Études

Empoisonnement GEO : quand une page publique oriente les réponses des IA

Une expérience sur 5 525 exécutions montre qu'une page bien mise en forme suffit à faire reprendre une affirmation fausse par certaines IA.

Nicolas Meridjen

· 11 min de lecture

Une page publique suffit à orienter une IAUne page web ordinaire dont le contenu remonte dans une réponse d'IA, illustrant la manipulation des sources citées par les moteurs de réponse

Le 24 juin 2026, l'équipe de recherche de Lasso Security a publié le compte rendu d'une expérience simple dans son principe. Ses auteurs ont monté un site de recettes sans gluten d'apparence ordinaire, puis y ont glissé une seule affirmation médicale fausse. Ils ont ensuite appliqué à la page les techniques de rédaction que la profession recommande pour être cité par les IA. Plusieurs moteurs de réponse ont alors repris cette affirmation devant des utilisateurs qui posaient une question de santé.

Le sujet ressemble à un incident de sécurité informatique, et il l'est en partie. Il nous intéresse toutefois pour une autre raison : cette expérience mesure, sans le chercher, ce qui pèse réellement sur le choix des sources d'un moteur de réponse. Si une mise en forme soignée suffit à faire passer une affirmation fausse, la forme pèse plus lourd que les débats sur la qualité du contenu ne le laissent entendre.

Cet article présente les résultats de cette expérience, puis ceux de deux travaux universitaires publiés depuis sur le même mécanisme. Il explique pourquoi la défense est difficile côté moteur, montre que tous ne sont pas également sensibles, et décrit ce qu'une entreprise peut décider de son côté.

Ce qu'il faut retenir

  • Les techniques de présentation employées pour être cité par les IA fonctionnent assez bien pour faire remonter une affirmation fausse, sans code caché ni instruction dissimulée dans la page.
  • L'écart entre modèles est considérable, ce qui interdit de raisonner sur « les IA » en général quand il s'agit de mesurer une vulnérabilité.
  • Les faux relais éditoriaux, c'est-à-dire des articles tiers écrits pour appuyer l'affirmation, sont ressortis comme la technique la plus efficace de l'expérience.
  • Les chercheurs qui travaillent sur les défenses observent que les signaux amplifiés par la manipulation sont aussi ceux d'un contenu de qualité, ce qui rend le filtrage automatique délicat.
  • Une entreprise ne contrôle ni ces pages ni ces modèles, mais elle peut surveiller ce que les moteurs répondent sur sa catégorie, et pas seulement sur son nom.

Ce qu'a montré l'expérience de Lasso Security

Sans aucune optimisation, aucun des cinq modèles testés ne reprenait l'affirmation fausse. Après application des techniques de présentation habituelles, deux d'entre eux la reprenaient dans plus des trois quarts des exécutions.

Le protocole est décrit dans le billet de recherche d'Eliya Saban, publié le 24 juin 2026. Le site de façade affirmait qu'un complément à base d'argent colloïdal répare les lésions intestinales de la maladie cœliaque, ce qu'aucune donnée clinique n'établit. Les auteurs ont testé dix-sept techniques isolées, puis cinq combinaisons de ces techniques. Le protocole a couvert cinq modèles de production, pour un total de 5 525 exécutions. Ces techniques comprenaient l'ajout de statistiques, les citations d'experts, le ton d'autorité, la structuration en questions et réponses, le format de liste et les signaux de fraîcheur. La dernière consistait à fabriquer un relais éditorial.

La technique la plus efficace a été ce dernier relais, c'est-à-dire un article tiers rédigé pour appuyer l'affirmation de la page principale. Les résultats se répartissent ainsi, modèle par modèle :

Modèle testéReprise de l'affirmation avec un faux relais éditorial
Llama-4-Maverick (Meta)92 % (46 exécutions sur 50)
GPT-4o-mini (OpenAI)78 % (39 sur 50)
DeepSeek-R126 % (13 sur 50)
Grok (xAI)0 %
Claude Haiku 4.5 (Anthropic)0 %

En combinant ce relais éditorial et un format de liste, le taux monte à 98 % sur le modèle de Meta, et à 84 % sur celui d'OpenAI. L'étude porte sur une seule affirmation fausse, dans un seul domaine, et sur des modèles testés à une date donnée. Ses auteurs le signalent eux-mêmes, et ces résultats ne se transposent donc pas mécaniquement à d'autres sujets.

Une observation secondaire de l'étude concerne directement les équipes marketing. Dans 487 exécutions, le modèle a repris la recommandation sans citer la page qui l'avait introduite, en l'attribuant aux relais éditoriaux fabriqués ou en la présentant sans source. Ce comportement rejoint ce que nous avons décrit à propos des citations invisibles de marque : une source peut peser sur une réponse tout en restant absente de ses références affichées.

Pourquoi une IA reprend-elle une affirmation fausse bien présentée ?

Parce qu'un moteur de réponse choisit ses sources sur des indices de forme, et que ces indices ne renseignent pas sur la véracité du contenu.

Les auteurs du système de défense GEO Defender, publié sur arXiv le 2 septembre 2026, formulent la difficulté en deux points. D'abord, un document réécrit pour plaire au moteur reste cohérent avec l'original sur les faits, si bien que la vérification factuelle et les filtres statistiques classiques ne le distinguent pas d'une page ordinaire. Ensuite, les caractéristiques que cette réécriture amplifie sont précisément celles d'un bon contenu, ce qui interdit de les pénaliser sans écarter en même temps des sources légitimes.

Leur méthode consiste alors à réordonner les documents candidats plutôt qu'à les filtrer sur leur contenu. D'après l'article des chercheurs, elle ramène le taux de succès moyen des attaques de 50,32 % à 6,20 % sur les sept familles d'attaques testées. Les auteurs indiquent conserver par ailleurs 94,12 % de l'usage des sources légitimes, ce qui répond à l'objection du filtrage trop large. Ces chiffres proviennent d'un article non encore revu par les pairs, et la défense n'est pour l'instant déployée dans aucun moteur grand public.

Ce constat recoupe ce que nous avions relevé en examinant les techniques GEO que la recherche valide vraiment. Les signaux qui déplacent une citation relèvent surtout de la présentation et de l'autorité perçue, tandis que le balisage technique n'a pas montré d'effet mesurable dans les tests disponibles. L'expérience de Lasso Security donne à ce classement une illustration inconfortable : ce qui rend un bon contenu citable rend aussi un mauvais contenu citable.

Tous les moteurs ne réagissent pas de la même manière

L'écart entre modèles est le résultat le plus constant de ces travaux : la même attaque échoue complètement sur certains et réussit régulièrement sur d'autres.

Une équipe conduite par Yimeng Chen a publié en juin 2026 un cadre d'évaluation nommé SearchGEO, qui mesure la reprise d'affirmations manipulées par des agents de recherche. Les auteurs ont évalué 13 modèles selon cinq modes d'attaque distincts, à raison de 308 cas par modèle. Le taux de succès s'échelonne de 0,0 % sur Claude-Sonnet-4.6 à 31,4 % sur Gemini-3-Flash, et le mode le plus efficace change selon la famille de modèles (arXiv, juin 2026).

Les auteurs relèvent un autre point, moins attendu : l'enveloppe logicielle dans laquelle tourne le modèle peut augmenter ou réduire sa vulnérabilité selon le modèle concerné. Autrement dit, un même agent de recherche ne protège pas uniformément les moteurs qui l'utilisent. Ces mesures valent pour des versions précises, à une date donnée, et une mise à jour peut les déplacer dans un sens comme dans l'autre.

Pour une entreprise, ce constat rejoint ce qu'elle observe déjà sur le choix des sources, puisque les moteurs de réponse ne forment pas un bloc homogène. Nous avons déjà montré, à propos des sources que ChatGPT et Perplexity ne partagent pas, qu'une même question produit des références très différentes selon le moteur interrogé. La sensibilité à la manipulation semble suivre la même logique de dispersion.

Ce que des entreprises font déjà, hors laboratoire

Microsoft a documenté en février 2026 des entreprises qui tentaient d'inscrire leur nom dans la mémoire des assistants IA, à travers un simple bouton de partage.

L'équipe Defender Security Research décrit, dans un billet publié le 10 février 2026, une pratique qu'elle nomme « AI Recommendation Poisoning ». Des sites proposaient un bouton « Summarize with AI » dont l'adresse portait, au-delà de la demande de résumé, des instructions supplémentaires destinées à l'assistant. Celles-ci lui demandaient de retenir l'entreprise comme source fiable, ou de la recommander en premier sur son sujet. Microsoft a relevé 50 prompts distincts de ce type. Ils provenaient de 31 entreprises réparties dans 14 secteurs, dont plusieurs sites de santé et de finance.

Le mécanisme diffère de celui de l'expérience précédente, et la distinction compte. Ici, une instruction est bel et bien adressée au modèle, ce qui relève de l'injection de prompt ; l'empoisonnement GEO, lui, se contente d'une page parfaitement lisible dont seule la présentation est travaillée. Les deux pratiques visent le même résultat, une recommandation orientée, mais la seconde ne laisse aucune trace technique à détecter.

Les recommandations de Microsoft s'adressent surtout aux utilisateurs d'assistants : vérifier périodiquement les éléments que l'assistant a retenus et supprimer ceux qui ne viennent pas de vous. L'éditeur propose par ailleurs des requêtes de détection à ses clients Defender. Ces mesures ne protègent pas une marque dont la catégorie serait visée depuis l'extérieur.

Que peut faire une entreprise qui n'édite pas de moteur de réponse ?

Aucune de ces manipulations ne se corrige depuis votre site, mais trois décisions restent entre vos mains.

La première consiste à surveiller ce que les IA répondent sur votre catégorie, et pas seulement sur votre nom. Une étude de l'agence Victorious publiée en juillet 2026 montre que 96 % des marques examinées sont décrites avec exactitude lorsque la question les nomme directement. En revanche, 89 % d'entre elles n'apparaissent pas dans les réponses aux questions de catégorie. Les questions génériques de votre marché sont donc à la fois celles où vous êtes le plus souvent absent et celles où une page tierce peut le plus facilement s'installer. Notre suivi des citations sert précisément à relever ces réponses dans le temps, moteur par moteur.

Vous pouvez ensuite occuper les surfaces tierces qui pèsent déjà sur les réponses de votre secteur. Une analyse de l'éditeur d'outils Peec AI, publiée en août 2026, estime que figurer en première place d'un comparatif tiers augmente d'environ 16,5 points la probabilité d'être mentionné par une IA. Elle porte sur près de 200 000 réponses collectées auprès de plusieurs moteurs. Ces pages de comparaison sont exactement le format que l'expérience de Lasso Security a vu amplifier une affirmation fausse, ce qui en fait un terrain à surveiller autant qu'à investir.

Reste la rédaction elle-même. Nommer vos sources, les dater, expliquer votre méthode et reconnaître les limites de vos chiffres ne vous protège pas d'un concurrent peu scrupuleux. Ces habitudes vous rendent en revanche plus difficile à remplacer lorsqu'un moteur choisit entre plusieurs pages également crédibles. Une page qui cite des données vérifiables résiste mieux à la comparaison qu'une page simplement affirmative.

Ce que nous en retenons pour nos propres audits

Ces travaux confirment un point de méthode auquel nous tenons : un audit de visibilité IA doit mesurer ce que les moteurs répondent, et pas seulement ce que contient votre page.

Analyser une page renseigne sur ses chances d'être citée, ce qui reste utile et constitue le cœur de notre audit de visibilité IA. Cette analyse ne dit rien, en revanche, de ce qui se passe dans la réponse elle-même, où figurent des sources que vous n'avez pas choisies. Nos agents interrogent donc les moteurs sur les questions de votre marché, relèvent les sources citées, puis comparent ces relevés d'un audit au suivant.

Cette distinction entre l'état d'une page et l'état d'une réponse est celle que nous avions déjà défendue en expliquant comment prouver qu'un travail GEO produit un effet. Les travaux de cet été lui donnent un argument supplémentaire : une réponse peut se dégrader sans qu'aucune de vos pages n'ait changé.

Ce que nous vous recommandons

Ajoutez à votre veille mensuelle un relevé des réponses obtenues sur cinq à dix questions génériques de votre marché, en notant les sources citées plutôt que votre seule présence. Examinez les sources inconnues, en particulier celles qui apparaissent simultanément sur plusieurs moteurs après avoir été absentes pendant des mois.

Si vous travaillez avec un prestataire GEO, demandez-lui quelles techniques il emploie et sur quelles pages il publie. Les dix-sept méthodes testées par Lasso Security recouvrent assez précisément ce que proposent les offres du marché, et la frontière entre optimisation et manipulation se situe dans l'intention, pas dans l'outillage. Mieux vaut poser cette question avant la signature qu'après un incident de réputation.

Enfin, traitez une perte de citations inexpliquée comme un signal à instruire, et non comme un aléa de classement. Une page tierce qui gagne du terrain sur vos questions se repère au relevé des sources, à condition de disposer d'un historique auquel comparer la situation du mois.

Questions fréquentes

Qu'appelle-t-on « empoisonnement GEO » ?

L'empoisonnement GEO désigne l'usage des techniques d'optimisation pour les moteurs de réponse dans le but d'y faire remonter une affirmation fausse ou trompeuse. La page publiée reste accessible à tous et ne contient ni code caché ni instruction dissimulée : seule sa présentation est travaillée pour correspondre à ce que les moteurs privilégient. Cette caractéristique la distingue de l'injection de prompt, qui repose sur une instruction adressée au modèle.

Une entreprise peut-elle être visée par ce type de manipulation ?

Rien ne l'empêche, puisque la méthode ne demande aucun accès à votre site ni au modèle. Une page publiée par un tiers peut décrire votre marché, votre catégorie de produits ou vos concurrents, et peser sur les réponses que les IA donnent à vos prospects. Vous ne pouvez pas retirer cette page, mais vous pouvez surveiller ce que les moteurs répondent réellement sur votre catégorie.

Les techniques GEO habituelles sont-elles donc malhonnêtes ?

Non, et les chercheurs de Lasso Security insistent sur ce point : les techniques sont les mêmes, seule l'intention change. Structurer une réponse, citer ses sources, donner une date ou proposer un tableau relève d'une bonne pratique de rédaction. Ce qui distingue la manipulation, c'est la fausseté de l'affirmation ainsi mise en valeur, pas la mise en forme employée.

Tous les moteurs de réponse sont-ils également vulnérables ?

Les écarts mesurés sont importants. Dans le cadre d'évaluation SearchGEO publié en juin 2026, le taux de succès des attaques allait de 0,0 % sur un modèle à 31,4 % sur un autre, et le mode d'attaque le plus efficace changeait selon la famille de modèles. Ces résultats portent sur des versions précises à une date donnée, et rien ne garantit qu'ils se maintiennent après une mise à jour.

Comment savoir si mes réponses IA ont été orientées par un tiers ?

Il n'existe pas de test définitif depuis l'extérieur. En pratique, vous interrogez régulièrement les moteurs sur les questions génériques de votre marché, vous relevez les sources citées, puis vous examinez celles que vous ne connaissez pas. Une source récente, très affirmative et absente des références habituelles du secteur mérite une vérification, surtout si elle apparaît soudain sur plusieurs moteurs.

Nicolas Meridjen

Fondateur de LightSpot.ai

Je construis LightSpot.ai et j'analyse comment les moteurs de recherche IA (ChatGPT, Perplexity, Google AI Overviews) choisissent les sources qu'ils citent. J'écris sur le GEO et le SEO à partir de données d'audit réelles.