Un chiffre unique, trois causes sans rapport
Ce qu'est un score de visibilité IA, ce qu'il agrège et pourquoi un chiffre unique dit peu : la page de définition fait référence. Ici, nous regardons ce que recouvrait notre propre zéro. Absent parce que le moteur ne trouve rien, absent parce qu'il a trouvé un concurrent mieux documenté, cité mais mal décrit : trois cas, un même score, trois chantiers sans rapport. Un score bas ne dit pas s'il faut écrire, se faire citer ailleurs ou laisser entrer les robots. Nous avons donc lu les réponses une par une.
Patrick Duhaut, pour ONI, le rappelle : une même question ne produit pas toujours la même réponse, les modèles évoluent sans prévenir, et aucun outil du marché n'observe ce qui se passe chez l'éditeur du moteur. Nous reprenons ces trois points sans les avoir vérifiés ; ils rejoignent notre propre constat : le chiffre agrégé sert à alerter, rarement à décider.
Relevé effectué le 5 août 2026
Le panel. Des questions écrites à l'avance, en langage naturel : génériques (personne n'est nommé) ou nominatives (notre nom est donné).
Les moteurs. Cinq, interrogés le même jour : ChatGPT, Perplexity, Vibe (l'assistant de Mistral), Gemini et Claude.
Les deux modes de mesure, la distinction qui compte. En interface, l'assistant peut chercher en ligne : on mesure ce qu'un utilisateur voit. En mode direct, la recherche est coupée : on mesure ce que le modèle sait sans aller chercher.
La grille de codage. Chaque réponse est classée citée, non citée ou inconnue déclarée ; la description est relevée mot à mot s'il y en a une, pour distinguer une citation juste d'une citation inventée.
La couverture linguistique. Français uniquement. D'autres tests, multilingues, sont à venir, sans date annoncée.
La charge. Chez nous, environ une demi-journée-personne pour écrire le panel et faire les passages, autant pour coder et lire les réponses. Profil requis : savoir poser une question et tenir un tableau, sans compétence technique.
Le tout est détaillé dans notre méthode de scan de visibilité IA, avec un exemple commenté. Le pack de méthode GEO contient la Skill correspondante, en accès libre.
Notre résultat brut : zéro, sans exception
Sur les questions génériques, où l'utilisateur ne nomme personne : zéro citation sur 39 observations. Cinq moteurs sur cinq, aucune exception de formulation. Ce n'est pas un score faible, c'est une absence pleine, qui ne se corrige pas en réécrivant trois titres.
L'étude de Mamie GEO publiée en juin 2026 (40 questions d'achat, cinq assistants, 50 marques françaises) ne trouve qu'une seule marque au-dessus de 50 sur 100. Nous la citons sans l'avoir rejouée. Elle ne distingue pas les réponses selon que le moteur a pu chercher ou non : c'est ce que notre relevé apporte.
Comment savoir si ma marque est citée par les assistants IA (LLM) ?
En posant deux fois la même question : une fois recherche en ligne permise, une fois recherche coupée. L'écart entre les deux réponses est l'information utile. Un LLM dispose en effet de deux sources : ce qu'il a retenu de son entraînement, figé à une date, et ce qu'il lit au moment de répondre.
Sur nos questions nominatives, les deux régimes s'opposent. Recherche interdite ou non aboutie (cinq observations, trois moteurs) : cinq inconnues déclarées sur cinq, le moteur dit ne disposer d'aucune information sur cette marque. Recherche disponible (sept observations, quatre moteurs) : sept citations sur sept, dont une seule avec une description partiellement inventée.
Autrement dit, nous ne sommes pas absents de l'index du web. Nous sommes absents de la mémoire d'entraînement des modèles, et présents dès qu'ils vont voir. Deux problèmes, deux calendriers, qu'un score unique additionne en un chiffre illisible.
Un constat rassurant, que la suite n'a pas confirmé
Aucun des moteurs interrogés sans recherche n'a inventé de réponse. Aucun. Deux ont même prévenu du risque d'invention avant de s'abstenir. C'est contre-intuitif : les travaux d'OpenAI et de Georgia Tech cosignés par Adam Tauman Kalai, relayés en français en septembre 2025, expliquent que les évaluations standard pénalisent de la même façon l'erreur et l'abstention, ce qui pousse les modèles à deviner plutôt qu'à admettre l'ignorance. Sur notre panel, nous avons observé l'inverse.
Douze observations nominatives ne font pas une étude, et nous n'en tirons pas de loi générale. À cette date, sur ce panel, le risque redouté ne s'est pas matérialisé pour une marque simplement inconnue. Les pages françaises lues le 08/08/2026 sur la visibilité des marques dans les IA (ONI, Mamie GEO, LLM Monitor, Galyon) ne documentent pas ce constat. Recherche non exhaustive.
Notre relevé de fin août 2026 (261 observations, neuf surfaces) ne confirme pas ce constat : quinze réponses nous décrivent sans rien savoir de nous (épisode 10 du journal).
Ce que ça change pour une marque jeune
L'inquiétude ordinaire, celle qui fait vendre des audits de réputation, est d'être mal décrit par une IA. Pour une marque jeune, le sujet est ailleurs : être introuvable au moment où le moteur cherche, sur les questions où personne ne vous nomme.
C'est aussi pourquoi l'expression « référencement sur ChatGPT » induit en erreur, prise au pied de la lettre. Il n'y a pas de classement à gagner dans un modèle, mais une mémoire d'entraînement qu'on ne corrige pas de l'extérieur, et un corpus consulté au moment de répondre. Le raisonnement vaut à l'identique pour Claude et Vibe.
D'où l'ordre de travail que nous suivons. D'abord vérifier que les robots atteignent le site et que les pages sont en index : sans quoi, même avec recherche, rien ne sortira. Ensuite rendre les passages reprenables : une définition par page, des faits datés, des entités nommées. Le GEO ne commence qu'à cette étape. Enfin l'autorité, la plus lente, qu'aucun réglage technique ne remplace.
La triangulation, par un instrument extérieur
Un relevé manuel se discute. Nous avons donc fait interroger les cinq mêmes moteurs par un instrument tiers, par API, sans intervention humaine : zéro citation, indice de visibilité à zéro. Deux méthodes, même constat. Mais même panel et même date : ce n'est pas une vérification indépendante, seulement une erreur de relevé moins probable.
Le même instrument donne le contexte concurrentiel et tempère l'idée d'un retard qui nous serait propre : le meilleur des concurrents validés atteint trois moteurs sur cinq, et le plus proche de nous sur le GEO n'est cité par aucun. Sur ce panel, à cette date, la visibilité dans les IA est rare partout.
Réserves
Lire les réserves
Une passe, un jour, un panel écrit par nous, sans variance mesurée : nous ignorons ce qu'aurait donné le même relevé le lendemain. Comptes non neutres : historique, langue et localisation influencent les réponses, et nous ne l'avons pas contrôlé. Les catégories « avec recherche » et « sans recherche » sont déduites du comportement observé, pas fournies par l'éditeur. Ce relevé mesure la citation, pas le trafic.
Sources
- ONI, Patrick Duhaut, « Mesurer sa visibilité sur les IA : méthodes et limites », https://www.oni.fr/mesurer-sa-visibilite-sur-les-ia/ (reprise non vérifiée)
- Mamie GEO, étude du 11 juin 2026, 50 marques françaises, https://mamie-geo.fr/blog/etude-visibilite-ia-50-marques-francaises (reprise non vérifiée)
- IT Social, 9 septembre 2025, sur les travaux d'OpenAI et Georgia Tech relatifs à l'abstention des modèles, https://itsocial.fr/intelligence-artificielle/intelligence-artificielle-articles/openai-explique-enfin-pourquoi-les-llm-hallucinent/ (reprise non vérifiée)
- LLM Monitor, avril 2026, https://www.llm-monitor.com/pourquoi-ma-marque-n-apparait-pas-dans-chatgpt/ (vérification d'absence, aucune mention)
- Galyon, mai 2026, https://galyonai.com/blog/marque-absente-reponses-ia-raisons-diagnostic/ (vérification d'absence, aucune mention)
Cette page vous a servi ? Partagez-la sur LinkedIn. Pour retrouver nos publications dans vos résultats Google, ajoutez MarkenTIQ à vos sources préférées.
Julien Fauvel, pour MarkenTIQ · 14 août 2026