Votre marque a une réputation IA. Le problème : elle change selon quel IA votre client utilise, quand il pose la question, et comment il la formule. Nous avons mené la plus grande étude multi-secteurs à ce jour sur le sourçage de la réputation IA. Voici ce que chaque marketeur doit savoir.
Pourquoi Cette Étude Est Importante
Chaque fois qu'un acheteur interroge ChatGPT, Gemini, ou Perplexity sur votre secteur, ces plateformes IA construisent une narration en temps réel sur votre marque. Cette narration, c'est votre réputation IA. Contrairement à la couverture médiatique traditionnelle, vous ne pouvez pas la voir, en tracer les sources, ou prédire ce qu'elle dira ensuite.
Nous nous sommes fixé pour objectif de répondre à quatre questions : D'où l'IA tire-t-elle ses connaissances sur les marques ? Sont-elles cohérentes ? Est-ce que votre secteur change la réponse ? Et les entreprises cotées en bourse ont-elles un avantage ?
Les résultats sont inconfortables pour quiconque pense que la visibilité IA est un problème simple.
Ce Que Nous Avons Testé
Nous avons étudié 24 entreprises réelles réparties dans 8 secteurs : E-commerce, Technologies de la Santé, Logistique, Conseil, HR Tech, Hébergement Web, Marketing Technology, et FinTech. La moitié était cotée en bourse, l'autre moitié privée. Les entreprises allaient de sociétés Fortune 500 à des startups.
Nous avons administré 1 296 requêtes sur GPT-5.2 et Gemini 3 Flash, plus 72 sondages en mode fondé via Perplexity. Chaque requête de stabilité a été répétée cinq fois par marque pour mesurer la cohérence. Au total, nous avons analysé 1 311 réponses et codé 3 041 attributions de sources à la main.
Ce n'est pas un article de blog avec des anecdotes. C'est une étude évaluée par les pairs publiée dans la revue Discover Artificial Intelligence de Springer.
Résultat 1 : 70 % de Ce Que l'IA « Sait » sur Votre Marque Ne Peut Pas Être Tracé
Nous avons classé chaque attribution de source que l'IA a faite en discutant des marques. La catégorie la plus importante de loin : « Autre / Non Attribuable » à 70,2 %. L'IA sait des choses sur votre marque, mais nous ne pouvons pas pinpointer d'où cette information provient.
Les sources que nous avons pu tracer :
| Type de Source | Part de Toutes les Citations |
|---|---|
| Contenu détenu par l'entreprise | 14,7 % |
| Médias d'actualité de niveau 1 | 5,7 % |
| Plateformes d'avis | 4,6 % |
| Actualités commerciales/sectorielles | 1,8 % |
| Wikipedia | 1,5 % |
| Financier/réglementaire | 0,6 % |
| Médias sociaux | 0,5 % |
| 0,4 % | |
| Sources gouvernementales | 0,1 % |
Ce que cela signifie pour vous : Votre propre contenu de site web est la source d'information de marque IA identifiable la plus importante. Les relations publiques traditionnelles (médias de niveau 1) sont deuxièmes. Tout le reste est marginal. Mais ces 70 % que vous ne pouvez influencer par aucun canal direct, c'est le défi structurel dont personne ne parle.
Résultat 2 : Les Modèles IA Racontent des Histoires Complètement Différentes sur Votre Marque
Nous avons comparé comment GPT-5.2 et Gemini 3 Flash perçoivent les mêmes marques. L'écart est dramatique.
GPT-5.2 a produit un score de sentiment moyen de 0,83 (sur une échelle de -1 à +1). C'est extrêmement positif. En fait, 96,4 % des réponses de GPT sur les marques étaient positives.
Gemini 3 Flash a produit un sentiment moyen de 0,32. Seulement 51,5 % de ses réponses étaient positives.
La corrélation entre les scores de sentiment des deux modèles ? r = 0,37 – faible et non statistiquement significative. Les modèles n'utilisent pas simplement des échelles différentes. Ils pèsent complètement différemment les différents aspects de la réputation.
Ce que cela signifie pour vous : Si vous auditez uniquement votre présence IA sur ChatGPT, vous voyez une image artificiellement rose. Vos clients utilisent plusieurs plateformes IA. Chacune raconte une histoire différente sur vous.
Résultat 3 : Interrogez le Même IA Deux Fois et Vous Obtenez des Réponses Différentes
Nous avons répété la même requête cinq fois pour chaque marque sur chaque modèle. Le score de cohérence moyen dans toutes les entreprises : 0,54 de similarité cosinus.
Pour mettre cela en contexte : seulement 2,8 % de toutes les combinaisons entreprise-modèle-requête ont dépassé le seuil de 0,85 que nous avons défini comme « stable ». Pendant ce temps, 93,8 % sont tombés en dessous de 0,70, que nous avons classé comme « variable ».
GPT-5.2 était légèrement plus cohérent (0,57) que Gemini 3 Flash (0,51), mais aucun des deux modèles ne donne fiablement la même réponse.
Ce que cela signifie pour vous : Il n'y a pas de « réputation IA » fixe. Chaque fois que quelqu'un pose une question sur votre marque, l'IA construit une narration légèrement différente. Un audit basé sur une seule requête capture une approximation, pas la vérité. Vous avez besoin de mesures répétées pour comprendre votre présence IA réelle.
Résultat 4 : Votre Secteur Détermine Quelles Sources l'IA Utilise
Nous avons trouvé une relation statistiquement significative entre le secteur industriel et la distribution des sources (chi-carré = 143,28, p < 0,001). La taille de l'effet est faible (V de Cramer = 0,08), mais les modèles sont réels et exploitables.
Les cabinets de conseil obtiennent le mélange de sources identifiables le plus riche : 30,8 % de leur réputation IA provient du contenu corporatif plus les actualités de niveau 1 combinées. McKinsey obtient 8 % de ses citations traçables à partir de points de vente comme Bloomberg et Financial Times.
Les entreprises de Marketing Technology font face à l'opacité de source la plus élevée : 81,3 % de leur réputation IA est non attribuable. Si vous êtes dans la B2B tech, supposez que la plupart de ce que l'IA sait sur vous est intégré dans ses données d'entraînement sans origine claire.
Les marques HR Tech s'appuient fortement sur les plateformes d'avis : 9,6 % des sources identifiables proviennent de G2, Capterra, et des sites similaires – le plus élevé de tous les secteurs.
Ce que cela signifie pour vous : Votre stratégie de contenu IA doit correspondre aux modèles de sources que l'IA utilise réellement dans votre secteur. Un cabinet de conseil devrait investir dans le thought leadership et les relations médiatiques. Une entreprise HR Tech devrait investir dans une présence sur les plateformes d'avis. Un playbook générique ne fonctionnera pas.
Résultat 5 : Être Coté en Bourse Vous Donne Zéro Avantage
Nous avons comparé 12 entreprises cotées par rapport à 12 entreprises privées sur chaque mesure que nous avons mesurée. Les résultats : statistiquement identiques.
- Cohérence : Cotées 0,54 vs. Privées 0,54 (d = 0,03, négligeable)
- Sentiment : Cotées 73,9 % positif vs. Privées 74,5 % positif
- Diversité des sources : Aucune différence significative (entropie de Shannon : 1,43 vs. 1,37)
- Richesse des citations : Les entreprises privées ont en fait reçu légèrement plus d'attributions par entreprise (130,0 vs. 123,4)
- Sources financières/réglementaires : Moins de 1 % pour les deux groupes
Les dépôts auprès de la SEC, la couverture Bloomberg, les profils Crunchbase – rien de tout cela ne donne aux entreprises cotées un avantage mesurable dans la façon dont l'IA les perçoit.
Ce que cela signifie pour vous : Si vous êtes une entreprise privée ou une startup, vous n'êtes pas à un désavantage structurel. L'IA traite une startup de la même manière qu'une entreprise Fortune 500. Le terrain de jeu est égal. La question n'est pas la taille de votre entreprise – c'est si votre contenu est structuré pour la compréhension de l'IA.
L'Exception du Mode Fondé
Il y a une lueur d'espoir dans tout cela. Quand les modèles IA utilisent la génération augmentée par la récupération (le mode où ils recherchent activement sur le web avant de répondre), l'attribution des sources devient transparente. Nous avons testé ceci avec Perplexity, qui fournit des citations au niveau de l'URL.
En mode fondé, la catégorie « non attribuable » diminue considérablement. Vous pouvez voir exactement quelles pages l'IA a extraites, vérifier la précision, et optimiser en conséquence.
Ce que cela signifie pour vous : À mesure que davantage de plateformes IA adoptent des modes de récupération augmentée (comme les Aperçus IA de Google ou les citations de Perplexity), le problème d'opacité des sources diminuera. Mais pour l'instant, la majorité des conversations IA sur les marques se déroulent en mode paramétrique – où 70 % des connaissances n'ont pas d'origine traçable.
Ce Qu'il Faut Faire À Partir de Lundi
La recherche pointe vers trois priorités exploitables :
1. Auditez Votre Présence IA sur Plusieurs Modèles
Ne demandez pas simplement à ChatGPT des informations sur votre marque. Interrogez Gemini. Interrogez Perplexity. Avec un écart de sentiment de 0,51 points entre les modèles et seulement 2,8 % des résultats étant stables, vous avez besoin d'une approche multi-modèles et de mesures répétées pour comprendre votre réputation IA réelle.
2. Investissez dans les Sources Qui Comptent Réellement
70 % de la connaissance IA est intégrée dans les données d'entraînement et non traçable. Du 30 % que vous pouvez influencer : votre propre contenu de site web (14,7 %) et la couverture médiatique de niveau 1 (5,7 %) sont les deux premiers. Les plateformes d'avis comptent pour des secteurs spécifiques (en particulier HR Tech à 9,6 %). Les médias sociaux et LinkedIn ensemble représentent moins de 1 %.
Priorités : contenu détenu par l'entreprise d'abord, médias acquis deuxièmement, sources spécifiques au secteur troisièmement.
3. Construisez une Habitude de Surveillance
La réputation IA n'est pas stable. Elle change à chaque requête, à chaque mise à jour de modèle, à chaque nouveau morceau de données d'entraînement. Vous ne vérifieriez pas vos classements Google une fois et oublieriez ensuite. Une surveillance mensuelle de la visibilité IA est le minimum. Les audits complets trimestriels entre les modèles sont la norme.
Détails de l'Étude
- Échantillon : 24 entreprises, 8 secteurs, 12 cotées en bourse + 12 privées
- Requêtes : 1 296 administrées, 1 311 réponses analysables
- Modèles : GPT-5.2 (OpenAI), Gemini 3 Flash (Google), Perplexity (mode fondé)
- Attributions de sources : 3 041 codées par deux codeurs formés indépendants
- Itérations de stabilité : 5 répétitions par requête par marque par modèle
- Publication : Springer Discover Artificial Intelligence (évaluée par les pairs)
- Collecte de données : 20 février 2026
Le Résultat Final
L'IA construit une réputation pour votre marque que vous la gériez ou non. La question est si vous comprenez d'où cette réputation provient (surtout non traçable), quelle est sa stabilité (pas beaucoup), et à quel point elle est différente selon les plateformes (très différente).
Les marques qui gagneront une part de recommandations dans l'ère de l'IA ne seront pas celles avec les plus grands budgets ou les antécédents les plus longs. Ce seront celles qui comprennent comment l'IA raisonne à leur sujet – et structurent leur contenu en conséquence.