Bing vient de publier une analyse technique portant sur l’évolution de son index. Le message est clair : indexer le web pour des humains et indexer le web pour des IA, ce n'est pas la même problématique. Et cette distinction va redessiner les règles du jeu pour tous ceux qui produisent du contenu en ligne.

Deux systèmes, deux questions fondamentales

Depuis des décennies, les moteurs de recherche fonctionnent sur un principe relativement stable : crawler des milliards de pages, évaluer leur qualité, les classer par pertinence, et présenter une liste de résultats à un utilisateur humain. Ce modèle a fait ses preuves. Il continue de fonctionner.

Mais l'émergence des IA génératives, des agents IA et des réponses synthétisées directement dans les interfaces de recherche pose un problème nouveau. Ces systèmes ne naviguent pas sur le web comme un humain. Ils n'évaluent pas une page, ne la parcourent pas visuellement, ne décident pas en conscience de faire confiance ou non à une source. Ils consomment de l'information pour construire une réponse dans laquelle ils vont s'engager.

Microsoft, dans ce billet de blog signé par trois ingénieurs de Bing, pose la distinction de façon nette. La recherche traditionnelle répond à la question : quelles pages un utilisateur devrait-il visiter ? Le grounding, répond quant à lui à cette problématique : quelle information un système IA peut-il utiliser de façon responsable pour construire une réponse ?

Ces deux questions semblent proches. Elles ne le sont pas.

Ce que la recherche classique optimise, et pourquoi ça suffisait

Dans le modèle traditionnel, l'unité de valeur est le document, c'est-à-dire la page web dans son ensemble. L'index doit être suffisamment bon pour que l'utilisateur trouve ce qu'il cherche. Pas parfait, suffisamment bon.

Ce fonctionnement est conçu pour un humain capable de scanner une page de résultats, d'ignorer ce qui ne lui correspond pas, et de se corriger en temps réel. Si un résultat est obsolète, l'utilisateur le voit et passe au suivant. Si un résultat est mal classé, il clique sur le suivant. La tolérance à l'erreur est intégrée dans le système, parce que le dernier maillon de la chaîne est un cerveau humain.

Du côté de la mesure de qualité, les signaux qui comptent sont comportementaux et liés au classement : est-ce que le contenu le plus pertinent arrive en haut ? Est-ce que les utilisateurs trouvent ce qu'ils cherchent ? Est-ce que le contenu est assez frais pour être utile dans les résultats ? Est-ce que les pages quasi-identiques sont correctement regroupées ? Tout cela suppose un humain dans la boucle, capable de rattraper les imperfections.

Pourquoi le grounding change tout

Quand l'objectif n'est plus de pointer vers des pages mais d'utiliser de l'information pour construire une réponse, les règles changent de façon profonde.

Le système ne se contente plus de récupérer les meilleurs documents. Il doit récupérer la meilleure information pour la synthétiser en une réponse fiable et vérifiable. Et cette réponse, l'utilisateur ne la compare pas à d'autres résultats : il la lit, il lui fait confiance ou non, et s'il veut vérifier, il doit activement aller chercher les sources citées.

L'unité de valeur devient alors ce que Bing appelle l'information « groundable » : un fait discret (autonome), soutenu par une source, avec une provenance claire. Plusieurs sources peuvent être fusionnées dans une seule phrase de réponse. Si l'une d'elles est fausse ou mal comprise, l'erreur ne sera pas visible à l'étape du résultat, mais dans la réponse finale, présentée avec assurance.

Il...