Social Rocket
Wikipédia se trouve face à un problème paradoxal de la recherche par IA : les contenus sont massivement utilisés par les systèmes d'IA, alors que la relation directe avec les personnes peut s'affaiblir. Zach McCune, Global Head of Brand Marketing de la Wikimedia Foundation, décrit cette tension à ADWEEK : Wikipédia est omniprésente dans les réponses de l'IA, mais la marque qui se cache derrière devient de plus en plus invisible pour les utilisateurs.
La Wikimedia Foundation avait déjà signalé 2025, après une révision de sa détection des bots, une baisse des pages vues humaines de Wikipédia d'environ 8 pour cent par rapport aux mêmes mois de l'année précédente. Parallèlement, l'accès automatisé progresse fortement. Pour Wikipédia, il ne s'agit pas seulement d'un sujet de trafic, mais d'un problème structurel : moins de visiteurs humains signifie potentiellement moins de personnes pour repérer des erreurs, compléter des articles ou devenir plus tard elles-mêmes éditrices.
La portée dans l'IA ne remplace pas automatiquement la relation avec la marque
Pour les éditeurs classiques, moins de trafic issu des recherches signifie surtout moins d'opportunités publicitaires et d'abonnements. Wikipédia se finance autrement, mais fait face à une question de distribution similaire. Lorsque les utilisateurs obtiennent une réponse directement dans un moteur de recherche ou un chatbot, la source d'origine reste facilement en arrière-plan.
McCune formule cela à ADWEEK comme un problème de marque : Wikipédia n'a pas à se battre pour apparaître dans les systèmes d'IA, car ses contenus y sont déjà présents. Le défi consiste plutôt à faire en sorte que les gens continuent de savoir d'où vient l'information et qui la maintient aujourd'hui.
C'est précisément pourquoi la campagne de la Wikimedia Foundation pour les 25 ans joue un rôle plus important qu'une simple communication d'anniversaire. L'organisation veut rendre visibles les personnes derrière Wikipédia et renforcer le lien entre utilisation, confiance et participation active.
Pour les marques et les éditeurs, il y a là un enseignement important : être visible dans les réponses génératives n'équivaut pas à avoir un impact de marque. Ce problème préoccupe désormais aussi les grands groupes médias. Google tente ainsi, entre autres, de rendre les éditeurs plus visibles dans AI Overviews et AI Mode grâce à Preferred Sources.
Wikimedia Enterprise fait de l'accès par l'IA un produit
Parallèlement au travail sur la marque, Wikimedia développe une réponse technique et commerciale à la demande liée à l'IA : Wikimedia Enterprise fournit des contenus Wikipédia et Wikidata via des API conçues pour des volumes d'appels élevés, des produits de recherche, des graphes de connaissances et des systèmes d'IA.
La Fondation cite notamment Amazon, Google et Meta comme partenaires existants. L'année dernière, selon le communiqué officiel de 25 Wikipédia, Microsoft, Mistral AI, Perplexity, Ecosia, Pleias et ProRata ont notamment rejoint le programme. Les partenaires reçoivent des données à une vitesse et dans une structure adaptées à leurs systèmes, tout en contribuant au financement de cette infrastructure à but non lucratif.
Ce modèle s'inscrit dans une tendance qui se dessine chez plusieurs éditeurs : plutôt que d'espérer que les systèmes d'IA maintiennent les schémas classiques de trafic de recommandation, un marché propre se crée pour un accès lisible par machine à des contenus fiables. Axios va dans une direction comparable avec Axios Direct et prévoit des flux destinés aux modèles d'IA internes et aux agents d'IA personnels.
Google expérimente également une rémunération des éditeurs fondée sur l'usage pour les contenus utilisés dans les réponses d'IA.
Les bots pèsent aussi sur l'infrastructure
Wikimedia souligne par ailleurs la charge technique liée aux accès automatisés. La Fondation indique que le trafic des bots a fortement augmenté et que les scrapers destinés à l'IA générative peuvent entraîner des coûts d'infrastructure considérables. Des services comme Firecrawl passent donc désormais du scraping classique aux API Enterprise officielles de Wikimedia.
Cela met en lumière une seconde évolution : pour les fournisseurs de contenus, ce ne sont plus seulement les questions de savoir si leurs contenus sont utilisés par les systèmes d'IA qui comptent, mais aussi comment l'accès se fait, si l'attribution est préservée et si l'usage technique est économiquement viable.
Cette frontière entre agents utiles et trafic de bots pesant est également pertinente pour la mesure marketing. Les accès automatisés peuvent fausser les analyses et le retargeting s'ils ne sont pas correctement identifiés, un problème que nous avons déjà abordé dans l'article sur les agents d'IA et le trafic de bots dans le marketing.
Ce que les marketeurs peuvent en retenir
Wikipédia montre particulièrement bien vers quoi pourrait évoluer la distribution numérique. Un contenu peut apparaître dans de plus en plus de systèmes tout en générant moins de visites directes. Pour les marques, les éditeurs et les créateurs, il devient donc plus important de savoir si leur source, leur marque et leur relation avec l'utilisateur restent visibles dans la réponse de l'IA.
La réponse ne peut pas se limiter au SEO. Les flux techniques, les données structurées, les modèles de licence, les partenariats directs avec les plateformes et une forte fidélisation à la marque gagnent tous en importance. Wikipédia dispose à cet égard d'un avantage : l'organisation n'a pas besoin de monétiser chaque page vue perdue. Pourtant, cet exemple montre bien que même une présence maximale dans l'IA ne crée pas automatiquement une relation directe et durable avec le public.
Sources : ADWEEK, interview sur Wikipédia et Brandweek, Wikimedia Foundation sur l'évolution des schémas de trafic, Wikimedia Foundation sur Wikipédia 25 et les partenariats Enterprise, Wikimedia Enterprise.