Moteur de recherche vs IA : comment votre nom devient une réponse

Tapez le nom d'un dirigeant que vous connaissez dans Google, puis demandez à ChatGPT qui est cette personne : une liste de liens d'un côté, un portrait rédigé de l'autre. Les deux réponses ne viennent pas du même endroit. Un moteur de recherche consulte un index de pages mis à jour en continu ; une IA générative compose un texte à partir de ce qu'elle a retenu pendant son entraînement, arrêté à une date précise. Voilà la différence entre un moteur de recherche et une IA, et tout le reste en découle.

La suite est moins connue, et elle décide de choses très concrètes : pourquoi un article enterré depuis dix ans peut refaire surface ce soir dans une réponse générée, pourquoi deux systèmes interrogés sur la même personne racontent deux histoires, pourquoi vos positions Google ne disent plus rien de ce qu'on lit sur vous. Je suis ces mécaniques depuis 2001, côté moteurs d'abord, côté IA désormais, pour des dirigeants dont le nom est devenu une requête.

Cette chronique démonte donc les deux machines, pièce par pièce : comment un moteur fabrique ses résultats, comment une IA fabrique sa réponse, et ce que ce grand écart change quand le sujet de la requête, c'est vous. Avec, juste en dessous, la chaîne de fabrication en huit étapes et un tableau de neuf différences à imprimer et à faire circuler en comité de direction. Faites le test en lisant : tapez votre propre nom des deux côtés. La suite vous concernera davantage.

Les 9 différences entre un moteur de recherche et une IA

Posons les deux machines côte à côte avant d'entrer dans le détail. L'infographie retrace la chaîne de fabrication d'une réponse, étape par étape et dans les deux systèmes ; le tableau qui la suit en tire les neuf différences qui comptent quand la requête, c'est vous. La suite de la chronique déplie chaque mécanisme.

Le mythe du crawl en temps réel

Commençons par tordre le cou à l'idée la plus répandue, y compris dans des guides SEO qui circulent beaucoup : non, une IA générative ne « crawle » pas le web en temps réel. Le modèle ne crawle pas le web ; le produit qui l'entoure, ChatGPT, Gemini ou un autre, peut, lui, déclencher une recherche, parfois automatiquement, pour lui fournir des documents. Distinguez bien les deux : ChatGPT, le produit, combine un modèle, de la recherche, des outils, une mémoire et des règles de réponse. La réponse que vous lisez sort d'un modèle dont les paramètres ont été calculés pendant l'entraînement, éventuellement enrichi au moment de la requête. OpenAI et Anthropic le documentent eux-mêmes : la documentation officielle des modèles d'OpenAI affiche une date de coupure des connaissances pour chaque modèle, tout comme celle des modèles Claude chez Anthropic.

Pour simplifier, une réponse puise dans trois grandes familles d'informations : ce que le modèle a retenu, ce qu'on lui donne, ce qu'il va chercher.

• Ce que le modèle a retenu. Pendant l'entraînement, la machine a avalé un corpus géant de textes, puis en a compressé les régularités statistiques dans ses paramètres. Le modèle ne conserve pas un index de pages que l'on pourrait ouvrir ou corriger une par une : l'information est diluée dans ses paramètres, même si des travaux montrent que certains contenus peuvent être mémorisés et restitués tels quels.
• Ce qu'on lui donne. Votre question, vos documents, l'historique de la conversation. Tout ce que vous mettez dans la fenêtre entre dans la fabrication de la réponse, le temps de l'échange.
• Ce qu'il va chercher. Quand la recherche web est activée, le système envoie une requête à un index externe, souvent celui de Bing, récupère quelques pages et s'en sert d'appoint. C'est le seul moment où le web « en direct » entre en scène, et il reste un complément : quelques résultats convoqués pour rafraîchir un socle figé.

Et ces trois canaux ne vieillissent pas à la même vitesse. Qui les confond se trompe ensuite sur tout, à commencer par la manière de corriger ce qui se dit sur lui.

Comment un moteur de recherche fabrique ses résultats

C'est mon terrain depuis 2001, alors laissez-moi vous raconter la mécanique de l'intérieur en simplifiant au max. Un moteur fait trois choses. Il crawle, parcourt le web : des robots lisent le contenu du web en permanence, page par page, et de lien en lien. C'est la base du web, les pages sont liées par des liens.... c'est une toile d'araignée gigantesque...D'ailleurs, on appelle le web, la toile. Le moteur indexe : chaque page découverte, elle est copiée, découpée, rangée dans un immense catalogue consultable. Il classe : à chaque requête, un algorithme trie les pages de l'index selon des centaines de critères...

Le point décisif : l'index est une copie organisée du web, mise à jour en continu. Une page publiée hier peut apparaître aujourd'hui. Une page supprimée finit par disparaître des résultats. On peut obtenir une désindexation, faire valoir un droit à l'oubli, pousser un contenu vers le bas. Le moteur garde une fiche par page, et une fiche, ça se corrige.

À mes débuts, l'index de Google se mettait à jour environ une fois par mois. On appelait ça la Google Dance, et les référenceurs guettaient le nouveau classement comme des résultats d'examen. Et dans nos tableaux de bord, la répartition des clics était d'une brutalité tranquille : la première page concentrait la quasi-totalité des clics, la deuxième page presque rien. D'où le conseil que nous donnions aux clients encombrés d'un article gênant : on ne le supprime pas, on l'enterre en deuxième page. Le cimetière, comme on disait entre nous. Personne n'allait jamais y regarder.

Comment une IA fabrique sa réponse

Changement complet de mécanique. Un modèle de langage se construit par vagues : on assemble un corpus, des centaines de milliards de mots, on le filtre, on pèse chaque source, puis on arrête tout et on lance l'entraînement. La seule recette publiée en détail reste celle de GPT-3, en 2020 : Common Crawl, une copie brute du web, pour 60 % de la pondération, un corpus de pages triées pour 22 %, des livres pour 16 %, Wikipédia pour 3 %. Les modèles récents gardent leurs proportions secrètes, mais la logique demeure : un menu composé, pesé, puis figé.

Figé à une date, justement : la date de coupure. Tout ce qui se publie après n'existe pas pour le modèle, sauf à passer par la recherche web d'appoint. Et cette recherche a ses propres filtres : selon l'étude Ahrefs menée sur 1,4 million de prompts, environ la moitié seulement des pages récupérées par ChatGPT lors d'une recherche sont ensuite citées dans la réponse. Être récupéré n'assure pas d'être cité.

Dernier étage, le plus déroutant pour un esprit cartésien : la génération est un tirage. Le modèle compose sa réponse mot après mot, en choisissant parmi des suites probables. Posez deux fois la même question, vous obtiendrez deux textes voisins, parfois deux textes franchement différents. La réponse est fabriquée pour vous, à l'instant, puis jetée après usage. Rien n'est gravé.

Pourquoi deux IA ne disent pas la même chose ?

Corpus différents, dates de coupure différentes, réglages différents : voilà pourquoi ChatGPT, Gemini, Claude et Perplexity ne tiennent pas le même discours sur une même personne. Chacun a mangé un web légèrement différent, s'est arrêté à une date différente, et tire ses réponses avec ses propres réglages.

Les mesures donnent le vertige. Au sein même de Google, les Aperçus IA et le Mode IA, deux systèmes de la même entreprise interrogés sur les mêmes requêtes, ne citent que 13,7 % de sources en commun, selon les données Ahrefs établies sur 540 000 paires de requêtes. Et une prépublication de décembre 2025 (arXiv, 55 936 requêtes) mesure un biais de couverture systématique : 37 % des domaines cités par les moteurs génératifs étudiés étaient absents des résultats des moteurs classiques comparés.

La conséquence pratique est directe. Vérifier ce que « les IA » disent de vous n'a pas de sens au singulier. Chaque système se vérifie un par un. Et dans le temps : une réponse étant un tirage, une capture d'écran isolée ne prouve presque rien. C'est la trajectoire des réponses, semaine après semaine, qui renseigne.

Ce que ça change pour votre nom et votre réputation

Reprenons le cimetière de la deuxième page. Pour un moteur, l'enterrement fonctionnait : ce qui n'était plus cliqué n'existait plus. Pour une IA, la profondeur d'enfouissement ne compte pas : un article de 2013, que plus personne ne consultait, a pu être ingéré lors de la constitution du corpus et ressortir ce soir dans un portrait généré, au présent. J'ai consacré une chronique entière à ce mécanisme et à ce qu'il reste du droit à l'oubli face aux IA. Le cadavre ressuscite, et il parle.

Deuxième bascule : la correction. Sur un moteur, il existe des procédures : désindexation, droit à l'oubli, suppression à la source. Sur un modèle, aucune fiche à corriger. Au mieux, l'éditeur pose un masque sur certaines sorties ; le socle statistique, lui, reste.

Troisième bascule : la lecture sans clic. Dans l'échantillon Ahrefs, les requêtes affichant un Aperçu IA sont associées à un taux de clic moyen inférieur de 58 % pour la page classée première (34,5 % dans l'étude précédente). Les Aperçus restent minoritaires, même sur l'informationnel : environ une requête informationnelle sur cinq en déclenche un (21,4 % dans l'échantillon). Mais la direction est prise, et la France y passera au plus tard le 23 septembre 2026, d'après le courrier de Google aux éditeurs révélé par Ouest-France. On lira donc la réponse sur vous, on ne cliquera plus vers vos pages. J'ai montré dès juillet pourquoi le SEO ne protège plus votre réputation dans les IA ; ajoutez-y ce chiffre : 28,3 % des pages les plus citées par ChatGPT n'ont aucune visibilité organique détectable dans la base de l'outil. Vos positions et vos citations vivent dans deux mondes. Être cité ne garantit pas être bien cité, d'ailleurs : une prépublication sur les Aperçus IA mesure qu'environ 11 % des affirmations analysées n'étaient pas soutenues par les pages citées en référence.

La zone dangereuse, je la vois chaque semaine en audit : un dirigeant assez visible pour que les systèmes soient interrogés à son sujet, pas assez écrit pour que leurs réponses soient fiables. Le vide ne vous protège pas : il se remplit sans vous. Un moteur vous classe. Une IA vous raconte.

5 conseils pour être cité par les IA

Le détail tactique est dans ma chronique du 1er juillet ; voici l'os.

Commencez par écrire chez vous

Pendant des années, je l’ai répété en conférence : il faut d’abord construire « à la maison ».

Votre site reste l’endroit où vous maîtrisez ce qui est publié, la façon dont vous vous présentez, les dates, les faits, les preuves et les mises à jour. Une information qui n’existe qu’à l’oral, dans une plaquette ou dans la tête de votre équipe a peu de chances d’être retrouvée, comprise puis citée par une IA.

Il faut donc des pages solides, précises, sourcées, consacrées aux vraies questions que vos clients, vos partenaires ou les journalistes se posent sur vous.

Les formats comparatifs comptent aussi. Dans l’échantillon étudié par Ahrefs, les pages de type « meilleurs X » représentent 43,8 % des pages citées par ChatGPT. Cela ne veut pas dire qu’il faut produire des classements artificiels. Cela montre surtout que les IA apprécient les contenus qui comparent, distinguent et donnent des critères clairs.

Donnez partout les mêmes informations sur vous

Votre nom, votre fonction, votre entreprise, vos dates, votre parcours et vos domaines d’expertise doivent être cohérents d’un espace à l’autre.

Votre site ne doit pas raconter une chose, LinkedIn une autre et un ancien annuaire une troisième.

C’est cela que les spécialistes appellent parfois le travail sur les « entités ». Derrière ce mot un peu technique, l’idée est très simple : aider les moteurs et les IA à comprendre que toutes ces informations parlent bien de la même personne, de la même entreprise ou de la même marque.

Quand les informations se contredisent, la machine doit choisir. Et elle ne choisit pas toujours la bonne version.

Ne comptez pas uniquement sur votre propre site

Votre site est le point de départ. Il ne peut pas être votre seule preuve.

Les IA s’appuient aussi sur la presse, les publications professionnelles, les conférences, les vidéos, les annuaires reconnus, les bases publiques et les sites de votre secteur.

Il faut donc être présent dans les espaces qui comptent réellement pour votre activité. Pas partout. Aux bons endroits.

Bing mérite également d’être surveillé. Il reste souvent oublié dans les stratégies de visibilité alors qu’il alimente une partie des systèmes de recherche utilisés par les outils d’IA.

Dans son étude portant sur 75 000 marques, Ahrefs observe par ailleurs une corrélation de 0,737 entre les mentions sur YouTube et la visibilité dans les réponses générées par les IA. Une corrélation ne prouve pas que YouTube provoque cette visibilité. Elle confirme néanmoins qu’une réputation numérique ne se construit plus uniquement sur le site officiel.

Répondez clairement à une question par page

Une bonne page ne doit pas obliger le lecteur à chercher la réponse pendant cinq minutes.

Le sujet doit être clair. La question principale doit apparaître rapidement. La réponse doit commencer dès les premières lignes. Les titres doivent permettre de comprendre la structure de la page sans tout lire.

Ce conseil n’a rien de nouveau. Nous le faisons en SEO depuis des années. Ce qui change, c’est que cette clarté aide désormais aussi les systèmes d’IA à isoler une information, à la comprendre et éventuellement à la citer.

Datez vos contenus. Mettez-les à jour. Indiquez vos sources. Supprimez les formulations vagues.

Quant au fichier llms.txt, vous pouvez le mettre en place puisque son coût est faible. Mais n’en attendez pas un effet magique. À ce jour, rien ne permet de le présenter comme un levier décisif de visibilité. Et contrairement à ce que certains vendeurs laissent entendre, il n’existe pas de classement unique dans ChatGPT où il suffirait de « monter ».

Vérifiez ce que chaque IA dit réellement de vous

Une seule capture d'écran rassure ou affole ; une série de relevés mesure. Il faut tester plusieurs systèmes, poser les mêmes questions dans le temps et suivre leur évolution.

C'est précisément pour cela que j'ai créé le Radar IA: mesurez votre AI Influence Score, votre score d'influence dans les IA. Il permet de mesurer ce que les IA disent de vous, système par système, dans le temps.

L'outil ne remplace jamais le jugement. Il l'augmente.

Nous ne savons pas encore à quelle vitesse une réputation évolue dans les IA une fois les bonnes actions engagées. Une raison de plus pour commencer à mesurer avant d'avoir un problème.

Si ce que vous venez de lire vous parle, la prochaine étape a un nom.