Qui dirige votre entreprise, d’après ChatGPT ? Posez la question, puis reposez-la à Perplexity et à Google AI Overviews : rien ne garantit que les trois réponses convergent vers le même nom. Une IA générative ne consulte pas votre organigramme à jour. Elle synthétise ce qu’elle trouve déjà indexé : le site web, la fiche Google Business Profile, les réseaux sociaux, une bio de dirigeant publiée trois ans plus tôt. Puis elle retient la version la plus répétée, indépendamment de sa fraîcheur. Or c’est précisément la douleur que remontent beaucoup de content managers en ce moment : Google teste des AI Overviews qui captent le trafic informationnel, la longue traîne s’effondre et ce recul ne s’explique plus seulement par une perte de position. La marque elle-même peut être mal représentée dans la réponse qui capte le clic à sa place.
Pourquoi une réponse IA fausse coûte plus cher qu’un mauvais classement
Un mauvais classement se corrige avec du contenu et des backlinks. Il faut simplement du temps. Une réponse IA erronée sur l’identité de la marque, elle, s’affiche directement à l’utilisateur, sans lien vers une page où corriger le tir. Carolyn Shelby pose le problème dans Search Engine Journal en septembre 2026 : une IA interrogée sur qui dirige une entreprise peut citer n’importe lequel de quatre anciens dirigeants, parce qu’aucune des sources qu’elle consulte n’est formulée comme la réponse à jour.
Le site dit une chose, un vieux PDF en dit une autre, la documentation produit garde un vocabulaire abandonné par le marketing depuis deux ans et les biographies de dirigeants conservent des titres qui n’existent plus. Aucune de ces sources n’est fausse en soi ; c’est leur addition qui brouille la réponse (Carolyn Shelby, Search Engine Journal, septembre 2026).
Les rapports de visibilité IA mesurent en priorité si une marque est mentionnée ou citée dans une réponse. Peu mesurent si la mention est exacte. Un score de présence élevé peut donc masquer un problème d’exactitude, celui qui abîme la confiance au moment précis où le lecteur tombe sur l’information fausse.
Les sources qui se contredisent sans que personne ne s’en aperçoive
La contradiction ne vient presque jamais d’un mensonge assumé. Elle vient de l’accumulation de versions écrites à des moments différents, par des équipes différentes, sans processus de synchronisation. Cinq foyers reviennent le plus souvent dans les audits d’entité de marque :
- Le site web d’un côté, la documentation produit ou les anciens PDF téléchargeables de l’autre, qui gardent un positionnement ou des specs périmées.
- La fiche Google Business Profile face aux réseaux sociaux officiels, quand horaires ou description divergent.
- Les avis clients, qui figent une expérience datée que le produit a depuis changée en profondeur.
- Les pages « à propos » et les bios de dirigeants, qui suivent rarement les mouvements de comité de direction.
- Le balisage schema.org, dupliqué par plusieurs plugins ou plusieurs versions de site, avec des valeurs qui ne correspondent plus entre elles.
Chacune de ces sources, prise isolément, semble mineure. Ensemble, elles composent le graphe d’entité que les moteurs de recherche IA consultent pour construire une réponse. Un knowledge graph nourri de versions contradictoires pondère selon la fréquence et l’ancienneté de chaque source, ce qui favorise souvent la version la plus répétée sur le web, sans garantie d’exactitude.
Chaque moteur IA lit midi à sa porte
ChatGPT, Perplexity et Google AI Overviews ne consultent pas le même pool de sources pour construire une réponse. Sur un jeu de 680 millions de citations analysées entre août 2024 et juin 2025, Wikipedia arrive en tête des sources citées par ChatGPT, à hauteur de 7,8% du total (Profound). Perplexity et AI Overviews s’appuient bien davantage sur des contenus générés par les utilisateurs, Reddit en tête. Une même marque peut afficher une fiche d’entité parfaitement propre sur Wikipedia et rester exposée à une contradiction persistante sur Reddit, un espace que la plupart des équipes marketing ne surveillent jamais. Le mécanisme s’aggrave avec le query fanout : une seule question posée par l’utilisateur se décompose en plusieurs sous-requêtes exécutées en parallèle, chacune capable de remonter une source différente et donc une version différente de la même marque.
La conséquence est directe. Corriger une information sur son propre site ne suffit pas à corriger la réponse d’un moteur qui, structurellement, ne lit pas ce site en priorité.
Le précédent que le SEO local avait déjà balisé
Ce mécanisme n’est pas nouveau. Il porte un nom en SEO local depuis plus d’une décennie : la cohérence NAP, nom, adresse, téléphone, identiques sur chaque citation en ligne. L’étude Local Search Ranking Factors, publiée par Whitespark et BrightLocal en novembre 2025, a pour la première fois isolé un volet spécifique aux facteurs de visibilité en recherche IA, distinct du pack local classique. Résultat : les citations pèsent pour 13% de ce nouveau score de visibilité IA, davantage que dans le calcul historique du pack local. L’étude confirme aussi que les LLM s’appuient, pour répondre aux requêtes locales, sur les mêmes citations et avis que les moteurs traditionnels, complétés par les réseaux sociaux.
Sur ce terrain précis, la cohérence des signaux de confiance et des avis clients fait déjà l’objet d’une méthode complète, publiée sur Mandarino à propos de l’alignement des signaux de confiance IA et des avis clients. La question posée ici est plus étroite : la cohérence factuelle des informations elles-mêmes, celles qu’une IA reformule en réponse directe. La note moyenne et le volume d’avis relèvent d’un autre sujet, déjà traité dans cet article.
Un écart de 8 points entre deux versions du même moteur Google
L’écart médian de visibilité entre le meilleur et le pire des trois modèles Google atteint 8 points de pourcentage, mesuré sur 15 155 configurations de marques suivies quotidiennement en mai 2026 par Profound ; plus d’une marque sur trois voit cet écart dépasser 10 points. Gemini, AI Overviews et AI Mode restent trois systèmes distincts, chacun avec ses propres sources : les trois modèles citent un nombre de marques quasi identique par réponse, autour de 4,4 à 5 ; la différence tient au choix des sources citées, AI Mode en moyenne 15,2 par réponse, AI Overviews 11,1, Gemini seulement 6,6.
Une marque optimisée pour Gemini n’obtient donc aucune garantie de traitement équivalent sur AI Mode. Traquer un score unique de « visibilité IA » revient à moyenner trois audiences qui ne lisent pas les mêmes preuves.
Par où commencer : la hiérarchie des surfaces qui comptent
La priorité va d’abord à Google Business Profile et au site officiel, sources les plus fréquemment citées pour les requêtes commerciales ; puis à Wikipedia et Wikidata quand une fiche existe, puisqu’elles pèsent lourd dans les citations ChatGPT ; puis aux réseaux sociaux officiels et aux profils d’annuaires les plus anciens, souvent oubliés depuis un rachat ou un rebranding. Un audit complet part de l’entité elle-même : il vérifie que le nom exact de la marque, les dirigeants actuels, la description de l’activité et les données de contact racontent la même histoire partout où un moteur IA peut aller les chercher.
Deux chantiers techniques prolongent ce travail sans le remplacer. Le balisage schema.org de l’entité doit rester unique et synchronisé sur l’ensemble du domaine, un sujet développé en détail dans l’article Mandarino sur pourquoi un site doit devenir actionnable pour les agents IA. Et les ajustements de fond attendus après les dernières mises à jour de Google, y compris sur les signaux d’entité, sont détaillés dans l’analyse des signaux Google de juin 2026. La contradiction factuelle est un point précis ; la structure des données et le E-E-A-T au sens large relèvent d’un autre terrain. Google a d’ailleurs formalisé cette exigence de cohérence dans ses propres labels de confiance pour l’IA, Preferred Sources et Highly Cited, qui récompensent implicitement les entités les plus stables sur le web. La cohérence d’entité est le socle du GEO et de l’AEO : sans elle, l’optimisation de contenu pour la citation reste un pansement posé sur une base instable.
Un audit d’entité propre ne garantit pas la citation. Google AI Overviews privilégie aussi la fraîcheur et le volume de mentions ; une marque parfaitement cohérente mais peu mentionnée reste souvent absente de la réponse, pendant qu’un concurrent moins rigoureux mais plus cité continue d’apparaître. La cohérence retire un frein, elle ne crée pas la visibilité à elle seule.
Corriger une bio de dirigeant obsolète sur un forum tiers que personne ne modère retombe, dans la plupart des organisations, sur personne en particulier : le SEO et la communication se renvoient la balle chaque fois que le sujet remonte.
