La question revient à chaque rendez-vous, et toujours dans la même formulation : « si on rédige avec une IA, est-ce que Google va nous sanctionner ? »
Elle contient deux hypothèses. La première est qu'il existe une règle qui vise le contenu écrit par une machine. La seconde est qu'il existe un mécanisme capable de reconnaître ce contenu dans une page. J'ai testé les deux le 1er septembre 2026, la première dans les textes des éditeurs, la seconde dans un corpus de pages réelles.
Les deux hypothèses sont fausses, et la seconde l'est d'une façon qui déplace complètement le travail.
Ce que j'ai mesuré. J'ai d'abord relevé le vocabulaire des trois documents où Google traite le sujet, et celui des trois documentations robots d'OpenAI, d'Anthropic et de Perplexity, avec à chaque fois un contrôle positif pour vérifier que je lisais bien la page que je crois lire. J'ai ensuite construit un corpus de trois SERP françaises sur desktop, servant toutes les trois un Aperçu IA, soit 24 résultats organiques et 16 pages web citées par ces aperçus. J'ai récupéré 30 URL en direct et appliqué aux 26 exploitables cinq mesures différentes, chacune conçue pour séparer les pages citées des pages ignorées.
Les cinq mesures échouent. C'est le résultat de ce relevé, et il vaut mieux qu'une confirmation.
Ce que la règle dit vraiment, mot pour mot
Google publie une page de règles anti-spam. Elle a été mise à jour le 28 août 2026, trois jours avant ce relevé, et son corps utile fait 33 798 caractères. La section qui nous intéresse s'appelle Scaled content abuse, l'abus de contenu à grande échelle. Sa définition tient en deux phrases :
Scaled content abuse is when many pages are generated for the primary purpose of manipulating search rankings and not helping users. This abusive practice is typically focused on creating large amounts of unoriginal content that provides little to no value to users, no matter how it's created.
Cinq mots règlent la question : « no matter how it's created », quelle que soit la façon dont il est créé. La clause est là pour interdire la lecture que tout le monde en fait. La règle ne vise pas l'outil, elle vise trois choses simultanées : many pages, la quantité ; primary purpose of manipulating, l'intention ; little to no value, le résultat.
L'IA apparaît bien dans la liste d'exemples, mais lisez la phrase entière :
Using generative AI tools or other similar tools to generate many pages without adding value for users
Le sujet grammatical de la faute n'est pas « using generative AI tools ». C'est « to generate many pages without adding value ». Retirez l'IA de la phrase et remplacez-la par une équipe de dix rédacteurs juniors payés au feuillet : la phrase reste exactement aussi vraie.
J'ai compté le vocabulaire de cette page. Le résultat est brutal.
Google, regles anti-spam corps : 33 798 car. (maj 2026-08-28)
"AI" 2 (les deux dans "generative AI")
"unoriginal" 1
"purpose" 4
"scale" / "scaled" 5
"value" 13
"user" / "users" 63
controle positif : "automat*" 11, "quality" 11
Sur la page qui définit ce que Google sanctionne, le mot « AI » apparaît deux fois, et le mot « users » soixante-trois fois. Le rapport est de un à trente et un. Ce n'est pas une page sur l'intelligence artificielle avec une clause sur les utilisateurs, c'est une page sur les utilisateurs avec une incise sur l'intelligence artificielle.
La page consacrée au contenu utile, mise à jour le 10 décembre 2025, ferme la porte du même geste :
If you use automation, including AI-generation, to produce content for the primary purpose of manipulating search rankings, that's a violation of our spam policies.
La condition est « for the primary purpose of manipulating ». Elle porte sur votre intention, pas sur votre chaîne de production. Et le billet fondateur du 8 février 2023, qui reste la seule prise de position détaillée de Google sur le sujet, va jusqu'à formuler la chose comme une doctrine :
Our focus on the quality of content, rather than how content is produced, is a useful guide that has helped us deliver reliable, high quality results to users for years.
Le même billet contient l'analogie la plus utile de tout le corpus. Google rappelle qu'il y a dix ans, l'inquiétude portait sur la montée d'un contenu « mass-produced yet human-generated », produit en masse et pourtant écrit par des humains, et que personne n'aurait trouvé raisonnable d'interdire pour autant le contenu humain. La réponse d'alors fut d'améliorer les systèmes de classement. La réponse d'aujourd'hui est la même.
La phrase la plus courte est aussi la plus dure à entendre pour qui espérait un raccourci :
Using AI doesn't give content any special gains. It's just content.
Chez les moteurs génératifs, la règle n'existe même pas
Google a au moins écrit quelque chose. J'ai fait le même comptage dans les trois documentations que les moteurs génératifs adressent aux propriétaires de sites.
documentation robots extrait "AI-generated" "synthetic" "spam" controles
OpenAI, /docs/bots 13 444 0 0 0 robots.txt 11, crawl 10
Anthropic, exploration web 20 173 1* 0 0 robots.txt 5, crawl 18
Perplexity, /guides/bots 4 880 0 0 0 robots.txt 3, crawl 6
Les contrôles positifs répondent partout, les trois pages sont bien chargées. Et sur près de 39 000 caractères de documentation cumulée, le vocabulaire du contenu synthétique est absent.
L'astérisque mérite une précision, parce qu'elle va dans le sens contraire de ce qu'on pourrait croire. L'unique occurrence de « AI-generated » chez Anthropic n'est pas dans le corps du texte : c'est une entrée du menu latéral, « How Claude marks AI-generated content », et elle traite du marquage par Anthropic de ses propres sorties. Le seul endroit où un moteur génératif nomme le contenu généré par IA, c'est pour parler du sien.
Aucun des trois n'annonce de règle sur la provenance des textes qu'il explore. Ce silence a une conséquence pratique immédiate : il n'y a rien à respecter, donc rien à optimiser de ce côté. La question se déplace du droit vers la mesure.
Le corpus : trois SERP, 24 résultats, 16 pages citées
Si aucun éditeur n'annonce de détecteur, peut-être en existe-t-il un de fait. C'est l'hypothèse que j'ai voulu tester : parmi les pages qui traitent le même sujet, celles que l'Aperçu IA cite ont-elles une propriété textuelle mesurable que les autres n'ont pas ?
J'ai relevé le 1er septembre 2026, sur desktop en France, trois requêtes informationnelles de secteurs volontairement éloignés :
requete organiques refs IA dont web dont YouTube
comment choisir un crm 8 6 4 2
qu'est-ce que le lead nurturing 8 11 8 3
qu'est-ce qu'une sci 8 6 4 2
-- -- -- --
24 23 16 7
Les sept références YouTube sortent du périmètre : je mesure du texte de page, pas des transcriptions. Restent 16 pages web citées et 24 résultats organiques, dont 10 sont les deux à la fois.
J'ai récupéré les 30 URL distinctes avec un agent utilisateur de navigateur. Quatre sont sorties de l'analyse chiffrée, et il faut les nommer :
plezi.co, première position organique et citée, répond 403 à une requête simple ;economie.gouv.fr, première position organique et non citée, répond 403 également ;- la page
facebook.comdu corpus SCI est derrière un mur de connexion ; solutions.notariat-services.coma un corps trop court pour l'extracteur de blocs. Je la traite plus bas, séparément, parce qu'elle est le cas le plus instructif du relevé.
Restent 26 pages exploitables : 14 citées, 12 non citées. Corps médian de 19 540 caractères pour les premières, 11 107 pour les secondes.
Cinq mesures pour détecter le contenu généré par IA, cinq échecs
Voici les cinq propriétés que j'ai testées, dans l'ordre où je les ai crues prometteuses.
1. La densité factuelle. L'intuition la plus répandue veut qu'un moteur génératif cite ce qu'il peut vérifier, donc les pages chargées de nombres, de montants et de références juridiques. J'ai compté les tokens numériques et les renvois à un texte de loi, ramenés à 1 000 caractères de corps.
pages faits densite globale mediane
citees 14 380 1,38 / 1000c 1,19
non citees 12 226 1,38 / 1000c 1,25
Identiques à la deuxième décimale près sur la densité globale, et la médiane penche légèrement du mauvais côté. Cette mesure ne sépare rien.
2. La densité de remplissage. Hypothèse inverse : ce n'est pas la présence de faits qui compte, c'est l'absence de tournures creuses. J'ai construit un lexique de 53 marqueurs français typiques du texte produit en série : « il est important de », « de nos jours », « n'hésitez pas à », « joue un rôle clé », « véritable atout », « incontournable », « en conclusion », « décryptage », « tour d'horizon » et leurs cousins.
marqueurs densite globale mediane
citees 48 0,17 / 1000c 0,20
non citees 38 0,23 / 1000c 0,21
L'écart global va dans le sens attendu, mais les médianes sont à 0,20 contre 0,21 et les deux distributions se chevauchent intégralement, de 0,00 à 0,38 pour les pages citées, de 0,00 à 0,59 pour les autres. Avec 26 pages, cet écart ne tient pas debout. Cette mesure ne sépare rien non plus.
3. La présence d'une définition canonique. Peut-être l'aperçu va-t-il chercher les pages qui posent une définition en bonne et due forme, du type « le lead nurturing désigne… » ou « la SCI est… ». J'ai cherché, dans chaque page, une occurrence de l'entité de la requête suivie d'un prédicat définitionnel.
pages avec >= 1 definition canonique
citees 14 / 14
non citees 12 / 12
Cent pour cent des deux groupes. Toutes ces pages sont écrites par des gens qui connaissent le métier et qui savent qu'un article de définition commence par une définition. Le signal existe partout, donc il ne discrimine rien.
4. La position de cette définition. Reste la hauteur dans la page, qui est un vrai levier ailleurs. Médiane de la première définition, en pourcentage du corps : 4,5 % pour les pages citées, 7,5 % pour les autres. L'écart existe mais il est minuscule en valeur absolue, et surtout la page citée la plus tardive place sa définition à 63 % du corps, très en dessous de toutes les pages ignorées, dont la plus tardive est à 17 %. Un critère que le pire élève du bon groupe viole plus fort que le pire élève du mauvais groupe n'est pas un critère.
5. Le recouvrement littéral. Dernière piste, la plus intéressante : les pages ignorées sont peut-être des copies. J'ai calculé, pour chaque page, la part de ses 5-grammes déjà présents dans les autres pages de la même SERP.
recouvrement d'une page avec les autres pages de sa propre SERP
mediane maximum observe
citees 0,6 % 3,9 %
non citees 0,7 % 2,4 %
Personne ne copie personne. Sur l'ensemble du corpus, deux pages du même sujet ne partagent jamais plus de 4 % de leurs suites de cinq mots, et le plus souvent moins de 1 %.
Ce dernier chiffre est le plus important du relevé, et il faut le lire lentement. Ces pages se recopient si peu qu'elles n'ont presque aucun mot en commun, et pourtant elles disent la même chose. Sur « qu'est-ce qu'une SCI », j'ai cherché quatre idées dans les six pages du corpus que j'ai pu lire :
idee pages qui la portent
parts sociales proportionnelles aux apports 6 / 6
transmission du patrimoine 6 / 6
minimum de deux associes 4 / 6
la structure evite l'indivision 4 / 6
Quatre idées, six pages, et un recouvrement littéral inférieur à 1 %. Chacune a été écrite indépendamment, par quelqu'un qui connaît le sujet, et aucune n'apporte au corpus une information que les autres n'ont pas.
La duplication n'est plus textuelle. Elle est sémantique. Un moteur qui chercherait des copies ne trouverait rien à redire à ce corpus. Un moteur qui cherche une information qu'il n'a pas déjà y trouve huit fois la même page.
Ce qui varie vraiment n'est pas dans le texte
Cinq mesures à plat, cela veut dire quelque chose de précis : sur ce corpus, la décision de citer ne se prend pas sur une propriété observable du corps de la page. Elle se prend ailleurs. Le relevé permet de dire où.
Trente-huit pour cent des pages citées ne sont pas dans le top 8 organique. Six des seize pages web citées n'apparaissent nulle part dans les résultats classiques de leur propre requête. Symétriquement, quatorze des vingt-quatre résultats organiques, soit 58 %, ne sont jamais cités. Le classement et la citation sont deux sélections distinctes qui se recouvrent à peine plus d'une fois sur deux.
Une marque peut se classer avec une page et être citée avec une autre. Sur « comment choisir un crm », teamleader.eu occupe la cinquième position organique avec /fr/blog/bien-choisir-crm, la page dont le titre reprend la requête mot pour mot. L'Aperçu IA, lui, cite /fr/blog/meilleur-crm, une autre page du même blog, absente du top 8. Le moteur n'a pas retenu la page qui répond à la question posée, il a retenu celle qui contenait la phrase dont il avait besoin.
Être premier ne suffit pas, et être lié n'est pas être cité. Sur cette même requête, salesforce.com/fr/crm/best-crm/ est première position organique. Elle apparaît bien dans l'Aperçu IA, mais comme lien en ligne posé sur le mot « Salesforce », pas dans la liste des références. Les deux sortes de liens ne se valent pas : l'une reconnaît une source, l'autre rend un nom cliquable. Sur trois requêtes, deux premières positions organiques ne sont pas citées comme sources.
Le cas le plus net est celui de la SCI, et il vaut à lui seul l'exercice. La première position organique appartient à economie.gouv.fr. L'Aperçu IA ne la cite pas. La phrase de définition qui ouvre l'aperçu, la seule que Google marque comme reprise directe, est attribuée à solutions.notariat-services.com, une entrée de lexique de 943 caractères hébergée par un prestataire de services aux notaires, absente du top 8 organique. Neuf cent quarante-trois caractères qui passent devant le ministère de l'Économie.
Cette page n'a ni densité factuelle remarquable, ni autorité de domaine, ni fraîcheur affichée. Elle a une seule qualité : elle est intégralement constituée de la réponse. Pas d'introduction, pas de mise en contexte, pas de « dans cet article nous allons voir ». La première phrase du corps est la définition, et les sept suivantes sont les sept faits qui l'entourent.
Enfin, un détail technique qui a son importance : deux pages du corpus refusent un crawler ordinaire, et l'une d'elles, plezi.co, est à la fois première position organique et citée. Google accède à ce que je ne peux pas lire. Toute mesure faite depuis l'extérieur, y compris celle-ci, travaille donc sur un corpus légèrement plus petit que celui du moteur.
Ce que ce relevé n'établit pas
Trois requêtes, un pays, une langue, un appareil, un seul jour. Les Aperçus IA varient d'une exécution à l'autre : un relevé fait une heure plus tard donnerait une liste de références partiellement différente. Vingt-six pages exploitables, c'est un corpus qui permet de constater qu'un écart n'apparaît pas, pas d'affirmer qu'il n'existe nulle part.
Un résultat nul se lit avec prudence, et le sens de la prudence compte. Je n'établis pas que la densité factuelle ou les tournures creuses sont sans effet sur la citation. J'établis que sur ce corpus, elles ne permettent pas de prédire qui est cité, ce qui est une affirmation plus faible, et suffisante pour le propos.
Mes cinq mesures sont des approximations grossières. Un lexique de 53 marqueurs ne capture pas la notion de texte produit en série, il en attrape une signature de surface. Un compteur de tokens numériques ne distingue pas un chiffre vérifié d'un chiffre inventé. Une mesure plus fine trouverait peut-être ce que les miennes ratent, et je serais content de le lire.
Enfin, je n'ai testé aucune des pages du corpus pour savoir si elle a été écrite par une IA, et c'est volontaire : aucun détecteur disponible ne donne un verdict fiable à l'échelle d'une page. Le relevé porte sur ce que les textes contiennent, pas sur qui les a tapés.
Le test à faire sur votre propre page
La bonne question n'est pas « ma page a-t-elle l'air écrite par une IA ». Elle est : contient-elle une phrase qu'aucune autre page de sa SERP ne contient ? Trois commandes permettent d'y répondre.
# 1. Recuperer votre page PUIS celles de vos concurrents, dans cet ordre
i=0
for u in https://votresite.fr/votre-page/ \
https://concurrent1.fr/leur-page/ \
https://concurrent2.fr/leur-page/ ; do
i=$((i+1))
curl -sL -A "Mozilla/5.0" "$u" \
| sed 's/<[^>]*>/ /g' | tr -s ' \n' ' ' > "page$i.txt"
done
# 2. Lister les faits chiffres de VOTRE page, page1.txt
grep -oE '[0-9]+([.,][0-9]+)? ?(%|€|ans?|mois|jours?)' page1.txt | sort -u
# 3. Reprendre chaque fait de la liste et le chercher chez les concurrents
grep -c "42 %" page2.txt page3.txt
Le verdict tient dans la sortie de la commande 3. Si chaque fait de votre page se retrouve chez au moins un concurrent, votre page est substituable : un moteur qui a déjà lu les autres n'a aucune raison de vous ouvrir. Si un fait ne sort que chez vous, qu'il s'agisse d'un prix relevé, d'une durée mesurée ou d'un chiffre issu de vos propres données, vous avez un passage que le corpus ne contient pas ailleurs.
C'est le seul test qui compte, et il ne demande jamais comment le texte a été produit.
Ce qu'il faut retenir
Google écrit que l'abus de contenu à grande échelle se juge « no matter how it's created », et sa page de règles, 33 798 caractères mise à jour le 28 août 2026, nomme l'IA deux fois contre soixante-trois fois l'utilisateur. Les documentations d'OpenAI, d'Anthropic et de Perplexity, près de 39 000 caractères cumulés, ne nomment le contenu synthétique nulle part, sauf Anthropic, dans un lien de menu qui parle du marquage de ses propres sorties.
Sur 26 pages françaises réparties en trois SERP, cinq mesures conçues pour séparer les pages citées des pages ignorées donnent le même résultat : rien. Densité factuelle 1,38 contre 1,38. Marqueurs de remplissage, médianes 0,20 contre 0,21. Définition canonique présente dans 26 pages sur 26. Recouvrement littéral sous les 4 % partout, y compris entre des pages qui délivrent les quatre mêmes idées dans le même ordre.
La sanction que tout le monde redoute n'existe pas, et le détecteur non plus. Le contenu IA n'est pas une catégorie que les moteurs savent isoler, et aucun des quatre éditeurs examinés ne prétend le contraire. Ce qui existe est plus embêtant, parce qu'on ne peut pas le contester : une page interchangeable n'est pas pénalisée, elle est simplement remplaçable. Un moteur qui compose une réponse à partir de huit pages qui disent la même chose en garde deux et laisse tomber les six autres, sans jugement de valeur, par simple économie.
L'IA ne crée pas ce problème, elle en abaisse le coût d'entrée. Produire dix pages substituables coûtait un mois, cela coûte une après-midi. Le seul travail qui résiste est donc celui qui produit une phrase que personne d'autre ne peut écrire : un chiffre que vous avez relevé, un cas que vous avez traité, une mesure que vous avez faite. Le reste, quelle que soit la main qui l'a tapé, est déjà dans le modèle.
C'est exactement cet écart entre ce qu'une page contient et ce qu'un moteur y trouve d'unique que nous mesurons dans notre audit GEO. Sur la façon dont un aperçu découpe et sélectionne les passages, voir notre article sur le query fan-out ; sur le contenu dupliqué au sens classique du terme, celui qui ne se confond pas avec la substituabilité décrite ici, voir contenu dupliqué et moteurs IA ; et sur les signaux d'expérience vécue qui rendent un passage non réplicable, notre article E-E-A-T et GEO.