Jour 86 : Nextdoor est-il en difficulté ? Ou sommes-nous revenus à la normale ?
La fête du Travail est terminée.
Nous sommes au 86e jour de mon étude de cas sur Nextdoor, et après m'être demandé hier si Nextdoor prenait un long week-end de vacances, j'ai vérifié à nouveau aujourd'hui.
Je n'ai reçu aucune communication concernant les deux études détaillées Insights que j'ai demandées.
Et NXDR ?
Au moment où j'écris ces lignes, le cours oscille autour de 2,20 $. Les sources de marché indiquaient environ 2,24 $ en fin d'après-midi, après la clôture de vendredi à 2,24 $. Le cours exact est donc susceptible d'évoluer.
Bon, au moins on parle de quelques centimes maintenant.
Nextdoor est-il en difficulté ?
J'essaie encore de comprendre cela.
Mais quelque chose que Nirav Tolia a publié sur X le 3 septembre a attiré mon attention.
« Une étude de 2025 a révélé… »
Dans son message, Nirav a écrit :
« Une étude de 2025 a révélé que les faux avis générés par l'IA sont désormais impossibles à distinguer des vrais… »
Et j'ai immédiatement pensé :
On y va encore une fois.
Une étude.
Quelle étude ?
Qui l'a écrit ?
Où a-t-il été publié ?
Quelle était la méthodologie ?
Quelle était la taille de l'échantillon ?
Que signifiait exactement « indiscernable » ?
Cela semblera sans doute familier à tous ceux qui ont suivi mon aventure de 86 jours sur la transparence de la recherche Nextdoor.
Voici le plus intéressant : j’ai vérifié, et il existe des recherches identifiables qui étayent l’affirmation de Nirav.
Dans un article de Fortune publié le même jour, Nirav l'a identifié plus précisément comme une étude de 2025 de la Nottingham University Business School.
Des études évaluées par des pairs et publiées en 2025 examinent les faux avis générés par l'IA, notamment une étude du Journal of Retailing and Consumer Services analysant 714 016 avis et constatant des différences linguistiques significatives entre les faux avis générés par l'IA, les faux avis générés par des humains et les avis authentiques.
Ma critique n'est donc pas :
« Cette étude n'existe pas. »
Ma question est :
Pourquoi ne pas l'avoir cité dans le message original ?
Si vous comptez utiliser la recherche pour établir votre crédibilité, fournissez aux lecteurs suffisamment d'informations pour qu'ils puissent évaluer eux-mêmes cette recherche.
Nom de l'étude. Auteurs. Publication. Lien.
Quatre choses.
Fait.
Surtout lorsque vous êtes le PDG d'une entreprise qui promeut actuellement l'idée que la provenance compte.
C'est presque trop parfait.
Les faux avis n'ont pas été reçus avec ChatGPT
Un autre aspect de cette discussion me dérange.
L'IA n'a pas inventé les faux avis.
L'IA a permis de les rendre plus rapides, moins chers et plus faciles à produire à grande échelle.
L'être humain manipule les réputations depuis très, très longtemps.
En fait, l'histoire est plutôt divertissante.
Années 1800 : Walt Whitman publia anonymement des critiques dithyrambiques de son propre ouvrage, Feuilles d'herbe. C'est en quelque sorte l'équivalent, au XIXe siècle, de la création d'un compte anonyme et de l'attribution de cinq étoiles à soi-même.
Au début des années 1900, les journaux étaient déjà confrontés à des informations fabriquées, des affirmations exagérées et des « faussaires ». En 1913, le New York World avait créé un Bureau d'exactitude et d'équité, notamment pour traiter les plaintes et « éradiquer les faux et les faussaires ».
Avant l'avènement d'Internet, les entreprises utilisaient les témoignages et les recommandations comme outils marketing, ce qui a engendré le même problème fondamental auquel nous sommes confrontés aujourd'hui : cette personne recommande-t-elle le produit parce qu'elle l'aime vraiment, ou parce que quelqu'un tire profit de cette recommandation ?
Les débuts d'Internet : les forums, les sites d'avis et, plus tard, le commerce électronique ont permis aux entreprises et aux particuliers de créer des comptes et de fabriquer des éloges — ou d'attaquer leurs concurrents.
Ironie du sort, Nirav a lui-même cofondé Epinions en 1999, l'une des premières plateformes d'avis d'utilisateurs. Il reconnaît aujourd'hui que l'économie des avis est finalement devenue vulnérable à la manipulation.
Années 2010 : Le commerce de faux avis est devenu une véritable industrie. Les entreprises pouvaient acheter des avis positifs, les concurrents pouvaient être attaqués avec des avis négatifs et les auteurs d’avis pouvaient utiliser plusieurs identités.
Années 2020 : Les fermes à avis sont devenues de plus en plus sophistiquées. Les enquêteurs ont découvert que des personnes rédigeant des avis de manière coordonnée faisaient l’éloge d’entreprises sans lien entre elles dans différents pays, des avis identiques apparaissant parfois sous des noms différents.
Aujourd'hui : l'IA générative a bouleversé l'économie. Au lieu de payer des humains pour rédiger manuellement des centaines d'avis, il est désormais possible de générer rapidement d'énormes quantités de textes convaincants. Des recherches montrent que les personnes maîtrisant l'IA générative peuvent produire des avis trompeurs avec des compétences comparables à celles des humains, même si les chercheurs parviennent encore à identifier statistiquement certaines différences linguistiques.
Même arnaque.
Des machines bien meilleures.
Ce qui me ramène à Nextdoor
L'argument principal de Nextdoor est que l'identité vérifiée et la responsabilité du voisinage peuvent rendre les recommandations plus fiables.
C'est une stratégie intéressante.
Mais la vérification à elle seule ne rend pas une opinion véridique.
Une personne réelle peut exagérer.
Une personne vérifiée peut avoir une rancune.
Un vrai voisin peut recommander l'entreprise de son ami.
Un client légitime peut recevoir une prime.
Deux voisins vérifiés peuvent avoir des expériences totalement différentes avec la même entreprise.
Et, comme je l'ai déjà documenté, j'avais moi-même des doutes quant à la fiabilité réelle du système de vérification de Nextdoor.
Le statut « vérifié » est donc un signal de confiance
Ce n'est pas un sérum de vérité magique.
L'origine compte ? Je suis d'accord.
C'est précisément ce qui rend le message de Nirav si intéressant.
Son argument principal se résume essentiellement à :
La provenance des informations est importante.
Je suis d'accord.
Complètement.
C’est pourquoi, lorsque le PDG déclare :
« Une étude de 2025 a révélé… »
Je veux connaître la provenance.
Nommez l'étude.
Nommez les chercheurs.
Lien vers celui-ci.
Laissons les lecteurs l'examiner.
Et c'est précisément ce que je demande à Nextdoor de fournir concernant ses propres recherches.
Pendant 86 jours.
Nextdoor a publié les résultats de son étude Insights.
Nextdoor a publiquement indiqué à ses lecteurs qu'ils pouvaient demander des données détaillées.
Je l'ai demandé.
J'ai envoyé un courriel.
J'ai fait un suivi.
J'ai étendu la distribution.
J'ai envoyé une autre demande samedi.
Et j'attends toujours les deux études détaillées.
Jour 86
Hier, c'était la fête du Travail.
Aujourd'hui, je demande :
Nextdoor est-il en difficulté ?
Parce que je suis encore en train de travailler.
J'attends que quelqu'un de Nextdoor réponde à mes questions.
L'article de Nirav soutient que la provenance compte.
Sur ce point, nous sommes d'accord.
Voici donc ma suggestion pour le jour 86 :
Entraînez-vous.
Lorsque vous citez une recherche, montrez-nous la recherche.
Lorsque Nextdoor publie des études, veuillez nous indiquer la méthodologie.
Lorsque votre propre blog indique à vos lecteurs qu'ils peuvent demander des données détaillées, fournissez ces données détaillées — ou expliquez pourquoi vous ne le faites pas.
Car, qu'il s'agisse d'une critique de restaurant, d'une recommandation générée par une IA ou d'un rapport d'analyse d'entreprise, le principe reste le même :
Ne me dites pas simplement de lui faire confiance. Donnez-moi suffisamment d'informations pour que je puisse décider si je dois lui faire confiance.
Suivez l'étude de cas Nextdoor en cours sur NielFlamm.com/blog.