous montrer, et ce que cela change pour l’information, les marques et nos décisions.

Nous avions pris l’habitude de chercher une information, de comparer plusieurs résultats, puis de cliquer pour aller voir. Ce parcours paraît banal. Pourtant, chaque visite pouvait financer un contenu, révéler une préférence ou permettre à une entreprise de rencontrer un client.

Les assistants IA ne suppriment pas nécessairement ces échanges. Ils en modifient le trajet : une partie des réponses, des comparaisons et des décisions se déroule maintenant dans leurs interfaces. Et avec elle, une partie de la valeur publicitaire et des informations sur les clients.

Une réponse, moins de visites

En mars 2025, le Pew Research Center a observé près de 69 000 recherches Google réalisées par 900 adultes américains. Lorsqu’un résumé IA apparaissait, un lien classique était cliqué dans 8 % des recherches, contre 15 % lorsqu’il n’y avait pas de résumé. Les liens cités dans les réponses IA n’étaient consultés que dans 1 % des cas.

Les utilisateurs terminaient également plus souvent leur session sans cliquer ailleurs : 26 %, contre 16 % sans résumé.

Graphique Pew Research Center : 8 % de clics sur des liens classiques avec résumé IA, contre 15 % sans résumé, parmi les recherches observées.

Figure 1. Quand un résumé IA s’affiche, on clique presque deux fois moins souvent. Source : Pew Research Center, 2025.

Ces chiffres ne prouvent pas que les résumés IA ont, à eux seuls, divisé les clics par deux. Ils apparaissent notamment sur des recherches longues et formulées comme des questions, différentes des autres requêtes.

Ils témoignent néanmoins d’une évolution des usages. Elle concerne aussi la France : après un contentieux sur les droits voisins de la presse, les résumés IA sont arrivés sur google.fr le 22 juillet 2026.

Pour les éditeurs, la baisse potentielle des visites pose déjà un problème économique. Mais le changement va plus loin : il touche à la manière dont une information nous parvient, puis à la façon dont un produit ou un service entre dans notre sélection.

Ce que le clic faisait fonctionner

Une visite sur un site ne servait pas seulement à consulter une page. Elle jouait plusieurs rôles dans l’économie du web.

D’abord, elle pouvait contribuer à financer ceux qui produisaient le contenu. Pour un média, une visite générait des revenus publicitaires ou pouvait déboucher sur un abonnement. Pour Wikipédia, elle ouvrait la possibilité d’un don ou d’une nouvelle contribution. Pour Stack Overflow, la visibilité des réponses faisait partie de la reconnaissance accordée aux membres.

L’attention n’était pas toujours rémunérée en argent. Elle comptait néanmoins dans l’incitation à publier, expliquer et partager.

Ensuite, les clics renseignaient sur les préférences des internautes. Les moteurs de recherche s’en servaient pour améliorer leurs classements ; les sites marchands, pour comprendre quels produits intéressaient leurs visiteurs.

L’utilisateur passait aussi d’une option à une autre. Même imparfaite, cette comparaison laissait aux entreprises une occasion de le convaincre directement.

Enfin, les visites aidaient les entreprises à comprendre leur marché : les pages consultées, les comparaisons, les abandons. Ces signaux leur permettaient d’ajuster leurs offres et de construire une relation avec leurs clients.

On retrouve ici deux idées connues en économie. Herbert Simon expliquait dès 1971 que l’abondance d’informations rend l’attention rare. Jean-Charles Rochet et Jean Tirole ont, de leur côté, étudié la manière dont les plateformes font fonctionner plusieurs marchés à la fois.

Le clic réunissait ces mécanismes dans un même geste : un utilisateur manifestait un intérêt, une source gagnait en visibilité, et parfois une entreprise en tirait un revenu.

Ce modèle avait bien des défauts. Il favorisait les titres racoleurs, les pages pensées pour les moteurs de recherche et les publicités intrusives. Mais il contribuait à faire circuler la valeur entre ceux qui publiaient, ceux qui cherchaient et ceux qui vendaient.

Quand la réponse suffit

Stack Overflow permet de comprendre ce qui se joue. Depuis des années, des développeurs y posent leurs questions et partagent leurs solutions. Ce corpus public a aussi servi à entraîner les outils d’IA capables aujourd’hui de produire du code.

Une étude publiée dans PNAS Nexus en 2024 estime que l’activité du site a reculé de 25 % durant les six mois suivant l’arrivée de ChatGPT, par rapport à plusieurs forums de comparaison. La chute s’est poursuivie : de 1,34 million de questions en 2022, on est passé à environ 109 000 en 2025, puis à un peu plus d’un millier par mois à l’été 2026.

Évolution du nombre de nouvelles questions sur Stack Overflow de 2016 à 2026, en forte baisse après 2022.

Figure 2. Stack Overflow : la communauté qui a appris à l’IA à coder se tait. Source : Stack Exchange Data Explorer, relevé d’août 2026.

Le site perdait toutefois des questions depuis bien avant ChatGPT : il en comptait 2,18 millions en 2016, contre 1,34 million en 2022. L’arrivée de l’IA a coïncidé avec une accélération spectaculaire, sans expliquer à elle seule toute cette évolution.

Il faut aussi distinguer les contributions et la santé financière de la plateforme. Les anciennes réponses restent accessibles ; Stack Overflow vend désormais des données aux fabricants de modèles et dit avoir augmenté ses revenus depuis 2022.

Ce qui interroge, c’est le renouvellement des échanges publics. Une question posée à un assistant dans une conversation privée ne vient pas automatiquement enrichir un forum consultable par tous.

Wikipédia connaît une inquiétude comparable. En octobre 2025, la Wikimedia Foundation a annoncé une baisse d’environ 8 % des pages vues par des humains par rapport aux mêmes mois de 2024. Elle évoque l’IA générative, mais aussi les réseaux sociaux.

Au-delà des visites, l’enjeu est de continuer à attirer des bénévoles et des donateurs : les contributeurs de demain sont souvent d’abord des lecteurs.

Pour les médias, les données sont moins nettes. Google affirme que les clics issus de son moteur restent relativement stables, sans publier de chiffres détaillés. Chartbeat, cité par le Reuters Institute, observe de son côté un recul d’environ un tiers des visites en provenance de Google pour plus de 2 500 sites d’information entre novembre 2024 et novembre 2025.

Le rapport ne permet pas d’attribuer précisément cette baisse aux résumés IA. Cloudflare constate également un écart important entre les pages consultées par les robots d’IA et les visites qu’ils renvoient, tout en soulignant les limites de cette mesure.

Un raisonnement économique ancien permet d’éclairer ce problème. En 1980, Sanford Grossman et Joseph Stiglitz montraient, à propos des marchés financiers, qu’une information rendue gratuitement disponible pouvait décourager ceux qui avaient payé pour la produire.

L’analogie a ses limites, mais la tension est bien là : si la réponse suffit au lecteur, celui-ci a moins de raisons de consulter la source. Or cette source doit toujours trouver les moyens de produire la prochaine information.

De la recommandation à l’achat

Un assistant peut répondre à une question. Un agent peut aller plus loin : rechercher des offres, les comparer, proposer un choix et, dans certains cas, effectuer un paiement. Ces étapes ne sont pas équivalentes, et elles ne sont pas nécessairement confiées à la même IA.

Schéma des cinq parcours d'achat : recherche classique, assistant IA, assistant d'un distributeur, agent autorisé, agent autonome.

Figure 3. Qui fait quoi ? Cinq parcours d’achat, de la recherche classique à l’agent pleinement délégué. Schéma de synthèse.

Les premières expériences d’achat dans les assistants montrent que rien n’est figé. En septembre 2025, OpenAI lançait l’achat direct dans ChatGPT, avant de revenir sur cette formule six mois plus tard pour laisser aux marchands la gestion du paiement.

Le 13 novembre 2026, l’entreprise présentait ChatGPT Wallet : certains agents, les « dots », peuvent régler un achat après validation de l’utilisateur, en utilisant les systèmes de paiement des commerçants. Le lancement est limité aux abonnés Pro éligibles aux États-Unis.

À ce stade, les agents cherchent surtout à s’intégrer aux infrastructures de vente existantes. L’accord de l’utilisateur reste nécessaire dans ce dispositif.

Il existe aussi plusieurs formes d’assistance à l’achat. Selon une prévision d’eMarketer, les grandes plateformes d’IA comme ChatGPT ou Gemini devraient représenter un peu moins de 20 milliards de dollars de ventes aux États-Unis en 2026, soit environ 1,5 % du commerce en ligne.

Une autre prévision, sur un périmètre plus large de ventes influencées par l’IA, attribue 54,1 % de celles-ci aux assistants intégrés aux distributeurs, comme Amazon ou Walmart. Ces deux chiffres ne mesurent donc pas la même chose.

La différence compte : un agent personnel est censé aider l’acheteur ; un assistant intégré à un magasin est conçu par le distributeur. Ils n’ont pas nécessairement les mêmes intérêts.

La question commence déjà à se poser devant les tribunaux. Avec « Buy for Me », Amazon expérimente des achats sur des sites de marques tierces, parfois référencées sans l’avoir demandé. Amazon a parallèlement engagé une procédure contre Perplexity au sujet d’achats effectués par son agent sur la plateforme Amazon.

Une interdiction provisoire a été prononcée en mars 2026, puis levée en appel au mois d’août. Le litige se poursuit.

Reste à comprendre comment un agent choisit. Les travaux disponibles portent encore largement sur des expériences en laboratoire, et non sur les comportements réels des consommateurs.

Dans Magentic Marketplace, une simulation de Microsoft Research publiée en 2025, la première proposition reçue était retenue dans 60 à 100 % des cas selon les modèles testés. La troisième était rarement choisie, même lorsqu’elle présentait un intérêt. Certains agents pouvaient aussi être manipulés par des vendeurs malveillants.

Une autre étude, menée sur une boutique fictive, observe des choix sensibles à la position des produits, à la mention « sponsorisé », aux recommandations de la plateforme et aux changements de version des modèles.

SEO, GEO, publicité : la visibilité change de règles

Être trouvé ne passe plus uniquement par une liste de résultats et un clic. Médias et entreprises cherchent aussi à apparaître dans les réponses rédigées par les assistants.

Trois mécanismes coexistent : le SEO, qui vise une bonne position dans les moteurs classiques ; le GEO (generative engine optimization), qui travaille la présence dans les réponses générées ; et la publicité achetée dans ces interfaces. Les règles et les indicateurs ne sont pas les mêmes.

Tableau comparatif du référencement SEO, de la présence GEO dans les réponses IA et des annonces sponsorisées dans les assistants.

Figure 4. Trois façons d’être visible : référencement classique, présence dans les réponses des IA, publicité dans les IA. Schéma de synthèse.

Le GEO suscite beaucoup d’intérêt, mais ses méthodes restent peu standardisées. Des chercheurs ont observé en 2024 que certaines modifications éditoriales, notamment l’ajout de statistiques, de citations ou de sources, pouvaient augmenter la visibilité mesurée dans les réponses générées, jusqu’à 40 % dans leurs expériences. Cela ne signifie ni 40 % de trafic ni 40 % de ventes supplémentaires.

Une étude publiée dans PNAS en 2025 observe également que les modèles testés préfèrent, dans certains choix comparatifs, des descriptions rédigées par IA. Un commentaire scientifique nuance cette interprétation : le résultat pourrait tenir au style des textes plutôt qu’à leur origine.

La visibilité n’est pas distribuée également entre les marques. Dans une prépublication de juin 2026, un fournisseur d’outils de GEO a suivi 102 marques dans plus de 100 000 réponses d’assistants. Les grandes marques apparaissaient dans 73 % des réponses pertinentes, les intermédiaires dans 44 % et les petites dans 11 %.

Graphique exploratoire : mentions de marques dans les réponses IA, 73 % pour les marques connues, 44 % intermédiaires et 11 % petites.

Figure 5. Les marques connues apparaissent plus souvent dans les réponses des IA. Échantillon exploratoire et non représentatif. Source : Ranqo, prépublication, juin 2026.

L’échantillon de cette étude n’est pas représentatif. Les résultats ne démontrent pas que le GEO lui-même avantage les grandes entreprises : ils montrent surtout que leur notoriété se retrouve dans les réponses. D’autres travaux mesurent des écarts moins importants.

Pour une petite entreprise, l’enjeu reste concret : comment être considérée parmi les options proposées par une IA, sans disposer du budget ou de la notoriété d’une grande marque ?

La publicité s’invite également dans les interfaces d’IA. OpenAI a commencé à tester des annonces dans ChatGPT aux États-Unis en février 2026, puis les a étendues à la France et à trente autres pays européens en août pour les offres gratuite et Go. En octobre, l’entreprise annonçait plus de 100 000 annonceurs et une présence dans 89 pays.

Google a, de son côté, étendu les annonces de son mode IA à de nouveaux marchés et testé leur insertion dans les conversations aux États-Unis. Perplexity a choisi d’abandonner ses tests publicitaires en février 2026, en invoquant la confiance des utilisateurs.

OpenAI précise que ses annonces sont étiquetées, séparées des réponses et n’en influencent pas le contenu ; les conversations ne sont pas communiquées aux annonceurs. Google identifie également ses annonces sponsorisées. Rien ne permet d’affirmer qu’un annonceur peut payer pour modifier une réponse organique.

Le 31 août 2026, OpenAI annonçait avoir atteint un rythme annualisé d’un milliard de dollars de revenus publicitaires, moins de 200 jours après le lancement des annonces. Il s’agit d’une projection à partir du rythme constaté, et non d’un milliard déjà encaissé sur un an.

On ne peut pas en conclure que chaque dollar gagné par les assistants a été perdu par un média. Mais une partie de l’attention autrefois dirigée vers les sites peut désormais être monétisée directement dans l’interface qui fournit la réponse.

La publicité autour des résultats de recherche n’a rien de nouveau. La différence tient au contexte : une conversation peut révéler des intentions bien plus précises qu’une courte requête, et l’annonce apparaît à proximité d’une réponse formulée comme un conseil.

La question est donc moins celle d’une manipulation déjà démontrée que celle des garanties proposées aux utilisateurs. Comment distinguer clairement ce qui relève d’une réponse et ce qui relève d’un placement publicitaire ?

Et pour les marques, concrètement ?

Prenons une PME industrielle qui cherche à faire connaître ses compétences. Un acheteur peut désormais demander à un assistant de comparer plusieurs fournisseurs sans visiter immédiatement leurs sites. Un discours générique sur « l’excellence » ou « l’innovation » donne peu de matière à cette comparaison. Des informations précises sur les savoir-faire, les matériaux travaillés, les certifications ou des réalisations documentées rendent au moins l’offre plus compréhensible. Cela ne garantit pas qu’elle sera recommandée.

Le défi concerne aussi la mesure. Une marque peut apparaître dans une réponse sans recevoir de clic, ou être retenue après plusieurs échanges qui se déroulent hors de son site. Il devient donc utile de regarder la visibilité dans les réponses IA, sans la confondre avec une preuve d’efficacité commerciale. Le nombre de mentions ne dit pas, à lui seul, si une stratégie marketing génère des demandes, des ventes ou de la préférence de marque.

Qui contrôle l’accès aux clients ?

Un utilisateur peut toujours cliquer vers un site, réserver ou acheter directement chez un commerçant. Pourtant, s’il a fait toute sa recherche dans un assistant, celui-ci a déjà participé au tri des options et à la compréhension de sa demande.

Une partie des informations utiles aux entreprises reste alors chez l’intermédiaire : les produits comparés, les hésitations, les critères évoqués pendant la conversation.

Cette évolution préoccupe les distributeurs. Reuters rapportait en août 2026 que Walmart, Ulta Beauty et Wayfair adaptaient leurs fiches produits pour mieux apparaître dans les réponses des assistants, tout en cherchant à conserver le paiement et les données de leurs clients. Ils souhaitent bénéficier de cette visibilité sans perdre la relation commerciale.

Imaginons maintenant une plateforme qui sélectionne les sources de ses réponses, recommande des produits, mesure l’utilisation des contenus et décide de leur rémunération. Elle pourrait aussi vendre des annonces aux entreprises présentes dans son écosystème.

Ces fonctions peuvent rester séparées, mais leur réunion donnerait à un même acteur une influence importante sur les conditions d’accès à l’information et au marché.

Schéma conceptuel montrant quatre pouvoirs possibles de l'intermédiaire IA : choix des sources, recommandation, mesure de l'utilisation et rémunération.

Figure 6. Où se déplace le pouvoir ? Les quatre rôles que peut cumuler un intermédiaire IA. Schéma conceptuel, non empirique.

Aucune plateforme ne cumule aujourd’hui pleinement ces fonctions, et les assistants restent en concurrence. Cela n’empêche pas de s’interroger sur les critères de sélection : pourquoi telle source plutôt qu’une autre ? Quels partenaires sont éventuellement favorisés ? Et comment vérifier les règles appliquées ?

Les moteurs de recherche et les places de marché orientaient déjà nos choix avant l’IA. Google, Amazon et les réseaux sociaux sélectionnent et classent les contenus depuis longtemps.

La différence possible réside dans la lisibilité de cette sélection. Une page de résultats permettait de voir plusieurs options, même imparfaitement classées. Une réponse unique ne montre pas nécessairement celles qui ont été écartées. Le risque est de déléguer à la fois la comparaison et la définition même de ce qui mérite d’être comparé.

Comment financer les contenus utilisés par les IA ?

Plusieurs solutions émergent pour financer les contenus utilisés par les systèmes d’IA. Aucune ne règle à elle seule la question de la rémunération, ni celle de la transparence.

Les licences constituent une première voie. Reddit a signé avec Google, Le Monde avec OpenAI en 2024 et l’AFP avec Mistral en 2025, dans ce dernier cas pour alimenter les réponses de l’assistant. Stack Overflow a également conclu un accord avec OpenAI en mai 2024.

Ce modèle peut fonctionner pour de grands catalogues. Pour un média local, un blog spécialisé ou un expert indépendant, la capacité de négociation est souvent plus limitée.

Cloudflare expérimente une autre approche. Après avoir proposé en juillet 2025 de facturer les pages collectées par les robots, l’entreprise teste depuis septembre 2026 une rémunération fondée sur les usages déclarés. Les entreprises d’IA proposent les types d’utilisation qu’elles acceptent de payer et leur prix ; les éditeurs peuvent accepter ou refuser.

Le problème se déplace alors vers la mesure. Qui détermine la contribution d’une source à une réponse ? Comment contrôler les usages annoncés par l’acheteur ? Et une rémunération fondée sur la reprise par les machines ne risque-t-elle pas d’encourager des contenus écrits avant tout pour être repris ?

Les protocoles de paiement constituent un troisième chantier. Pour qu’un agent règle une commande, il lui faut des mécanismes d’identification et de paiement. OpenAI et Stripe ont présenté un protocole, Google également.

Les standards qui s’imposeront auront des conséquences très concrètes sur l’accès des commerçants aux futurs parcours d’achat.

En France, l’arrivée des résumés IA de Google s’est accompagnée de discussions sur les accords de droits voisins conclus avec la presse. Google a proposé de les adapter, mais les conditions de rémunération et de déploiement ont été contestées par des représentants des éditeurs. Les blogs spécialisés et bien d’autres producteurs d’information ne sont pas couverts par ces dispositifs.

Les autorités de concurrence et les tribunaux examinent aussi ces changements. En mars 2024, l’Autorité de la concurrence a infligé à Google une amende de 250 millions d’euros pour non-respect de ses engagements envers les éditeurs, en relevant notamment l’utilisation de leurs contenus par Bard sans information préalable. La Commission européenne a ouvert une enquête en décembre 2025. Aux États-Unis, un juge fédéral a rejeté en septembre 2026 les plaintes de Chegg et Penske contre Google ; cette décision restait susceptible d’appel.

À plus long terme, un scénario inquiète les producteurs d’information : moins de visites pourraient réduire les moyens consacrés aux contenus originaux, ce qui rendrait à son tour les réponses moins riches et la visibilité plus concentrée.

Ce mécanisme n’est pas démontré dans son ensemble. Les études disponibles mesurent certains effets réels, tandis que d’autres liens ne sont observés qu’en laboratoire ou relèvent encore de l’hypothèse.

Tableau distinguant les effets mesurés, les résultats de simulations et les hypothèses qui restent à démontrer.

Figure 7. Ce qui est mesuré, ce qui est testé, ce qui reste une hypothèse.

Les agents peuvent aussi apporter des bénéfices. Un comparateur efficace peut réduire le temps passé à chercher, faire découvrir des produits moins connus et, dans certains cas, exercer une pression à la baisse sur les prix. L’économiste Yannis Bakos étudiait déjà en 1997 les effets de la réduction des coûts de recherche sur les marchés numériques.

L’accès à l’information devient également plus simple pour des personnes qui ne connaissent pas un domaine ou ne maîtrisent pas la langue des sources. La qualité de ces bénéfices dépend toutefois des offres réellement prises en compte par l’assistant.

À qui votre agent sera-t-il loyal ?

Lorsqu’un agent agit à notre place, nous lui déléguons une décision. Mais ses recommandations sont produites par un service qui a son propre modèle économique, ses partenariats et ses contraintes.

L’agent qui réserve un séjour privilégie-t-il réellement les critères de son utilisateur ? Que se passe-t-il si un vendeur paie pour être visible dans l’interface ? Une annonce identifiée se repère. Il est bien plus difficile de savoir pourquoi une option a été préférée à une autre.

La question se retrouve dans le litige entre Amazon et Perplexity. En levant l’interdiction provisoire visant l’agent de Perplexity, une cour d’appel américaine a retenu que les clients d’Amazon accédaient eux-mêmes à la plateforme, par l’intermédiaire de l’agent.

Sur le plan pratique, cela laisse une interrogation essentielle : si un agent est censé représenter l’utilisateur, quels éléments permettent d’examiner réellement ses critères et ses choix ?

Le même besoin de règles existe pour les contenus. Licences, rémunération à l’usage ou dispositifs collectifs inspirés de la Sacem : les modèles restent ouverts. Dans ses travaux sur les biens communs, Elinor Ostrom rappelait l’importance de règles construites et contrôlées par les participants eux-mêmes.

Nous sommes peut-être en train de changer d’intermédiaires plus vite que de règles économiques. Les visites, les revenus publicitaires et les données continuent d’exister, mais ne circulent plus toujours entre les mêmes acteurs.

Il ne s’agit pas de regretter les anciens moteurs de recherche. Il faut surtout comprendre ce que ces nouveaux parcours changent pour les sources d’information, les entreprises et notre capacité à comparer.

Pour une entreprise, la question dépasse sa place sur Google ou sa présence dans les réponses IA : qui présente ses produits aux clients ? Sur quelles informations s’appuie la recommandation ? Quelles données lui reviennent après l’achat ?

Et pour chacun de nous, une interrogation demeure : lorsqu’un assistant nous propose une réponse ou un choix, pouvons-nous comprendre pourquoi celui-ci plutôt qu’un autre ?

Sources

Sources consultées le 16 novembre 2026.

Études et données

• Chapekis A., Lieb A., « Google users are less likely to click on links when an AI summary appears in the results », Pew Research Center, 22 juillet 2025.

• del Rio-Chanona R. M., Laurentsyeva N., Wachs J., « Large language models reduce public knowledge sharing on online Q&A platforms », PNAS Nexus, septembre 2024. doi:10.1093/pnasnexus/pgae400

• Stack Overflow, questions par an : Stack Exchange Data Explorer, chiffres relevés par PPC Land en août 2026 ; revenus de l’entreprise d’après Gigazine, mai 2026.

• Miller M., « New User Trends on Wikipedia », Wikimedia Foundation, 17 octobre 2025.

• Newman N., *Journalism, Media, and Technology Trends and Predictions 2026*, Reuters Institute, janvier 2026 (données Chartbeat).

• Tomé J., « The crawl-to-click gap », Cloudflare, 29 août 2025.

• Bansal G. et al., « Magentic Marketplace: An Open-Source Environment for Studying Agentic Markets », Microsoft Research, 2025. arXiv:2510.25779

• Allouah A., Besbes O., Figueroa J. D., Kanoria Y., Kumar A., « What Is Your AI Agent Buying? », document de travail, 2025. arXiv:2508.02630

• Aggarwal P. et al., « GEO: Generative Engine Optimization », KDD 2024. arXiv:2311.09735

• Laurito W. et al., « AI–AI bias: Large language models favor communications generated by large language models », PNAS, juillet 2025. doi:10.1073/pnas.2415697122 Commentaire : Yu Z., PNAS, septembre 2025. doi:10.1073/pnas.2521127122

• Kumar P., « Generative Engine Optimization at Scale: Measuring Brand Visibility Across AI Search Engines », prépublication, Ranqo, juin 2026. arXiv:2606.20065

Faits et décisions

• ChatGPT Wallet : TechCrunch, 13 novembre 2026. Achat direct dans ChatGPT : lancement (TechCrunch, 29 septembre 2025) et abandon (Modern Retail, 27 mars 2026).

• OpenAI, « Ads in ChatGPT », centre d’aide, consulté le 16 novembre 2026 ; « A milestone in expanding access to AI », 31 août 2026.

• Publicité dans ChatGPT : arrivée en Europe, OpenAI, 18 août 2026 ; extension à 89 pays, OpenAI, 21 octobre 2026.

• Publicité dans le mode IA de Google : « Ads in AI Mode expand to new markets », Google, 28 octobre 2026.

• Perplexity renonce à la publicité : The Verge, 18 février 2026.

• Amazon « Buy for Me » : annonce d’Amazon et réactions des marques (GeekWire, 2026).

• Amazon contre Perplexity : injonction (Bloomberg, 10 mars 2026) puis levée en appel (eWeek, 5 août 2026).

• Cloudflare : « Introducing pay per crawl », juillet 2025, et « Pay Per Use », septembre 2026.

• Autorité de la concurrence, décision n° 24-D-03 du 15 mars 2024.

• Commission européenne, enquête ouverte le 9 décembre 2025, affaire AT.40983 (Next).

• Rejet des plaintes de Chegg et Penske, 30 septembre 2026 (Android Authority).

• Lancement des résumés IA de Google en France, 22 juillet 2026 (Blog du Modérateur).

Repères théoriques

• Simon H. A., « Designing Organizations for an Information-Rich World », 1971.

• Jensen M., Meckling W., « Theory of the Firm », Journal of Financial Economics, 1976.

• Grossman S., Stiglitz J., « On the Impossibility of Informationally Efficient Markets », American Economic Review, 1980.

• Ostrom E., Governing the Commons, Cambridge University Press, 1990.

• Bakos J. Y., « Reducing Buyer Search Costs: Implications for Electronic Marketplaces », Management Science, 1997.

• Rochet J.-C., Tirole J., « Platform Competition in Two-Sided Markets », Journal of the European Economic Association, 2003.

Commentaires


Les commentaires sur ce post ne sont plus acceptés. Contactez le propriétaire pour plus d'informations.
bottom of page