De quelles sources l’IA tire son opinion sur la marque — et pourquoi le site ne tient pas le premier rôle

Fin 2025, une plateforme B2B a entrepris une refonte sérieuse de son site web : descriptions de produits mises à jour, études de cas réécrites, pages restructurées autour des tâches clients. Un mois après le relancement, le responsable marketing a posé à ChatGPT la question suivante : « Quelles plateformes conviennent à l'automatisation des achats dans une entreprise manufacturière de taille moyenne ? » La réponse a été inattendue. Le modèle a bien cité la marque — mais l'a décrite avec les mots d'un article de synthèse vieux de deux ans paru sur un portail sectoriel. La catégorie provenait d'un profil G2. La fourchette de prix, d'une discussion Reddit. Le nouveau site — celui qui avait demandé des mois de travail — semblait ne pas exister dans la réponse de la machine. Ce n'est pas un défaut propre à un système particulier. C'est ainsi que l'environnement fonctionne : l'IA compose son opinion sur une entreprise à partir de plusieurs couches simultanément, et le site web y constitue une voix importante, mais loin d'être la seule.

Cet article analyse le mécanisme lui-même : de quelles couches se compose exactement l'opinion de la machine, et comment elles interagissent. (La question de savoir quelles sources externes confèrent à la marque le droit d'être recommandée — et pas seulement mentionnée — est traitée plus en détail dans un article consacré à l'autorité externe.) L'architecture se présente comme suit. Google Search Central indique explicitement que AI Overviews et AI Mode emploient une décomposition en éventail de la requête par sous-thèmes et sources de données, puis affichent un ensemble de liens de soutien plus large et plus diversifié que la recherche web classique [1]. Dans sa documentation sur AI Mode, Google ajoute que le système découpe la question en sous-thèmes et recherche simultanément du contenu pertinent pour chacun d'eux [2]. OpenAI décrit ChatGPT Search comme un mécanisme produisant des réponses rapides et actualisées à partir de sources web, en tenant compte du contexte de l'ensemble de la conversation [3][4]. Perplexity formule la même idée avec une clarté maximale : le système cherche sur Internet en temps réel, rassemble des informations issues de sources fiables et les condense en une explication courte [5].

Si l’on traduit ce tableau technique dans le langage de la marque, on obtient une conclusion simple, mais décisive. L’opinion que l’IA se forme sur une entreprise se compose d’au moins cinq couches.

La première couche est celle des canaux propres à la marque. Elle comprend le site, la documentation, les sections de questions fréquentes, les descriptions de produits, les pages tarifaires, les études de cas, les recherches publiques, le centre de presse, les blogs d’experts et, parfois, les transcriptions vidéo ainsi que les bases de connaissances techniques. Cette couche définit le thésaurus de départ : comment la marque se nomme, à quelle catégorie elle se rattache, quelles propriétés elle met au premier plan. Si ses propres canaux sont déjà traversés par la confusion, aucune réputation externe ne sauvera la situation. La machine a besoin d’un cadre initial.

La deuxième couche est le contexte de recherche et de liens. Même si la réponse donnée à l’utilisateur ressemble à une conversation, la logique de l’infrastructure de recherche continue souvent d’opérer en arrière-plan. Google rappelle que, pour participer aux fonctions d’IA, les pages doivent être indexées et, plus largement, convenir à la recherche classique [1]. Autrement dit, l’intermédiaire IA part rarement de rien : elle s’appuie sur une couche préexistante de découverte, d’indexation et de sélection des documents web. C’est pourquoi l’accessibilité technique du site, la qualité du contenu textuel et la discipline de base en matière de recherche n’ont pas disparu. Mais ils ne garantissent plus une position dominante. Ils n’autorisent la marque qu’à entrer dans le jeu.

La troisième couche est celle des sources éditoriales et sectorielles externes. Il s’agit des revues, comparatifs, classements, entretiens, analyses, publications des médias spécialisés, annuaires et profils d’entreprise. C’est précisément là que la marque obtient le plus souvent ce qu’elle ne peut pas se donner à elle-même : une confirmation externe. Si le site officiel affirme que l’entreprise excelle dans l’analytique d’entreprise complexe, tandis que des sources indépendantes la présentent comme un outil de niche pour les petites entreprises, le système d’IA est contraint de concilier ces versions. Et, très souvent, il retient celle qui est mieux confirmée et plus clairement intégrée dans le réseau de liens. Dans les systèmes de réponse, l’auto-présentation sans vérification externe pèse moins lourd que les marques ne le souhaiteraient.

La quatrième couche est la trace utilisateur. On y trouve les avis, les discussions sur les forums, les questions-réponses dans les communautés, les mentions sur les réseaux sociaux, les répertoires d’avis, les pages d’assistance et, de manière générale, toute cette matière vivante et pas toujours ordonnée de l’internet, au sein de laquelle les gens s’expliquent mutuellement ce qu’est un produit et comment il fonctionne. Cette couche est bruyante et peu fiable, mais elle ne peut pas être négligée. Elle façonne souvent le langage de la demande réelle. Une entreprise peut se présenter comme un « environnement modulaire de gestion intelligente des données », tandis que les utilisateurs en parleront comme d’un « service pratique pour les reportings complexes sans déploiement lourd ». Pour l’IA, ce langage compte beaucoup, parce que c’est en lui que sont formulées les questions du quotidien.

La cinquième couche est celle des connaissances structurées. Elle comprend les bases d’entités, les graphes de connaissances ouverts, les annuaires, les répertoires d’entreprise, les fiches d’organisation, les descriptions normalisées et, parfois, les schémas de balisage présents sur le site lui-même. Les travaux de synthèse sur l’intégration de connaissances externes dans les modèles de langage montrent que l’articulation entre l’IA et les bases de connaissances ainsi que les graphes améliore l’exactitude factuelle, la traçabilité et l’explicabilité de la réponse [6][8]. Pour la marque, cela signifie que le rôle des sources « ennuyeuses » et d’apparence très formelle augmente. Elles créent rarement une réputation éclatante, mais elles assurent souvent une identification stable de l’entité.

C’est précisément la combinaison de ces couches qui explique pourquoi le site ne tient pas le premier rôle. Il peut être la principale source primaire, mais non l’arbitre principal. Les systèmes de réponse n’évaluent pas seulement ce que la marque dit d’elle-même, mais aussi la manière dont cette déclaration est confirmée, répétée, contestée ou reformulée par d’autres acteurs du réseau. On peut le dire plus durement encore : le site explique ce que la marque aimerait être aux yeux du marché ; l’environnement externe montre ce qu’elle est effectivement considérée comme étant ; et l’IA tente d’assembler un compromis opérationnel entre ces versions.

De là découlent plusieurs conséquences importantes pour la pratique.

Premièrement, il est impossible de travailler sérieusement la visibilité dans l’IA en se limitant à la page d’accueil. Même un site remarquablement écrit ne garantit pas que la marque sera nommée dans la réponse si les sources externes ne confirment pas les propriétés clés, ou les confirment autrement. Deuxièmement, le site officiel reste malgré tout d’une importance critique, précisément parce qu’il définit la structure canonique de l’entité. Mais sa fonction change. Il ne doit pas être seulement une belle vitrine ; il doit aussi être un nœud fiable de cohérence, un lieu où l’IA et l’humain voient avec la même clarté le nom, la catégorie, les propriétés et les preuves. Troisièmement, la marque doit gérer non seulement son propre texte, mais aussi l’écosystème des confirmations : qui parle d’elle et de quelle manière, dans quels comparatifs elle apparaît, dans quels annuaires et bases de connaissances elle est présente, où sa méthodologie est exposée, qui peut confirmer de manière indépendante son rôle sur le marché.

Il est particulièrement important de noter que les différentes plateformes d’IA lisent cet environnement de manière différente. Google s’appuie sur sa propre infrastructure de recherche et sur ses modes IA, où comptent l’indexabilité et l’aptitude de la page à être affichée [1][2]. ChatGPT Search mobilise des sources web à la demande ou automatiquement, en tenant compte du contexte du dialogue [3][4]. Perplexity mise sur une récupération web presque continue en temps réel et sur des liens explicites [5]. Microsoft Copilot, lui aussi, décrit ses réponses comme ancrées dans la recherche web et dans des liens externes [9][10]. Pour la marque, cela signifie qu’il n’existe pas une source unique de vérité à partir de laquelle toutes les machines liraient l’entreprise de la même manière. Il existe un réseau de sources, que chaque système assemble selon sa propre logique.

C’est pourquoi une stratégie mature commence par une question plus mûre. Non pas « comment mieux nous décrire sur notre site ? », mais « quel ensemble de sources forme l’opinion machine à notre sujet — et, dans cet ensemble, où sommes-nous solides, et où le bruit, le vide ou l’interprétation d’autrui jouent-ils contre nous ? » Ce n’est qu’après une telle question que le travail sur le contenu cesse d’être cosmétique pour devenir une gestion de la connaissance.

C’est précisément ici que se révèle le nouveau rôle de la marque sur internet. Autrefois, elle pouvait se permettre de considérer le site comme la scène principale, et tout le reste comme un bruit de fond extérieur. Aujourd’hui, le tableau s’inverse. Le site reste la scène, mais la représentation ne s’y joue plus depuis longtemps à elle seule. C’est l’internet tout entier qui la met en scène. Et le système d’IA n’est pas un spectateur, mais un rédacteur, qui assemble à partir d’une multitude de répliques la version finale destinée à l’utilisateur. Dans cette logique, ce n’est pas celui qui parle le plus fort de lui-même qui l’emporte, mais celui dont l’entité est la plus clairement et la plus constamment confirmée dans le réseau.