Quand l'IA se trompe sur votre entreprise : agir ou attendre ?

Un client vous transfère une réponse d'assistant : votre entreprise y est décrite avec une adresse erronée, une offre que vous n'avez plus, ou une affirmation sur votre conformité au RGPD que rien ne fonde. La tentation est de réagir immédiatement. La bonne décision dépend de la nature de l'erreur et de l'endroit où elle prend sa source.

La question

Que faire lorsqu'un assistant IA donne une information fausse ou non étayée sur son entreprise, et quand cela vaut-il l'effort ?

Ce que l'on sait

Les éditeurs le disent eux-mêmes : l'aide de Google sur les Aperçus IA rappelle que les réponses générées peuvent contenir des erreurs, et Google permet d'envoyer un signalement depuis les résultats de recherche. L'étude de l'UER et de la BBC a relevé au moins un problème significatif dans 45 % des 2 709 réponses évaluées, sur des questions d'actualité. Pour une entreprise belge, les données publiques de référence — dénomination, adresse du siège, coordonnées, site — sont consultables gratuitement dans le Public Search de la Banque-Carrefour des Entreprises.

Ce que montre notre simulation

Huit questions de notre corpus (Q33 à Q40) demandent à un assistant de juger une entreprise nommée : « que penser de… », « est-elle fiable ? », « est-il conforme au RGPD ? ». Nous codons la position de chaque réponse en trois catégories. Dans notre scénario, 41,4 % des réponses concluent sans source vérifiable qui les soutienne, 28 % concluent en s'appuyant sur une source qui soutient la conclusion, et 30,6 % reconnaissent ce qui ne peut pas être établi.

Sur la question de conformité au RGPD, notre scénario fait davantage reconnaître les limites (38,2 % contre 29,6 % pour les autres questions de vérification). Et les réponses à ces questions contiennent au moins une erreur factuelle vérifiable dans 19,8 % des cas, contre 10,2 % pour les questions de découverte. Ces écarts sont des hypothèses de modèle ; ils illustrent ce qu'une collecte réelle devrait vérifier.

Ce que cela signifie

Une réponse qui « juge » une entreprise n'établit rien. Elle peut être erronée, reprendre une source obsolète, ou conclure sans aucune source. Deux erreurs n'ont pas le même poids : une information factuelle fausse (adresse, offre, statut) se corrige souvent à la source ; un jugement non étayé (« fiable », « conforme ») ne se corrige pas, il se contredit par des preuves publiques.

Les options

—Attendre : raisonnable si l'erreur est isolée, apparaît sur une seule interrogation et ne touche pas une information décisive.

—Corriger les sources : mettre à jour son site, sa fiche d'établissement, ses données à la Banque-Carrefour des Entreprises, ses fiches d'annuaires. C'est le levier le plus durable.

—Signaler au système : utile en complément, sans garantie de délai ni de résultat.

—Publier des preuves : pour les sujets de confiance (conformité, certifications), une page claire qui expose ce qui peut être vérifié et par qui.

Notre recommandation

D'abord, vérifier que l'erreur est récurrente : reposez la question trois fois, sur deux systèmes. Si elle se répète et porte sur un fait, cherchez la source — les liens cités par la réponse, ou les pages qui décrivent votre entreprise — et corrigez-la : votre site, votre fiche Google Business Profile, vos données à la Banque-Carrefour des Entreprises. Signalez ensuite la réponse au système. Pour un jugement non étayé, publiez une page de preuves vérifiables plutôt qu'un démenti.

Les limites

Tous les chiffres Lab de cet article proviennent de notre simulation : nous avons fixé les hypothèses du modèle, puis généré les réponses, les codages et les arbitrages. Les écarts entre systèmes y reproduisent nos hypothèses d'entrée ; ils ne décrivent pas le comportement réel de ChatGPT, Gemini, Claude, Perplexity ou des Aperçus IA de Google. Ce que la simulation illustre, c'est la méthode et l'effet de la variabilité sur une mesure.

Nos codeurs simulés n'ont aucun seuil d'accord fixé avant collecte pour la position face à la vérification : la lecture est descriptive. Les erreurs factuelles sont comptées par le modèle, jamais rédigées.

Et maintenant ?

Une collecte réelle devra mesurer la fréquence des erreurs et des affirmations non étayées sur de vraies entreprises — ce qui exige une politique de publication prudente, déjà inscrite dans notre protocole. Pour votre entreprise, la vérification se fait dès aujourd'hui.