Les IA génératives évaluent mal la fiabilité d'une source — plusieurs travaux montrent qu'elles font souvent confiance sans vraiment vérifier. Dans ce contexte, l'epistemic precision devient un signal exploitable : plus une affirmation est exacte, bornée et vérifiable, plus un modèle peut la reprendre sans risque de se tromper. À l'inverse, une généralité floue ou une formule prudente à l'excès offre peu de prise à la citation IA.
La précision épistémique ne se confond ni avec la longueur ni avec le jargon. Elle tient à trois gestes : délimiter la portée d'une affirmation (« sur les licences Pro », pas « toujours »), la rendre vérifiable (un chiffre daté, une source nommée), et calibrer le niveau de certitude — un fait établi ne s'écrit pas comme une prévision. L'erreur fréquente est de gonfler ses affirmations pour paraître plus fort : une IA prudente écartera un contenu qu'elle ne peut pas étayer, tandis qu'un passage précis se cite tel quel.
Cette exigence prolonge l'E-E-A-T côté machine : là où Google évalue l'expertise et la fiabilité, les moteurs génératifs cherchent des énoncés qu'ils peuvent attribuer sans se compromettre. Le critère de décision, pour un rédacteur, est simple : chaque phrase importante doit pouvoir être défendue telle quelle. Si elle ne le peut pas, elle affaiblit la crédibilité de toute la page — et donc sa capacité à être citée.