Google paie environ 100 éditeurs pour du contenu IA, mais la plupart touchent très peu

Le 30 septembre, The Decoder a indiqué que Google paie environ 100 éditeurs numériques pour le contenu intégré à AI Overviews, AI Mode et au chatbot Gemini. Certains de ces acteurs ignorent la méthode de calcul de leurs rémunérations. Lancé il y a moins d'un an, ce programme pilote permet aux éditeurs de suivre l'utilisation de leur contenu et leurs gains via Google Search Console, précise The Information.

L'écart de gains est considérable.

Pour plusieurs blogs et sites de petite ou moyenne taille, les versements représentent moins de 0,1 % des revenus publicitaires, rapporte The Information. Un éditeur a perçu entre 50 000 et 60 000 dollars sur quelques mois, tandis qu'un autre en gagne plus de 1 000 000 par an. De petits sites n'ont reçu que moins de 1 000 dollars sur plusieurs mois. Les contenus de niche disposant d'une forte communauté, comme l'anime ou le jeu vidéo, semblent générer des revenus plus élevés.

Les éditeurs ne voient pas la formule

Les paiements devraient dépendre de la contribution de chaque source à une réponse IA. Or, certains participants ont confié à The Information ne pas comprendre comment Google les calcule. Les montants peuvent varier d'un mois à l'autre sans explication. Cette opacité est cruciale, car ces sommes font déjà l'objet d'un dossier antitrust. En juillet 2025, des éditeurs indépendants ont déposé une plainte auprès de la Commission européenne concernant AI Overviews. En septembre 2025, Penske Media, maison mère de Rolling Stone, a poursuivi Google pour perte de trafic et de revenus publicitaires. En décembre 2025, la Commission européenne a ouvert une enquête antitrust pour déterminer si Google impose des conditions déloyales en utilisant le contenu des éditeurs pour ses fonctions IA, sans paiement adéquat ni véritable option de retrait.

Certains grands éditeurs refusent de rejoindre le programme afin de pousser Google à augmenter ses tarifs, selon The Information. Leur trafic baisse déjà, et plusieurs études montrent qu'AI Overviews réduisent fortement les visites vers le web ouvert. Ce refus est un pari : la pression collective serait plus efficace qu'un accord individuel. Jusqu'ici, rien n'indique que cette stratégie ait fait bouger les tarifs de Google.

Un tribunal allemand a également jugé qu'AI Overviews constituent le contenu propre de Google, et non des résumés de documents existants. Si cette interprétation s'impose, les éditeurs disposeront d'une base juridique pour exiger des redevances chaque fois que Google utilise leur travail dans une réponse IA. The Decoder souligne qu'il serait difficile, voire impossible, de mesurer la contribution exacte de chaque source. Gérer ces paiements ajouterait par ailleurs des frais de gestion supplémentaires aux redevances elles-mêmes.

Le trafic est le chiffre le plus important

Les totaux des paiements ne sont qu'une partie du bilan. L'autre, c'est le trafic qui ne parvient plus. Les titres récents suivis par notre rédaction pointent dans une seule direction : une plainte antitrust affirme que Google cannibalise le trafic des éditeurs, les petits acteurs sont les plus touchés par le recul des recherches, et une analyse de septembre chiffre la baisse annuelle à 40 %. Ces chiffres ne figurent pas dans les documents principaux de ce dossier et doivent être considérés comme du contexte, non comme des mesures confirmées.

Le dossier confirme en revanche le mécanisme. AI Overviews répondent aux questions directement sur la page de résultats, ce qui empêche le clic vers l'éditeur. Google rémunère ensuite une partie des éditeurs pour le contenu ayant alimenté la réponse. Il fixe les tarifs, rédige les conditions et contrôle le droit de retrait. The Decoder décrit cet arrangement comme une stratégie de « diviser pour régner » créant un dilemme du prisonnier : quelques-uns profitent, la plupart touchent peu ou rien, et les éditeurs qui se retirent exercent peu de pression, car d'autres sources comblent le vide.

Les accords individuels incitent aussi les éditeurs à négocier séparément plutôt que collectivement.

L'argument structurel est simple : si Google licenciait tout à un tarif équitable, ses marges en souffriraient. Il licence donc de manière sélective, en choisissant quel contenu vaut quoi. Ce n'est pas une stratégie nouvelle. The Decoder note qu'elle sert l'entreprise depuis des décennies, à mesure qu'elle intégrait plus de contenu du web dans la recherche. AI Overviews poussent cette tendance bien plus loin, et bien plus vite.

L'argent va vers la couche des outils

Tandis que les éditeurs se disputent des fractions de pour cent, les capitaux affluent vers l'infrastructure qui construit et fait tourner les systèmes d'IA. Mercredi, TechCrunch a rapporté que Flow Engineering, une startup de San Francisco âgée de trois ans vendant des outils d'IA pour la conception matérielle, a levé 50 000 000 de dollars en série B, avec une valorisation de 750 000 000 de dollars. Le tour a été co-dirigé par Antonio Gracias (Valar Equity Partners) et Gavin Baker (Atreides Management). Sequoia Capital y a participé, aux côtés de l'ancien associé Roelof Botha, qui a investi à titre personnel et rejoint le conseil. Flow cite Anduril, Rivian, Joby Aviation, General Motors PPU, RV Tech et Stoke Space parmi ses clients.

Le même jour, The Decoder a annoncé qu'OpenAI et Synopsys ont signé un partenariat stratégique pluriannuel pour développer un modèle spécialisé de conception de puces nommé GPT-Synopsys. Synopsys fabrique des outils d'automatisation de la conception électronique, utilisés par les ingénieurs pour concevoir des puces. OpenAI licence ces outils pour permettre au modèle de raisonner sur la conception et la vérification des puces, et de les piloter directement. Les ingénieurs délèguent les objectifs et relisent les résultats. Le modèle fonctionnera sur l'infrastructure d'OpenAI. Les deux entreprises ont affirmé que les données clients ne serviront pas à l'entraînement et seront stockées chiffrées. Des tests préliminaires avec des clients du secteur des semi-conducteurs sont déjà en cours. Les deux sociétés commercialiseront le produit ensemble et partageront les revenus. Sassine Ghazi, PDG de Synopsys, a déclaré que l'IA pourrait accélérer nettement le processus de conception. Greg Brockman, cofondateur d'OpenAI, a présenté le partenariat comme une voie vers de meilleures puces et une meilleure IA.

Le schéma se répète plus bas dans la pile. Quail, un moteur d'inférence développé par Modal avec le Full Stack Data Lab de l'université Carnegie Mellon, a atteint plus d'un milliard de tokens traités par minute et par GPU H100 sur une requête AI-SQL multi-jointure. C'est plus de 10 fois plus rapide qu'une référence vLLM sur le même matériel, et moins de 6 cents par milliard de tokens sur Modal. Sur un nouveau benchmark pour les requêtes AI-SQL, il a tourné 1,84 fois plus vite que vLLM, en moyenne géométrique. Par ailleurs, un projet open source appelé Magnitude, publié sur GitHub le 30 septembre, revendique une inférence jusqu'à 2 fois plus rapide que llama.cpp. Il compile et ajuste les kernels sur le matériel de l'utilisateur, offrant un décodage 92 % plus rapide sur Metal et 19 % sur CUDA.

Rien de tout cela ne paie les factures d'un éditeur. Cela explique en revanche où la valeur est captée.

Les chercheurs en sécurité trouvent toujours la même ouverture

Un dernier fil mérite attention. Le 30 septembre, des chercheurs de VUSEC ont publié Branch Target Reuse, une nouvelle attaque Spectre-v2 contre les compilateurs juste-à-temps. Le principe est que les processeurs modernes restaurent la cohérence architecturale du code après une automodification, mais n'invalident pas forcément les entrées obsolètes de prédiction de branchement indirect. Dans les moteurs JIT, ces cibles obsolètes peuvent survivre au code d'origine et être réutilisées lorsque le cache de code se repeuple, créant une primitive d'exécution spéculative après libération. L'équipe a analysé Linux cBPF, Oracle GraalVM et SpiderMonkey (le moteur JIT de Firefox). Elle a construit deux exploits de bout en bout contre le noyau Linux, fuyant 8 octets par seconde et parcourant la liste des tâches du noyau pour extraire un hachage de mot de passe root. Ils ont également contourné l'option de masquage constant bpf_jit_harden.

C'est un problème distinct de celui du programme pour éditeurs de Google, mais il survient la même semaine et sur la même infrastructure : les navigateurs, les runtimes et les noyaux dont les fonctions IA dépendent de plus en plus. Le dossier inclut aussi un rapport de machine.news, daté du 30 septembre, concernant un développeur se présentant comme ingénieur Apple. Il a créé un projet GitHub public manipulant les activations internes des modèles Qwen3 à poids ouverts d'Alibaba pour induire des états de type douleur. Il a supprimé un post promotionnel après les critiques. L'article précise que le travail s'appuie sur un papier intitulé The Pain Axis: LLMs Represent Self-Directed Harm and Act to Relieve It, dont les auteurs ne prétendent pas que les modèles ressentent consciemment la douleur.

Pour les éditeurs, la question pratique reste étroite. Environ 100 sont dans le programme de Google. Les autres voient leur trafic de recherche baisser, en attendant qu'un tribunal ou un régulateur décide de la valeur de leur contenu.