Apparaître dans les réponses de ChatGPT ou de Gemini est devenu un enjeu commercial à part entière, et le GEO, l’optimisation pour les moteurs génératifs, attire depuis deux ans promesses et prestataires en tout genre. Restait à savoir sur quoi travailler réellement. Le consultant Pierre Sauvé a mené une étude d’envergure pour le vérifier, et ses conclusions dérangent.
Sur un panel de 148 marques, la présence dans les données d’entraînement des modèles ne prédit pas la citation dans les réponses : l’accord entre les deux classements n’est que de 0,1 sur une échelle de 0 à 1 en 2026, selon l’étude relayée par Abondance. Autrement dit, une marque peut être parfaitement connue d’un modèle d’IA et rester invisible dans ses recommandations, quand une quasi-inconnue de ses corpus ressort dans la majorité des réponses de son secteur.
Pour Rodrigue Dworaczek, fondateur de RD Agency, agence web 360° installée à Paris, cette recherche éclaire un malentendu tenace chez les TPE et les PME : la visibilité dans les IA ne se pilote pas comme un score unique. Elle se joue sur deux couches, la présence et la citabilité, qui n’obéissent pas aux mêmes leviers et ne se mesurent pas avec les mêmes outils.
Table des matières
Trois prompts identiques, trois listes : la volatilité des réponses des IA
L’étude est partie d’un doute concret remonté par un client de Pierre Sauvé, une plateforme de sondage dont les équipes constataient des taux de visibilité IA différents d’un outil à l’autre. Le consultant a donc posé trois fois la même question à ChatGPT, le même jour et à quelques heures d’intervalle. Résultat : trois listes de marques différentes, sans qu’aucune n’apparaisse dans les trois réponses, une seule ressortant dans deux d’entre elles. Il résume l’exercice par une formule qui fait mouche : la roulette russe.
Étendu avec les données de Qwairy, un outil de suivi de la visibilité dans les LLM, le constat se généralise. Sur ChatGPT, 42 % des marques suivies n’apparaissent qu’une seule fois sur trois passages identiques, et 37 % seulement ressortent les trois fois ; Gemini monte à 55 % de marques vues une seule fois (Abondance, 2026). Concrètement, un audit GEO fondé sur une seule interrogation ressemble à un tirage au sort.
Chez RD Agency, Rodrigue Dworaczek observe régulièrement ce type d’instabilité : une marque TPE qui ressort dans trois réponses sur dix un mardi peut disparaître le jeudi, sans aucune modification de son site. En agence, aucun verdict de visibilité IA n’est donc rendu avant plusieurs séries de requêtes identiques, espacées de quelques jours au minimum. Un relevé unique ne mesure pas une position, il enregistre un tirage.
Présence et citabilité : deux couches que les audits GEO confondent
La clé de lecture de l’étude tient en deux notions. La présence désigne ce qu’un modèle a mémorisé pendant son entraînement : une connaissance figée, qui évolue lentement et se mesure de façon reproductible. La citabilité renvoie à ce que l’étape de recherche web place devant le modèle au moment de répondre : un matériau volatile, mais actionnable à court terme. Les deux couches se recoupent rarement, et chaque stratégie GEO doit dire laquelle elle travaille.
Deux exemples bornent le spectre. Pour nommer le président français de 2003, ChatGPT n’a besoin de chercher nulle part, l’information est solidement ancrée dans ses données d’entraînement. Pour annoncer le résultat du dernier match de l’OM, la recherche web s’impose. La plupart des requêtes d’achat se situent entre les deux : le modèle puise dans sa mémoire, puis la recherche complète, valide ou contredit ces souvenirs.
Croisées, ces deux dimensions dessinent quatre situations, chacune appelant une action différente.
| Votre situation | Lecture | Priorité d’action |
|---|---|---|
| Présente et citée | Position idéale, mémoire et recherche convergent | Consolider les acquis et surveiller le discours qui circule |
| Présente mais jamais citée | Le modèle vous connaît, la recherche ne remonte pas vos pages | Travailler fraîcheur, balisage et pages comparatives |
| Absente mais citée | Visibilité portée par la recherche, donc fragile | Construire un socle de présence durable |
| Absente et silencieuse | Aucune mémoire, aucune remontée | Stratégie de fond sur les mentions qualitatives |
Le fichier robots.txt recoupe cette lecture. Chez OpenAI, GPTBot collecte du contenu pour l’entraînement des modèles, tandis qu’OAI-SearchBot alimente l’index de recherche mobilisé au moment de répondre. Les cas relevés en septembre 2026 sont éloquents : Moosend, qui bloque GPTBot et ChatGPT-User mais laisse passer le robot de recherche, ressort dans moins de 3 % des réponses de ChatGPT de son secteur ; Dealabs, qui bloque presque tout, est cité dans 36 % des réponses grâce à un ancrage exceptionnellement solide (Abondance, 2026).
La leçon vaut pour toutes les tailles d’entreprise : bloquer les crawlers d’entraînement ne retire pas une marque des corpus, puisque les sites tiers qui la mentionnent continuent de nourrir les modèles. Ce choix confie surtout à des tiers la manière dont votre marque sera décrite, et rend dépendant de la recherche pour corriger le récit. RD Agency conseille au minimum de laisser OAI-SearchBot crawler les pages stratégiques, faute de quoi la marque peut perdre à la fois la mémoire et le temps réel.
Mentions en masse, Reddit, Wikipédia : que valent vraiment ces trois leviers ?
Trois croyances circulent depuis des mois dans les milieux GEO : il faudrait accumuler les mentions à tout va, être omniprésent sur Reddit, obtenir une page Wikipédia. L’étude de Pierre Sauvé les teste une par une, et aucune ne survit intacte à la comparaison appariée, qui confronte des marques de notoriété web équivalente.
Le rendement décroissant du spam de mentions
Premier constat : lors de l’extraction du texte d’entraînement, la mise en forme HTML disparaît, et un lien n’est plus qu’une ancre, donc une mention. Le lien conserve néanmoins deux rôles : Common Crawl découvre et revisite les pages en suivant les liens, et les index de ChatGPT ou de Gemini s’appuient sur le graphe de liens pour choisir les sources proposées au modèle. Acheter des mentions, en revanche, n’a jamais démontré d’effet mesurable sur les données d’entraînement.
Les chiffres dessinent un rendement clairement décroissant. Dans le quartile le moins mentionné, 11 % des marques sont réellement reconnues par les modèles ; la proportion atteint 30 % avec six fois plus de mentions, puis 46 % avec 33 fois plus, avant de retomber à 35 % pour les marques omniprésentes comme HubSpot, IKEA ou Sephora, pourtant 110 fois plus citées sur le web (Abondance, 2026). Sortir de l’invisibilité conserve le meilleur rendement ; saturer une marque déjà installée rapporte très peu. Pour une marque jeune, taper plus fort sur les mentions qualitatives garde donc du sens, puisqu’elle part de zéro.
Reddit : un signal de présence, pas un levier
À première vue, Reddit semblait peser lourd : les 16 marques les plus présentes sur la plateforme affichent une marge médiane de +1,39 nat contre +1,06 nat pour les 132 autres. Mais à notoriété web égale, le comparatif apparié rend un verdict neutre : 8 paires en faveur de Reddit, 8 contre, pour un écart médian de 0,05 nat en défaveur du facteur Reddit (Abondance, 2026). Reddit signale une présence déjà là, il ne la construit pas.
L’expérience d’un client accompagné par une agence spécialisée dans la plateforme résume le risque : aucune différence observée, un compte signalé par Reddit, et des critiques formulées uniquement sur ce canal qui remontent ensuite dans les réponses des IA, celles-ci cherchant à présenter le positif et le négatif. Pierre Sauvé estime que Reddit ne rend pas mieux qu’un média quelconque et recommande des espaces où la marque maîtrise son discours.
Wikipédia : un symptôme de notoriété plus qu’un accélérateur
Même verdict pour l’encyclopédie. Les 75 marques dotées d’une page devancent les 73 autres de 0,42 nat et comptent 11,9 fois plus de mentions, mais à notoriété égale, 19 paires sur 36 jouent contre la croyance (Abondance, 2026). La page Wikipédia constate la notoriété plus qu’elle ne la crée. S’y ajoute un risque d’image : une page créée par un prestataire rémunéré se signale souvent par un bandeau, qui dessert la marque.
Pour une TPE, l’ordre des priorités reste clair : des contenus comparatifs maîtrisés, sur son propre site d’abord. C’est exactement le terrain de jeu de la méthodologie Résonance SEO déployée par RD Agency, qui travaille la preuve sémantique plutôt que le volume brut de mentions.
Pourquoi une marque bien connue des modèles reste absente des réponses
Reste le cœur méthodologique, celui qui explique le chiffre de 0,1. Pour mesurer la présence, l’étude s’appuie sur la log-probabilité : un modèle de langage attribue à chaque mot une probabilité de suivre le précédent. Le protocole évalue la phrase associant une marque à sa catégorie réelle et mesure la marge, en nats, avec quatre catégories volontairement absurdes, du café italien à la danse folklorique. Le panel couvre 148 marques en 11 secteurs, dont 38 noms inventés servant de plancher, avec une notoriété comptée en mentions par milliard de mots dans cinq corpus ouverts de pré-entraînement, de C4 à The Pile, via l’API infini-gram de l’Allen Institute for AI. La présence a été testée sur dix modèles ouverts des familles Qwen, Llama et Gemma, de 1 à 9 milliards de paramètres, le tout pour environ 50 dollars de GPU loués.
Cette précaution du plancher est indispensable, car une log-probabilité brute mesure la plausibilité d’une suite de caractères, pas une connaissance. Un nom inventé mais parlant, qui contient par exemple « mail » pour l’emailing, décroche un bonus de +0,75 à +1,23 nat selon la taille du modèle : sur les petits modèles, sept marques réelles sur dix ne battent pas ce nom qui n’existe pas (Abondance, 2026).
Le croisement final avec les citations réelles, relevées par Qwairy sur environ 20 prompts génériques par secteur soumis trois fois à ChatGPT et Gemini, soit plus de 1 100 réponses, met en évidence le paradoxe. Une marque est déclarée citée si elle ressort dans au moins 5 % des réponses de son secteur. Chaque couche est cohérente avec elle-même : 0,89 d’accord entre ChatGPT et Gemini sur les marques citées, 0,85 entre les modèles ouverts sur les marques connues. Entre présence et citation, l’accord s’effondre à 0,1, sauf pour les géants comme IKEA ou HubSpot (Abondance, 2026).
Deux cas résument l’abîme entre les deux mondes. Adobe Marketo, présente avec une marge de +1,37 nat et 2 131 occurrences par milliard de mots, sort dans une seule réponse ChatGPT sur 60 dans l’emailing, alors que la marque pesait déjà 400 millions de dollars de chiffre d’affaires en 2021. À l’inverse, Brevo affiche une marge négative, inférieure au plancher des marques inventées, mais ressort dans 83 % des réponses ChatGPT de son secteur. La mémoire des modèles et le flux des recommandations avancent en parallèle, rarement ensemble.
Ce que ça implique concrètement pour votre stratégie GEO
Premier impératif opérationnel : bannir l’audit à passage unique. Pierre Sauvé recommande des audits GEO avec passages répétés, réalisés dans l’interface grand public plutôt que par API, adossés à un socle daté et à deux indicateurs distincts, présence et citation, plutôt qu’à un score unique (Abondance, 2026). C’est précisément la grille adoptée dans la méthodologie Résonance SEO de RD Agency : chaque suivi de visibilité IA sépare ce que les modèles connaissent de ce qu’ils recommandent, avec des relevés étalés sur plusieurs semaines et inspirés du protocole de Qwairy.
Deuxième impératif : hiérarchiser selon son point de départ. Une marque jeune doit concentrer ses efforts sur les mentions qualitatives qui la font sortir de l’invisibilité, là où le rendement reste maximal. Une marque déjà connue des modèles a tout à gagner à travailler la couche de récupération : pages comparatives, fraîcheur du contenu, balisage propre et ouverture des robots de recherche. Wikipédia et Reddit ne sont ni des raccourcis ni des pièges, juste des signaux à replacer dans un socle éditorial maîtrisé.
Rodrigue Dworaczek observe chaque mois cette bascule dans la demande : il y a encore deux ans, les échanges des clients de RD Agency portaient presque exclusivement sur le référencement Google classique. En 2026, une part croissante concerne les réponses de ChatGPT et de Gemini, et la première erreur constatée reste de vouloir résumer cette visibilité en un seul pourcentage. Ce raccourci conduit à investir dans les mauvais leviers, à commencer par l’achat de mentions sans effet démontré.
Vers des audits GEO à deux indicateurs
L’enseignement le plus durable de cette étude tient en une phrase : la présence dans les données d’entraînement et la citation dans les réponses forment deux couches séparées, qui réclament chacune leur mesure et leur stratégie. Les modèles ouverts connaissent sensiblement les mêmes marques (0,85 d’accord entre eux), les moteurs génératifs citent sensiblement les mêmes (0,89), mais ces deux classements ne se recouvrent presque pas. Une stratégie GEO sérieuse commence donc par identifier dans quelle case de la matrice se trouve votre marque.
Une V2 de l’étude est annoncée, qui portera cette fois sur ce que les modèles pensent des marques et pas seulement sur ce qu’ils en connaissent. D’ici là, une certitude : piloter sa visibilité IA avec un score unique revient à conduire avec un seul rétroviseur. Pour situer votre marque entre présence et citation, RD Agency propose un état des lieux en deux indicateurs, dans le prolongement de la méthodologie Résonance SEO. Un premier échange suffit souvent à dissiper le brouillard.