Le Knowledge Management (KM) est encore une notion abstraite. Il est fréquent de constater une difficulté à se représenter ce qu’il recouvre au juste. Cet article se propose d'en éclairer le sens et les réalisations.

Une diversité de représentations et d’expressions

Quelle est sa plus-value ? Ceux qui le pratiquent savent qu’à la longue une gouvernance des connaissances vertueuse octroie un gain de temps, de qualité et de confiance dans les connaissances mobilisées (on obtient plus vite une réponse plus fiable). L’objectif poursuivi est souvent l’excellence opérationnelle (dans les entreprises industrielles notamment), ou l’excellence tout court (dans des structures plus proches du service public et de l’intérêt général). La quête d’une plus grande performance (à condition de renoncer à ce qu’elle soit immédiate), la réduction des erreurs, le maintien d’un haut niveau d’expertise, l’innovation sont souvent visés par les organisations qui mettent en œuvre une démarche KM. Elles savent en outre que l’existence d’un dispositif de ce type favorise la préservation des connaissances, valorise les savoirs et savoir-faire des collaborateurs les plus expérimentés et constitue un facteur d’attractivité (et de rétention) pour les collaborateurs les plus jeunes.

Les initiatives qui relèvent du Knowledge management sont par ailleurs innombrables. C’est cet état de fait (le flou ou la diversité des perceptions comme celle des actions) qui nous a donné envie d’interroger les représentations et expressions du KM auprès d’un panel de professionnels curieux ou adeptes du management des connaissances (1).

Nous avons eu l’occasion de le répéter plusieurs fois déjà, le brevet est une formidable source d’informations techniques qu’il est hasardeux d’ignorer dans une démarche d’innovation. État de l’art, recherche de solutions techniques, tendances du marché, positionnement d’un concurrent… Autant de raisons qui justifient une recherche dans les bases de données brevet.

Lorsque l’on se concentre sur les aspects plus juridiques, on retrouve les recherches de brevetabilité, celles réalisées dans le cadre d’une procédure d’opposition ou d’invalidation, et les recherches de liberté d’exploitation (dénommées FTO, pour Freedom To Operate, en anglais). Comme notre titre l’indique - que Beaumarchais nous pardonne cette irrévérence -, c’est sur celles-ci que nous allons nous pencher aujourd’hui.

De l’art du géomètre : qu’est-ce qu’un brevet ?

Rappelons tout d’abord quelques fondamentaux concernant le brevet.

Il est fréquent qu’un spécialiste technique qui lit pour la première fois un brevet revienne avec un air dépité s’exclamant « qu’est-ce que ce charabia, on n’y comprend rien ». C’est une réaction compréhensible : notre spécialiste s’attendait à lire un document décrivant une technique, un peu comme une publication scientifique, et il est tombé sur un texte parfois jargonnant, utilisant une terminologie étrange, qu’il est occasionnellement bien difficile d’interpréter. C’est que le but du brevet n’est pas seulement de décrire une technique, c’est aussi et avant tout de définir un territoire technique d’accès interdit. Nous sommes en présence d’un titre de propriété, et comme tout titre de propriété, il faut définir les limites de ladite propriété afin que les tiers sachent bien où ils ne peuvent pas aller. Rédiger un brevet, c’est au fond une affaire de technicien, mais aussi un peu de géomètre expert.

Imaginez un monde où l’intelligence artificielle générative deviendrait un documentaliste chevronné pour orchestrer vos recherches les plus ardues, un allié incontournable dans toutes vos tâches de traitement et de gestion de l’information, un compagnon d’une humanité confondante sur les réseaux sociaux, - un monde où rédiger une lettre de motivation sans IA s’imposerait comme un acte d’authenticité revendiqué…

Ce monde est déjà le nôtre. À la lecture de ce Netsources, on mesure l’ampleur avec laquelle l’IAG s’est infiltrée dans chaque facette de nos activités intellectuelles .

Dans son « Guide pratique du Deep Research », Véronique Mesguich montre comment l’IA est particulièrement intéressante dans le cas de recherches complexes exigeant l’analyse de sources multiples, et de production de synthèses, redéfinissant — ce faisant — le rôle des experts.

Ulysse Rajim (« Quand l’IA réinvente les réseaux sociaux… ») décrypte comment l’IA redéfinit les interactions sur les réseaux sociaux, complexifie la veille en brouillant l’authenticité de la parole et convertit les plateformes en viviers de données pour nourrir leur apprentissage.

Dans le précédent numéro de Netsources (« Deep Research : l’âge de raison des IA ? », Netsources N° 175 - mars/avril 2025), nous avons décrit et analysé l’irruption et les nombreux développements des outils de Deep Research proposés par les différentes IA.

Passons dans cette deuxième partie à la pratique en présentant et comparant les résultats obtenus avec les différents outils.

Une recherche approfondie pas à pas

Testons à présent la recherche approfondie des IA sur un exemple, en partant du prompt suivant : « Comporte-toi comme un analyste veilleur et rédige un rapport détaillé sur la stratégie et le positionnement des entreprises françaises dans le contexte des droits de douane annoncés par Trump en 2025. Base-toi sur des exemples concrets d’entreprises françaises dans différents secteurs (luxe, automobile, vins et spiritueux) pour étudier et comparer les différents positionnements et stratégies ».

Commençons par la recherche approfondie de ChatGPT (disponible dans la version payante, et depuis peu, de façon limitée dans la version gratuite). Avant d’élaborer son plan de veille, l’IA demande des précisions :

Une fois les précisions apportées par l’utilisateur, l’IA récapitule la demande et élabore son plan de recherche.

L’intégration de l’intelligence artificielle dans les réseaux sociaux est une tendance de fond, entamée au début des années 2010 et qui connaît une accélération marquée depuis l’émergence de l’IA générative en fin 2022. Cette évolution redéfinit l’utilité de ces plateformes, leur modèle économique et la nature même des interactions qu’elles hébergent.

Nous explorerons comment l’IA est passée d’un outil d’optimisation fonctionnant en arrière-plan à un rôle de plus en plus central dans nos échanges. Ce changement soulève une question essentielle : à mesure que l’IA prend plus de place, que reste-t-il de « social » dans les médias sociaux et comment cela impacte-t-il nos interactions en ligne ?

I. L’IA en coulisses : l’optimisation comme premier moteur

Pendant plus d’une décennie, l’intelligence artificielle a été le moteur discret, mais essentiel, des réseaux sociaux. Son déploiement à grande échelle répondait à un objectif principal : capter l’attention de l’utilisateur pour maximiser la durée des sessions et, par conséquent, les revenus publicitaires.

La fin du fil d’actualité chronologique

Cette stratégie reposait sur la personnalisation des contenus . Dès 2009, Facebook expérimentait déjà un nouvel algorithme (nommé EdgeRank ) pour remplacer le fil d’actualité chronologique (1). C’est entre 2012 et 2016 que cette tendance se généralise. Durant cette période, la plupart des plateformes de réseaux sociaux abandonnent progressivement le fil chronologique au profit du fil algorithmique . L’objectif n’étant alors plus de montrer ce qui venait d’être publié, mais ce qui était le plus susceptible de provoquer une réaction . Twitter remplace ainsi son fil d’actualité par le flux « Home timeline » en 2016 (2), et TikTok, lancé une année plus tard, érige cette approche en modèle avec sa « For You Page » (3). Aujourd’hui, cette méthode est devenue la norme et les algorithmes n’ont fait que s’améliorer d’année en année. Meta annonçait d’ailleurs en 2023 que ses algorithmes de recommandation étaient responsables d’une hausse de 24 % du temps passé sur Instagram , notamment grâce à la suggestion de contenus issus de comptes non suivis par les utilisateurs (4).

Nous avons souhaité interroger Christophe afin qu’il partage ses observations sur les transformations apportées par l’intelligence artificielle générative. Cet entretien apporte un éclairage sur l’évolution de la veille et du Knowledge Management à l’ère de l’IA.

Christophe Deschamps est depuis 20 ans consultant‐formateur en veille stratégique, intelligence économique et gestion des connaissances. Il enseigne depuis plusieurs années ces matières à l’IAE de Poitiers, à l’ILERI et à OTERIA Cyber School. Il publie régulièrement dans des revues comme Archimag, ou I2D (anciennement Documentaliste - Sciences de l’information). Il est l’auteur de plusieurs ouvrages sur l’intelligence économique et la veille, dont La boîte à outils de l’intelligence économique (Dunod), et l’animateur du blog OUTILS FROIDS .

CHRISTEL RONSIN : Christophe, depuis quand vous intéressez-vous au phénomène de l’intelligence artificielle générative ?

CHRISTOPHE DESCHAMPS : Mon intérêt pour l’intelligence artificielle générative a commencé vers 2017-2018, avec l’émergence des deepfakes . L’une des vidéos les plus marquantes était celle d’Obama, où il était presque impossible de distinguer la vidéo truquée de la réalité. Le mouvement de ses lèvres avait été modifié par l’IA pour lui faire dire des phrases qu’il n’avait jamais prononcées. Cela a naturellement suscité mon intérêt, car ce que redoutent le plus les professionnels de l’information, c'est évidemment de se faire manipuler par de fausses images, vidéos ou textes.

Tel est le titre de la matinée d’étude organisée et animée conjointement par l’ADBS et le CNAM/INTD le 2 avril dernier. Invitée à y cadrer le sujet (polysémique) de la veille collaborative, je propose ici une restitution sélective des interventions entendues ce jour-là, complétée par ma propre expérience de praticienne et de consultante amenée à accompagner ou observer la mise en place de tels dispositifs depuis une quinzaine d’années.

Le sujet de la veille collaborative revient à peu près tous les dix à quinze ans justement sur la table : il suscite l’intérêt à un rythme régulier, porteur qu’il est d’un idéal exigeant et de la promesse de synergies et de « désilotage » dans les organisations, mais il faut bien reconnaître que ce type de démarche rencontre plus souvent ses limites que son public, comme l’a énoncé avec justesse Thomas Grignon (1) dans son discours introductif.

Le premier enseignement de cette matinée est que les professionnels de l’information ont une définition extensive de la veille collaborative, dont ils font une activité de surveillance mobilisant un collectif. Cette définition large n’est pas la mienne. Que la veille soit une activité requérant plusieurs forces vives est une évidence. La qualifier de collaborative introduit à mon sens le fait de distribuer l’effort de veille auprès d’un ensemble de contributeurs au nombre desquels figurent nécessairement des acteurs métiers, habituellement simples destinataires de la veille, désormais contributeurs actifs.

Reconnaissons qu’il n’est pas aisé de proposer de la veille collaborative une définition consensuelle compte tenu de la diversité des formes qu’elle peut prendre dans des configurations très variables, des « 1001 visages » qu’elle offre.

Interview de Louise Guerre, Co-Présidente du Groupe Serda-Archimag. Interview menée par Christel Ronsin

Nous avons souhaité interroger Louise Guerre afin de recueillir son témoignage sur la mise en place et l’utilisation de l’intelligence artificielle générative au sein d’une société spécialisée dans le management de l’information.

Louise Guerre est, avec Pierre Fuseau, dirigeante du groupe Serda-Archimag depuis sa création en 1985. Elle est également responsable mécénat et laboratoire des curiosités de l’association Étincelle, qui accompagne les jeunes décrocheurs. Avant cette date, Louise Guerre a présidé durant deux ans le Centre des Jeunes Dirigeants d’Entreprise (CJD), qui est le plus ancien mouvement patronal. Elle a également passé cinq ans au conseil d’administration d’Action contre la Faim.

CHRISTEL RONSIN : Louise, pouvez-vous nous expliquer comment l’intelligence artificielle générative (IAG) a été intégrée au sein du groupe Serda-Archimag ?

LOUISE GUERRE : Bien que l’Intelligence artificielle ait une histoire de plus de 50 ans, c’est avec l’arrivée des IAG en 2023 que nous avons observé un nouvel engouement pour cette technologie. J’ai alors immédiatement lancé un groupe de travail sur l'intelligence artificielle générative pour examiner son impact potentiel sur nos activités. En novembre 2023, ce groupe a réuni la rédactrice en chef d’ Archimag , Clémence Jost, un représentant de notre agence de communication éditoriale, ACE, un représentant de Serda Conseil et enfin un représentant de Serda Compétences. Ainsi tous les métiers étaient représentés. Comme nous le faisons habituellement, nous avons élaboré une note de cadrage, un PQP (Plan Qualité de Projet), et défini des livrables.

Nous avons rapidement identifié les opportunités fantastiques que les IAG pouvaient offrir, tout en mettant en lumière les craintes qu’elles pouvaient susciter parmi les professionnels de l’information, qui sont nos clients, ainsi que dans la société plus largement. Nous avons également évalué l’impact potentiel sur les divers métiers présents dans notre entreprise : les formateurs, les consultants, les journalistes, les rédacteurs, les commerciaux et le marketing.

Pour mieux comprendre ces enjeux, nous avons jugé essentiel de nous former. La formation est le meilleur moyen d’affiner nos craintes, d’y remédier si possible, et d’identifier les opportunités. Nous avons donc mis en place un vaste programme, adapté à chaque métier. Il est essentiel que le formateur soit un spécialiste du domaine, sinon la formation perd de sa pertinence.

Une nouvelle révolution de la recherche sur le Web ? Quand l’IA de Claude outille les développeurs pour réinventer la recherche web.

La mutation de la recherche Web traditionnelle sous l’impulsion de l’IA prend des formes multiples.

Cette mutation s’est traduite par une profusion d’innovations, qui illustrent la dynamique actuelle de l’IA appliquée à la recherche d’information :

● Les géants s’adaptent : Google et Bing, mais aussi des acteurs plus discrets comme you.com ou Brave, intègrent l’IA pour améliorer la pertinence de leurs résultats.

● L’essor de nouveaux moteurs : des outils « natifs IA » comme Perplexity AI, ou plus spécialisés comme Felo, Genspark et Andi, repoussent les limites de la recherche traditionnelle.

● Des extensions dopées à l’IA : Wiseone, Monica et d’autres facilitent l’accès à l’information directement dans votre navigateur.

● Les modèles de langage en action : OpenAI, Claude, Grok et leurs semblables embarquent des fonctions de recherche avancée (Deep Research) pour des réponses plus riches.

Mais un autre changement, moins visible et potentiellement plus disruptif, se dessine: les utilisateurs peuvent désormais personnaliser leur expérience de recherche selon leurs besoins spécifiques. On sort de la logique uniforme des moteurs de recherche traditionnels.

En 2009 les lignes directrices de la société européenne de cardiologie recommandaient l’usage des bêta bloquants pour protéger le cœur lors d’opération non cardiaque. Ces lignes directrices étaient déduites d’une série d’études menées depuis 1999. Ces directives ont été modifiées en 2013 à la suite d’une « expression of concern » publiée dans L’European Heart Journal recommandant que ces lignes directrices ne dussent plus être appliquées en routine, mais faire l’objet d’une analyse au cas par cas.

En effet, un article publié en 2014 “ Meta-analysis of secure randomised controlled trials of β-blockade to prevent perioperative death in non-cardiac surgery “ de Bouri, S., Shun-Shin, M. J., Cole, G. D., Mayet, J. & Francis, D. P. Heart 100 , 456-464 (2014). a remis drasti­quement en cause les essais réalisés par l’organisme néerlandais DECREASE qui constituaient le socle de ces lignes directrices. Les auteurs ont utilisé pour cela une autre série d’études considérées, elles, comme sûres, réalisées sur un total de 10 529 patients. Les résultats ont montré que l’application des directives de 1999 augmentait la mortalité à 30 jours de 27 %. Les auteurs ont donc recommandé d’abroger sans délai les recommandations de 1999. D’autres auteurs ont considéré que ces mauvaises lignes directrices étaient responsables de jusqu’à 10 000 décès par an au Royaume-Uni.

L’avenir du métier de veilleur est assuré… pour peu qu’il joue à plein sa fonction d’éclaireur, garant du pluralisme et apôtre du temps long.

Récemment invitée à m’exprimer sur l’avenir du métier de veilleur devant une communauté de praticiens de la veille, je me suis souvenue d’avoir été sollicitée sur le même sujet il y a une dizaine d’années (1). Il faut croire que tous les 10 ans environ, une évolution technologique vient perturber le quotidien professionnel et la sérénité des veilleurs.

A l’époque, les préoccupations portaient sur les flux RSS (en passe de submerger le quotidien du veilleur et de l’aliéner au temps réel), la démocratisation de la curation (qui allait de pair avec la quête d’autonomie des usagers/clients), le règne de la conversation à l’heure des réseaux sociaux. Aujourd’hui, l’inquiétude est plutôt le fait de l’irruption des IA génératives avec l’avènement soudain, horizontal et gratuit, de ChatGPT.

Il y a 10 ans, je considérais déjà l’activité de veille comme une activité en mutation, qui s’orientait résolument vers l’accompagnement, le conseil, le transfert méthodologique. Il était de la même façon question de « destruction créatrice » (applicable aux usages comme aux métiers) promise par le numérique. Les réseaux sociaux sont toujours là, prêts sans désemparer à nous soumettre, si nous n’y prenons garde, à un régime d’alertes permanentes et à une réactivité maximale. La donne actuelle est complétée par la multiplication des contenus trompeurs (fake news, faux journaux scientifiques, revues et congrès prédateurs (2)…). Des conférences récentes, notamment à l’occasion de Documation, s’interrogent sur l’avenir des métiers de l’information, de l’intelligence économique et de la connaissance face à ces nouveaux défis et invitent à leur « réinvention » (quand la plupart des intervenants à la tribune ont préféré minimiser les efforts à produire en ne parlant que d’adaptation…).

Un constat alarmant sur les méthodes de recherche

Un article publié en décembre 2021 a provoqué une onde de choc dans la communauté scientifique (1). Consul­té plus de 20 400 fois, téléchargé près de 2 000 fois et ayant fait l’objet de 141 citations à ce jour, cette étude révèle un problème fondamental dans la recherche scientifique.

Les chercheurs ont tenté de reproduire 193 expériences décrites dans 53 articles à fort impact, dont les protocoles et plans d’analyse avaient été validés par des pairs avant leur publication. Le résultat est préoccupant : seules 50 expériences (26 %) issues de 23 articles (43 %) ont pu être reproduites. Plus troublant encore, 32 % des auteurs contactés ont refusé de répondre ou sont restés silencieux face aux demandes de précisions.

Les conférences sont un des vecteurs essentiels de diffusion de l’information scientifique et académique. Ce canal présente un intérêt particulier, car il est fréquent que des conférences soient le cadre de la divulgation de nouvelles théories ou de résultats expérimentaux récents.

Si l’on fait déjà partie d’un milieu scientifique bien défini, il y a toutes les chances que l’on soit informé personnellement des prochaines conférences et/ou de les voir signalées dans les publications spécialisées de ce domaine.

Mais pour les personnes qui ne sont pas dans ce cas de figure, qu’elles s’intéressent à un domaine moins familier ou qu’elles soient en début de carrière, se pose la question de l’identification de conférences potentiellement intéressantes.

C’est là que cela se complique.

L’intelligence artificielle générative évolue à une vitesse vertigineuse, rendant la prospective à long terme particulièrement ardue. Pourtant, une convergence de signaux faibles récents - avancées techniques, annonces des laboratoires d’IA, avis d’experts - suggère une nouvelle phase d’accélération. Une course mondiale s’est engagée entre les principaux acteurs, chacun cherchant à définir la prochaine frontière de l’IA.

Cet article propose un état des lieux de cette compétition intense, des avancées technologiques attendues dans les prochains mois, et explore leurs implications immédiates pour les professionnels de l’information.

Depuis le début de l’année, les géants du numérique ont rivalisé d’annonces autour du Deep Research, ces nouveaux outils d’IA destinés à automatiser des recherches complexes sur le web. OpenAI, Google Gemini, Claude, DeepSeek, Perplexity et d’autres encore proposent désormais, parfois uniquement en version payante, de nouveaux modèles d’IA agentiques capables de mener en plusieurs étapes des recherches approfondies.

Dans le prochain numéro de Netsources, le sujet du Deep Research sera décliné sous un angle pratique.

Ces agents vont en effet composer le processus de recherche en plusieurs tâches automatisées : recherche de documents (pages HTML, images, documents PDF…), extraction et analyse des données pertinentes, puis production d’un rapport synthétique structuré mentionnant les sources utilisées.

Pour autant, ces agents automatisés sont-ils capables de détecter les sources les plus pertinentes, et d’en extraire les éléments utiles ? Quel sera l’impact de ces nouveaux agents sur les pratiques de recherches ? La profondeur d’analyse annoncée est-elle réelle ? Quelles sont leurs limites actuelles ? Commençons par nous pencher sur les modèles de raisonnement développés récemment, et qui sous-tendent ces nouveaux outils.

Ryan MULHOLAND est Research Librarian à l’Université Wesleyan du Tennessee aux États-Unis. L’article de Ryan a été traduit par notre équipe.Précisons que la fonctionnalité des Overviews décrite dans cet article n'est pas encore présente en France, même si elle l'est déjà dans certains pays d'Europe.

À nouvelle année, nouvelle série d’avancées dans le monde de l’intelligence artificielle. De la nouvelle capacité de génération d’images de ChatGPT avec la folie autour du style « Studio Ghibli », jusqu’à Grok qui déploie enfin sa propre application en version bêta, 2025 suscite déjà beaucoup d’effervescence autour de ces outils émergents.

Parmi les acteurs en lice, Google se démarque en intégrant des fonctionnalités d’assistance par IA à plusieurs de ses services gratuits, notamment Docs, Sheets, Slides, Maps, Search, Chrome et bien d’autres.

L’effervescence ne s’arrête pas là, car Google a déployé sa fonctionnalité Overviews (littéralement : « vue d’ensemble ») - aux États-Unis - le 14 mai de l’année dernière, puis Deep Research (« Recherche approfondie ») avec Gemini pour tous les utilisateurs le 13 mars de cette année. La première traite les requêtes complexes et tente de les résumer de manière facilement assimilable, tandis que la seconde permet aux utilisateurs de la version gratuite de générer trois rapports de recherche gratuits par jour pour une exploration plus poussée des sujets.

Chroniques amusées sur l’intelligence artificielle par Christian Vigne

Christian Vigne, anciennement Product Manager chez Google, s’amuse dans ses chroniques à explorer l’impact de l’IA sur nos vies. Il est amené à conseiller les entreprises sur leurs stratégies IA (cadrage, priorisation, formation, conduite du changement).

Qui se souvient de ses cours de philo de terminale ? Moiiiiii. Et en particulier de l’étude de La République de Platon. Vous souvenez-vous de Glaucon and friends, aka « les disciples » qui donnent la réplique à Socrate ? À travers les nombreux échanges qu’ils ont avec Socrate et ainsi le dialogue qui en naît, ils font advenir une réflexion, un cheminement vers une vérité. Attention les philosophes, je tente un truc au risque de vous froisser : les questions de Glaucon pourraient être à Socrate ce que nos requêtes sont à ChatGPT : des prompts. 

Le peer review d’un article académique est, traditionnellement, une revue par les pairs avant publication. Il reste le fondement du fonctionnement de la majorité des éditeurs, qu’ils publient selon le schéma traditionnel dans lequel le lecteur paie en s’abonnant, ou qu’ils publient en open access, schéma dans lequel l’auteur, son institution ou un sponsor règle les frais (Article processing charges, soit APC).

Les limites du peer review traditionnel

Si cette procédure est supposée garantir aux articles publiés un haut niveau de qualité, elle présente l’inconvénient majeur d’imposer un délai parfois long entre le dépôt du manuscrit et la publication effective de l’article.

Cela devient de moins en moins supportable alors même que les développe­ments de la recherche connaissent une accélération significative comme on a pu le constater, en particulier, lors de la pandémie du COVID-19.

S’ajoute la difficulté croissante à trouver des reviewers (en règle générale bénévoles) disponibles, conséquence à la fois de l’inflation du nombre de publications et de la pression que subissent les chercheurs pour publier toujours plus, ce qui leur laisse moins de temps pour se consacrer aux reviews.

Et enfin, rien ne garantit que deux ou trois reviewers (au mieux) auront pu détecter toutes les failles potentielles d’un article. En effet, ces failles pourraient n’apparaître que lorsqu’un nombre plus important de scientifiques aura pu en prendre connaissance.

L’arrangement de Strasbourg, cela vous dit quelque chose ? On pourrait imaginer un quizz du type : c’est (1) le traité par lequel Louis XIV a réuni Strasbourg à la France le 30 septembre 1681 (2) un projet d’urbanisme de Catherine Trautmann lorsqu’elle était maire de Strasbourg (3) le texte qui a établi la classification internationale des brevets en 1971. Évidemment c’est la troisième réponse qui est la bonne. À l’heure où l’environnement médiatique est saturé par l’IA, nous allons, sans trop rentrer dans des détails théoriques, montrer par un simple exemple que cet outil de recherche conserve son intérêt, et qu’il reste même pour l’instant plus complémentaire qu’antagoniste avec les techniques basées sur l’IA. Le titre de cet article était donc seulement provocateur.

Un bref rappel

La Classification Internationale des Brevets (abrégé CIB) ou, en anglais, International Patent Classification (IPC) a été mise en place pour répondre au défi de rechercher des documents au sein d’une masse croissante de brevets, dans un contexte caractérisé par le multilinguisme, et une syntaxe, qui outre les problématiques habituelles de synonymie, peut être très déconcertante : en « langue brevet », un ballon peut être un « dispositif sphérique de loisir », et une bouteille un « contenant pour liquide ». Chercher par des mots-clés se heurte donc vite à certaines limites.

Il est difficile de suivre ce qui se passe dans la Galaxie IA Google, tant les annonces de fonctionnalités et projets sont nombreuses.

La stratégie de la division IA Google DeepMind s’articule autour de deux modèles : Gemini et Gemma (hors développements spécifiques image et vidéo). Gemini est un modèle ultra puissant, mais fermé, utilisé à la fois pour les services grand public tels que le Search et pour les applications professionnelles ; à l’opposé, Gemma est un système beaucoup moins gourmand en ressources, en open-source, conçu pour la communauté des développeurs.

Le SEO (Search Engine Optimisation) participe à l’accès à la connaissance, en influençant directement la manière dont l’information est indexée, trouvée, hiérarchisée et diffusée sur le web.

Cependant, à l’heure où les robots conversationnels sont de plus en plus capables d’effectuer des recherches et synthèses de pages web, les créateurs de contenus web se voient confrontés à la nécessité de réévaluer leurs stratégies de référencement : il s’agit en effet de rendre les contenus visibles dans ce nouvel environnement aussi mouvant que concurrentiel.

Les professionnels de l’information (au sens large du terme) sont également concernés, et doivent adapter leurs stratégies de recherche à cette période de transition où les critères de visibilité des contenus sur le web se complexifient.

Ce bouleversement pose de nombreuses questions : comment les sites web peuvent-ils maintenir, voire améliorer leur visibilité lorsque les internautes ne recherchent plus uniquement via les moteurs classiques comme Google ou Bing, mais interagissent avec des IA conversationnelles telles que ChatGPT, Mistral ou DeepSeek ? Comment optimiser le contenu pour être « consulté » et relayé par des chatbots qui se comportent de plus en plus comme des agents autonomes ?

L’avenir du SEO (Search Engine Optimization, ou référencement naturel) se résume souvent à la chronique d’une mort annoncée, et ce, depuis plusieurs années. Et pourtant, la pratique du SEO reste indispensable, pour optimiser la visibilité des contenus, non seulement via les résultats du moteur Google, mais aussi dans un environnement multiplateforme incluant notamment des réseaux comme TikTok.

Ce contexte dynamique nous invite à explorer l’impact des IA génératives sur les stratégies SEO et à découvrir l’émergence d’une nouvelle tendance : le GEO ou Generative Engine Optimisation.

Depuis son lancement officiel fin 2023, Mistral AI s’est imposé comme l’un des acteurs incontournables de l’intelligence artificielle générative en Europe. Fondée par trois anciens chercheurs de Meta et de Google DeepMind, cette startup française a rapidement levé plus de 600 millions d’euros, atteignant une valorisation de 6 milliards d’euros en moins d’un an d’existence.

Si Mistral AI est souvent présentée comme le champion français de l’IA, sa stratégie et ses ambitions dépassent largement les frontières hexagonales. Dans cet article, nous examinerons le positionnement de Mistral face aux géants américains, nous analyserons les fonctionnalités phares de son application Le Chat, et nous tenterons de comprendre l’attrait de ses modèles au-delà des utilisateurs francophones.

Une réponse européenne aux géants américains ?

« En IA, nous pouvons rivaliser avec Google ou OpenAI », affirmait Arthur Mensch, CEO de Mistral AI, dans une interview avec Le Monde. Cette déclaration résume l’ambition affichée par la startup face aux géants américains qui dominent actuellement le marché de l’IA générative, à savoir OpenAI (ChatGPT), Anthropic (Claude) ou encore les solutions de Google (Gemini), Meta (Llama) et xAI (Grok).

Face à cette hégémonie, Mistral AI propose une alternative européenne avec une offre différenciée, notamment par son approche « open-weight ». Cette approche « open-weight » s’inscrit dans le mouvement de l’open source, mais se limite à rendre publics les paramètres des modèles d’IA (plutôt que le code source complet). Cela permet l’utilisation de ces modèles et leur modification par la communauté des développeurs sans nécessairement révéler tous les détails de l’entraînement. Cette approche est devenue l’une des marques de fabrique de l’entreprise. Dans une interview avec Xavier Niel sur France Inter, Arthur Mensch comparait d’ailleurs Mistral au « Deepseek français », faisant écho à cette entreprise chinoise également reconnue pour sa publication de modèles IA performants en accès libre.

Les données brevets constituent une source d’information de choix pour effectuer des recherches d’état de l’art, de brevetabilité ou de liberté d’exploitation par exemple. Au-delà d’une recherche ponctuelle, il est souvent utile de surveiller régulièrement l’apparition de nouveaux documents, comme dans le cadre d’une veille technologique ou d’une veille concurrentielle. Patentscope, la base de données brevet de l’OMPI, offre une telle possibilité via la mise en place d’un flux RSS.

Créer une surveillance via un flux RSS sur Patentscope