Nghiên cứu về khả năng hiển thị của thông tin AI: Sự tiến hóa của cơ chế khám phá thông tin từ tìm kiếm truyền thống đến trích dẫn tạo sinh

Tóm tắt nghiên cứu

Các phát hiện:

1. Sự chuyển đổi mô hình khả năng hiển thị: Khả năng hiển thị của tìm kiếm AI đã chuyển từ mô hình truyền thống là "khớp từ khóa và xếp hạng trang web" sang một chuỗi xử lý thông tin phức tạp dựa trên "truy xuất - hiểu - tạo - trích dẫn". Khả năng hiển thị của thương hiệu và nội dung không còn chỉ là "được lập chỉ mục", mà là khả năng "được hiểu" và "được trích dẫn".
2. Cấu trúc câu trả lời thúc đẩy khả năng hiển thị: Các hệ thống AI có xu hướng lấy thông tin từ đầu trang và ưu tiên các "sự kiện nguyên tử" (câu độc lập, có thể tự chứa, có luận điểm rõ ràng), cho thấy cấu trúc thông tin có ảnh hưởng quyết định đến trọng số tìm kiếm của AI.
3. Sự phức tạp của cơ chế trích dẫn: Các mô hình AI khác nhau (như ChatGPT, Gemini, Perplexity) có những ưu tiên khác nhau về việc trích dẫn thông tin; một số mô hình phụ thuộc nhiều hơn vào việc trích dẫn các đoạn văn bản chính xác (ví dụ: #:~:text=*), trong khi những mô hình khác có thể thiên về việc tóm tắt ngữ cảnh tổng thể.
4. Tính nhất quán của thực thể là chìa khóa: Tính xác thực của thông tin không chỉ phụ thuộc vào nội dung mà còn phụ thuộc vào "tính nhất quán của thực thể" của tổ chức trong các môi trường kỹ thuật số khác nhau—tức là AI có thể ánh xạ một thương hiệu hoặc khái niệm một cách ổn định vào các nút trong sơ đồ tri thức chính xác hay không.

Giải thích:

Khả năng hiển thị không còn là sự chất đống lưu lượng truy cập, mà là "mức độ có thể được gọi" của thông tin trong hệ thống nhận thức của AI. Nếu một thông tin không thể được cấu trúc rõ ràng thành một "sự kiện" có thể trích dẫn, khả năng hiển thị của nó trong tìm kiếm tạo sinh sẽ giảm mạnh.

Bối cảnh nghiên cứu

Tại sao tìm kiếm AI trở thành đối tượng nghiên cứu mới?

Tìm kiếm AI, đặc biệt là tìm kiếm tạo sinh (Generative Search), đại diện cho một sự thay đổi cơ bản trong cơ chế khám phá thông tin. Đây không chỉ là sự lặp lại của giao diện tìm kiếm, mà là sự chuyển đổi mô hình trong cách tiếp cận thông tin, xây dựng kiến thức và hình thành nhận thức.

Thay đổi trong tìm kiếm: Tìm kiếm truyền thống (Traditional Search) tập trung vào việc "tìm thấy liên kết liên quan" (Click-through). Người dùng định vị một loạt tài liệu bằng cách khớp từ khóa, sau đó người dùng tự tổng hợp thông tin. Trong khi đó, tìm kiếm tạo sinh (Generative Search) nhằm mục đích "cung cấp câu trả lời trực tiếp" (Answer-first). Nó đòi hỏi hệ thống không chỉ truy xuất thông tin mà còn phải hiểu ý định của người dùng, tổng hợp thông tin từ nhiều nguồn và tạo ra một câu trả lời mạch lạc, chính xác.

Thay đổi hành vi người dùng: Người dùng không còn hài lòng với việc duyệt qua danh sách mà tìm kiếm đầu ra nhận thức tức thời và tổng hợp.Changement de comportement des utilisateurs : Les utilisateurs ne se contentent plus de parcourir des listes, mais recherchent des résultats cognitifs immédiats et synthétiques. Leur attente concernant l'information passe de « me dire où trouver la réponse » à « obtenir la réponse elle-même ». Ce besoin a engendré une interaction directe avec les modèles d'IA (comme ChatGPT, Gemini, Copilot), déplaçant la responsabilité de la découverte de l'information de l'utilisateur vers la capacité cognitive de l'IA.

Changement technologique : La force motrice technologique réside dans les capacités émergentes des grands modèles de langage (LLMs). Les LLMs réalisent la compréhension sémantique et le raisonnement logique de vastes quantités de données non structurées grâce à leurs processus d'entraînement et de raisonnement internes. Cela permet à l'IA d'extraire des entités, des relations et des faits à partir de textes bruts, faisant de la « compréhension » la force motrice centrale de la découverte d'informations.

Paysage actuel de la recherche en IA

L'écosystème actuel de la recherche en IA est principalement dominé par plusieurs géants, chacun mettant l'accent sur des aspects différents de la découverte et de la citation de l'information :

• ChatGPT (OpenAI) : Grâce à ses capacités de conversation puissantes et à sa vaste couverture de connaissances, la recherche sur ses mécanismes de citation se concentre sur la manière d'extraire des extraits hautement pertinents à partir de ses vastes données d'entraînement.
• Google AI Overviews / AI Mode : Le modèle de Google met l'accent sur l'intégration transparente des capacités d'IA dans les résultats de recherche traditionnels, et ses mécanismes de citation (comme les balises de citation intégrées) montrent une dépendance aux extraits textuels précis.
• Gemini (Google) : En tant que modèle multimodal et d'intégration d'informations, sa recherche se concentre sur la manière de traiter les informations multimodales et de construire des graphes de connaissances complexes.
• Perplexity : En tant que moteur de recherche axé sur les questions, son mécanisme central réside dans l'équilibre entre sa stratégie de recherche et l'intégration d'informations en temps réel.
• Microsoft Copilot : Il combine la capacité de recherche en temps réel de Bing et la capacité de génération des LLMs, étudiant comment il fait le pont entre les données en temps réel et la compréhension générative.

Principales découvertes de recherche

Sur la base de l'analyse des recherches existantes, Veerixa résume les principales découvertes suivantes :

**Découverte de recherche 1 : La visibilité n'est plus le classement, mais la qualité et la position de la citation.**Découverte de recherche 1 : La visibilité n'est plus un classement, mais la qualité et la position des citations.

• Phénomène : Les recherches existantes montrent que les systèmes d'IA sont extrêmement sensibles à l'emplacement des citations et à la sélection des extraits de réponse. Par exemple, il a été découvert que le contenu cité dans les 1/3 à 1/2 premiers endroits de la réponse est cité le plus souvent.
• Mécanisme : Cela indique un fort couplage entre la couche de récupération (Retrieval Layer) et la couche de génération (Generation Layer) de l'IA. L'information doit posséder une haute pertinence et des caractéristiques structurées dès la phase de récupération pour entrer dans le « bassin de citations » adopté par l'IA.
• Impact : Les créateurs de contenu doivent placer les arguments ou définitions les plus fondamentaux ou les questions clés à des endroits proéminents sur la page, plutôt que de les cacher dans une longue introduction de contexte.

Découverte de recherche 2 : L'« atomisme » de l'information est la structure clé de la compréhension et de la citation par l'IA.

• Phénomène : Les textes cités avec une fréquence plus élevée sont souvent de courtes phrases autonomes (« faits atomiques »), dont la longueur est généralement comprise entre 6 et 20 mots.
• Mécanisme : Cela correspond à la préférence des LLM pour la compression de l'information et l'extraction de haute précision. Lors de la génération de réponses, l'IA a tendance à utiliser les énoncés les plus précis et les moins ambigus pour construire une chaîne d'arguments, évitant les structures de dialogue longues et vagues.
• Impact : La rédaction de contenu doit passer d'un « récit complet » à des « affirmations précises », c'est-à-dire présenter d'abord la conclusion/le fait, puis fournir le soutien.

Découverte de recherche 3 : La cohérence des entités détermine la stabilité de la marque dans le système de cognition de l'IA.

• Phénomène : La stabilité de la mention d'une marque ou d'une entité spécifique dans les réponses de l'IA dépend de sa cohérence dans le graphe de connaissances. Si une entité reçoit des définitions ou des noms différents dans différentes requêtes d'IA, sa « cohérence d'entité » est compromise, ce qui empêche l'IA de l'ancrer de manière stable sur le nœud de connaissance correct.
• Mécanisme : Le graphe de connaissances (Knowledge Graph) est la manière dont l'IA comprend le monde. La précision de la reconnaissance d'entités (Entity Recognition) détermine directement si l'information peut être correctement mappée sur un nœud spécifique du graphe de connaissances, influençant ainsi la récupération et la citation ultérieures.
• Impact : Les organisations doivent établir des définitions de marque et de produits unifiées et compréhensibles par l'IA pour assurer la synchronisation cognitive entre les plateformes et les modèles.

**Découverte de recherche 4 : Différents modèles d'IA présentent des préférences de citation uniques.**Recherche 4 : Différences uniques dans les préférences de citation entre les différents modèles d'IA.

• Phénomène : Les différentes plateformes d'IA ont des nuances dans la définition et la mise en œuvre de la « citation ». Par exemple, certains modèles peuvent être plus dépendants des citations de fragments de phrases précis (comme #:~:text=*), tandis que d'autres peuvent se fier davantage à la correspondance sémantique de la réponse dans son ensemble.
• Mécanisme : Cela reflète les différences d'architecture des modèles sous-jacents, l'accent du jeu de données d'entraînement et les objectifs de conception de la plateforme. L'objectif de conception de la plateforme détermine la manière dont le concept de « citation » est implémenté de manière technique.
• Impact : La stratégie de contenu doit procéder à une « adaptation au modèle » plutôt qu'à une optimisation « universelle », nécessitant des ajustements personnalisés en fonction du mécanisme de citation de l'IA cible.

Analyse technique et système

1. Analyse du mécanisme de récupération de l'IA (AI Retrieval Mechanism Analysis)

Le traitement de l'information par l'IA est une chaîne de montage à plusieurs étapes, où chaque étape a un impact déterminant sur la visibilité de l'information :

Crawler (Web-crawler) $\rightarrow$ Index (Indexation) $\rightarrow$ Embedding (Intégration sémantique) $\rightarrow$ Retrieval (Récupération) $\rightarrow$ Ranking (Classement) $\rightarrow$ Generation (Génération) $\rightarrow$ Citation (Citation)* Embedding (嵌入): C'est l'étape clé de la « sémantisation » de l'information. Des embeddings vectoriels de haute qualité garantissent que l'information est fortement alignée avec l'intention de l'utilisateur dans l'espace sémantique. Si la qualité de l'embedding est faible, même si le contenu est pertinent, il peut être ignoré en raison de déviations sémantiques.

• Retrieval (Recherche): Dans la recherche générative, la recherche n'est plus un simple appariement de mots-clés pour retourner une liste d'URL, mais un rappel de blocs de texte « les plus susceptibles de résoudre le problème de l'utilisateur » dans l'espace vectoriel. C'est la première manifestation de la compréhension de l'« intention » par l'IA.
• Ranking (Classement): C'est une extension du SEO traditionnel, mais son poids ne repose plus seulement sur la densité des mots-clés, mais sur une évaluation globale combinant la pertinence sémantique, l'autorité (cohérence de l'entité) et l'exhaustivité de la réponse. Le modèle de classement de l'IA est hautement dynamique et complexe.
• Generation (Génération): À cette étape, le LLM réorganise et affine logiquement les extraits récupérés pour former la réponse finale. Ce stade exige un degré de structuration très élevé des fragments d'entrée.
• Citation (Citation): C'est la manifestation finale de la visibilité de l'information. Le système d'IA marque quelle partie de la réponse est basée sur quel fragment de texte original, ce qui ferme la chaîne de l'information et renforce la vérifiabilité de la réponse.

2. Analyse du mécanisme de citation

Pourquoi certaines sources sont-elles citées par l'IA ? Ce n'est pas un processus aléatoire, mais basé sur un ensemble complexe d'algorithmes et de systèmes d'évaluation de la qualité de l'information.

Facteurs d'analyse :

• Complétude de l'information (Completeness): L'information répond-elle entièrement à toutes les sous-questions posées par l'utilisateur ? Une source fournissant des informations partielles aura une priorité plus faible lors de la génération d'une réponse complète.
• Crédibilité de la source (Credibility): L'autorité du domaine de la source, sa précision historique et son niveau de reconnaissance dans le graphe de connaissances sont des facteurs non techniques importants qui déterminent son poids de citation.
• Structure du contenu (Structure): Comme mentionné précédemment, la structure des faits atomiques est cruciale. Le contenu clair et progressif est plus susceptible d'être identifié par l'IA comme une unité « directement citable ».
• Cohérence de l'entité (Entity Consistency): Si la définition des entités clés (personnes, entreprises, produits) dans l'information est uniforme et claire, l'IA est plus susceptible de les mapper avec précision aux nœuds du graphe de connaissances, assurant ainsi que les citations pointent vers la bonne source de connaissance.
• Validation externe (External Validation): Bien que l'IA soit un système de recherche, ses données d'entraînement et ses itérations continues dépendent de sources externes et hautement autoritaires. Si l'information peut être recoupée avec d'autres sources hautement autoritaires, son poids de citation sera plus élevé.## Étude sur la visibilité de la marque par l'IA

Comment une marque peut-elle pénétrer le système cognitif de l'IA ? Cela exige que l'organisation déplace son attention de la « production de contenu » vers la « conception de la structure de la connaissance ».

La Visibilité de l'IA (AI Visibility) fait référence à la capacité des informations d'une organisation à être découvertes, comprises, citées et utilisées dans le processus de génération de réponses par les systèmes de recherche d'intelligence artificielle. Elle mesure le degré auquel la connaissance de l'organisation est « consommable par l'IA ».

Chemins pour pénétrer le système cognitif de l'IA :

1. Construction d'entités (Entity Construction) : L'organisation doit définir et maintenir activement les définitions standard de ses entités clés (produits, technologies, leaders) dans l'espace numérique, en veillant à ce que ces définitions maintiennent une cohérence des entités dans toutes les sorties externes.
2. Expression structurée (Structured Expression) : Le contenu n'est plus du texte libre et dispersé, mais doit être conçu comme des « unités de connaissance » faciles à capturer et à citer par l'IA, c'est-à-dire des faits atomiques.
3. Alimentation du graphe de connaissances (Knowledge Graph Feeding) : L'organisation doit fournir à la machine des systèmes de connaissance internes et vérifiés dans un format lisible par la machine (comme le Schéma ou RDF), afin d'aider l'IA à établir rapidement une « vue d'ensemble » de la marque.

Analyse de l'écart de visibilité

L'écart de visibilité entre la recherche traditionnelle et la recherche par IA provient principalement des différences suivantes :

• Différence de structure de contenu : La recherche traditionnelle privilégie les articles longs et narratifs ; la recherche par IA privilégie les énoncés factuels hautement modulaires et citables avec précision.
• Différence de compréhension sémantique : La recherche traditionnelle dépend de la correspondance exacte des mots-clés ; la recherche par IA dépend de l'inférence sémantique profonde et du contexte.
• Différence de sélection des sources : Le classement de la recherche traditionnelle est basé sur le poids de la page elle-même ; le classement de la recherche par IA est basé sur le « potentiel de citation » des fragments d'information dans toute la chaîne d'information.
• Différence de mécanisme de citation : La visibilité traditionnelle est « être vu » (portée) ; la visibilité de l'IA est « être compris » (taux de citation).

Analyse de l'impact organisationnel

• Équipe de communication d'entreprise : Doit passer de « rédaction de communiqués de presse » à « conception d'une feuille de route structurée des actifs de connaissance », en se concentrant sur la manière de construire un réseau de connaissances compréhensible par l'IA.
• Équipe de marque : Le point focal passe de « bâtir la notoriété de la marque » à « maintenir la cohérence des entités », en veillant à ce que la marque soit exprimée de manière unique et précise dans le graphe de connaissances.
• Équipe relations médias : Doit combiner la publication d'informations externes avec la construction du graphe de connaissances de l'IA, afin de garantir que le contexte de l'information soit clair et faisant autorité lorsqu'elle est « absorbée » par le système d'IA.
• Organisations sectorielles : Doivent étudier comment établir une couche de représentation de connaissances standardisée et inter-organisationnelle pour améliorer la crédibilité de leurs informations dans l'écosystème de l'IA.

Signaux de recherche futurs## Signaux de recherche futurs

1. Recherche sur la stabilité des citations par IA : Surveiller les fluctuations et tendances à long terme de la précision des citations de différents modèles d'IA pour évaluer la maturité et la fiabilité des mécanismes de citation de l'IA.
2. Évolution de la forme des points d'entrée de recherche : Observer comment les résultats de recherche de l'IA évoluent d'une simple fiche de réponse vers des vues de graphes de connaissances plus complexes et multimodales.
3. Mécanismes de formation des entités de marque : Étudier comment les organisations conçoivent systématiquement leurs actifs de connaissances pour guider et consolider activement leur existence en tant qu'entités dans le système cognitif de l'IA.
4. Redéfinition dynamique de l'autorité de l'information : Explorer comment, à l'ère de l'IA, l'autorité de l'information passe de « qui a publié le contenu » à « si l'information est de manière fiable invoquée par le système d'IA ».

Perspective de recherche de Veerixa

Le changement fondamental de l'ère de la recherche par IA n'est pas la diminution de l'information, mais un changement fondamental dans les mécanismes de sélection et de consommation de l'information. L'information n'est plus un ensemble statique de documents, mais un flux cognitif dynamique piloté par des algorithmes d'IA. Veerixa estime que le nouveau fondement de la visibilité de l'information est la « capacité d'être reconnue, structurée et citée de manière stable par le système d'IA », plutôt que les techniques traditionnelles d'acquisition de trafic. Les organisations doivent faire de l'« atomité » et de la « cohérence de l'entité » de la connaissance des prérequis pour leur survie numérique.

Conclusion

La recherche par IA pousse l'infrastructure de l'information à passer de la « découverte par recherche » à la « construction cognitive ». Les recherches futures sur la visibilité de l'information se concentreront sur la manière de concevoir des structures d'information qui peuvent être ingérées, comprises et citées de manière fiable par les LLM. Cela exige que le centre de gravité de la recherche passe de « comment rendre l'information visible » à « comment rendre l'information compréhensible et utilisable ».