Être connu par une intelligence artificielle ne signifie pas forcément être recommandé par elle.
Une étude menée sur 12 marques de vêtements et chaussures de sport apporte une illustration particulièrement intéressante de ce phénomène. Les chercheurs ont effectué 14 140 requêtes pendant sept jours auprès de ChatGPT, Gemini, Claude, Perplexity et Google AI Overviews.
Leur constat : une même marque peut apparaître presque systématiquement lorsqu’une demande utilise une certaine catégorie de produit… et disparaître lorsque cette catégorie est formulée différemment.
Dans l’expérience, New Balance était citée dans seulement 1 % des réponses lorsque la requête portait sur les marques « athleisure », mais dans 90 % des réponses lorsqu’elle concernait les chaussures de sport.
Pour lululemon, c’était pratiquement l’inverse : 90 % de présence pour “athleisure” et 0 % pour les chaussures de sport.
Pour une direction marketing, ce résultat pose une question importante : dans quelle catégorie ChatGPT, Gemini ou Perplexity placent-ils réellement votre marque ?
Les IA ne répondent pas seulement à la question « quelle est la meilleure marque ? »
Lorsqu’un internaute demande :
« Quelles sont les meilleures marques de chaussures de sport ? »
il pourrait sembler logique que l’intelligence artificielle commence par identifier toutes les marques susceptibles de répondre au besoin, puis les compare avant de proposer les meilleures.
La réalité est plus complexe.
Les grands modèles de langage, ou LLM (Large Language Models), construisent leurs réponses à partir des associations apprises pendant leur entraînement et, pour certains services, des informations retrouvées sur le web au moment de la requête.
Ils ont donc déjà rencontré des milliers de textes reliant certaines marques à certains produits, usages, concurrents et catégories.
Nike peut ainsi être fréquemment associé à « chaussures de sport », « running », « vêtements de sport » ou encore « athleisure ».
Une autre marque peut être très connue, mais principalement associée à une seule de ces catégories.
Lorsque la formulation de la question change, l’ensemble des marques susceptibles d’être proposées peut donc lui aussi changer.
C’est ce que les auteurs de l’étude présentée par Search Engine Land appellent le category coding, que l’on pourrait traduire par la manière dont une marque est implicitement rattachée à certaines catégories.
Une marque peut être très connue sans être associée au bon besoin
C’est probablement le point le plus intéressant de l’étude.
New Balance disposait du score le plus élevé dans le Google Knowledge Graph parmi les marques étudiées. Son resultScore, utilisé par les chercheurs comme indicateur de la force de l’entité, atteignait 64 235, contre 25 996 pour Nike et seulement 810 pour lululemon.
Pourtant, cette forte reconnaissance ne lui garantissait absolument pas d’apparaître lorsqu’une question était formulée autour de la catégorie « athleisure ».
Autrement dit, deux problématiques doivent être distinguées.
La première est : l’IA sait-elle qui vous êtes ?
La seconde est : vous associe-t-elle au besoin exprimé par l’utilisateur ?
Pour une marque, être correctement identifiée comme une banque, une compagnie d’assurance ou un éditeur de logiciel est une première étape.
Mais ce n’est pas nécessairement suffisant pour apparaître dans des réponses comme :
- « Quelle assurance choisir pour couvrir les frais de santé de ma famille en Côte d’Ivoire ? »
- « Quelles banques proposent un bon compte pour les petites entreprises au Sénégal ? »
- « Quelle assurance auto peut-on souscrire en ligne au Cameroun ? »
Dans ces exemples, la marque doit être associée non seulement à son secteur, mais également au besoin précis exprimé dans la requête.
Le vocabulaire utilisé autour de votre marque devient donc stratégique
Prenons une compagnie d’assurance fictive. Sur son site, elle se définit principalement comme une « compagnie d’assurance généraliste ».
Les articles de presse parlant d’elle évoquent surtout ses résultats financiers, ses nominations et ses actualités institutionnelles.
Elle commercialise pourtant une offre d’assurance automobile pouvant être souscrite entièrement en ligne.
Du point de vue de l’entreprise, elle fait donc incontestablement partie des assureurs automobiles digitaux.
Mais si très peu de contenus disponibles sur le web associent explicitement son nom aux notions :
- assurance auto en ligne ;
- souscription digitale ;
- assurance automobile ;
- devis assurance auto ;
- assurance auto immédiate ;
il est possible qu’elle soit moins spontanément proposée lorsqu’un utilisateur formule sa demande de cette façon.
Un concurrent moins important en taille mais régulièrement cité dans des articles comme « assurance auto en ligne », comparé à d’autres assureurs digitaux et présent dans des guides sur la souscription automobile peut disposer d’associations sémantiques beaucoup plus fortes avec cette catégorie. C’est précisément la distinction entre notoriété de la marque et association de la marque à un besoin.
Ce que votre propre site dit de vous ne suffit pas toujours
Cette évolution apporte également une nuance importante aux stratégies d’optimisation pour les moteurs génératifs, parfois regroupées sous le terme GEO (Generative Engine Optimization).
Une partie du travail consiste naturellement à rendre l’entreprise facile à comprendre : une page « À propos » claire, une architecture cohérente, des pages produits explicites, des informations homogènes sur les différents sites et des données structurées correctement implémentées.
Google recommande par exemple d’utiliser le type Schema.org correspondant le plus précisément possible à une organisation afin d’aider ses systèmes à comprendre les informations présentes sur une page.
Mais cela ne contrôle pas tout ce que les systèmes peuvent associer à votre marque.
Les auteurs de l’étude ont notamment observé l’importance des contenus provenant de tiers : articles, guides, comparatifs, avis ou publications mentionnant simultanément une marque et une catégorie.
Nike constitue un exemple intéressant.
Dans l’expérience, la marque apparaissait dans 77 % des requêtes liées à l’athleisure et 90 % de celles consacrées aux chaussures de sport.
Les auteurs expliquent cette capacité à couvrir plusieurs catégories notamment par l’importante quantité de contenus externes reliant Nike aussi bien aux chaussures qu’à la mode, aux vêtements de sport ou à l’athleisure.
La conséquence marketing est importante : votre positionnement n’est pas uniquement déterminé par ce que votre marque dit d’elle-même. Il dépend également de la façon dont le reste du web parle d’elle.
Cela redonne de l’importance aux relations presse, comparatifs et contenus externes
Pendant longtemps, les stratégies SEO se sont fortement concentrées sur le site de l’entreprise : produire des pages, cibler des mots-clés, obtenir des liens et améliorer les aspects techniques.
Ces leviers restent importants.
Mais la visibilité dans les réponses générées par intelligence artificielle invite également à observer l’environnement éditorial dans lequel une marque apparaît.
Pour une compagnie d’assurance souhaitant être davantage associée à l’assurance santé des familles, par exemple, il peut être pertinent d’examiner :
- les médias qui traitent réellement de cette problématique ;
- les comparatifs existants telles que comparateur.africa ;
- les guides dans lesquels les concurrents apparaissent ;
- les expressions utilisées pour décrire les différentes offres ;
- les marques auxquelles l’entreprise est régulièrement comparée.
L’objectif n’est pas de répéter artificiellement une expression partout sur Internet.
Il s’agit de développer une présence crédible dans les conversations et contenus qui définissent réellement la catégorie.
Une marque souhaitant être reconnue comme un acteur de la « banque pour PME » a ainsi intérêt à être réellement citée dans des contenus consacrés au financement des PME, aux comptes professionnels, aux moyens de paiement professionnels ou à la gestion de trésorerie, et pas uniquement dans des articles institutionnels sur le secteur bancaire.
Attention néanmoins à ne pas transformer cette étude en règle universelle
Le résultat mérite une nuance importante.
L’expérience porte sur 12 marques d’un même univers, celui des vêtements et chaussures de sport, au Royaume-Uni, pendant une période de sept jours. Les auteurs indiquent eux-mêmes poursuivre des validations sur d’autres catégories et zones géographiques.
Il serait donc excessif d’en conclure que toutes les intelligences artificielles attribuent définitivement à chaque entreprise une catégorie unique et immuable.
Les réponses peuvent également dépendre du modèle utilisé, de sa version, de l’utilisation ou non d’une recherche web, des sources récupérées à cet instant, du contexte de la conversation et de la formulation complète du prompt.
L’étude démontre surtout quelque chose de plus prudent mais déjà très utile : changer la catégorie utilisée dans une question peut modifier très fortement les marques recommandées.
Pour une direction marketing, cela suffit à justifier un nouveau type d’audit.
Comment vérifier dans quelles catégories les IA associent votre marque ?
L’exercice peut commencer très simplement.
Listez d’abord cinq à dix formulations réellement utilisées par vos clients pour décrire votre marché ou leur besoin.
Une banque pourrait par exemple tester :
- « meilleure banque pour PME »
- « compte bancaire entreprise »
- « banque digitale pour entreprise »
- « solution bancaire pour entrepreneur »
- « financement PME »
Il faut ensuite poser des questions comparables à plusieurs moteurs comme ChatGPT, Gemini ou Perplexity et observer quelles marques apparaissent.
Le plus intéressant n’est pas uniquement votre présence globale. Il faut comparer les résultats catégorie par catégorie.
Votre banque peut être régulièrement citée dans « banque pour PME » mais totalement absente de « banque digitale pour entreprise ».
Votre assurance peut être visible dans « assurance santé » mais absente de « couverture santé familiale ».
Votre logiciel peut être reconnu comme un CRM mais jamais apparaître lorsqu’un dirigeant cherche un « outil pour automatiser le suivi commercial ».
Une fois ces écarts identifiés, examinez ce que le web dit réellement de votre marque autour de chaque catégorie : articles, interviews, comparateurs, annuaires, avis, pages partenaires et publications spécialisées.
Vous obtenez alors une cartographie beaucoup plus utile que la simple question : « Sommes-nous présents dans ChatGPT ? »
La vraie question devient : « Pour quels besoins et quelles formulations ChatGPT, Gemini ou Perplexity pensent-ils à nous ? »
Et cette distinction pourrait devenir de plus en plus importante à mesure que les consommateurs utilisent les intelligences artificielles non plus seulement pour trouver de l’information, mais pour leur demander directement quoi acheter, quelle entreprise choisir ou quelle marque comparer.
