Quand une IA générative place une marque en tête sur une requête, le réflexe est de lui demander : « sur quels critères tu la classes première ? ». Elle répond aussitôt, avec assurance, une liste de raisons parfaitement plausibles. Le problème : ces raisons sont fabriquées après coup. Elles ne décrivent pas ce qui a réellement produit le classement, et si vous les prenez pour argent comptant dans un audit, vous documentez une invention.
L’expérience : demander à une IA de se justifier, puis creuser
Sur une requête locale du type « je cherche un prestataire à [ville] », un assistant IA a récemment sorti une entreprise en tête de sa réponse. J’ai demandé pourquoi. Puis j’ai creusé, question après question. Voici la texture de l’échange, noms retirés.
— Sur quels critères tu la places première ?
« Spécialisation à 100 % sur son métier, ancrage local fort, adéquation avec la demande du secteur, qualité des avis. »— Qu’entends-tu par « pertinence de profil » ?
« L’écart entre la spécialisation exacte de l’entreprise et le besoin exprimé dans votre recherche… »— Comment sais-tu que son modèle est entièrement dédié à cette activité ?
« D’après son site officiel, sa communication, et son enregistrement auprès des annuaires professionnels… »— Quels annuaires, précisément ?
« Les bases légales (Societe.com, PagesJaunes, Kompass), son code NAF, et des réseaux partenaires spécialisés… »
Repérez la bascule. Au début, l’IA reste prudente : « spécialisation », « ancrage local », vérifiable. Puis, à mesure qu’on la pousse, elle se met à inventer du concret pour ne jamais dire « je ne sais pas » : des annuaires nommés, un code NAF, jusqu’à requalifier un blog généraliste en « réseau de spécialistes triés sur le volet ». Plus vous demandez de preuves, plus elle en fabrique.
Ce qui se passe vraiment : de la rationalisation, pas de l’introspection
Un modèle de langage n’a pas accès aux raisons de son propre classement. Quand vous lui demandez « pourquoi », il ne consulte pas un journal de décision : il génère un récit plausible. Le classement, lui, vient d’ailleurs, le plus souvent d’un signal structuré qu’il a fait remonter : une fiche d’établissement Google (catégorie, note, ancrage local) et la cohérence de l’entité de marque à travers le web. La justification qui suit est décorative.
C’est un phénomène connu en psychologie sous le nom de confabulation : demandez à quelqu’un pourquoi il a fait un geste dont il ignore la vraie cause, il vous donnera toujours une explication cohérente, et fausse. L’IA fait exactement cela. Ce n’est pas un mensonge : c’est une reconstruction sincère et erronée.
Le piège du lien « re-narré »
Un cas vécu, que je livre en première personne parce qu’il éclaire tout le mécanisme. Il y a quelque temps, j’ai posé pour un client une série de liens éditoriaux sur différents sites, du netlinking classique. L’un d’eux était un blog voyage et lifestyle généraliste : un article sponsorisé, ni plus ni moins.
Des mois plus tard, en interrogeant une IA sur cette même marque, le modèle a cité spontanément ce blog, et l’a décrit comme un « réseau de partenaires spécialisés dans l’hébergement d’exception ». Ce n’en est pas un. C’est un blog généraliste où le lien était un contenu payant. L’IA a pris un backlink bien réel et l’a habillé en signal d’autorité qu’il n’a jamais été.
Le fait brut est vrai : le lien existe, il est cité. La nature que l’IA lui prête est inventée. Si vous reprenez la formule flatteuse du modèle comme si elle était vraie, vous empruntez une hallucination pour embellir votre propre travail. La transparence, ici, ne vous affaiblit pas : elle prouve que vous comprenez la mécanique mieux que ceux qui la survendent.
Ce que ça change pour votre visibilité dans les IA (GEO)
Trois enseignements concrets pour piloter votre présence dans les moteurs de réponse (ChatGPT, Gemini, Perplexity, AI Overviews).
- Ne prenez jamais au mot les « critères » que le modèle donne sur son propre classement. Ce n’est pas une fenêtre sur son fonctionnement, c’est du texte généré. Dans un livrable, écrire « l’IA classe X premier parce que… » en reprenant sa prose revient à documenter une hallucination.
- Un lien ne « fait pas ranker » une marque dans l’IA. La position vient d’ailleurs : fiche Google, cohérence d’entité, sources réellement consultées. Ce qu’un placement éditorial fait, c’est nourrir la matière que l’IA mobilise pour parler de vous, et ressortir comme « source » quand elle se justifie.
- Le netlinking GEO amplifie une entité existante, il n’en fabrique pas une à partir de rien. Sur une marque sans fiche propre ni site cohérent, les mêmes liens ne produiront pas le même effet. C’est l’entité solide qui transforme un lien en citation.
Testez-le vous-même en 5 minutes
Vous n’avez pas à me croire sur parole. Le protocole est reproductible sur n’importe quelle marque, y compris la vôtre.
- Posez à l’IA (ChatGPT, Gemini, Perplexity…) une requête typique de votre marché.
- Demandez : « sur quels critères tu classes celui-là premier ? »
- À chaque réponse, relancez : « comment le sais-tu ? »
- Observez l’endroit où ça craque : là où l’affirmation prudente devient un détail inventé. Ce point de rupture vous dit ce qui relève du grounding réel et ce qui relève du récit.
Questions fréquentes
Une IA ment-elle quand elle explique son classement ?
Non, pas au sens strict. Elle n’a pas accès à la cause réelle de son classement et produit à la place une explication cohérente et plausible. C’est de la confabulation, pas un mensonge délibéré : le résultat n’en est pas moins faux.
D’où vient réellement le classement d’une marque dans une IA ?
De signaux structurés que le modèle fait remonter : fiche d’établissement Google (catégorie, note, adresse), cohérence de l’entité de marque sur le web, et sources effectivement consultées au moment de la requête. Pas de la liste de raisons qu’il récite ensuite.
Le netlinking sert-il à être cité par les IA ?
Oui, mais comme enrichissement du corpus qui parle de vous, pas comme levier de position. Un lien éditorial peut ressortir comme source dans la réponse d’une IA. Son efficacité dépend d’une entité de marque déjà solide : il consolide, il ne crée pas l’autorité de zéro.
Comment savoir ce que les IA disent vraiment de ma marque ?
En mesurant, pas en demandant à l’IA de s’auto-évaluer. Cela suppose d’interroger plusieurs moteurs sur un panel de requêtes réelles de votre marché, de relever qui est cité et sur quelles sources, puis de comparer dans le temps. C’est précisément l’objet d’un audit de visibilité IA structuré.
En résumé
Une IA qui explique son classement raconte une histoire cohérente, pas la vérité de son fonctionnement. Le bon réflexe GEO n’est pas de l’interroger sur ses raisons, mais de mesurer ce qu’elle produit et de travailler les signaux réels : entité de marque cohérente, présence structurée, sources de qualité. Consultant SEO et GEO en Provence depuis 2001, c’est l’approche que j’applique : on ne pilote pas ce qu’on ne mesure pas.
Pour savoir objectivement ce que ChatGPT, Gemini, Perplexity et les Aperçus IA de Google disent de votre marque, et sur quelles sources ils s’appuient, le Radar GEO mesure votre visibilité dans les moteurs de réponse et identifie les sources à conquérir.
