La vérification de 600 liens révèle que jusqu’à 94 % des sources citées par les IA restent accessibles

Un lien cassé sous la réponse d’un réseau neuronal ressemble à une preuve accablante : la page ne s’ouvre pas, donc le modèle aurait inventé la source. Ce raisonnement est pourtant trop commode et souvent erroné. L’auteur de l’étude a recueilli environ 600 adresses dans les réponses de cinq services de recherche fondés sur l’IA, puis les a vérifiées de nouveau environ un mois plus tard. Selon le service, entre 88 et 94 % des liens étaient accessibles. Parmi les adresses inaccessibles, aucune invention n’a pu être confirmée : certaines pages bloquaient le script automatisé et plusieurs contenus, à en juger par les codes de réponse et la structure de leur URL, avaient été supprimés entre-temps.

Cela ne disculpe pas les réseaux neuronaux. Cela change le diagnostic. Les moteurs de recherche à IA présentent au moins deux problèmes distincts : le modèle peut générer une adresse plausible vers une page inexistante, ou citer un véritable contenu qui disparaîtra plus tard. Pour le développeur d’un système de vérification, ces cas sont fondamentalement différents.

Pourquoi une erreur 404 ne prouve rien

Imaginons qu’une IA ait cité une évaluation de service à l’adresse example.com/blog/review. Un mois plus tard, le serveur répond 404. Deux explications sont possibles : soit ce contenu n’a jamais existé, soit la rédaction l’a supprimé. Le seul code de réponse ne permet pas de distinguer ces situations.

Le code 410 fournit davantage d’informations : le propriétaire du site indique explicitement que la ressource a été supprimée définitivement. C’est un indice fort que la page a existé auparavant. Les codes 401 et 403 signalent généralement un refus d’accès, 429 un dépassement de la limite de requêtes et 503 une indisponibilité temporaire du service. Il ne faut pas classer toutes ces réponses parmi les « liens morts » : un navigateur ordinaire peut ouvrir une page que le site a refusé d’afficher au script.

Une vérification élémentaire doit donc prendre en compte les redirections, l’adresse finale et la classe de réponse du serveur. L’expérience utilisait une requête GET, des délais d’expiration distincts pour la connexion et la lecture, un User-Agent personnalisé et une limite de dix redirections. Les adresses renvoyant 404 ou 410 étaient classées comme supprimées ; les réponses 401, 403, 429 et 503 comme bloquées pour le robot ; les autres cas litigieux étaient soumis à une vérification manuelle.

Un lien actif peut lui aussi induire en erreur

Le statut 200 confirme uniquement que le serveur a renvoyé quelque chose. Il ne prouve ni que la page contient l’article annoncé, ni que son texte étaye la conclusion du réseau neuronal. Le site peut avoir redirigé l’ancienne adresse vers sa page d’accueil, remplacé le contenu ou conservé l’URL avec un texte différent.

Une vérification fiable d’une source comporte donc trois étapes : ouvrir l’adresse finale, s’assurer que le titre et le contenu correspondent à la citation, puis évaluer la fiabilité de la source elle-même. Un vérificateur automatique de liens ne couvre que la première étape. Pour un produit qui présente des liens à l’utilisateur, il est utile de conserver la date de la dernière vérification, l’URL finale, le code de réponse et une empreinte du contenu de la page. On peut alors distinguer une panne temporaire de la suppression ou du remplacement d’un contenu.

Ce que doivent faire les développeurs et les propriétaires de sites

Les développeurs de moteurs de recherche à IA ne devraient pas qualifier un lien d’inventé après une seule requête infructueuse. Il faut réessayer, traiter séparément les restrictions d’accès et vérifier manuellement les adresses litigieuses. Lorsque la traçabilité de la réponse est importante, il convient de conserver la date de consultation de la source et un court extrait sur lequel repose la conclusion, dans le respect du droit d’auteur.

Lorsqu’ils suppriment un article, les propriétaires de sites ont intérêt à mettre en place une redirection permanente vers un contenu à jour sur le même sujet. Une redirection vers la page d’accueil maintient formellement l’adresse « active », mais rompt la promesse faite au lecteur. En l’absence de remplacement pertinent, il est plus honnête de renvoyer le code 410.

L’étude présente une limite notable : elle repose sur une mesure unique réalisée environ un mois après la collecte des liens. Elle vérifiait la disponibilité des pages, mais pas l’exactitude du résumé ni la qualité des sources. Sa conclusion est donc étroite : un lien cassé ne prouve pas à lui seul une hallucination. Il faut examiner l’historique de l’URL, le contenu de la page et vérifier si celui-ci confirme réellement les affirmations du réseau neuronal.