Être nommé, être recommandé, être cité : trois visibilités différentes dans les réponses des IA

Une entreprise peut apparaître dans une réponse d'assistant IA de trois façons. Son nom figure dans la réponse. Elle y est explicitement conseillée. Ou l'une de ses pages est citée comme source. Ces trois situations sont souvent regroupées sous un seul mot — « visibilité IA », « GEO » — alors qu'elles ne se produisent pas pour les mêmes raisons et n'ont pas les mêmes effets. Nous avons construit le Lab #2 de Youpi News pour les mesurer séparément. Voici d'abord ce que l'on sait de sources publiques, et ce que cette distinction change pour décider.

La question

Que veut dire « être visible » quand une réponse remplace une liste de liens, et qu'est-ce qu'une PME peut réellement mesurer ?

Ce que l'on sait : les clics vers les sources sont rares

Le Pew Research Center a analysé la navigation réelle de 900 adultes américains en mars 2025. Lorsqu'un résumé IA apparaissait dans les résultats de Google, les utilisateurs cliquaient sur un lien de résultat classique lors de 8 % des visites, contre 15 % lorsqu'aucun résumé n'apparaissait. Ils ne cliquaient sur un lien cité dans le résumé lui-même que lors de 1 % des visites.

Être cité en source n'est donc pas synonyme de visite. Google précise de son côté qu'aucune optimisation particulière n'est requise pour apparaître comme lien dans ses Aperçus IA ou son mode IA : la page doit être indexée et pouvoir s'afficher avec un extrait. Le trafic issu de ces fonctionnalités est compté dans le trafic « Web » global de la Search Console, sans être isolé.

Ce que l'on sait : la citation fait partie du produit, sa fiabilité non

Plusieurs assistants présentent la citation de sources comme une fonction centrale. OpenAI décrit la recherche de ChatGPT comme des réponses accompagnées de liens vers des sources web pertinentes, la recherche étant déclenchée selon la question posée. Perplexity indique que chaque réponse comporte des citations numérotées vers les sources d'origine. Anthropic annonce que Claude fournit des citations directes lorsqu'il utilise le web.

Les évaluations indépendantes montrent que la présence d'un lien ne garantit pas sa justesse. Le Tow Center for Digital Journalism de l'université Columbia a soumis 1 600 requêtes à huit moteurs de recherche IA, en leur demandant d'identifier l'article d'origine d'extraits d'actualité. Collectivement, plus de 60 % des réponses étaient incorrectes ; le taux allait de 37 % pour Perplexity à 94 % pour Grok 3.

L'Union européenne de radio-télévision et la BBC ont fait évaluer 2 709 réponses de ChatGPT, Copilot, Gemini et Perplexity par 22 médias publics de 18 pays, en 14 langues — dont la RTBF et la VRT pour la Belgique. 45 % des réponses comportaient au moins un problème significatif, et l'attribution des sources en était la première cause, avec 31 % des réponses concernées.

Ce que l'on sait : les listes de marques changent presque à chaque fois

SparkToro a fait poser 12 demandes de recommandation de marques ou de produits à ChatGPT, Claude et aux réponses IA de Google par 600 volontaires, soit 2 961 réponses. La probabilité d'obtenir deux fois la même liste de marques était inférieure à 1 sur 100 ; celle d'obtenir la même liste dans le même ordre, inférieure à 1 sur 1 000.

Côté recherche, l'article qui a popularisé le terme « Generative Engine Optimization » (Aggarwal et al., 2023) rapporte jusqu'à 40 % d'amélioration de visibilité grâce à certaines techniques de rédaction, sur le banc d'essai construit par ses auteurs. C'est un résultat expérimental dans un cadre contrôlé, pas une garantie sur un assistant grand public.

Ce que cela signifie

Premièrement, présence et recommandation ne se confondent pas. Figurer dans une liste de dix noms n'est pas être conseillé. Une mesure qui compte les apparitions sans distinguer les recommandations surestime l'effet pour l'entreprise.

Deuxièmement, citation et présence sont indépendantes. Une page peut servir de source sans que l'entreprise soit nommée, et une entreprise peut être nommée sans qu'aucune de ses pages ne soit citée. Les études du Tow Center et de l'UER rappellent en outre qu'un lien affiché doit être vérifié avant d'être compté.

Troisièmement, le rang n'a de sens que répété. Si la même demande produit presque à chaque fois une liste différente, la position observée sur une capture d'écran n'est qu'un tirage parmi d'autres. La stabilité doit être mesurée, pas supposée.

Enfin, aucun de ces phénomènes ne dit quelque chose du trafic ou des ventes. Les chiffres de Pew suggèrent que l'écart entre être cité et être visité peut être très grand. Le Lab #2 ne mesure pas le trafic et le dira dans chacune de ses publications.

Ces études portent sur l'actualité (Tow Center, UER) ou sur des marques et des requêtes américaines (SparkToro, Pew). Aucune ne décrit ce que des assistants répondent à des questions de PME, en français, depuis la Belgique.

Les options pour une PME

—Attendre : ne rien mesurer tant que les usages ne sont pas stabilisés. Risque : découvrir tard qu'un concurrent est systématiquement conseillé, ou qu'une information fausse circule.

—Acheter un score de « visibilité IA » : pratique, mais un indicateur unique mélange présence, recommandation et citation, et repose souvent sur peu de répétitions.

—Mesurer soi-même, à petite échelle : quelques vraies questions de clients, plusieurs systèmes, plusieurs répétitions, et un codage qui sépare les phénomènes.

Notre recommandation

Commencer par la troisième option, sans budget. Dix questions réellement posées par vos clients, trois assistants, trois répétitions chacune dans une nouvelle conversation : 90 réponses. Pour chacune, noter séparément si l'entreprise est nommée, si elle est recommandée, et quelles pages sont citées, en ouvrant chaque lien. Avant tout investissement présenté comme une « optimisation IA », vérifier les bases que Google décrit lui-même : des pages indexées, qui peuvent s'afficher avec un extrait.

Les limites de cet article

Cet article ne s'appuie que sur des sources publiques : il ne contient aucun chiffre du Lab #2, dont les résultats proviennent d'une simulation présentée dans nos autres contenus. Les chiffres cités viennent d'études aux méthodes, périmètres et dates différents ; ils ne sont pas comparables entre eux. Les produits évoluent vite, et une étude de 2025 peut ne plus décrire le comportement actuel d'un assistant.

Ce que notre Lab #2 explore

40 questions de PME, chacune en trois formulations, posées à cinq systèmes, trois fois, lors de trois vagues espacées d'un mois : 5 400 observations, précédées d'un pilote de 150. Chaque réponse est codée selon une grille publique ; 75 réponses du pilote sont codées une seconde fois, indépendamment. Nous avons exécuté ce protocole intégralement en simulation : les résultats sont publiés dans le rapport et dans nos analyses, chacun avec ses limites et ce qu'il faudrait mesurer en réel.