Panorama des outils de recherche : ce qu’ils font, ce qu’ils ne font pas

Un outil ne fait pas le travail de jugement à votre place

Un chargé d'études tape une requête, obtient dix résultats, en choisit trois, et considère la recherche terminée. Ce réflexe traite l'outil comme s'il avait déjà fait le tri entre ce qui est fiable et ce qui ne l'est pas. Aucun des outils passés en revue ici ne fait ce tri. Chacun accomplit une tâche précise — indexer, structurer, surveiller, synthétiser — et laisse à qui l'utilise la responsabilité d'évaluer ce qui en sort. Ce panorama décrit, catégorie par catégorie, ce que chaque type d'outil fait réellement et où il a tendance à induire en erreur, en se limitant à ce qui est documenté publiquement plutôt qu'à des promesses marketing.

Moteurs de recherche généralistes : l'indexation n'est pas la vérité

Un moteur de recherche comme Google ou Bing indexe des milliards de pages et classe les résultats selon des critères de pertinence et de popularité qui évoluent en continu et restent en grande partie non publics. Cela veut dire qu'un résultat en première position est un résultat que l'algorithme juge pertinent pour la requête — pas un résultat vérifié comme exact. Une page bien référencée peut très bien reprendre une erreur reprise par cent autres pages, ce qui renforce mécaniquement son classement sans rien changer à sa justesse.

Le point aveugle le plus fréquent concerne la formulation de la requête elle-même : deux formulations proches d'une même question renvoient souvent des ensembles de résultats très différents, parce que le moteur reste avant tout un outil de correspondance de mots et de signaux de pertinence, pas un outil de compréhension du sens. Varier la formulation, et pas seulement les mots-clés, fait souvent apparaître des sources qu'une première requête, pourtant raisonnable, avait laissées de côté.

Bases de données et portails publics : plus de rigueur, plus de friction

Les bases académiques (Google Scholar, JSTOR) et les portails de données publiques (data.gouv.fr, l'Insee pour la France, Eurostat au niveau européen) offrent un niveau de traçabilité que les moteurs généralistes n'ont pas structurellement : auteur identifié, date de publication, méthodologie souvent documentée. Google indique lui-même, dans sa documentation sur Google Scholar, que l'outil indexe un ensemble hétérogène de sources académiques dont la couverture varie selon les disciplines et les éditeurs ¹ — ce qui signifie concrètement qu'une absence de résultat sur un sujet précis ne prouve pas l'absence de recherche sur ce sujet, seulement l'absence de résultat indexé.

La friction, en échange de cette rigueur, est réelle : il faut souvent connaître le vocabulaire exact du domaine pour formuler une requête utile, et une partie non négligeable des sources reste derrière un accès payant. Un dossier qui s'appuie uniquement sur ce qui est gratuitement accessible peut, sans le vouloir, laisser de côté la littérature la plus rigoureuse sur son sujet.

Outils de veille : utiles pour ne rien rater, aveugles à la nuance

Les outils de veille (alertes par mots-clés, flux RSS, agrégateurs) rendent un service précis : signaler qu'une nouvelle mention correspondant à des termes surveillés vient d'apparaître. Leur limite tient à leur mécanique même — ils réagissent à des correspondances de texte, pas à des changements de sens. Une reformulation, un synonyme non anticipé, ou une mention volontairement indirecte d'un sujet sensible passe simplement à travers le filtre sans déclencher d'alerte.

En pratique, cela veut dire qu'un dispositif de veille bien réglé donne un faux sentiment d'exhaustivité : parce qu'aucune alerte n'est arrivée, on suppose qu'il ne s'est rien passé, alors qu'il ne s'est rien passé dans le champ couvert par les mots-clés choisis. Élargir régulièrement la liste de termes surveillés, et pas seulement la vérifier une fois au lancement, reste la seule parade documentée à ce point aveugle.

Assistants conversationnels et IA générative : synthèse rapide, vérification obligatoire

Les assistants comme ChatGPT, Claude ou Perplexity apportent une capacité que les catégories précédentes n'ont pas : reformuler et synthétiser rapidement de grandes quantités d'information en réponse à une question en langage naturel. Cette capacité a un revers documenté par la recherche en traitement automatique du langage : ces systèmes peuvent produire des affirmations, des citations ou des références qui ont l'air plausibles mais qui ne correspondent à rien de réel, un phénomène qu'une synthèse académique de 2023 regroupe sous le terme d'« hallucination » ².

L'Unesco, dans ses recommandations sur l'usage de l'IA générative en contexte éducatif et de recherche, appelle explicitement à vérifier systématiquement les sorties de ces outils avant de les considérer comme fiables, plutôt que de les traiter comme un résultat de recherche déjà validé ³.

« ChatGPT can make mistakes. Check important info. » — avertissement affiché dans l'interface de ChatGPT, OpenAI.

Ce simple avertissement, visible par quiconque ouvre l'outil, résume mieux qu'une longue explication ce que ces assistants sont : des générateurs de texte plausible, pas des vérificateurs de fait. En pratique, cela signifie qu'une réponse d'assistant conversationnel mérite le même traitement qu'une affirmation trouvée sur une page web inconnue : recoupement obligatoire avant citation, jamais de confiance a priori parce que la formulation semble assurée.

Composer les outils plutôt que choisir un favori

Aucune de ces quatre catégories ne couvre les angles morts des trois autres. Un moteur généraliste trouve vite ce qui est déjà largement diffusé ; une base publique documente ce qui est diffusé mais parfois derrière une barrière d'accès ; un outil de veille prévient d'un changement mais seulement dans le champ qu'on lui a défini ; un assistant conversationnel synthétise vite mais peut inventer avec la même assurance qu'il rapporte du réel. En revanche, les utiliser en séquence — cadrer une question avec un assistant, la vérifier sur une base publique, la surveiller ensuite avec un outil de veille — corrige en grande partie les faiblesses individuelles de chacun.

La démarche pour construire cette combinaison d'outils, plutôt que de s'en remettre à un seul réflexe de recherche, est détaillée dans Où chercher une information fiable : cartographier ses sources. Une fois l'information trouvée, quel que soit l'outil qui l'a fournie, elle passe par la même exigence de vérification décrite dans Évaluer une source : une grille en cinq questions — l'outil change, la discipline de vérification, elle, reste identique.