Les réponses frauduleuses de la recherche IA mettent en péril la confiance des utilisateurs

Google a transformé Search en moteur de réponses, mais des coordonnées frauduleuses révèlent une dangereuse faille dans cette évolution. Un article de Google News mettant en avant l’avertissement de Panda Security remet le problème sur le devant de la scène. L’encadré de réponse peut paraître fiable, même lorsque les informations sur lesquelles il repose exigent davantage de vérification.

Le problème n’est pas que chaque AI Overview contient des informations frauduleuses. Google affirme que ses défenses bloquent chaque jour des centaines de millions de résultats liés à des arnaques. Le conflit apparaît lorsqu’une réponse synthétisée s’affiche avant que les utilisateurs n’examinent ses sources.

La recherche traditionnelle demande aux internautes de choisir parmi des liens. La recherche IA fait ce choix à leur place, puis présente une réponse concise dans l’interface familière de Google. Lorsqu’une réponse comprend un numéro de téléphone, une instruction de paiement ou une procédure de récupération, un seul mauvais détail peut conduire directement un utilisateur vers une arnaque.

Cela modifie la question de sécurité. Les utilisateurs ne doivent plus seulement déterminer si un site inconnu semble légitime. Ils doivent aussi décider si l’encadré de réponse de Google représente fidèlement des sources fiables.

L’arnaque s’invite dans l’encadré de réponse

Le changement central est simple : une information frauduleuse n’a plus besoin de remporter le dernier clic si un résumé IA la répète en premier.

Les escrocs manipulent depuis longtemps les classements de recherche, achètent des publicités trompeuses, copient des pages d’assistance et diffusent de faux numéros de téléphone. Ces tactiques reposaient généralement sur leur capacité à convaincre une personne de visiter une destination frauduleuse. Les réponses générées par IA offrent un chemin plus court.

Un attaquant peut publier un faux numéro de service client à côté du nom d’une banque, d’une compagnie aérienne, d’un service de livraison ou d’une entreprise technologique. Des affirmations similaires peuvent ensuite apparaître sur des forums, des annuaires de mauvaise qualité, des pages compromises ou des sites jetables.

Un système de recherche IA récupère des informations sur le web et synthétise ce qui lui semble pertinent. La génération augmentée par récupération, ou RAG, permet à un modèle d’utiliser du contenu récemment récupéré pour produire une réponse. Ce processus fournit au modèle des informations à jour, mais crée aussi une voie d’injection de contenu manipulé.

La réponse obtenue ne ressemble pas nécessairement à une publicité ou à un résultat de recherche suspect. Elle apparaît dans un résumé soigné, en haut d’une page Google familière. Les liens vers les sources peuvent se trouver à côté ou sous la réponse principale, tandis que le détail recherché s’affiche immédiatement.

Les signalements de faux numéros d’assistance montrent pourquoi cette présentation est importante. Une personne confrontée à un vol annulé, un compte bloqué, un paiement échoué ou une livraison manquante cherche une solution rapide. L’urgence réduit la probabilité qu’elle consulte plusieurs sources.

L’attaquant n’a besoin que d’une chose : que la victime appelle. La personne qui répond peut se faire passer pour un employé, demander des informations de compte, exiger un virement ou pousser à l’installation d’un logiciel d’accès à distance. Les demandes de partage d’écran et les sollicitations de paiement peuvent rendre l’échange particulièrement dangereux.

Il ne s’agit pas simplement d’une hallucination IA, dans laquelle un modèle invente des informations non étayées. Le système peut reproduire fidèlement une fausse affirmation qu’un attaquant a délibérément placée en ligne. Dans ce cas, la réponse s’appuie sur du contenu récupéré, mais ce contenu lui-même est contaminé.

Cette distinction importe, car ajouter davantage de citations ne résout pas automatiquement le problème. Plusieurs pages de faible qualité peuvent reprendre le même numéro implanté. Un apparent accord entre les sources peut refléter une manipulation coordonnée plutôt qu’une confirmation indépendante.

Une réponse synthétisée peut aussi effacer les signaux d’alerte. Un nom de domaine étrange, une conception de page médiocre, des fenêtres pop-up agressives et une paternité douteuse pourraient alerter un visiteur attentif. L’encadré de réponse peut extraire une seule ligne tout en masquant ce contexte peu fiable.

Google News n’a pas créé ce schéma d’attaque. Toutefois, l’interface Google élargie contribue à établir la confiance qui rend ce schéma efficace. Les utilisateurs peuvent passer d’un article d’actualité ou d’une recherche ordinaire à une réponse générée par IA sans avoir l’impression d’entrer dans un environnement à risque.

Le changement est donc autant comportemental que technique. La recherche affichait autrefois des éléments de preuve que les utilisateurs pouvaient évaluer. L’encadré de réponse livre de plus en plus une conclusion avant le début de cette évaluation.

Google News et Search portent désormais une plus grande part de la responsabilité de confiance

Lorsque Google rédige la réponse visible, les utilisateurs attribuent naturellement à Google une plus grande responsabilité quant à l’exactitude de chaque détail actionnable.

Google présente AI Overviews comme une fonctionnalité de Search, soutenue par ses systèmes de classement et de qualité. L’entreprise place également des liens à côté des résumés générés afin que les utilisateurs puissent consulter les pages web qui les étayent.

Cette conception crée une répartition complexe des responsabilités. Google peut soutenir que les informations proviennent de sites web indépendants. Les utilisateurs peuvent raisonnablement répondre que Google les a sélectionnées, résumées et affichées de façon bien visible.

La tension se renforce lorsqu’une réponse contient une action plutôt qu’un simple contexte général. Le résumé d’un événement historique comporte un niveau de risque. Un numéro de téléphone, un parcours de connexion, une instruction médicale ou une procédure de paiement en comporte un autre.

Les propres conseils de sécurité de Google reconnaissent la sensibilité des coordonnées. Ses recommandations indiquent que les utilisateurs à la recherche d’un service client devraient consulter le site officiel de l’entreprise. Elles avertissent aussi que certaines organisations ne proposent aucun support téléphonique.

Cette recommandation limite implicitement ce qu’un encadré de réponse devrait encourager. Si le site officiel demeure la source la plus sûre, un numéro de téléphone généré par IA ne peut pas, à lui seul, servir de point de contact fiable. Il ne devrait constituer qu’une piste non vérifiée.

Google affirme que ses systèmes s’améliorent. Dans un bilan de 2025 consacré à ses défenses contre les arnaques, l’entreprise a déclaré que l’IA l’avait aidée à repérer 20 fois plus de pages frauduleuses. Elle a également indiqué que Search bloque chaque jour des centaines de millions de résultats liés à des arnaques.

Ces chiffres montrent l’ampleur des opérations défensives de Google. Ils ne démontrent pas que chaque réponse générée est sûre. Un système peut supprimer des quantités considérables d’abus tout en laissant passer un petit nombre de détails aux conséquences graves.

La distinction entre taux et impact est importante. Une rare description erronée d’un restaurant est irritante. Un rare numéro bancaire frauduleux peut exposer des identifiants, de l’argent, des documents d’identité ou un appareil.

Google subit des pressions dans deux directions. L’entreprise veut que les réponses IA paraissent immédiates et complètes. Elle doit aussi aider les utilisateurs à comprendre quand une réponse exige une vérification externe.

Davantage d’avertissements peut réduire la commodité du produit. Moins d’avertissements peut encourager une confiance excessive. C’est le fardeau de confiance créé lorsqu’un moteur de recherche commence à s’exprimer d’une seule voix composée.

Les autres fournisseurs de recherche IA subissent la même pression structurelle. Microsoft Copilot, Perplexity, ChatGPT search et d’autres moteurs de réponses récupèrent du contenu en ligne avant de générer des réponses concises. Leurs interfaces diffèrent, mais chaque système condense plusieurs sources en une conclusion apparemment unique.

Google fait l’objet d’un examen plus attentif en raison de la portée de Search et de son rôle familier. De nombreux utilisateurs ont passé des années à considérer sa première page comme le point de départ le plus sûr. AI Overviews emprunte cette confiance accumulée avant que les utilisateurs n’aient appris ses nouveaux modes de défaillance.

Google News ajoute une couche supplémentaire de légitimité perçue. Un titre aperçu dans une surface d’actualité reconnue peut amener les lecteurs à supposer que l’environnement informationnel qui l’entoure a été entièrement vérifié. L’agrégation, le classement et la génération de réponses sont toutefois des processus distincts.

Un résultat d’actualité peut identifier correctement un véritable éditeur, tandis qu’une réponse IA adjacente traite encore mal une affirmation précise. La confiance accordée à une interface Google ne devrait pas automatiquement s’étendre à chaque détail généré sur une autre.

La commodité l’emporte avant même que la vérification commence

L’encadré de réponse modifie le comportement des utilisateurs parce qu’il supprime la pause durant laquelle l’évaluation des sources avait autrefois lieu.

Des chercheurs de Pew ont examiné 68 879 recherches Google effectuées par des adultes américains en mars 2025. Leur étude sur le comportement de clic a révélé que 18 % de ces recherches produisaient un résumé IA.

Les utilisateurs ont cliqué sur un résultat traditionnel dans 8 % des visites contenant un résumé IA. Ils l’ont fait dans 15 % des visites sans résumé. Seul 1 % des visites avec un résumé a mené à un lien cité à l’intérieur de ce résumé.

L’étude ne mesure pas l’exposition aux arnaques. Elle montre toutefois que de nombreux utilisateurs acceptent la page de recherche sans ouvrir les éléments qui l’étayent. Ce comportement accroît l’importance de chaque détail que Google place dans la réponse générée.

Pew a également constaté que 26 % des visites avec un résumé mettaient fin à la session de navigation. Le taux comparable pour les pages sans résumé était de 16 %. Pour de nombreuses recherches, le résumé est ainsi devenu la destination finale effective.

Ce résultat explique pourquoi les liens vers les sources n’offrent qu’une défense partielle. Une citation a une valeur protectrice limitée lorsque presque personne ne l’ouvre. Le texte généré reste l’expérience principale du produit.

Le risque le plus élevé apparaît lorsque les utilisateurs posent des questions ciblées et transactionnelles. « Qu’est-ce que cette entreprise ? » appelle des informations générales. « Quel numéro dois-je appeler ? » demande au système de choisir un canal de communication fiable.

Une demande d’assistance client combine souvent urgence et contexte limité. L’utilisateur peut se trouver à une porte d’embarquement, répondre à une alerte de fraude ou tenter de récupérer un compte bloqué. Sous pression, il est moins susceptible d’effectuer un audit des sources.

Les escrocs conçoivent leurs étapes suivantes autour de cet état émotionnel. Un prétendu agent d’assistance peut exiger une action immédiate, affirmer qu’un compte est compromis ou dire qu’un remboursement expire bientôt. La réponse IA fournit le contact, puis l’ingénierie sociale prend le relais.

L’interface apporte sa propre autorité. Une AI Overview utilise une typographie cohérente, un espacement soigné et la marque Google. Elle n’hérite pas du désordre visuel des pages dont provenait une affirmation douteuse.

Ce processus peut blanchir la crédibilité sans démontrer la véracité. Le système transforme un texte web fragmenté en une déclaration assurée. Les lecteurs perçoivent cette assurance, tandis que l’incertitude inhérente à la récupération et à la sélection des sources demeure cachée.

Le problème dépasse aussi les numéros de téléphone. Des attaquants peuvent diffuser de fausses instructions de téléchargement de logiciels, des adresses de portefeuilles de cryptomonnaies, des étapes de récupération, des codes promotionnels ou des liens vers des pages de collecte d’identifiants.

Le risque augmente chaque fois qu’une réponse provoque une action externe. Appeler un numéro, installer une application, partager un écran, envoyer de l’argent ou saisir des identifiants devrait déclencher une exigence de vérification plus élevée.

Cette exigence ne peut pas reposer uniquement sur une formulation fluide. Les modèles de langage sont conçus pour générer du texte cohérent. La cohérence indique peu aux utilisateurs quant à savoir si un numéro de téléphone appartient à l’organisation citée à côté.

Un problème similaire touche la recherche en milieu professionnel. Les employés copient de plus en plus des réponses générées dans des tickets, des rapports et des discussions de chat internes. Un détail non étayé peut circuler dans une organisation après avoir perdu le contexte de sa source d’origine.

Les équipes ont besoin d’une piste de preuve visible pour les décisions liées à la sécurité, aux finances, aux clients ou à la conformité. Une base de connaissances IA consultable peut préserver les documents approuvés et leur contexte. Elle exige néanmoins une sélection de sources fiable.

Le modèle mental utile n’est pas « les réponses de l’IA sont fausses ». C’est plutôt : « les réponses de l’IA sont des synthèses dont la qualité des preuves varie ». Ce cadre préserve leur commodité sans leur accorder une autorité automatique.

Davantage de sources ne produisent pas toujours une réponse plus sûre

La recherche par IA peut échouer même lorsqu’elle cite de vraies pages web, car la qualité de la récupération et l’indépendance des sources restent deux problèmes distincts.

Un moteur de recherche classique classe des documents. Un moteur de recherche propulsé par l’IA classe des documents, puis les interprète. Chaque étape supplémentaire introduit des choix concernant la pertinence, l’autorité, le consensus et la présentation.

Le modèle peut récupérer une page malveillante parce qu’elle correspond étroitement aux termes de la requête. Il peut ensuite citer cette page avec exactitude. La réponse finale devient alors nuisible sans que le modèle ait besoin d’inventer quoi que ce soit.

Des chercheurs ont présenté un vaste test de ce problème lors du USENIX Security Symposium 2025. Leur étude sur la recherche par IA a évalué sept moteurs de recherche par IA en production à l’aide de contenus malveillants provenant de plusieurs bases de données sur les menaces.

Les chercheurs ont indiqué que 47 pour cent des réponses testées présentaient un risque selon leur cadre d’évaluation. Ils ont également constaté que 34 pour cent citaient directement du contenu nuisible dans leur réponse.

Ces pourcentages ne doivent pas être considérés comme le taux d’échec quotidien de Google Search. L’expérience utilisait délibérément des entrées malveillantes et testait plusieurs produits. Elle mesure la vulnérabilité dans des conditions adverses, et non le trafic habituel des consommateurs.

Son mécanisme reste pertinent. Les chercheurs ont démontré que les systèmes de recherche par IA peuvent reconnaître des sites de phishing comme des sites officiels légitimes. Ils ont également montré comment l’usurpation de documents en ligne peut tromper les réponses générées.

L’étude a comparé la recherche par IA à la recherche traditionnelle et constaté que les systèmes propulsés par l’IA obtenaient de meilleurs résultats globaux, tant pour l’utilité que pour la sécurité. Cette conclusion empêche d’affirmer de manière simpliste que les listes de liens sont toujours plus sûres.

Le véritable compromis est plus précis. La synthèse par IA peut améliorer la pertinence et réduire l’exposition à certaines pages malveillantes. Elle peut aussi transformer une fausseté récupérée en recommandation directe.

Les résultats traditionnels exposent les noms de domaine, les extraits, les liens concurrents et les différences de classement. Ces indices peuvent aider une personne attentive à détecter l’incertitude. La synthèse par IA réduit cette friction en tranchant le désaccord à la place de l’utilisateur.

Les attaquants peuvent aussi exploiter la répétition. Si plusieurs pages reprennent le même faux chiffre, un système de récupération peut interpréter ce schéma comme une corroboration. Pourtant, ces pages peuvent se copier les unes les autres ou appartenir à une même campagne.

La diversité des sources doit donc aller au-delà du simple comptage des URL. Un système fiable devrait identifier les propriétaires communs, les textes copiés, les sites compromis, les changements récents de domaine et les contradictions avec les canaux officiels d’une organisation.

La récence crée un autre défi. Une page récemment implantée peut contenir des mots-clés à jour qui correspondent mieux à une requête urgente qu’une ancienne page d’assistance officielle. La fraîcheur des résultats peut jouer contre l’autorité de la source.

Les sites web légitimes compromis sont particulièrement difficiles à gérer. Un domaine de confiance peut héberger du contenu injecté à l’insu de son propriétaire. La réputation établie du domaine devient alors une composante du déguisement de l’attaquant.

Google exploite depuis longtemps Safe Browsing, des classificateurs de spam, des protections de classement et des canaux de signalement manuel. Ces couches rendent Search plus sûr à très grande échelle. Les réponses de l’IA nécessitent néanmoins des contrôles conçus pour les actions générées, et pas seulement pour les destinations dangereuses.

Un classificateur d’URL peut avertir l’utilisateur avant qu’il ne visite une page de phishing. Il ne peut pas protéger pleinement une personne qui appelle un numéro frauduleux déjà recopié dans une réponse. La charge utile risquée a quitté la page web.

Les champs à haut risque nécessitent donc une validation spécialisée. Un numéro de téléphone devrait être comparé à une page de contact officielle. Une adresse de portefeuille ne devrait pas être synthétisée à partir de résultats web généraux. Les téléchargements de logiciels devraient mener à des canaux vérifiés de l’éditeur.

Le système devrait aussi préserver les désaccords. Si les sources sont contradictoires, la sortie la plus sûre peut indiquer qu’aucun contact vérifié n’a été trouvé. Refuser de fournir un détail pratique peut être préférable à sélectionner la réponse la plus répétée.

L’argument de sécurité et la promesse produit divergent

Les défenses de Google peuvent s’améliorer considérablement tout en laissant l’interface centrée sur la réponse encourager davantage de confiance que les preuves ne le justifient.

La position de Google bénéficie d’un solide appui factuel. L’entreprise exploite des systèmes anti-abus à une échelle que peu d’organisations peuvent égaler. Elle affirme que l’IA aide à identifier des campagnes d’arnaque coordonnées et des menaces émergentes parmi d’immenses quantités de contenu web.

Ses fonctionnalités de réponse fournissent également des liens vers les sources. Google a ajusté AI Overviews depuis son lancement généralisé aux États-Unis, notamment avec des modifications visant à réduire les réponses absurdes ou satiriques.

Ces mesures contestent l’idée que Google ignore le problème. Les équipes de Search savent que des adversaires manipulent les classements et les contenus. L’entreprise répond depuis des décennies au spam, aux malwares, aux publicités trompeuses et aux sites web piratés.

Pourtant, la promesse produit ne se limite plus à trouver des pages pertinentes. Une boîte de réponse offre une synthèse sur laquelle les utilisateurs peuvent agir immédiatement. Cela élève l’exigence de la qualité de découverte à la qualité de conclusion.

Google peut affirmer avec exactitude que la plupart des AI Overviews sont utiles, tandis que les critiques peuvent relever avec exactitude des cas limites graves. L’utilité moyenne et l’échec à fort impact peuvent coexister.

L’avertissement de Panda Security s’inscrit dans cet écart. La conclusion utile n’est pas que Google News ou AI Overviews doivent être abandonnés. C’est que l’autorité de l’interface dépasse la certitude de certaines affirmations sous-jacentes.

Des reportages de sécurité ont décrit l’apparition de faux numéros d’assistance dans AI Overviews. Ces articles restent des cas individuels plutôt qu’une mesure complète de leur prévalence.

Cette limite importe. Les anecdotes publiques ne peuvent pas établir la fréquence d’apparition de détails frauduleux. Les captures d’écran peuvent devenir obsolètes, les résultats varient selon le lieu et Google peut retirer rapidement une mauvaise réponse.

Les chercheurs peinent également à reproduire des résultats de recherche personnalisés ou qui évoluent rapidement. Une requête testée aujourd’hui peut renvoyer un aperçu différent demain. Les comptes, la formulation, la géographie et le contexte de navigation peuvent influencer la page.

Par conséquent, affirmer que les AI Overviews sont largement dangereuses dépasserait les preuves disponibles. Affirmer que le problème est résolu irait également trop loin.

La conclusion défendable est plus restreinte. Les réponses générées créent une surface d’attaque crédible pour les contenus provenant de sources malveillantes. Des signalements réels montrent que des coordonnées nuisibles peuvent échapper aux défenses existantes.

Les utilisateurs devraient appliquer une règle de vérification fondée sur le risque. Les explications générales peuvent servir de point de départ. Les détails exploitables exigent une confirmation provenant d’une source faisant autorité.

Pour le service client, ouvrez le site web ou l’application officielle de l’organisation. Ne faites pas confiance à un numéro de téléphone uniquement parce qu’il apparaît dans un résumé IA, un forum, une publicité ou un annuaire.

Pour les services financiers, utilisez le numéro imprimé sur la carte ou affiché dans l’application authentifiée. Ne communiquez jamais un code à usage unique, un mot de passe ou des identifiants de paiement complets à un appelant entrant.

Pour les logiciels, utilisez le canal de distribution vérifié du développeur. Évitez les installateurs recommandés par des domaines inconnus, même lorsqu’une réponse les présente comme officiels.

Pour la récupération de compte, accédez directement au service. Un représentant légitime ne devrait pas exiger un contrôle à distance, le partage d’écran, des cartes-cadeaux, des cryptomonnaies ou un transfert instantané.

Google propose des conseils similaires contre les arnaques. L’entreprise recommande aux utilisateurs de ralentir, de vérifier la source et d’utiliser les canaux officiels pour les informations de service client.

Ces conseils reportent une partie de la charge sur l’utilisateur. Ils sont sensés, mais révèlent aussi la contradiction. La boîte de réponse fait gagner du temps seulement jusqu’au moment où la vérification devient nécessaire.

La solution à long terme ne peut pas reposer uniquement sur une méfiance permanente des utilisateurs. Google contrôle la récupération, le classement, la présentation et la conception des avertissements. L’entreprise peut rendre l’incertitude visible avant qu’une action dangereuse ne se produise.

Ce que les lecteurs de Google News devraient surveiller ensuite

La prochaine phase sera jugée selon trois signaux : la validation au niveau des actions, la transparence des signalements d’incidents et les tests de sécurité indépendants.

Le premier signal est de savoir si Google traite les coordonnées et les instructions de transaction comme une catégorie de risque particulière. Le simple classement par pertinence ne suffit pas pour des informations qui déplacent de l’argent ou ouvrent un compte.

Un numéro de téléphone vérifié pourrait exiger une concordance avec le domaine officiel de l’organisation ou son profil d’entreprise authentifié. Si Google introduit une validation plus stricte, cela étayerait l’affirmation selon laquelle les boîtes de réponse peuvent traiter en toute sécurité les requêtes transactionnelles.

L’absence de tels contrôles maintiendrait la contradiction actuelle. Google continuerait à fournir des réponses directes tout en conseillant aux utilisateurs de vérifier ces réponses ailleurs.

Le deuxième signal est une meilleure transparence sur les incidents. Google publie des chiffres globaux sur les pages d’arnaque bloquées, mais les utilisateurs ont aussi besoin d’informations sur les détails nuisibles apparus dans les réponses générées.

Des rapports utiles distingueraient les liens malveillants, les faux numéros d’assistance, les domaines compromis et les instructions fabriquées. Ils expliqueraient également le délai de détection, le délai de retrait et la récurrence.

Ces mesures ne devraient pas exposer des méthodes de défense que les attaquants peuvent facilement contourner. Elles devraient montrer si les incidents au niveau des réponses diminuent à mesure que Google étend la recherche par IA.

Une baisse du taux d’incidents renforcerait l’argument de sécurité de Google. Des totaux de suppressions globaux, sans preuves spécifiques aux réponses, laisseraient la question centrale sans réponse.

Le troisième signal est la possibilité de réaliser des tests indépendants reproductibles. Les chercheurs en sécurité ont besoin de méthodes stables pour évaluer la qualité des sources, la fidélité des citations et les actions à haut risque dans les produits de recherche par IA.

Les tests devraient distinguer les erreurs factuelles ordinaires de la manipulation adverse. Ils devraient également différencier une citation nuisible d’une instruction nuisible fournie directement dans la réponse.

Les chercheurs doivent publier, dans la mesure du possible, les ensembles de requêtes, le calendrier, les régions et les règles d’évaluation. Les résultats générés changent rapidement ; des méthodes transparentes comptent donc davantage que des captures d’écran isolées.

Les tests indépendants peuvent aussi comparer Google à Microsoft, OpenAI, Perplexity et d’autres fournisseurs. Cette comparaison montrera si un produit présente une faiblesse particulière ou si l’ensemble du modèle des moteurs de réponse la partage.

Pour les utilisateurs, la règle pratique est déjà claire. Considérez un AI Overview comme une synthèse rapide, et non comme une autorité vérifiée. Ouvrez la source chaque fois que la réponse contient un détail susceptible de déplacer de l’argent, d’exposer un compte ou de modifier un appareil.

Google News peut mettre en avant des reportages utiles sur ces risques, tandis que Google Search peut toujours générer l’interface risquée en question. Ce contraste illustre la tension plus large autour de la recherche par IA.

La boîte de réponse est utile parce qu’elle réduit l’effort. La vérification est nécessaire parce que cet effort supprimé incluait autrefois du discernement. Tant que Google ne pourra pas rétablir ce discernement de manière fiable dans le produit, la réponse la plus sûre reste une vérification supplémentaire.

Avant d’appeler, de payer, d’installer ou de partager, posez-vous une question : le canal vérifié de l’organisation elle-même confirme-t-il ce détail ? Si la réponse n’est pas claire, arrêtez-vous. Le résumé de Google peut commencer la recherche, mais il ne devrait pas conclure la décision.