Comment l'IA décide-t-elle quelles marques citer ?
Elle n'exécute pas une formule de classement que l'on pourrait consulter. Un assistant compose une réponse à partir de ce qu'il se rappelle de l'entraînement, de ce que renvoie son étape de recherche et de toute donnée d'identité structurée qu'il peut rapprocher, puis rédige un texte fluide à partir de ce mélange. Les marques qui apparaissent de façon cohérente dans des sources fiables et lisibles sont plus faciles à nommer correctement pour ce processus.
Les éditeurs ne publient pas la pondération. Ce qui suit sépare ce qui est documenté de notre interprétation de travail, et étiquette chacun. Pour le plan pratique, voir comment améliorer la visibilité d'une marque dans la recherche par IA.
Qu'apportent les données d'entraînement ?
Les données d'entraînement donnent au modèle une connaissance de fond sur les entités bien documentées, figée à une date limite. Si votre entreprise est décrite en de nombreux endroits fiables, le modèle en garde une certaine mémoire ; sinon, il peut ne rien dire ou deviner.
Documenté : Wikipédia fait délibérément partie des mélanges d'entraînement. L'article sur GPT-3 indique Wikipédia à environ 3 % du mélange d'entraînement (Brown et al., 2020), et l'article sur LLaMA de Meta environ 4,5 % (Touvron et al., 2023). Ce sont des parts d'un corpus très vaste : elles montrent une inclusion délibérée, pas une domination. En janvier 2026, la Wikimedia Foundation a annoncé des partenaires parmi les entreprises d'IA pour sa concession de licences Wikimedia Enterprise, dont Google, Microsoft, Perplexity, Amazon, Meta et Mistral.
Conséquence : l'entraînement change lentement. Un changement de marque ou un fait corrigé n'atteindra pas la mémoire d'un modèle avant son réentraînement, ce qui explique pourquoi une correction à la source peut mettre des mois à apparaître dans certains assistants.
Que se passe-t-il quand un assistant cherche sur le web ?
Quand un produit a une étape de recherche, il lance des requêtes, lit une poignée de pages et rédige la réponse à partir d'elles, souvent avec des liens. C'est la récupération, et c'est là que comptent les pages récentes, clairement rédigées et explorables.
Documenté : Perplexity et le mode recherche de ChatGPT affichent leurs sources à côté de la réponse, et Google indique que les fonctionnalités d'IA de la Recherche reposent sur ses systèmes d'indexation et de qualité existants ; voir la page de Google Fonctionnalités d'IA et votre site web. Les bases, être indexable, lisible et digne de confiance, s'appliquent donc toujours.
Interprétation de travail : la récupération favorise les pages qui répondent à la question en un passage clair, issues de sources que le système traite déjà comme fiables. Un site d'entreprise mince concurrence mal un article comparatif ou une page de référence qui mentionne l'entreprise. Les sources retenues peuvent varier d'une exécution à l'autre.
Qu'est-ce que l'ancrage, et où se placent Wikidata et les graphes de connaissances ?
L'ancrage consiste à rattacher un nom à une entité réelle précise, pour que « Apple » désigne la bonne. Les fiches structurées comme les éléments Wikidata et le Knowledge Graph de Google y aident.
Documenté : Wikidata contient des identifiants stables et des déclarations référencées et est sous licence ouverte ; en octobre 2025, la communauté Wikimedia et ses partenaires ont annoncé un Wikidata Embedding Project pour en faciliter l'usage aux développeurs d'IA. Google construit automatiquement les panneaux de connaissances à partir de sources du web entier, ne publie pas quelles sources alimentent un panneau donné et ne permet à personne d'en acheter un ; voir l'aide de Google sur les panneaux de connaissances.
Non documenté, donc nous ne l'affirmons pas : que les déclarations Wikidata produisent directement un panneau de connaissances ou la formulation de ChatGPT. Ce que nous pouvons dire, c'est qu'une fiche d'entité claire et référencée réduit le risque d'être confondu avec un homonyme. La mécanique est détaillée dans Wikidata et le graphe de connaissances.
Pourquoi ChatGPT, Gemini et Perplexity nomment-ils des marques différentes ?
Parce qu'ils diffèrent par la part qu'ils font à la mémoire plutôt qu'à la recherche, par les sources auxquelles ils font confiance et par la manière de formuler les réponses. Même un produit unique donne des réponses différentes d'une exécution à l'autre.
| Assistant | Comment il répond habituellement | Ce qu'il faut vérifier pour votre marque |
|---|---|---|
| ChatGPT | Mémoire d'entraînement, avec une étape de recherche quand la question l'exige | Si vous apparaissez sans recherche, et avec |
| Google (AI Overviews, Gemini) | Construit sur l'indexation de Google, avec des liens affichés | Si vos pages et la couverture indépendante sont classées et lisibles |
| Perplexity | Recherche d'abord, sources visibles | Quelles pages sont citées, et si ce sont les vôtres ou celles de tiers |
Prenez ceci comme une orientation, pas comme une spécification. Les produits changent chaque mois, et les études publiées sur les parts de citation emploient des méthodes différentes : nous ne citons donc aucun pourcentage unique. Testez votre propre catégorie.
Quels signaux rendent une source plus susceptible d'être citée ?
Dans notre pratique, cinq qualités reviennent sans cesse. Ce ne sont pas des facteurs de classement documentés.
- Indépendance. Une publication spécialisée ou une encyclopédie qui vous décrit pèse plus que votre propre page. La règle de vérifiabilité de Wikipédia fonctionne de la même façon : elle exige des sources fiables publiées.
- Cohérence. Mêmes nom, date et dirigeants sur tous les profils. Les contradictions obligent un modèle à hésiter.
- Clarté. Énoncés simples en haut de page, titres formulés en questions, premières phrases définitionnelles.
- Accessibilité. Pages non bloquées dans robots.txt et lisibles sans scripts. Vérifiez ce que vous autorisez les robots à lire.
- Fraîcheur là où elle compte. Les produits axés sur la récupération favorisent les pages actuelles pour les questions sensibles au temps.
La notoriété se trouve sous ces cinq éléments : là où il existe peu de couverture indépendante, il y a peu à citer. Notre Notability Index montre à quel point c'est inégal selon le secteur (dans nos propres évaluations de 2018 à 2026, 98 % des marques Crypto / Web3 étaient classées en notoriété faible contre 19 % en Finance / Fintech / Investissement).
Que contrôlez-vous, et que ne contrôlez-vous pas ?
Vous contrôlez les entrées ; vous ne contrôlez pas les sorties.
- Ne peut pas être contrôlé : la formulation d'une réponse, le fait d'être nommé, la date de réentraînement d'un modèle, les sources qu'un produit choisit un jour donné. Aucune agence ne peut promettre cela.
- Peut être contrôlé : l'exactitude de vos propres pages et profils, la cohérence des faits, l'accès pour les robots, les données structurées de votre site et vos efforts pour gagner une couverture indépendante.
- Influencé en partie, par des voies légitimes : Wikipédia et Wikidata, que des bénévoles gèrent et qui exigent la notoriété et la déclaration des conflits d'intérêts. Voir édition rémunérée et divulgation du COI et pourquoi Wikipédia est la source n°1 de ChatGPT pour ce que cela signifie et ne signifie pas.
Comment vérifier ce que l'IA dit de ma marque ?
Exécutez un panel fixe de prompts sur les assistants et consignez les mentions, l'exactitude et les sources citées.
- Rédigez 10 à 15 prompts : qu'est-ce que [marque], qui mène [catégorie], [marque] convient-elle à [cas d'usage].
- Exécutez chacun dans ChatGPT, Gemini et Perplexity, avec et sans recherche lorsque le produit le permet.
- Notez : nommé ou non, faits justes ou faux, sources citées.
- Pour chaque élément faux ou manquant, trouvez la page d'où l'affirmation provient le plus probablement.
- Répétez chaque mois et lisez la tendance.
Si vous trouvez une erreur, ChatGPT se trompe sur votre entreprise traite la réparation. Pour une vue plus large du rôle de Wikipédia, lisez Wikipédia et visibilité dans les IA. Les outils qui automatisent le panel sont comparés dans outils de suivi de marque dans les IA.
Questions fréquentes
Il s'appuie sur ce qu'il a appris à l'entraînement, sur les pages que son étape de recherche récupère lorsqu'il cherche, et sur les informations d'entités qu'il peut rapprocher. La pondération exacte n'est pas publiée et les réponses varient d'une exécution à l'autre : la mention relève donc de la probabilité.
Wikipédia est neutre sur le ton, structurée de façon cohérente, sous licence ouverte et sourcée, et elle fait partie, de façon documentée, des données d'entraînement des grands modèles. Cela ne veut pas dire que c'est la seule source, ni que toute entreprise a droit à un article.
Non. Il n'existe aucun placement payant dans les réponses des assistants, et quiconque vend des mentions garanties vend quelque chose qui n'existe pas. Vous pouvez améliorer les sources derrière les réponses.
Cela dépend du produit. Les assistants qui récupèrent des pages en direct peuvent se mettre à jour quelques semaines après le changement des sources ; la mémoire du modèle se met à jour lors du réentraînement. Personne ne peut donner de date ferme.
Oui, pour la récupération et comme lieu où vivent vos faits, mais c'est la source la moins indépendante. Les modèles le traitent comme une affirmation à vérifier auprès d'autres sources.
Le balisage schema aide les machines à lire vos faits et c'est une bonne pratique. Pour llms.txt, nous n'avons connaissance d'aucune documentation des grands éditeurs confirmant qu'il change les citations. Aucun ne remplace des sources indépendantes.
Concentrez-vous alors sur la couverture indépendante, des données d'entités cohérentes et la présence communautaire, et revérifiez la notoriété à mesure que la couverture grandit. Un audit de notoriété vous dit où vous en êtes source par source.
Comment WikiBusines peut vous aider
Nous travaillons sur la couche des sources. L'édition rémunérée est toujours déclarée sur Wikipédia au nom de WikiBusines, et nous ne garantissons jamais qu'un article sera publié ni ce que dira une IA.
- Audit de visibilité IA, €490 : ce que disent de vous les principaux assistants, quelles sources ils utilisent et quelle couche corriger en premier. Non déduit des formules.
- Audit de notoriété, à partir de €490, déduit de la création de page si vous la commandez dans un délai d'un mois, à partir de €2,400 (anglais, 4 à 5 semaines) ; Wikidata à partir de €680.
- Support annuel (Annual Support), à partir de €720/an : jusqu'à quatre mises à jour et une garantie de 12 mois.
Pour commencer, écrivez-nous via contact.
Auteurs et politique éditoriale
Bohdan DubylovskyiCofondateur et CBO, WikiBusines→
Roman MelnykCofondateur et rédacteur en chef, WikiBusines→L'article a été préparé par les cofondateurs de WikiBusines. Nous vendons des services payants sur Wikipédia et déclarons donc cet intérêt : la rémunération des modifications est toujours déclarée sur Wikipédia au nom de WikiBusines, et les affirmations sur les règles s'appuient sur des liens vers des sources primaires.
Politique éditoriale : déclaration de rémunération, conflits d'intérêts, sources Read in English