Le 17 septembre 2026, un mémoire jusque-là scellé a été rendu public dans le litige qui oppose le New York Times à Microsoft et OpenAI. Il contient des documents internes des 2 entreprises, cités par les plaignants à l’appui de leur demande.
Ces pièces ne sont pas des conclusions de justice. Ce sont des éléments présentés par une partie, et le tribunal ne s’est pas prononcé. Elles n’en sont pas moins remarquables, parce qu’elles montrent des plateformes en train d’analyser leur propre dépendance.
Ce que les chiffres mesurent, et ce qu’ils ne mesurent pas
Le chiffre le plus repris se lit de travers presque partout, et lu de travers il dit le contraire de ce qu’il dit.
Microsoft a comparé, domaine par domaine, les clics obtenus depuis sa recherche classique et ceux obtenus depuis son assistant conversationnel. Pour les sites du New York Times, la baisse se situe entre 87 et 93 %. Pour ceux du Daily News, entre 83 et 91 %.
Ce sont des baisses, et non des taux. Elles portent sur un canal, mesurées entre 2 produits du même fournisseur. Écrire que le New York Times a perdu 87 % de son audience serait faux : la comparaison porte sur le rendement d’une surface, pas sur le total d’un éditeur.
Retenons la règle, parce qu’elle vaut pour tout tableau de bord. Un écart entre 2 canaux ne devient une perte qu’une fois rapporté au volume que chacun représente. Sans ce rapport, un pourcentage spectaculaire ne mesure rien d’exploitable.
La phrase où une plateforme décrit sa propre dépendance
Voici la pièce la plus intéressante, et elle n’est pas un chiffre.
Dans une présentation interne de janvier 2024, le directeur de la science appliquée de Microsoft, Brent Hecht, décrit une spirale qui abîmerait, selon ses mots, la performance de nos modèles et le web entier en même temps. Le même responsable écrit ailleurs que des millions de personnes considéreront bientôt l’aspiration de leur travail par de grands modèles comme un vol stupéfiant, d’une ampleur sans précédent.
Le responsable de ChatGPT chez OpenAI, Nick Turley, écrit pour sa part que leurs produits sont largement substitutifs, point, et qu’ils le deviendront davantage à mesure que la technologie progressera.
Ces énoncés appartiennent à leurs auteurs et ont été produits en interne. Ce qu’ils apportent ne vaut pas preuve juridique. Ils décrivent le mécanisme, et ceux qui le décrivent sont ceux qui l’exploitent : une réponse qui satisfait sur place capte la valeur d’usage de l’information et la crédibilité de sa source, pendant que le coût de production reste chez celui qui l’a engagé.
Le désaccord, et ce que l’État américain y a fait
La partie adverse conteste, et il faut le rapporter avec la même exactitude.
Microsoft et OpenAI soutiennent que l’entraînement de grands modèles est hautement transformatif et relève de l’usage loyal, et distinguent l’accès aux faits de la reproduction d’une expression protégée.
Un élément que les reprises françaises omettent : le 1er septembre 2026, le ministère américain de la Justice a déposé devant la juridiction de Manhattan un mémoire en soutien de cette défense, estimant que l’entraînement sur des textes protégés relève généralement de l’usage loyal et avertissant qu’en restreindre la pratique nuirait au progrès scientifique, à la compétitivité économique et à la sécurité nationale.
Les plaignants ont demandé un jugement sans procès. Une décision n’est pas attendue avant 2027. Notre doctrine d’attribution stricte impose donc de ne traiter aucune de ces pièces comme un constat : ce sont des positions de parties dans une instance en cours, et l’une d’elles est désormais soutenue par un État.
Les 3 situations que la même citation produit
Voici l’étage qui intéresse une direction, et il dépasse largement la presse.
Une même mention dans une réponse générée ne produit pas le même effet selon ce que l’organisation vend.
Quand l’information est le produit, comme pour un média, la réponse qui satisfait sur place remplace l’achat. Ce qu’il faut mesurer est l’attribution, les visites et l’existence d’une rémunération de l’usage.
Quand la recommandation précède un achat, la réponse oriente vers un fournisseur. Ce qu’il faut mesurer est l’exactitude de ce qui est dit de vous, les demandes entrantes et les conversions.
Quand l’expertise sert à résoudre le problème du lecteur, la réponse peut supprimer le besoin. Ce qu’il faut mesurer est ce qui reste à acheter une fois la réponse obtenue.
Ces 3 situations partagent une métrique et ne partagent pas un modèle économique. C’est pourquoi une même hausse de citations peut être une bonne et une mauvaise nouvelle selon l’activité.
La limite que nous devons écrire sur notre propre instrument
Nous mesurons la présence des marques dans les réponses des moteurs génératifs, et nous en tirons des recommandations. Ce dossier oblige à écrire noir sur blanc une limite de cette mesure, et il vaut mieux que ce soit nous qui le fassions.
Une fréquence de citation n’est pas une mesure de revenu, et elle n’est pas davantage une preuve de préférence. Elle établit qu’un système a retenu une source. Elle n’établit ni que le lecteur est venu, ni qu’il a acheté, ni que quelqu’un a payé pour cet usage.
Notre travail sur la citabilité reste utile précisément parce qu’il mesure autre chose que l’audience. Mais l’utiliser comme substitut d’un indicateur commercial reviendrait à commettre, sur nos propres tableaux, l’erreur que nous relevons chez les autres. Nous documentions le 24 septembre 2026, dans notre analyse de l’incident Medicare et de ses 84 jours, qu’un indicateur sophistiqué ne remplace pas la fonction banale qu’il ne mesure pas. Le principe est le même ici.
Les 3 choses que ce dossier ne tranche pas
Rien n’établit que les pièces citées par les plaignants seront retenues par le tribunal, ni qu’elles disent tout du raisonnement de leurs auteurs.
Rien n’établit un effet causal de l’adoption d’un assistant conversationnel sur le trafic total d’un éditeur. La mesure disponible compare 2 canaux, ce qui est autre chose.
Rien n’établit non plus que la visibilité dans les réponses soit sans valeur. Elle en a une, variable selon l’activité, et c’est précisément ce que le dossier oblige à démontrer plutôt qu’à supposer.
Le document lui-même, lu depuis
Ce qui précède a été écrit d’après des reprises. Le mémoire a été lu depuis, et il faut le dire avant de citer quoi que ce soit : il s’agit du document 1977-1 déposé le 17 septembre 2026, soit 92 pages produites par les plaignants à l’appui de leur demande. Ce ne sont pas des constats de justice.
La phrase que nous ne connaissions qu’en paraphrase y figure page 67, et elle est plus nette que son résumé. Selon le mémoire, un ingénieur logiciel d’OpenAI écrit que peu importe la visibilité que nous donnons aux liens, les utilisateurs ne cliqueront pas.
Notons ce que cela ferme. La réponse la plus souvent proposée au problème économique des éditeurs consiste à mieux afficher les sources. Selon ce document, un ingénieur de la maison estimait en interne que cette réponse ne fonctionnerait pas. Ce n’est pas un jugement, c’est une position rapportée, et elle vise précisément le remède le plus consensuel.
Le document ajoute une mesure d’usage que nous n’avions pas. Une étude cosignée par des auteurs d’OpenAI établirait que la recherche d’information, définie comme la recherche sur des personnes, des événements d’actualité, des produits et des recettes, représente 24 % de l’usage de ChatGPT en 2025.
Le paradoxe que personne n’exploite
Voici la trouvaille de cette lecture, et elle se situe page 58, très loin des passages qui circulent.
Les experts de la défense soutiennent que le contenu des plaignants n’était pas nécessaire. Selon le mémoire, l’expert technique d’OpenAI affirme qu’aucune œuvre ni aucun ensemble d’œuvres n’est requis pour l’entraînement et que toute source individuelle est entièrement fongible. Un autre expert d’OpenAI écrit que les sources d’information individuelles sont largement interchangeables. L’expert technique de Microsoft soutient que le retrait d’une œuvre ou d’une collection d’œuvres d’un corpus de milliers de milliards d’unités ne modifierait pas sensiblement la structure statistique apprise par le modèle.
Les plaignants opposent à cela des notes internes décrivant des modèles particulièrement bons sur les textes d’actualité, une compétence de génération d’actualité listée dès 2020, et des fonctions commerciales vendant la veille quotidienne sur l’information.
Tenons les 2 séries séparées, parce que c’est là que l’analyse se gagne. Les experts parlent de la capacité d’un modèle à généraliser. Les documents internes parlent de la performance d’un produit sur un usage. Ce ne sont pas les mêmes affirmations, et l’une ne réfute pas mécaniquement l’autre.
La tension n’en est pas moins réelle, et elle se formule sans prendre parti : une ressource peut être théoriquement remplaçable dans un corpus d’entraînement tout en étant pratiquement décisive pour la qualité d’un usage commercial précis. C’est la question que le tribunal aura à trancher, et elle est plus intéressante que le chiffre des clics.
Ce que le document public ne montre pas
Une dernière observation, et elle porte sur la forme du document plutôt que sur son contenu.
Il y a 2 passages noircis, à des endroits précis. L’acquiescement attribué à Microsoft sur la perte de trafic est caviardé. Le nombre de requêtes d’actualité traitées chaque jour, que l’expert d’OpenAI reconnaîtrait, est caviardé lui aussi.
Autrement dit, la version publique conserve les formules et retire les quantités. Chacun peut lire ce que les dirigeants pensaient, personne ne peut lire combien cela pèse. Notre doctrine d’attribution stricte en tire une règle simple : un dossier dont les citations sont publiques et les volumes scellés autorise à décrire un mécanisme, jamais à en mesurer l’ampleur.
Cela ne change pas la thèse de cet article, cela la précise. Ce qui est établi reste que la citation, la visite et la rémunération sont 3 résultats différents. Ce qui reste inconnu, et désormais visiblement inconnu, c’est le volume auquel cela se produit.
Ce qu’un dirigeant doit exiger de sa stratégie de visibilité
Une seule discipline, et elle tient en une phrase : rattacher chaque objectif de citation à un résultat observable.
Audience mesurée, demande commerciale entrante, abonnement, licence payée, ou relation directe établie. Si aucun de ces 5 résultats n’est rattaché à l’objectif, alors la citation est un indicateur d’estime, ce qui est respectable et ne finance rien.
Le fait à surveiller est identifiable : la conclusion de l’instance, attendue au plus tôt en 2027, ou la signature d’accords de licence dont la contrepartie économique serait publiée. Le premier dira ce que le droit autorise. Le second dira ce que la citation vaut.
Enrichissement du 27 septembre 2026. Cet article avait été écrit d’après des reprises. Le mémoire des éditeurs, document 1977-1 déposé le 17 septembre 2026, a depuis été lu directement. Trois sections ont été ajoutées : le verbatim exact de la page 67 sur l’inutilité d’afficher davantage les liens, le paradoxe de la page 58 où les experts de la défense soutiennent que les sources sont interchangeables, et le constat que les quantités sont caviardées dans la version publique. Aucun passage publié n’a été modifié, ni le titre ni l’adresse. Source : document 1977-1, affaire 1:25-md-03143-SHS-OTW, 92 pages, consulté le 27 septembre 2026.
