Reddit et Wikipédia dans l’IA, les signaux à interpréter avec prudence
Les modèles de langage citent massivement Reddit et Wikipédia dans leurs réponses, une tendance documentée par Semrush et d'autres outils d'analyse sur des centaines de milliers de mots-clés. Ces chiffres agrégés ont alimenté une conviction répandue chez les marketeurs : ces plateformes constitueraient une voie royale pour apparaître dans les réponses des IA. Pourtant, les données de terrain racontent une histoire plus nuancée. Chez un client B2B suivi sur plus de 300 requêtes personnalisées, la quasi-totalité des mentions générées par les modèles provenait en réalité de seulement deux fils de discussion Reddit spécifiques. Et selon les données Semrush, jusqu'à 80 % des discussions Reddit citées par les IA comptent moins de 20 votes positifs, avec un âge moyen de publication d'environ 900 jours. Ce qui frappe les modèles, ce n'est pas la viralité ni l'optimisation récente, mais un consensus historique sédimenté sur plusieurs années. Les IA extraient ce socle établi parce qu'il reflète un accord collectif authentique, pas parce qu'une équipe marketing a su jouer des leviers techniques. Cette réalité change profondément la façon dont les professionnels devraient lire ces signaux : Reddit est une source de voix du client durable, pas un terrain d'optimisation à court terme. Par ailleurs, les modèles ne reprennent pas les textes mot pour mot, ils paraphrasent et mélangent les discussions, avec un score de similarité sémantique de seulement 0,53, ce qui dilue la proposition de valeur précise d'une marque dans un mélange neutre de commentaires anonymes. Sur Wikipédia, une étude de Princeton a montré que les contributions générées par IA pour des pages d'entreprises sont rapidement supprimées par les modérateurs pour publicité trompeuse, faute de sources fiables. Le récit final échappe totalement au contrôle initial. Le problème de fond est méthodologique : les études globales brassent des sujets aussi hétérogènes que la culture populaire et les conseils grand public, ce qui gonfle artificiellement l'importance de plateformes à empreinte thématique immense comme Reddit ou YouTube. Comme le souligne Alex Birkett, ces sites trustent les citations cumulées simplement parce qu'ils couvrent un million de domaines différents. Rand Fishkin a également pointé l'incohérence des recommandations des IA sur de nombreux sujets, rappelant que ces systèmes ne sont pas des oracles fiables. Pour les équipes marketing, la leçon est claire : avant de calquer une stratégie sur des données macro, il faut descendre au niveau sectoriel et mesurer les citations sur des requêtes réellement pertinentes pour son marché, sous peine de poursuivre une illusion de contrôle narratif qui n'existe pas.
