IA génératives : pour un même acheteur, quatre moteurs décrivent quatre marchés différents

Mêmes questions d'acheteur, quatre IA, trois passages : le leader change d'un moteur à l'autre, et être nommé ne veut pas dire être recommandé.

"“Être visible dans les IA” est devenu une promesse commerciale." Encore faut-il savoir de quelle IA on parle. Le 15 septembre, nous avons posé la même série de questions d'acheteur à quatre moteurs génératifs pour un marché précis, celui des prestataires de GEO (Generative Engine Optimization) en France. Le résultat ne ressemble pas à un classement. Il en ressemble à quatre.

Le protocole d'abord, parce que c'est lui qui permet de contester les conclusions. Quatre moteurs : ChatGPT (gpt-5-mini), Perplexity (sonar), Mistral (mistral-medium-latest) et Google AI Overviews, relevé en France. Trente-trois questions : 18 de découverte, où l’acheteur décrit son besoin sans citer de nom ; 6 de comparaison ; 6 portant sur une marque ; et 3 de choix explicite ("quelles sont les meilleures ?"). Chaque question a été posée trois fois à chaque moteur, soit 396 réponses, sans erreur. Les classements qui suivent portent sur les 216 réponses de découverte.

Un leader différent selon le moteur. Sur l'ensemble, l'acteur le plus nommé l'est dans 52 réponses sur 216, le deuxième dans 45. Mais séparer les moteurs change tout. Sur Google AI Overviews, le deuxième passe devant le premier, 16 réponses contre 6 sur 54. Sur Mistral, c'est un troisième acteur qui mène. Un quatrième est nommé dans 23 réponses de Perplexity sur 54 et dans aucune de ChatGPT ni de Google. Il n'est ni visible ni invisible : il est très présent sur un moteur et absent de deux autres. Un score unique, moyenné sur quatre moteurs, lui donnerait une visibilité intermédiaire qu'aucun utilisateur ne constate jamais.

Conséquence pratique pour une marque : la question "suis-je visible dans les IA ?" n'a pas de réponse tant qu'on ne précise pas lesquelles. Les acheteurs ne passent pas tous par le même moteur, et chacun s'appuie sur ses propres sources.

Être nommé ne veut pas dire être recommandé. Quand la question devient "quels sont les meilleurs prestataires ?", ChatGPT ne retient aucun des sept acteurs suivis, sur 9 réponses, alors que plusieurs étaient nommés en découverte. À l'inverse, sur Google AI Overviews, un acteur nommé dans seulement 4 réponses de découverte sur 54 figure parmi "les meilleurs" dans 5 réponses de choix sur 9. Présence et recommandation sont deux couches distinctes : la seconde ne se déduit pas de la première, elle se mesure à part.

Être cité comme source ne veut pas dire être nommé. Sur Perplexity, deux acteurs voient leur site cité en source dans 3 réponses chacun, sans que leur nom apparaisse dans aucune. Leur contenu sert à construire la réponse, leur marque n'en sort pas. Un outil qui ne compte que les mentions leur attribuerait une visibilité nulle sur ce moteur, alors que leur site y est lu.

Les leaders sont rarement nommés seuls. Les cinq acteurs les plus présents apparaissent, dans 78 à 91 % des réponses qui les nomment, en compagnie d'une source tierce : classement, annuaire, article. Sur les 396 réponses, les moteurs ont cité 660 domaines distincts. C'est une co-occurrence, pas une causalité, mais elle dit où se joue l'essentiel : dans ce que d'autres écrivent d'une marque, plus que dans ce qu'elle écrit d'elle-même.

Quand un moteur ne connaît pas une marque, il ne se tait pas. Interrogés nommément sur une entreprise récente, les quatre moteurs ont produit 72 réponses. Ils répètent le nom dans 64 d'entre elles, mais citent un homonyme dans 21, et le site réel de l'entreprise dans aucune. Le moteur ne répond pas "je ne sais pas" : il répond à côté, avec aplomb.

Une mesure faite une seule fois ne vaut rien. Un modèle génératif ne répond jamais deux fois exactement la même chose. Des travaux récents sur des appels répétés à un modèle de langage montrent que la moyenne de trois appels identiques atteint une fiabilité de 0,985 (formule de Spearman-Brown), soit environ 1,5 % de variance due au hasard. Le domaine étudié n'est pas la visibilité de marque, et le transfert doit être pris avec prudence. Mais une capture d'écran de conversation ne mesure rien : elle documente un tirage.

Comment lire un chiffre de visibilité IA. Avant d'utiliser un pourcentage, d'où qu'il vienne, quatre questions suffisent. Quels moteurs ? Combien d'exécutions par question ? Quel périmètre de questions ? À quelle date ? Sans ces quatre paramètres, deux chiffres ne se comparent pas, et un écart entre deux mesures ne s'explique pas.

Ce que cette mesure ne dit pas. Elle décrit ce que quatre moteurs répondaient un jour donné, sur 33 formulations. Claude ne faisait pas partie des moteurs mesurés. Les questions développent l'acronyme GEO, ce qui interdit toute conclusion sur sa compréhension seule. Et une mesure du 15 septembre ne dit rien de l'état du marché trois mois plus tard : c'est pour cela qu'elle sera rejouée, avec les mêmes paramètres.

Sources : campagne de mesure du 15 septembre 2026 (396 réponses, fichiers horodatés). "CFOs Meet LLMs", arXiv 2606.13812, 2026. Kevin Indig, "Why most original data never gets cited", Search Engine Land, 8 juillet 2026.