🔍 Contexte

Article publié le 20 juillet 2026 sur LinkedIn par David Konitzny, chercheur GEO chez Peec AI. L’auteur documente une découverte réalisée lors de sessions de test personnelles portant sur le mécanisme de partage de conversations de la plateforme d’IA DeepSeek.

📌 Découverte principale

Le chercheur a constaté que les liens de conversations partagées de DeepSeek (situés dans le répertoire /share/) sont indexés par Google. En utilisant l’opérateur site: dans Google, il a pu accéder à un nombre considérable d’URLs correspondant à des conversations partagées publiquement, sans que les utilisateurs en soient nécessairement conscients.

Le mécanisme en cause : lorsqu’un utilisateur clique sur le bouton de partage dans l’interface DeepSeek, une page publique est générée. Le pop-up d’avertissement indique que « toute personne disposant du lien peut voir la conversation », mais ne mentionne pas que ce lien peut être indexé par les moteurs de recherche.

🗃️ Contexte historique de l’exposition DeepSeek

En début d’année 2026, Wired avait déjà rapporté une exposition sérieuse impliquant DeepSeek :

  • Une base de données ClickHouse (open-source, utilisée pour l’analytique serveur) avait été trouvée exposée
  • Elle contenait : fichiers de logs, prompts utilisateurs, clés API d’authentification
  • Les prompts observés étaient principalement en chinois

📊 Findings analytiques

  • Augmentation des liens indexés : croissance notable en 2026, avec un pic en avril
  • Distribution linguistique : le russe représente 31% des liens partagés observés, l’anglais 20%
  • Déclenchement de recherche web : seulement 13,2% des requêtes observées ont déclenché une recherche web
  • Fan-out : lorsqu’une recherche web est déclenchée, le système génère généralement 5 fan-outs simultanément
  • Profondeur des conversations : la majorité des utilisateurs posent une seule question ; les échanges dépassant 10 messages sont rares
  • Métadonnées accessibles : via les outils développeur du navigateur, il est possible d’extraire le champ inserted_at (horodatage de création) et les données de fan-out

🌐 Patterns d’usage observés

  • Activité depuis la Chine concentrée autour de midi
  • Activité depuis la Russie plus fréquente en soirée
  • Jours de pic : mardi et samedi

📄 Type d’article

Publication de recherche / analyse technique publiée sur LinkedIn, visant à documenter une exposition de données liée aux fonctionnalités de partage d’une plateforme LLM grand public.

🧠 TTPs et IOCs détectés

TTP

  • T1213 — Data from Information Repositories (Collection)

🔴 Indice de vérification factuelle : 33/100 (basse)

  • ⬜ linkedin.com — source non référencée (0pts)
  • ✅ 7646 chars — texte complet (fulltext extrait) (15pts)
  • ⬜ aucun IOC extrait (0pts)
  • ⬜ pas d’IOC à vérifier (0pts)
  • ✅ 1 TTP(s) MITRE (8pts)
  • ✅ date extraite du HTML source (10pts)
  • ⬜ aucun acteur de menace nommé (0pts)
  • ⬜ pas de CVE à vérifier (0pts)

🔗 Source originale : https://www.linkedin.com/pulse/when-ai-conversations-become-public-analysis-deepseek-david-konitzny-xn8ze/