Wikipédia perd 5 % de ses renvois de recherche à cause des AI Overviews

Mehrzad Khosravi et Hema Yoganarasimhan, de l'université de Washington, ont publié une estimation de l'effet des AI Overviews sur le trafic de recherche vers Wikipédia. Le résultat retenu est une baisse d'environ 5 % des renvois mensuels vers la version anglaise.

Comment la mesure est construite

L'étude utilise un modèle de différence de différences. Le principe consiste à comparer l'évolution d'un groupe exposé à un changement avec celle d'un groupe comparable qui ne l'est pas.

Ici, le groupe exposé est Wikipédia en anglais, aux États-Unis, où les AI Overviews sont déployés depuis mai 2024. Les groupes témoins sont Wikipédia en allemand et en français, non exposés sur la période retenue. La comparaison porte sur 499 927 paires d'articles anglais-allemand et 530 873 paires anglais-français, de décembre 2023 à décembre 2024.

Rapportée à l'échelle de Wikipédia, la baisse représente environ 100 millions de renvois par mois, soit 1,2 milliard par an.

La révision qui mérite d'être expliquée

La première version de l'étude annonçait une baisse de 15 %. Les auteurs ont ramené le chiffre à 5 % en passant de données quotidiennes à des données mensuelles. La correction n'invalide pas le travail, elle illustre la fragilité des mesures d'effet sur ce sujet : le choix du pas de temps change le résultat d'un facteur trois.

C'est aussi la raison pour laquelle les chiffres qui circulent sur les pertes liées aux AI Overviews vont de 5 % à 60 % selon les publications. Ils ne mesurent pas la même chose, sur le même périmètre, avec le même pas de temps.

Ce que Google conteste

Google met en cause la métrique des renvois combinés, en faisant valoir qu'elle agrège l'ensemble des moteurs de recherche et non Google seul. L'objection est recevable sur la forme. Elle n'explique pas l'écart entre le groupe exposé et les groupes témoins, puisque celui-ci porte sur la même métrique des deux côtés.

Les auteurs posent eux-mêmes deux limites. Leur estimation ne couvre que les renvois directs depuis la recherche, pas l'ensemble du trafic de Wikipédia. Et les données excluent l'usage hors des États-Unis.

Pourquoi Wikipédia est un bon terrain, et un mauvais exemple

Bon terrain, parce que Wikipédia publie ses statistiques, couvre tous les sujets et existe dans des langues comparables. C'est un des rares sites où une mesure propre est possible.

Mauvais exemple, parce que Wikipédia est aussi la source la plus reprise par les modèles génératifs. Sa situation est celle d'un site à la fois surcité et sous-visité, ce qui n'est pas transposable à un site d'entreprise.

Ce qu'un éditeur français doit en retenir

Trois choses.

La baisse mesurée, quand elle est mesurée proprement, est réelle mais modérée à l'échelle d'un an. Les scénarios d'effondrement ne se vérifient pas dans les données publiées à ce jour.

L'effet est très inégal selon les contenus. Une page qui répond à une question factuelle courte est exposée. Une page qui apporte une méthode, une mesure ou un point de vue l'est beaucoup moins, comme nous l'avons documenté dans ce que les moteurs de réponse font au trafic des médias.

Enfin, personne ne peut vous dire ce que vous perdez à partir d'une moyenne de marché. Seul un relevé daté chez vous, sur vos propres pages, répond à la question.