Étude des citations IA : Stack Overflow est-il cité par les IA ?

Stack Overflow est une archive publique construite sur un format unique : une question technique précise, plusieurs réponses, des votes et, souvent, une solution acceptée. Chaque fil associe un problème à un correctif vérifié par d'autres développeurs, exactement le type de matière dont un modèle de langage apprend bien.

Trois caractéristiques en font une source utile :

• Des messages d'erreur cités mot pour mot, qui correspondent à ce que les utilisateurs collent dans un assistant conversationnel.
• Des extraits de code accompagnés d'explications et de commentaires qui signalent les cas particuliers.
• Des signaux communautaires (votes, réponses acceptées, modifications) qui indiquent quelle solution fonctionne vraiment.

Les contributions sont publiées sous une licence Creative Commons qui impose de citer l'auteur. En 2024, Stack Overflow a annoncé des accords avec Google et OpenAI sur l'utilisation de ses contenus dans leurs produits d'IA, avec un crédit renvoyant aux fils d'origine.

Les citations apparaissent quand la question est pointue et technique : « TypeError: cannot read properties of undefined dans React », « comment annuler le dernier commit git », « compréhension de liste Python avec deux conditions », « pourquoi ma jointure SQL renvoie des doublons ». Quand l'assistant cherche sur le web, un fil Stack Overflow figure souvent parmi les correspondances les plus proches.

Les questions sur les entreprises, les produits ou les services n'y mènent presque jamais. « Quel logiciel de gestion client (CRM) pour une petite agence » ou « cet hébergeur est-il fiable » n'ont pas de réponse sur Stack Overflow, dont les règles ferment les demandes de recommandation d'outils ou de produits.

Les questions à l'origine de ces données portent surtout sur des entreprises et leurs marchés : Stack Overflow y est donc rarement cité. Cela tient au type de question bien plus qu'à l'autorité du site.

Une grande partie de la valeur de Stack Overflow est parvenue aux modèles par l'entraînement. Le réseau Stack Exchange publie depuis des années des archives complètes de ses contenus publics, et les modèles ont assimilé les correctifs courants au point de les écrire de mémoire. Une réponse produite de mémoire n'a pas de lien à afficher.

Les habitudes de recherche font le reste. Perplexity lance une recherche pour chaque question et affiche ses sources : un fil peut apparaître quand une requête de débogage lui correspond de près. Gemini, qui s'appuie sur la recherche Google, et ChatGPT avec la recherche web activée font remonter des fils surtout pour des erreurs rares ou récentes. Grok peut ajouter des publications de développeurs sur X, tandis que Claude rédige le plus souvent le correctif lui-même et ne renvoie à un fil que s'il utilise la recherche web.

Cette relation a transformé le site. Le nombre de nouvelles questions a nettement baissé depuis que les assistants conversationnels se sont généralisés, beaucoup de développeurs interrogeant d'abord une IA. L'archive demeure, mais les bibliothèques et versions récentes sont couvertes par moins de fils nouveaux.

Un taux de citation faible ne rend pas Stack Overflow inutile. Pour un outil de développement, une API ou un produit technique, ses fils influencent toujours la façon dont les modèles décrivent ce produit et aident à le dépanner, même sans lien visible.

Deux limites s'appliquent aux chiffres. Seul stackoverflow.com est compté, alors que les sites frères du réseau Stack Exchange comme Super User ou Server Fault ont leurs propres domaines. Et pour une entreprise sans public technique, le site se situe tout simplement hors du champ des sources qui répondent aux questions des clients.