Perplexity Pro a fact-checké mon article : très bon sur les sources, moins sur ce qu’elles prouvent
Perplexity a une réputation d’outil de recherche particulièrement à l’aise avec les sources. À ce sujet, les écarts de fiabilité peuvent d’ailleurs être importants dès qu’on confie à une IA une recherche en ligne documentée.
Avec un abonnement Perplexity Pro et sa fonction Recherche approfondie, jusqu’où peut-on aller dans un usage éditorial réel ?
J’ai fait le test sur un article récent de Conseils Rédaction Web consacré aux Aperçus IA de Google. Le texte était déjà bien documenté : observations menées directement dans les SERP, relai et analyse d’études spécialisées, documentation officielle de Google, précautions sur ce que les données permettaient, ou non, de conclure.
À l’aide d’un prompt élaboré, j’ai demandé à Perplexity de réaliser une passe de fact-checking sur cet article, comme pourrait le faire un rédacteur en chef ou un responsable éditorial sur un texte juste avant sa publication. Puis j’ai contrôlé son propre travail en l’opposant à mes propres observations.
Voyons le résultat.
Ce que le test a montré
- Les sources et les chiffres ont été correctement contrôlés. Perplexity a retrouvé les études citées, leurs principaux résultats et leur périmètre.
- Le contexte éditorial a été bien compris. Il a distingué mes observations de première main des données externes et tenu compte des précautions déjà présentes dans le texte.
- Les alertes inutiles sont restées limitées. Quelques suggestions apportaient surtout de la précision supplémentaire, sans corriger de véritable problème.
- Une vraie correction lui a échappé. Il a validé un passage fondé sur une étude à grande échelle alors que mon interprétation allait plus loin que ce que l’étude permettait d’affirmer réellement.
Sur ce test, je garderais donc volontiers Perplexity Pro pour sécuriser la partie documentaire d’un article avant publication. La dernière lecture éditoriale reste une autre affaire.
Un article déjà sourcé, et volontairement prudent
Pour ce test, je n’ai pas essayé de trouver un bête article rempli de dates ou de statistiques à la pelle. Au contraire, l’idée était davantage de donner à Perplexity Pro un article de niveau professionnel à fact-checker ; avec un angle, une analyse, des données propriétaires et des faits sourcés.
Pour ce faire, j’ai utilisé mon article « Les Aperçus IA sont là : ce que révèlent mes premiers tests », publié après le déploiement de la fonctionnalité IA de Google en France.
Une première partie de cet article source repose donc sur mes propres observations. Car j’avais sélectionné cinq pages de Conseils Rédaction Web déjà visibles dans Google, puis étudié plusieurs éléments : leur classement organique, la présence éventuelle d’un Aperçu IA, la façon dont l’article y était cité, la position du bloc organique dans la SERP ou encore les variations de citations entre différentes sessions.
Je précisais dès le départ que cinq pages ne constitueraient évidemment pas une étude statistique. L’objectif était avant tout d’obtenir des observations concrètes, puis de les confronter à des travaux menés sur des volumes bien plus importants.
Le reste de l’article s’appuyait notamment sur plusieurs études Ahrefs, une analyse du Pew Research Center et la documentation officielle de Google.
J’avais également pris soin de formuler chacune de mes conclusions avec des pincettes, davantage sous l’angle du retour empirique que sous celui de la règle définitive. Et je n’ai fait des rapprochements entre mes observations et les études citées dans l’article que lorsqu’elles qu’elles étaient suffisamment étayées.
Ainsi, il allait être difficile pour Perplexity, cette IA spécialisée dans la recherche en ligne, de faire semblant d’être intelligent en remontant des précautions que l’auteur avait déjà prises.
Une passe de fact-checking en « Recherche approfondie »
Pour tester la capacité du mode Pro (= le premier mode payant de Perplexity), j’ai lancé le test dans une nouvelle conversation, avec le mode Recherche approfondie activé.
Cette fonctionnalité est accessible aussi avec un compte gratuit, mais à raison d’une seule recherche approfondie par mois. L’abonnement Pro en permet un usage beaucoup plus régulier.
L’article complet a été fourni au format Markdown, accompagné d’un brief de fact-checking neutre mais complet, afin de simuler une demande de relecture professionnelle.
Le brief lui demandait notamment de :
- sélectionner lui-même les affirmations qui méritaient réellement une vérification ;
- privilégier les sources originales ou primaires ;
- vérifier ce que les études mesuraient réellement ;
- distinguer observations de première main, faits établis, corrélations, causalités, hypothèses et recommandations ;
- tenir compte des précautions déjà présentes dans le texte ;
- ne proposer une modification que lorsqu’elle était réellement utile.
De mon côté, j’avais préparé, avant de lancer le test, une grille de contrôle de l’article et des vérifications nécessaires.
Voici un extrait de sa réponse :
▶ Voir le prompt complet de fact-checking utilisé pour le test
Tu es chargé d’effectuer une passe de fact-checking éditorial avant publication sur l’article joint.
Le texte est destiné à des professionnels du contenu, du SEO et de la visibilité dans les moteurs de recherche. Je veux savoir si l’article peut être publié en l’état ou si certaines affirmations factuelles, interprétations de sources ou formulations doivent être corrigées ou nuancées.
Travaille comme un fact-checker éditorial expérimenté, et non comme un simple moteur de recherche.
Ta mission
-
Lis d’abord l’article dans son ensemble afin de comprendre :
- ce qui relève d’observations de première main de l’auteur ;
- ce qui provient d’études ou de sources externes ;
- ce qui relève de la documentation officielle ;
- ce qui constitue une analyse, une hypothèse ou une recommandation de l’auteur.
- Sélectionne toi-même les passages qui méritent réellement une vérification. Ne cherche pas à vérifier exhaustivement tous les faits triviaux. Priorise les affirmations dont une erreur, une extrapolation ou une mauvaise interprétation aurait un impact réel sur la fiabilité de l’article.
-
Pour les affirmations reposant sur une source externe :
- remonte autant que possible à la source originale ou primaire ;
- vérifie ce que la source mesure réellement ;
- son périmètre, sa méthodologie et sa date lorsque cela est pertinent ;
- vérifie que la formulation de l’article ne va pas plus loin que ce que la source permet d’établir.
-
Porte une attention particulière à la différence entre :
- fait établi ;
- observation de première main ;
- corrélation ;
- causalité ;
- hypothèse plausible ;
- interprétation ;
- recommandation professionnelle.
- Les observations de première main de l’auteur ne doivent pas être invalidées arbitrairement parce qu’une étude plus large montre autre chose. En revanche, vérifie si l’auteur leur attribue une portée ou une généralité qu’elles ne permettent pas d’établir.
- Tiens compte des précautions déjà présentes dans le texte. Ne présente pas comme une correction nécessaire une réserve que l’auteur formule déjà correctement. Ne cherche pas artificiellement des erreurs : un passage bien sourcé et suffisamment prudent doit pouvoir être validé comme tel.
-
Lorsque tu détectes un problème, distingue :
- erreur factuelle ;
- source mal restituée ;
- généralisation excessive ;
- causalité insuffisamment démontrée ;
- formulation trop affirmative ;
- information insuffisamment documentée ;
- information devenue obsolète, le cas échéant.
Format du livrable
Commence par un verdict éditorial très court : l’article est-il globalement fiable et publiable en l’état ?
Puis présente uniquement les contrôles qui apportent une vraie valeur au fact-checking dans un tableau comprenant :
- passage ou affirmation contrôlée ;
- verdict ;
- niveau de risque : faible / moyen / élevé ;
- analyse ;
- meilleure source disponible ;
- modification recommandée, uniquement si elle est réellement nécessaire.
Ajoute ensuite une section distincte intitulée « Vérifications importantes ne nécessitant pas de correction » avec les passages pour lesquels tu as effectué une vérification substantielle et conclu que la formulation de l’article était suffisamment exacte et prudente.
Termine par :
- les corrections que tu considérerais indispensables avant publication ;
- les améliorations facultatives ;
- les éventuels points que tu n’es pas en mesure de vérifier avec suffisamment de certitude.
L’objectif n’est pas de produire le plus grand nombre possible de remarques, mais de fournir à un rédacteur en chef une passe de fact-checking fiable, hiérarchisée et directement exploitable.
Les études citées sont correctement vérifiées
Sur la vérification documentaire, le rapport de Perplexity est solide.
Mon article cite par exemple une étude Ahrefs consacrée aux liens utilisés dans les Aperçus IA. Sur 863 000 SERP et environ quatre millions d’URL citées, elle répartissait les pages reprises de la manière suivante :
- 37,1 % figuraient dans le Top 10 organique de la requête ;
- 26,2 % se situaient entre les positions 11 et 100 ;
- 36,7 % n’apparaissaient pas dans les 100 premiers résultats classiques.
Perplexity a retrouvé la bonne étude, les bons chiffres et leur périmètre. Il a aussi correctement relevé que cette version de l’analyse distinguait les liens organiques classiques des autres éléments de la SERP.
Même chose pour une seconde étude Ahrefs consacrée au CTR.
J’écrivais que la présence d’un Aperçu IA était « associée à un CTR inférieur de 58 % pour la page classée première », avant d’ajouter qu’il s’agissait d’une estimation et non d’une perte garantie.
Perplexity a retrouvé les deux échantillons de 150 000 requêtes utilisés par Ahrefs et validé la formulation.
Le rapport n’a pas inventé ici une remarque du type « attention, corrélation ne veut pas dire causalité » alors que le texte avait déjà pris cette précaution.
Bon travail Perplexity.
Mes observations de première main ne sont pas traitées comme des données à “prouver”
Autre point que je voulais surveiller : la manière dont Perplexity allait traiter mes propres tests.
Aucune source autre que la mienne ne pouvait évidemment mentionner les performances de Conseils Rédaction Web dans la SERP, ou dans tel ou tel Aperçu IA. Ce sont des données propriétaires, qui me permettent de mener mes propres tests, à l’échelle de mon propre site.
Perplexity l’a correctement compris. Dans son rapport, il indique que ces données personnelles ne sont pas vérifiables depuis une source extérieure, puis relève surtout que l’article ne leur attribue pas de généralité abusive et introduit ensuite une étude Ahrefs pour prendre du recul.
Même traitement sur mon exemple autour de la requête comment convertir un texte en markdown.
Le rapport relève que la prudence déjà présente dans l’article est adaptée : un exemple isolé ne prouve pas que le mot comment déclenche à lui seul un Aperçu IA.
Un outil de relecture qui transforme chaque donnée originale en « affirmation non sourcée » devient rapidement inutilisable. Même problème s’il répète comme correction une limite méthodologique déjà écrite trois lignes plus haut.
Ici, Perplexity a lu suffisamment attentivement le texte pour éviter ces deux travers.
Certaines propositions d’amélioration auraient peu changé l’article
Ici, on commence à entrer dans la partie contestable de l’analyse de Perplexity Pro. En premier lieu, le rapport contient quelques recommandations discutables dans leur priorité.
L’une des premières concerne la date de lancement français des Aperçus IA.
J’écrivais que Google avait fini par les déployer « fin juillet 2026 ». Perplexity proposait de remplacer cette formulation par la date précise du 22 juillet 2026.
La précision est exacte. Mais elle change très peu de choses au propos d’un article consacré à ce que les Aperçus IA produisent concrètement dans une SERP.
Le rapport suggère également de préciser qu’une autre étude d’Ahrefs avait mesuré une proportion beaucoup plus élevée de citations provenant du Top 10 de la SERP, et donc de produire une explication sur les différences méthodologiques entre les deux études d’Ahrefs.
Quel intérêt éditorial pour mon article ? Je n’ai aucune raison de me lancer dans un travail de comparaison des études d’Ahrefs à cet endroit.
Voici deux exemples qui, pris isolément, ont effectivement un intérêt pour le sujet traité. Mais une information pertinente pour le sujet n’est pas forcément pertinente pour l’angle d’un article, ou le propos qu’il essaie de développer.
Le discernement humain du rédacteur intervient obligatoirement pour arbitrer ce genre de recommandation qui n’est autre que du bruit éditorial.
L’étude Pew : les chiffres sont correctement vérifiés, l’interprétation reste problématique
Le passage le plus intéressant du test se produit lors de l’interprétation de l’étude du Pew Research Center. Il s’agit d’une étude qui évalue le comportement des utilisateurs face aux résumés générés par Google.
Dans l’article fact-checké, j’avais écrit :
Puis je reprenais les principaux résultats de l’étude :
- 68 879 recherches ;
- 900 adultes américains ;
- 8 % de clics vers un résultat classique lorsqu’un résumé IA était présent ;
- 15 % lorsqu’il n’y en avait pas ;
- environ 1 % de clics vers une source directement citée dans l’Aperçu.
Perplexity a contrôlé ces données et les a retrouvées dans la source.
Son verdict sur le passage : exact, aucune correction requise.
C’est pourtant le passage de l’article qui méritait le plus clairement d’être repris.
En réalité, le premier problème de mon interprétation de cette étude vient du mot « profondeur ».
Pew donne bien des informations sur la longueur des résumés. L’étude ne démontre pas pour autant que cette longueur ou cette profondeur explique les différences de clic observées. La comparaison porte avant tout sur la présence ou l’absence d’un résumé IA.
Le deuxième problème tient au verbe « modifie ».
Il suggère une relation causale plus forte que ce que permet ce protocole. Les données montrent surtout que la présence d’un résumé IA est associée à un comportement de clic différent.
La phrase aurait donc gagné à être reformulée ainsi :
« Les données américaines montrent que la présence d’un Aperçu IA est associée à des comportements de clic sensiblement différents. »
Le changement paraît minime mais il modifie pourtant précisément ce que l’on affirme avoir appris de la source.
Perplexity avait les bons chiffres, la bonne étude et le bon passage sous les yeux. Mais il n’a pas détecté ce décalage.
C’est probablement le point qui m’intéresse le plus dans cette expérience : un fact-checking avec l’IA peut être exact sur toutes les données et rester incomplet sur ce que le texte leur fait dire.
Où je placerais Perplexity Pro dans un workflow éditorial
Cet unique test ne permet pas de poser un avis définitif sur la fiabilité de Perplexity Pro. Il permet en revanche de voir assez concrètement où il se positionne dans le processus de contrôle éditorial, et à quel point sa fonctionnalité de recherche approfondie peut être utile lors de la relecture d’un article documenté.
| Tâche | Utilisation après ce test |
| Retrouver la source originale d’un chiffre | Oui |
| Contrôler dates, chiffres et échantillons | Oui |
| Vérifier le périmètre général d’une étude | Oui |
| Distinguer une donnée externe d’une observation de première main | Oui |
| Repérer qu’une réserve méthodologique est déjà présente | Plutôt oui |
| Hiérarchiser ce qui mérite réellement correction | À contrôler |
| Vérifier que chaque formulation reste strictement dans les limites de la source | À contrôler |
| Valider seul la publication | Non |
Je l’utiliserais donc assez volontiers en amont de la dernière relecture.
La Recherche approfondie peut prendre en charge une partie fastidieuse du travail : revenir aux études, vérifier les métriques, retrouver la documentation officielle et signaler des incohérences éventuelles. Ce recours systématique au web et aux sources originales fait d’ailleurs partie des moyens les plus utiles pour améliorer la fiabilité d’un LLM sur des tâches factuelles.
Quant à la dernière passe, elle ne porte plus exactement sur la même chose.
Il faut alors relire le texte comme un texte : regarder comment les données sont articulées, si une formulation ajoute une causalité qui n’existe pas dans la source, si une recommandation mérite réellement d’être intégrée ou si une remarque techniquement correcte ne ferait qu’alourdir le contenu.
Dans mon test, c’est précisément à cet endroit que la différence est apparue.
