Une analyse récente (août 2025) du Nielsen Norman Group met en lumière l’impact de l’intelligence artificielle générative sur les habitudes de recherche : si des réflexes historiques — comme démarrer une recherche sur Google — persistent, l’IA apporte des raccourcis séduisants pour des tâches longues ou répétitives sans pour autant supplanter totalement les moteurs de recherche traditionnels.

Constat n°1 : les novices découvrent vite l’utilité de l’IA

Lors des tests, plusieurs participants peu familiers avec les outils basés sur l’IA ont d’abord préféré des routines personnelles pour trouver des réponses — par exemple comparer des modèles d’articles ou lister des options à la main. Un cas observé : un participant préparant un achat pour un ballon de sport a hésité à utiliser l’IA, préférant écrire ses critères sur un post-it et prosedant par comparaison manuelle.

En revanche, confronté à une situation pratique et ponctuelle (un problème de plomberie), ce même participant a reconnu que l’IA — en l’occurrence Gemini — lui a apporté une solution rapide et ciblée. L’expérience lui a fait changer d’avis sur l’intérêt d’utiliser ces outils pour des recherches quotidiennes :

Le participant a indiqué que l’assistant basé sur l’IA lui avait fait gagner du temps en synthétisant de nombreuses informations et en les adaptant à son souci concret, ce qui l’a convaincu de recourir à de tels outils pour d’autres recherches.

Cette bascule — de la méfiance initiale à l’adoption d’utilisation récurrente — s’est retrouvée chez la majorité des sujets testés. Après avoir expérimenté l’IA sur des tâches pratiques, beaucoup ont déclaré qu’ils envisageaient de réutiliser l’outil pour d’autres recherches informatives, regrettant parfois de ne pas l’avoir essayé plus tôt.

Ce phénomène souligne un point important : la première impression peut être décisive. Pour des utilisateurs non initiés, l’accès à une réponse claire, contextualisée et immédiatement applicable favorise l’acceptation et la réutilisation des solutions d’intelligence artificielle générative.

Constat n°2 : l’IA complète, elle ne remplace pas la recherche manuelle

Les résultats montrent que l’utilisation de l’IA s’articule souvent en complément d’une recherche classique. Les participants combinaient fréquemment plusieurs approches : recherches sur un navigateur, vérification de sources, puis recours à un assistant conversationnel pour synthétiser ou reformuler l’information.

Tous les participants ont en effet effectué plusieurs recherches via des canaux traditionnels et aucun n’a déclaré se fier exclusivement aux réponses fournies par l’IA pour l’ensemble de ses besoins en information. Cette prudence était visible même chez les utilisateurs avancés de ces technologies.

Plusieurs facteurs expliquent cette attitude hybride :

• La nécessité de vérifier les sources et d’évaluer la fiabilité des réponses (crucial pour des sujets sensibles ou techniques).
• La recherche d’éléments primaires (dates, études, documents officiels) qui requiert souvent la consultation directe de pages web ou de bases de données.
• La préférence pour des interfaces familières lors de certaines tâches : par exemple, utiliser un moteur de recherche pour des requêtes factuelles simples mais recourir à l’IA pour synthétiser ou reformuler ces informations.

En pratique, cela implique que les concepteurs d’outils d’IA et les créateurs de contenu doivent envisager des parcours utilisateurs hybrides : faciliter la transition entre recherche traditionnelle et assistance conversationnelle, et aider l’utilisateur à vérifier et approfondir rapidement les réponses fournies.

Constat n°3 : la familiarité donne un avantage à Gemini et ChatGPT

La notoriété et l’habitude jouent un rôle essentiel dans le choix d’un assistant. Les sujets les plus expérimentés citaient surtout ChatGPT et Gemini comme références. Cette familiarité devient un véritable atout commercial : quand un utilisateur a l’habitude d’un produit, il est plus enclin à l’utiliser de nouveau, même s’il a testé d’autres alternatives.

Un participant avancé a expliqué qu’il s’était tourné vers Gemini après un passage par d’autres assistants (dont ChatGPT, Grok et Copilot) parce qu’il utilisait déjà abondamment les services Google et qu’il lui semblait naturel de continuer avec la solution qu’il connaissait le mieux.

Plusieurs phénomènes se dégagent :

• L’« effet de marque » : un nom familier rassure et incite à la continuité.
• L’inertie comportementale : changer d’outil requiert un coût cognitif et une période d’apprentissage que beaucoup d’utilisateurs préfèrent éviter.
• La « linguistique de la pratique » : comme on dit parfois « googler » pour chercher, certains appelaient ChatGPT simplement « chat », témoignant d’une intégration du terme dans le vocabulaire quotidien.

Pour les acteurs souhaitant concurrencer ces leaders, deux leviers sont essentiels : réduire le coût d’entrée (onboarding simple, exemples d’usage clairs) et démontrer un bénéfice différenciateur suffisamment visible pour pousser un utilisateur à franchir le pas.

Constat n°4 : l’adoption par le grand public pourrait rester progressive

Malgré l’enthousiasme observé chez les testeurs, l’étude signale que l’adoption à très large échelle pourrait se faire plus lentement que prévu par certains promoteurs de la technologie. Plusieurs participants n’avaient pas spontanément songé à utiliser un chat d’IA pour obtenir des informations — ce qui montre que l’usage n’est pas encore universellement transféré des moteurs de recherche traditionnels vers les assistants conversationnels.

Les chercheurs notent que le fait que certains participants n’aient jamais envisagé d’utiliser un chat d’IA pour la recherche indique que la dissémination de ces pratiques restera probablement graduelle et dépendra de la façon dont ces outils seront rendus accessibles et compréhensibles par le grand public.

Deux obstacles majeurs expliquent cette adoption progressive :

• La découvrabilité : beaucoup d’utilisateurs ignorent l’existence de certaines fonctionnalités ou ne savent pas comment les utiliser efficacement.
• La confiance : la crainte des erreurs, des hallucinations ou des réponses incomplètes pousse à la prudence, en particulier pour des sujets où l’exactitude est critique.

Pour favoriser une adoption plus rapide et plus sûre, les concepteurs d’outils d’intelligence artificielle générative doivent améliorer la visibilité des fonctions, proposer des scénarios d’usage concrets et intégrer des mécanismes clairs de vérification des sources.

Principaux enseignements et implications pratiques

L’étude livre plusieurs enseignements utiles pour les professionnels du numérique, du design produit, du marketing et de la recherche UX :

• La découvrabilité compte autant que la performance : pour qu’un outil devienne courant, il faut que l’utilisateur sache qu’il existe, comprenne rapidement à quoi il sert et puisse l’essayer sans effort.
• L’utilité doit être évidente : changer des habitudes ancrées n’est envisageable que si l’expérience proposée réduit nettement la friction et apporte un gain tangible de temps ou de qualité.
• Le modèle hybride perdurera : les utilisateurs utilisent simultanément des moteurs traditionnels et des assistants conversationnels, en fonction du besoin et du niveau de confiance requis.
• La marque et l’habitude pèsent : la familiarité crée une rente d’attention pour les acteurs déjà installés.

Concrètement, pour les équipes qui conçoivent des interfaces ou produisent du contenu :

• Intégrer des mécanismes qui facilitent la vérification des réponses fournies par l’IA (liens sources, citations, options de plongée approfondie).
• Proposer des scénarios d’usage simples et contextualisés pour « démontrer » la valeur de l’outil dès les premières interactions.
• Penser des parcours « hybrides » qui permettent de basculer facilement entre un résultat synthétisé par l’IA et les ressources web originales.
• Surveiller la qualité perçue : une réponse qui paraît approximative ou confuse réduit fortement la propension à réutiliser l’outil.

Ces recommandations sont valables aussi bien pour les éditeurs de plateformes d’assistants IA que pour les équipes SEO et les créateurs de contenu qui souhaitent rester visibles et utiles dans un paysage où les réponses automatisées prennent une place croissante dans le parcours utilisateur.

Comparaison des usages : moteurs vs assistants

Pour replacer ces observations dans un contexte d’usage plus général, l’étude rappelle certaines données relatives au trafic mensuel sur les principales plateformes (d’après Semrush) :

• ChatGPT : environ 1 milliard de visites mensuelles.
• Perplexity : environ 200 millions de visites mensuelles.
• Gemini : environ 280 millions de visites mensuelles.
• Google : environ 100 milliards de visites mensuelles.

Ces chiffres illustrent un contraste marqué : malgré une adoption rapide et un intérêt massif pour les solutions d’intelligence artificielle générative, le volume de requêtes traitées chaque mois par les moteurs historiques reste d’un ordre de grandeur très supérieur. Cela s’explique en partie par l’étendue des usages adressés par Google (navigation, shopping, cartographie, actualités, etc.) et par l’ancienneté de l’écosystème.

Pour les professionnels, cette réalité signifie qu’il n’est pas encore pertinent d’envisager une « bascule » complète vers les assistants conversationnels : il faut plutôt concevoir des stratégies multiplateformes, optimisées à la fois pour la recherche traditionnelle et pour les interactions générées par l’IA.

Méthodologie : comment l’étude a été réalisée

• Participants : 9 personnes, basées en Amérique du Nord et au Royaume-Uni, profils diversifiés et sans lien professionnel direct avec la technologie ou le design.
• Tests d’utilisabilité menés à distance, en mode libre : chaque participant a choisi ses propres sujets de recherche (exemples : voyages, restaurants, bricolage, histoire, sciences).
• Aucune amorce sur l’IA : les chercheurs n’ont pas mentionné l’IA au lancement des sessions, afin d’observer des comportements naturels et non biaisés.

Le format de l’étude — petits groupes et tests individuels, en conditions proches du quotidien — permet d’obtenir des insights qualitatifs profonds : on y perçoit non seulement les usages effectifs, mais aussi les raisons psychologiques et pratiques qui conduisent un individu à adopter ou non une nouvelle technologie.

Implications pour le design, le SEO et la stratégie de contenu

Les résultats de l’étude ont plusieurs implications opérationnelles :

• Référencement et visibilité : les créateurs de contenu doivent anticiper la façon dont les réponses générées par l’IA vont extraire, synthétiser et restituer l’information publiée sur le web. Structurer les contenus, citer clairement les sources, et proposer des résumés clairs facilite la réutilisation par ces systèmes.
• Balises et métadonnées : proposer des extraits structurés, FAQ, et microdonnées augmente la probabilité que des éléments de votre page soient utilisés par un assistant pour répondre directement à une requête.
• Qualité et transparence : une information datée, sourcée et compréhensible sera davantage privilégiée par les utilisateurs et par les algorithmes qui évaluent la fiabilité des contenus.
• Expérience utilisateur : concevoir des interactions qui guident l’utilisateur vers la vérification (ex. boutons « voir la source », encadrés de contexte) aidera à instaurer la confiance et à favoriser la réutilisation des outils d’IA.

Dans un contexte où l’IA et les moteurs traditionnels coexistent, la stratégie gagnante consiste à être présent et pertinent sur les deux terrains : contenus optimisés pour le SEO classique et formats adaptés aux extractions automatisées (résumés, réponses courtes, listes, données vérifiables).

Limites et voies d’approfondissement

Quelques limites de l’étude doivent être soulignées pour interpréter correctement les résultats :

• Taille de l’échantillon : neuf participants permettent des observations qualitatives riches mais ne suffisent pas pour des conclusions généralisables à l’ensemble de la population.
• Contexte géographique et démographique : l’étude concerne des utilisateurs en Amérique du Nord et au Royaume-Uni ; d’autres réalités culturelles, linguistiques ou techniques peuvent modifier profondément les usages.
• Évolution rapide des outils : les fonctionnalités et performances des assistants d’IA évoluent très vite, ce qui peut rendre certaines observations datées en quelques mois.

Des recherches complémentaires, incluant des panels plus larges, des tests longitudinales et des études en contexte non anglo-saxon, aideraient à mieux cerner la dynamique d’adoption et les effets à long terme des assistants complémentaires aux moteurs de recherche.

Perspectives : quelles évolutions surveiller ?

Plusieurs tendances méritent une attention soutenue :

• Amélioration de la découvrabilité : des outils qui rendent plus explicites leurs capacités et montrent des cas d’usage concrets réduiront la barrière d’entrée.
• Interopérabilité entre plateformes : la capacité à basculer sans friction entre un assistant conversationnel et des pages web source sera un critère de qualité majeur.
• Régulation et transparence : l’exigence croissante d’expliquer comment une réponse a été générée (sources, probabilité d’erreur) influencera fortement la confiance des utilisateurs.
• Segmentation des usages : certains domaines (santé, juridique, technique) conserveront probablement une préférence pour la consultation de sources primaires, tandis que d’autres (résumés, recommandations pratiques) basculeront plus vite vers des assistants.

Ces évolutions auront des conséquences directes sur la manière dont les organisations structurent leur présence en ligne, adaptent leurs contenus et forment leurs équipes à l’utilisation et à l’évaluation des réponses fournies par l’IA.

Conclusion

En résumé, l’enquête du Nielsen Norman Group met en relief un paysage d’adoption nuancé : l’intelligence artificielle générative séduit par son efficacité perçue et sa capacité à synthétiser l’information, surtout pour des tâches pratiques, mais elle ne remplace pas entièrement les pratiques de recherche traditionnelles. La coexistence de parcours hybrides — moteurs classiques et assistants conversationnels — semble la trajectoire la plus probable à court et moyen terme.

Pour les concepteurs, les marketeurs et les producteurs de contenu, le défi est double : rendre leurs solutions faciles à découvrir et à essayer, tout en garantissant la qualité, la traçabilité et la valeur ajoutée des informations fournies. Seule une approche pragmatique, centrée sur l’utilité et la confiance, permettra d’accompagner une adoption plus large et durable.

Auteur

Auteur : Laura Blanchard.

Communicante et conférencière, Laura partage régulièrement ses observations sur les enjeux du marketing digital et de la stratégie de contenu. Son expérience et sa capacité à vulgariser des sujets techniques en font une contributrice appréciée dans le domaine de la communication.