Aller au contenu
Heure mondialeEU--:--UK--:--USA--:--CN--:--PLDEFRIT中文EN

portail sur l'IA et la technologieactualités · analyses · entretiens · fond technique

Rechercher
EN DIRECT
›

Google paie environ 100 éditeurs pour du contenu IA, avec des écarts de rémunération énormes

Google rémunère une centaine d'éditeurs numériques pour le contenu utilisé dans AI Overviews, AI Mode et Gemini. Selon un rapport de The Information publié le 29 septembre et détaillé par The Decoder le 30 septembre, plusieurs petits et moyens sites affirment que ces paiements représentent moins de 0,1 % de leurs revenus publicitaires.

Médias & internetExpliquéSophie LeclercPublié le: 30 septembre 20266 min de lectureSources 13
Google paie environ 100 éditeurs pour du contenu IA, avec des écarts de rémunération énormes

Le programme pilote a moins d'un an. Via Google Search Console, les éditeurs peuvent consulter la fréquence d'utilisation de leur contenu par Google ainsi que leurs gains, rapporte The Decoder le 30 septembre, citant The Information. Mais plusieurs participants ont expliqué à The Information qu'ils ignorent comment ce montant est calculé.

Les écarts sont considérables. Plusieurs blogs et sites de petite ou moyenne taille ont touché moins de 0,1 % de leurs revenus publicitaires. Certains petits sites ont reçu moins de 1 000 dollars sur plusieurs mois. À l'autre extrémité, un éditeur a perçu 50 000 à 60 000 dollars en quelques mois, tandis qu'un autre en gagne plus de 1 million par an. Les sujets de niche avec une forte communauté, comme l'anime et le jeu vidéo, semblent rapporter davantage, selon le même rapport. Les paiements dépendent de la contribution de chaque source à une réponse IA. Les participants ont aussi indiqué à The Information que les montants peuvent varier d'un mois à l'autre sans explication.

Tout le monde ne signe pas.

La pression juridique autour du programme

Certains grands éditeurs refusent de participer pour pousser Google à augmenter ses paiements, rapporte The Decoder. Leur trafic de recherche baisse déjà, et plusieurs études montrent que les AI Overviews réduisent fortement les visites vers le web ouvert. Le volet réglementaire est déjà engagé. Des éditeurs indépendants ont déposé une plainte auprès de la Commission européenne au sujet des AI Overviews en juillet 2025. Penske Media, maison mère de Rolling Stone, a attaqué Google en justice ce mois de septembre pour perte de trafic et de revenus publicitaires. En décembre 2025, la Commission a ouvert une enquête antitrust pour déterminer si Google impose des conditions déloyales en utilisant le contenu des éditeurs pour ses fonctions d'IA, sans paiement adéquat ni véritable possibilité de refus.

Un tribunal allemand a jugé que les AI Overviews constituent le contenu propre de Google, et non des résumés de documents existants, selon The Decoder. Si cette interprétation se répand, les éditeurs auront une base juridique pour réclamer des droits de licence chaque fois que leur travail apparaît dans une réponse IA. Suivre la contribution exacte de chaque source sera difficile, la gestion des paiements ajoutera des frais de fonctionnement, et ces redevances pourraient rogner les marges de Google.

Pour l'instant, Google fixe les règles via des accords de licence sélectifs, une option de refus et un modèle de paiement qui lui permet de décider de la valeur du contenu. Matthias Bastian, de The Decoder, décrit une approche de division pour mieux régner, qui crée un dilemme du prisonnier : quelques éditeurs y gagnent, la plupart obtiennent peu ou rien, et ceux qui partent exercent peu de pression sur Google puisque d'autres sources comblent le vide. Le contexte n'est pas nouveau. Les renvois de recherche se retournent contre les éditeurs depuis des années : les articles rassemblés dans le dossier indiquent une baisse de 40 % sur un an du trafic Google Search pour les éditeurs au 24 septembre 2026, et des articles antérieurs faisaient état de chutes d'environ 60 % pour de petits sites. Rien de tout cela ne fait partie du pilote de septembre, mais c'est la toile de fond sur laquelle on demande aux éditeurs d'accepter les nouveaux tarifs.

Ce que dit la conversation technique plus large

L'histoire des rapports entre l'IA et les éditeurs ne se limite pas à l'argent. Le 30 septembre, Martinelli a publié un texte soutenant que les agents de codage IA ramènent les ingénieurs logiciels vers le rôle de généraliste des années 1990, où une seule personne gérait les besoins, l'architecture, le code et la production. Le raisonnement compte pour les médias, car la même évolution se produit dans les rédactions et les équipes plateformes : moins de transmissions, plus d'automatisation, et une spécification qui devient l'artefact le plus important du projet. Un deuxième billet publié le même jour, par Gerben Rijpkema, avance un point proche depuis l'ingénierie de contrôle : les systèmes d'IA qui réussissent sont construits autour d'un problème précis, tandis que les outils génériques prêts à l'emploi échouent souvent. « Dans les projets qui ont réussi, j'ai fini par concevoir des architectures spécifiques à chaque cas d'usage, alors que ceux qui ont échoué reposaient sur des outils d'IA prêts à l'emploi qui promettaient de résoudre tous mes défis d'ingénierie IA avec une solution unique », écrit-il le 30 septembre. C'est aussi une bonne description du problème de licence. Le programme de Google est un seul pipeline qui sert des éditeurs très divers, des blogs d'anime aux grandes rédactions, et les versements reflètent un calcul que personne à l'extérieur de l'entreprise ne peut examiner.

D'autres sorties du 30 septembre montrent à quelle vitesse bouge l'outillage autour de ce sujet.

Modal a publié des benchmarks pour Quail, une couche d'inférence sensible aux requêtes qui atteindrait, selon l'entreprise, plus d'un milliard de tokens traités par minute et par GPU H100 sur une requête multi-jointure. C'est plus de 10 fois sa référence vLLM sur le même matériel, et moins de 6 cents par milliard de tokens sur Modal. Sur son benchmark AI-SQL, Modal annonce Quail 1,84 fois plus rapide que vLLM en moyenne géométrique. Elastic, de son côté, a testé le modèle Jev de TypeSafe AI comme reranker de recherche sur 250 Amazon Shopping Queries et 4 754 paires requête/produit jugées. Le nDCG@10 passe de 0,9351 à 0,9565 et l'Exact MRR de 0,9201 à 0,9616. Jev est facturé 0,042 dollar par million de tokens d'entrée, les tokens de sortie étant gratuits. Une inférence moins chère côté plateforme ne répond pas à la question des éditeurs. Elle rend même la réutilisation de contenu à grande échelle plus abordable pour les entreprises qui la pratiquent.

Signaux plus discrets, même semaine

Le 30 septembre, le groupe de recherche VUSEC de la VU Amsterdam a publié Branch Target Reuse, une attaque Spectre-v2 contre les compilateurs à la volée. L'équipe a construit deux exploits de bout en bout contre le noyau Linux et exfiltré 8 octets par seconde. C'est assez, avec du pointer chasing, pour extraire le hachage du mot de passe root d'un processus « su » en cours d'exécution. La note précise que l'option bpf_jit_harden du noyau Linux, qui masque les valeurs immédiates, est désactivée par défaut.

Le projet OpenZL de Facebook a livré la v0.3.0 le 29 septembre avec un nouveau moteur LZ et un Compression Transformer neuronal. Sur 868 familles de flux numériques, 34 737 fichiers et 17,9 Go, le Transformer compresse en moyenne 35 % mieux que zstd -19 et reste à 1,1 % des graphes OpenZL entraînés, selon les notes de version. Flow Engineering, une start-up de San Francisco âgée de trois ans qui vend des outils d'IA pour la conception matérielle, a annoncé mercredi une série B de 50 millions de dollars sur une valorisation de 750 millions de dollars, rapporte TechCrunch le 30 septembre. Le tour a été co-mené par Antonio Gracias, de Valor Equity Partners, et Gavin Baker, d'Atreides Management, avec la participation de Sequoia Capital et de l'ancien associé de Sequoia Roelof Botha. Anduril, Rivian, Joby Aviation, General Motors PPU, RV Tech et Stoke Space sont cités comme clients.

OpenAI et Synopsys ont par ailleurs signé un partenariat pluriannuel pour construire GPT-Synopsys, un modèle de conception de puces qui combine la technologie d'OpenAI et les outils d'automatisation de la conception électronique de Synopsys, rapporte The Decoder le 30 septembre. Les données clients ne serviront pas à l'entraînement et seront stockées chiffrées, ont déclaré les deux entreprises, et des tests préliminaires avec des clients du secteur des semi-conducteurs sont déjà en cours.

Pour les éditeurs, rien de tout cela ne change l'asymétrie de fond. Google décide du prix, des conditions et du refus, et le marché du contenu qu'il utilise n'est un marché au sens habituel. Le travail de The Information, relayé par The Decoder, offre l'image publique la plus claire à ce jour de ce que cet arrangement rapporte, et cette image n'est pas flatteuse.

Commentaires 0

Sources

13
  1. 01Google is paying almost no publishers almost nothing for content used in AI answersEN
  2. 02Valor, Atreides, and Sequoia back AI startup Flow Engineering at $750M valuationEN
  3. 03OpenAI and Synopsys team up to build an AI model that designs chips like a seasoned engineerEN
  4. 04Back to the 90s: The Software Engineer Has All the Roles AgainEN
  5. 05What control engineering taught me about building AI systemsEN
  6. 06Hitting 1B tokens/minute on 1 GPU combining a query planner and inference engineEN
  7. 07Using Jev as a Search RerankerEN
  8. 08Branch Target Reuse: Spectre-v2 Attacks in JIT EnginesEN
  9. 09OpenZL v0.3.0: a major upgrade of native LZ engine and Compression TransformerEN
  10. 10Software Engineering After CodeEN
  11. 11AI: LLMs, Agents, Work, and Us – Engineers. Personal ThoughtsEN
  12. 12Marketing That Makes Sense to EngineersEN
  13. 13The Rise of the Data Engineer (2017)EN

Tous les chiffres et citations de ce texte proviennent des sources citées ci-dessous.

Les contenus ont été préparés par l'équipe de rédaction, assistée par l'IA.

Sophie Leclerc

Sophie Leclerc

IA, modèles et technologies

Sophie Leclerc couvre les technologies, l'IA et les modèles ainsi que les médias et l'internet pour FLASH24, en travaillant à partir des dépôts de code, des articles scientifiques et des documents techniques plutôt que des annonces. Elle vérifie chaque chiffre en remontant aux jeux de données d'origine et en comparant les versions successives des modèles. Elle interroge régulièrement des ingénieurs et des chercheurs, et suit les calendriers de publication des principales conférences du secteur. Son intérêt personnel pour l'auto-hébergement et les réseaux domestiques nourrit directement sa couverture des infrastructures et des modèles ouverts. Elle ne publie pas de performance annoncée sans méthode de mesure vérifiable.

Rédaction →

Commentaires

0
  1. Aucun commentaire — soyez le premier.

Écrire un commentaire

Les commentaires sont publics. Nous ne publions ni insultes, ni spam, ni publicité.