Votre archive d'actualité est l'actif. Cessez de la louer gratuitement à Google.

Un quotidien régional que j'ai rencontré l'hiver dernier comptait quatre millions de lecteurs mensuels et une archive de trente-deux ans, et le dossier de conseil d'administration de février était le pire document que quiconque dans la pièce ait lu depuis une décennie. Les renvois issus de la recherche organique en baisse de 41 % d'une année sur l'autre. Les tarifs publicitaires programmatiques en baisse de 18 % supplémentaires. Les revenus d'affiliation qui, discrètement, maintenaient les lumières allumées en 2023 s'étaient effondrés au tiers de leur sommet. La directrice financière a affiché la diapositive, m'a regardé et a posé la seule question qui comptait : que nous doit exactement Google, et comment le faire payer ?

J'ai dû lui dire la vérité : Google ne leur doit rien sur le plan contractuel. L'accord tacite qui a bâti le web — vous nous laissez vous explorer, nous vous envoyons du trafic — a été réécrit à l'instant même où les AI Overviews ont commencé à apparaître sur 48 % de toutes les recherches Google en date de mars 2026 (theStacc / Search Engine Land). Lorsqu'un résumé produit par l'IA se place au-dessus du lien organique, le lecteur fait rarement défiler la page ; le taux de clics du Daily Mail sur ordinateur pour ces requêtes a chuté de 89 %, passant de 25,23 % à 2,79 %. Le contenu est toujours lu. Simplement, l'éditeur n'est plus payé pour cela. La voie de retour, j'en suis convaincu, c'est l'IA conversationnelle bâtie sur les archives propres de l'éditeur.

Cette conversation est la raison pour laquelle mon équipe chez Veriprajna construit désormais de l'IA conversationnelle pour les éditeurs — des moteurs de génération augmentée par récupération qui fonctionnent sur les archives d'actualité propres à un éditeur, avec l'imposition des citations et la stratégie de licence qui les rendent sûrs à publier sous un titre de presse. La génération augmentée par récupération, ou RAG, signifie simplement que l'IA ne répond qu'à partir de vos documents plutôt qu'à partir de tout ce qu'elle a absorbé sur l'internet ouvert. Cette distinction se révèle être tout l'enjeu. Mais je veux expliquer comment nous en sommes arrivés là, car nous avons totalement raté la première version, et la manière dont nous l'avons ratée est exactement celle dont la plupart des éditeurs sont sur le point de la rater.

L'économie du renvoi est terminée. L'économie de la licence n'est pas encore construite.

Commençons par l'ampleur de l'hémorragie, car l'ampleur est l'argument. Le trafic de recherche Google vers les éditeurs a chuté d'environ 33 % à l'échelle mondiale sur l'année allant jusqu'à novembre 2025, et les dirigeants de presse interrogés par le Reuters Institute anticipent un nouveau déclin de 43 % au cours des trois prochaines années — un cinquième d'entre eux se prépare à des pertes supérieures à 75 % (Reuters Institute Journalism Trends 2026). Les cas individuels sont pires, et l'un d'eux est devenu un procès : Penske Media, dont les revenus d'affiliation ont chuté de plus d'un tiers par rapport à leur sommet, a poursuivi Google en septembre 2025 — la première grande affaire antitrust alléguant que l'entreprise contraint les éditeurs à l'entraînement de l'IA.

Le moteur de recherche qui a bâti votre distribution est désormais votre plus grand concurrent, et il n'a pas demandé la permission de changer de camp.

Ainsi, l'instinct dans chaque salle de conseil est identique : si Google ne nous envoie pas de lecteurs, nous construirons notre propre IA et les garderons sur notre site. Instinct correct. C'est dans l'exécution que les gens se blessent.

Nous avons d'abord construit la chose évidente. Elle a halluciné au sujet d'un conseiller municipal.

Je serai honnête sur nos propres cicatrices, car je les ai méritées. Le premier moteur que nous avons mis en place était la version que chaque fournisseur SaaS vous facturera entre 60 000 et 120 000 $ et déploiera en quelques semaines : prendre les archives, découper chaque article en fragments, transformer les fragments en vecteurs d'embedding, et laisser un chatbot récupérer les correspondances les plus proches. Cela fait une démonstration magnifique. Vous l'interrogez sur un article récent, il extrait le bon article, il paraît formidable.

Puis, lors d'une session pilote, une rédactrice en chef lui a posé le genre de question que n'importe quel lecteur poserait : quelle est l'histoire entre ce conseiller municipal et le promoteur derrière le projet du centre-ville ? C'est une question à sauts multiples — elle implique de relier une même personne à travers une douzaine d'articles étalés sur des années, où cet homme apparaît tantôt sous son nom complet avec son titre, puis simplement sous un nom de famille, et une fois, dans une vieille légende de photo, uniquement comme « le représentant du quartier », à l'époque où il n'occupait même pas encore ce siège. La recherche vectorielle a récupéré quelques fragments textuellement similaires, les a assemblés en un paragraphe fluide, et a affirmé une relation que les archives ne corroboraient pas réellement. Elle a inventé le tissu conjonctif.

J'ai observé le visage de la rédactrice en chef lorsqu'elle l'a repéré. Ce regard — une journaliste réalisant que la machine venait de fabriquer un fait au nom de son journal — c'est ce que je conçois désormais tout pour empêcher. Nous avions livré un menteur plein d'assurance.

Cet échec est la raison même pour laquelle je ne crois plus qu'un widget de chat soit un produit. Il n'a aucune idée que ces noms épars désignent une seule personne. Il n'a aucun modèle du temps — du fait que cet homme a été un simple citoyen pendant des années avant de remporter le siège. Et il n'a aucun mécanisme pour vérifier si la phrase qu'il vient de générer est réellement ancrée dans une source. Sur les requêtes qui n'ont pas d'importance, tout va bien. Sur les requêtes qui intéressent réellement les lecteurs, les requêtes longitudinales, celles qui portent sur les personnes et l'argent au fil du temps, il se brise exactement là où il a le plus besoin de tenir.

Pourquoi le RAG n'a-t-il pas simplement réglé cela ?

Parce que « RAG » décrit une catégorie, pas une compétence, et les 60 % difficiles du travail sont la part que personne ne vend.

La première chose que j'ai sous-estimée — gravement — était l'ingestion. Je suis arrivé en supposant qu'une archive de trente ans était un corpus propre attendant d'être vectorisé. Ce n'était pas le cas. C'était deux décennies de HTML massacré issu de trois migrations de CMS, des liens internes morts pointant vers nulle part, et une couche antérieure à 2005 qui n'existait que sous forme de microfilm numérisé. Lorsque nous avons passé un OCR ordinaire sur ces numérisations, les titres, les colonnes de corps de texte et les légendes de photos revenaient fusionnés en un unique bloc d'absurdités, car l'OCR ne pouvait pas voir la mise en page. Nous avons dû faire appel à une reconnaissance optique de caractères tenant compte de la mise en page — le genre qui détecte les colonnes et sépare un titre d'une légende et du texte courant — à l'aide d'outils comme Amazon Textract et Azure Document Intelligence. C'est le travail ingrat qui détermine si l'ensemble fonctionne, et c'est le poste que chaque fournisseur de chatbot omet du devis.

La deuxième chose était le problème du conseiller municipal, qui porte un nom : la résolution d'entités. Pour que l'IA raisonne sur une personne, chaque mention de cette personne — chaque variante de signature, chaque titre honorifique, chaque référence oblique — doit se réduire à un seul nœud. Nous l'avons résolu comme le font les acteurs sérieux, avec un graphe de connaissances : le GraphRAG open source de Microsoft superposé à Neo4j, avec la bibliothèque de graph data science effectuant la désambiguïsation afin que « M. Musk », « Elon Musk » et « le PDG de Tesla » deviennent une seule entité, et non trois. Une mise en œuvre dans ce domaine a atteint 12 millions de nœuds. Prêt à l'emploi, GraphRAG ne sait rien de votre actualité politique locale ni de vos cinquante sources récurrentes. Lui enseigner les personnes spécifiques de vos archives est un travail sur mesure, et c'est ce travail qui transforme des « fragments textuellement similaires » en « l'histoire réelle d'une personne ».

Une recherche vectorielle trouve des passages qui se ressemblent. Un graphe de connaissances sait que deux passages portent sur le même être humain. Les lecteurs posent des questions sur des êtres humains.

La troisième était le temps. L'actualité est intrinsèquement temporelle — la même fonction occupée par différentes personnes, le même projet de loi amendé au fil des sessions, la même entreprise avant et après une fusion. Nous attribuons aux arêtes du graphe des horodatages de début et de fin de validité et décomposons une question comme « qui présidait le comité lorsque le projet de loi a été adopté » en sous-requêtes temporelles, en nous appuyant sur les recherches en RAG temporel qui ont émergé au cours de l'année écoulée (les travaux des lignées T-GRAG et VersionRAG). Sans cela, le moteur aplatit l'histoire en un unique présent confus, ce qui est précisément la manière dont on affirme qu'un simple citoyen occupait une fonction des années avant même d'avoir été élu.

La ligne qui devrait figurer dans l'appel d'offres de chaque éditeur : qui est responsable de la citation fabriquée ?

Voici le moment qui m'a poussé à lire une fuite Slack à voix haute à ma propre équipe comme mise en garde.

En novembre 2024, le Washington Post a lancé Ask The Post AI. Fin 2025, ils l'avaient étendu à un podcast généré par l'IA, et en décembre les messages internes du rédacteur chargé des standards ont fuité : la chose inventait des citations, attribuait mal des sources et insérait des commentaires comme s'ils constituaient la position éditoriale du journal lui-même. « Il est véritablement stupéfiant que cela ait été autorisé à aller de l'avant », a écrit un rédacteur (Semafor, 11 déc. 2025). Le défaut technique était petit et précis — une étape de vérification des citations manquante. Les dommages de réputation ont été mondiaux, et cela est arrivé à l'une des rédactions les mieux dotées de la planète.

Je garde ce message ayant fuité à portée de main car c'est la leçon la moins chère disponible dans tout ce domaine. Le Post avait les ingénieurs. Ce qu'ils n'avaient pas, dans ce flux de travail, c'était une couche d'imposition qui refuse d'émettre une phrase à moins que chaque affirmation qu'elle contient ne remonte à une source récupérée, plus un seuil de confiance qui achemine les réponses fragiles vers une file d'attente de révision humaine avant leur mise en ligne, plus une réponse claire à la question de niveau conseil d'administration : quand la machine fabrique une citation, qui est responsable ? Cette gouvernance n'est pas un logiciel prêt à l'emploi. C'est la différence entre un outil que vous pouvez publier sous votre titre de presse et un embarras mondial.

Comparez cela à Ask FT, que le Financial Times a construit sur Claude d'Anthropic, ancré strictement dans le journalisme du FT avec des citations obligatoires renvoyant aux articles sources. Fait notable, il a produit une hausse de la rétention, et non la cannibalisation des abonnements que tout le monde redoutait. La différence entre les deux résultats ne tient pas à la qualité du modèle. Elle tient à ce que l'imposition des citations ait été traitée comme le produit ou comme une fonctionnalité à ajouter plus tard.

Pourquoi ne pas simplement l'acheter, ou le construire comme l'a fait le FT ?

On me pose cette question constamment, alors laissez-moi exposer le paysage honnêtement, car j'ai vu des éditeurs perdre leur marge de manœuvre financière à cause de chacune des mauvaises réponses.

Les fournisseurs de chatbots SaaS déposent un widget sur votre site pour 60 000 à 120 000 $. Je vous ai dit ce que cela achète : des vecteurs d'embedding, pas de résolution d'entités, pas de raisonnement temporel, pas de vérification des citations, et vos archives hébergées dans le cloud de quelqu'un d'autre. Cela hallucine exactement sur les requêtes qui comptent.

Les développements internes des Big Five — le FT, le Times, Bloomberg, le Post, le Guardian — sont réels et impressionnants, et ils ont été construits par des équipes de ML de six à vingt ingénieurs sur douze à vingt-quatre mois, pour un coût atteignant sept chiffres. Un quotidien régional doté d'une équipe d'ingénierie d'une à trois personnes ne peut pas reproduire cet effectif. Point final. Dire à un éditeur de rang intermédiaire de « construire cela comme le FT » revient à lui dire de faire pousser un organe qu'il n'a pas.

Les grands cabinets de conseil — Accenture, Deloitte, IBM — le construiront absolument, avec des missions qui vont de 1,5 M$ à plus de 5 M$ et une phase de découverte qui survit à votre marge de manœuvre financière. Ils recourent à la même pile Microsoft GraphRAG et Neo4j que nous, puis facturent des tarifs de niveau associé par-dessus, et ils n'ont pas construit cinq archives d'éditeurs à la suite pour savoir où les cadavres sont enterrés.

Cet écart — entre le widget qui ne fonctionne pas et l'équipe à sept chiffres que vous ne pouvez pas recruter — est la raison même pour laquelle les éditeurs de rang intermédiaire ont besoin d'un partenaire de construction qui a déjà fait le travail peu séduisant d'ingestion, de résolution d'entités et d'imposition des citations. Pas un abonnement SaaS, et pas une présentation de découverte. C'est précisément ce que nous avons conçu notre pratique éditeurs pour être, et c'est exposé en détail sur notre page de solution consacrée à l'IA conversationnelle sur les archives d'actualité.

La partie que la plupart des cabinets de conseil ratent : il vous faut deux leviers de revenus, pas un seul.

Voici l'erreur stratégique que je vois même des éditeurs intelligents commettre. Ils traitent « construire notre propre IA » et « accorder une licence de notre contenu aux entreprises d'IA » comme une alternative exclusive. C'est les deux, et ils captent des sommes différentes.

Votre propre moteur conversationnel est le levier de rétention — il garde les lecteurs sur votre site à interroger vos archives plutôt que de rebondir vers Perplexity. Mais il ne fait rien contre la fuite qui se produit en ce moment même, où les robots d'exploration d'IA ingèrent votre contenu gratuitement. Pour cela, il vous faut le levier de capture, et l'infrastructure qui le permet vient tout juste d'être construite.

Cloudflare a lancé Pay Per Crawl en janvier 2026, bloquant par défaut les robots d'exploration d'IA sur environ 20 % de tout le trafic web et permettant aux éditeurs de définir Autoriser, Facturer ou Bloquer par robot à un prix par requête — la première taxe sur les robots au niveau de l'infrastructure. Tollbit fait quelque chose de similaire robot par robot ; le Boston Globe, Vox et Future l'ont expérimenté. Et en mars 2026, la News/Media Alliance a signé un accord avec ProRata permettant à 2 200 éditeurs petits et moyens d'adhérer à un pool de licences collectives avec un partage des revenus à 50/50 sur les réponses d'IA traçables par attribution, avec un accord parallèle avec Bria pour l'usage RAG en entreprise. La NMA se charge de la paperasse qu'un quotidien régional ne pourrait jamais gérer seul.

Les péages sur les robots d'exploration captent les revenus d'exploration. Ils ne font rien pour les revenus de requête. La réponse honnête est d'exploiter à la fois un péage et un moteur de rétention — quiconque vous dit d'en choisir un seul vous vend la moitié qu'il se trouve construire.

Une réserve que je formule toujours : aucun des outils de capture n'empêche les AI Overviews de vous résumer, car ceux-ci récupèrent au moment de la requête, pas au moment de l'exploration. La fuite et le résumé sont des problèmes distincts. Mais un éditeur qui exploite Tollbit ou Cloudflare du côté de l'exploration, adhère à ProRata du côté de la licence, et exploite son propre moteur du côté de la rétention a enfin reconstruit un modèle économique à partir de trois réponses partielles. C'est là toute la stratégie, et assembler ces quatre systèmes — ProRata, Bria, Tollbit, Cloudflare — en un plan de revenus cohérent aux côtés du moteur constitue l'essentiel de ce que nous faisons réellement.

Et il y a un troisième levier que je pousse le plus fort auprès des éditeurs spécialisés professionnels et B2B, car c'est celui qui offre le plus grand potentiel : le moteur n'est pas seulement un rempart de rétention, c'est un produit que vous pouvez facturer. Une interface de requête ancrée dans les citations sur une archive verticale profonde — trente ans de dépôts judiciaires, d'approbations de médicaments ou de données de transactions sur votre domaine précis, le genre de corpus qu'un responsable de la conformité ou un analyste passera en note de frais un accès pour interroger — constitue un palier d'intelligence payant, et à terme une API, qu'un concurrent ne peut littéralement pas générer parce qu'il ne possède pas votre corpus. C'est le mouvement que le FT a effectué dans le haut de gamme avec son palier professionnel à plus de mille dollars, et Bloomberg avec un système qui transforme l'anglais courant en son propre langage de requête à travers les conférences de résultats et la recherche. La presse spécialisée est assise sur la même ouverture au-dessus d'une archive plus étroite et plus profonde, et la plupart de ses acteurs ne l'ont pas encore remarqué.

À quoi cela ressemble quand ça fonctionne

Le moteur qui a survécu à notre désastre du conseiller municipal ne ressemble en rien au premier. Il ingère les archives avec un OCR tenant compte de la mise en page qui respecte la page. Il résout les entités en un graphe de connaissances afin qu'une personne soit un seul nœud, et non une douzaine de mentions éparses. Il raisonne au fil du temps afin que l'histoire ne soit pas aplatie dans le présent. Il exécute une récupération hybride — correspondance de mots-clés éparse (BM25) aux côtés d'une recherche sémantique dense, car une requête pour « Bill 402 » nécessite une correspondance exacte qu'aucun embedding ne fera remonter de manière fiable — et il réordonne les candidats avant qu'ils n'atteignent le modèle, un réordonnanceur Cohere ou BGE gagnant 15 à 30 % sur la qualité de récupération pour 50 à 200 millisecondes de latence, un compromis que j'accepterai à chaque fois sur une requête qui compte. Et il refuse, structurellement, d'émettre une affirmation qu'il ne peut pas citer, en acheminant les incertaines vers un rédacteur plutôt que vers un lecteur.

Il se greffe aussi sur n'importe quel CMS que l'éditeur exploite déjà, et cette intégration n'est jamais générique. Arc XP expose une API de contenu mais aucun point d'ancrage pour l'embedding, il faut donc construire à côté. WordPress VIP vous permet d'enregistrer des points de terminaison personnalisés. Brightspot est plus flexible. Atypon, utilisé par les éditeurs académiques, possède son propre moteur de recherche à côté duquel vous devez vous installer. Un constructeur qui a vu les cinq sait où chacun vous résiste.

Les rédactions qui évoluent le plus vite sentent déjà la direction — réduisant l'actualité générale banalisée, en baisse de 38 % dans leur production, et déployant leurs efforts sur les enquêtes originales, en hausse de 91 %, et l'analyse contextuelle, en hausse de 82 % (Reuters Institute). Leur archive de ce travail distinctif est le seul actif qu'une entreprise d'IA ne peut pas générer et qu'un concurrent ne peut pas reproduire. L'erreur est de le laisser reposer sur un serveur, indexé gratuitement, pendant que les résumeurs le monétisent.

La directrice financière de ce quotidien régional a demandé ce que Google lui devait. La meilleure question, celle que je souhaiterais que davantage d'éditeurs se posent d'abord, est ce que vaut leur propre archive lorsque ce sont eux qui contrôlent le moteur qui la lit. Trente-deux ans de reportage constituent un corpus propriétaire sur lequel aucun modèle sur terre n'a été entraîné — et les seules personnes capables de le transformer en une conversation qu'un lecteur paiera pour continuer à avoir sont celles qui le possèdent. Vous pouvez découvrir comment nous construisons cela, de bout en bout, ici. L'archive a toujours été l'actif. Ce qui a changé, c'est que vous devez enfin cesser de la donner.