Comment ChatGPT, Gemini et Perplexity choisissent les marques qu'ils recommandent

Une réponse vient de deux endroits

La réponse d'un assistant s'appuie sur deux sortes de connaissances. La première est ce que le modèle a appris pendant son entraînement, à partir d'un très large instantané de textes. Il connaît ainsi les marques bien établies, mais sa connaissance s'arrête à une date et il ne peut pas dire d'où lui vient une idée.

La seconde est la recherche en direct. Pour beaucoup de questions, surtout sur les produits, les prix et l'actualité, des assistants comme ChatGPT, Perplexity, Gemini et les AI Overviews de Google lancent une recherche web, lisent un ensemble de pages et rédigent la réponse à partir d'elles, en affichant souvent ces pages comme sources.

Quand l'assistant cherche, ce sont les sources qui décident

Dès qu'il y a recherche, les marques de la réponse sont en grande partie celles présentes dans les pages consultées. La question devient très concrète : pour la requête que tape votre acheteur, quelles pages l'assistant lit-il, et y figurez-vous ?

Ces pages sont rarement des sites de vendeurs uniquement. Les articles comparatifs, les plateformes d'avis, les discussions de communautés, les annuaires et la presse spécialisée reviennent souvent, parce qu'ils traitent plusieurs options à la fois, ce qui est exactement ce qu'une question de recommandation demande.

Les signaux qui aident probablement

La pondération exacte n'est pas publique, prenez donc ceci comme une pratique éclairée plutôt que comme une formule. Les marques que les assistants nomment régulièrement ont en général :

• Une description claire et cohérente de ce qu'elles font, répétée sur leur propre site et sur des sites tiers.
• Des pages précises qui correspondent à la question : un cas d'usage, un secteur, un comparatif, une explication de prix.
• Des citations sur des sources indépendantes de leur catégorie, pas seulement sur leur propre domaine.
• Des pages accessibles aux robots et rapides à analyser, avec les faits importants en texte plutôt qu'en images.

Pourquoi la réponse change d'une fois sur l'autre

La même question posée deux fois peut donner des noms différents. Les modèles génèrent du texte avec une part d'aléatoire, les résultats de recherche bougent, et l'assistant peut formuler ou interpréter la question différemment à chaque fois. Les réponses varient aussi selon le pays, la langue et le fait d'être connecté ou non.

C'est pourquoi une capture d'écran isolée ne prouve pas grand-chose. La mesure utile, c'est la fréquence à laquelle vous êtes nommé sur des passages répétés de la même question, assistant par assistant.