Que se passe-t-il quand vous demandez à une IA des idées de cadeaux pour la Saint-Valentin ? Une expérience portant sur trois modèles et 150 requêtes révèle les silos de genre cachés qui façonnent les recommandations de l'IA, et pourquoi votre marque pourrait être invisible pour la moitié de vos acheteurs potentiels.
L'expérience qui a mis à nu le biais de genre de l'IA
Le jour de la Saint-Valentin 2026, nous avons lancé 150 requêtes en posant à trois grands modèles d'IA, Gemini, Grok et OpenAI, la même question simple : « Quel est le meilleur cadeau de Saint-Valentin pour [petit ami/petite amie/mari/femme/partenaire] ? »
Chacune des cinq formulations a été soumise aux trois modèles, dix fois chacune, selon la méthodologie d'analyse de stabilité de Rankfor.AI (la même technique du « lancer de dés » que nous avons utilisée pour nos études de Noël). Il s'agit de la troisième étude d'une série consacrée au biais des recommandations de l'IA, après nos expériences sur les cadeaux de Noël pour adultes et pour enfants.
Les résultats ? Une révélation frappante sur la manière dont l'IA construit des univers d'achat genrés, et sur la façon dont le contexte saisonnier inverse complètement le sens du biais.
Le renversement : la Saint-Valentin change la donne
Dans notre étude de Noël, les formulations au masculin recevaient plus de recommandations de marques que les formulations au féminin. La Saint-Valentin fait l'inverse.
Les formulations au féminin dominent désormais la visibilité des marques :
- Les formulations au féminin obtiennent en moyenne 5,23 marques par itération
- Les formulations au masculin obtiennent en moyenne 4,50 marques par itération
- Soit un écart de 16,2 % en faveur des requêtes formulées au féminin
C'est Gemini qui accentue le plus cet effet. Quand vous demandez des idées de cadeaux pour votre petite amie, Gemini renvoie en moyenne 14,2 noms de marques par réponse. Une question sur votre petit ami ? Le chiffre tombe à 11,8. La formulation « petite amie » a généré 58 marques uniques sur dix itérations, la plus grande diversité de toute l'expérience.
Average Brands per Iteration: Male vs Female Prompts
Pourquoi le contexte saisonnier compte-t-il ?
La Saint-Valentin est culturellement codée comme une « fête commerciale » où l'acheteur (historiquement plutôt masculin dans les couples hétérosexuels) achète des cadeaux pour une destinataire féminine. Noël, à l'inverse, est tourné vers la famille et plus équilibré. Les données suggèrent que les modèles d'IA absorbent ces schémas culturels à partir de leurs données d'entraînement et les appliquent à leurs recommandations.
En clair, pour les marques : si vous vendez de la bijouterie, des soins de la peau ou des produits de luxe destinés aux femmes, la saison de la Saint-Valentin est le moment où votre visibilité dans l'IA atteint son sommet. Si vous vendez de l'outillage électroportatif ou du whisky, vous vous battez pour des miettes.
L'écart de 10 fois dans le nommage des marques : Gemini contre tous les autres
Voici la statistique qui devrait terrifier toute marque qui compte sur la « découvrabilité par l'IA » comme canal :
Gemini cite 11,4 marques par réponse. Grok en cite 1,3. OpenAI en cite 1,2.
Relisez cela. Gemini a 9 à 10 fois plus de chances de mentionner des noms de produits précis que ses concurrents.
Là où Gemini se comporte comme un personal shopper, en glissant des noms de marques comme Away, Mejuri, YETI et Tiffany tout au long de ses réponses, Grok et OpenAI préfèrent vous donner des cadres de réflexion. Ils vous conseilleront d'« améliorer un objet qu'il utilise déjà » ou de « choisir un article personnalisé lié à un souvenir partagé ». Générique. Abstrait. Inutile pour les marques.
Pour les marketeurs : si vous optimisez votre « part de voix dans l'IA », c'est sur Gemini que la partie se joue. Les autres modèles ne citent presque jamais de marques.
Les silos de genre : 70 % des marques sont exclusives
Nous avons suivi 129 marques distinctes dans l'ensemble des réponses. Parmi elles :
- 52 marques ne sont apparues que pour les formulations au masculin (petit ami/mari)
- 56 marques ne sont apparues que pour les formulations au féminin (petite amie/femme)
- 21 marques étaient partagées entre les genres
Cela signifie que 70 % des recommandations sont exclusives à un genre. Si votre marque n'apparaît que pour un seul genre, vous êtes exclu de l'autre moitié du marché, non par choix, mais par stéréotypage algorithmique.
Gender-Exclusive vs Shared Brands (129 Total)
Ce qui est recommandé aux hommes
La liste des marques réservées aux hommes ressemble à un magasin de bricolage croisé avec un bar à whisky :
Outils et EDC : DeWalt, Milwaukee, Leatherman, Victorinox, portefeuilles Ridge, Bellroy Équipement outdoor : YETI, Patagonia, Filson, Carhartt Tech et gaming : Xbox, Steam Deck, SteelSeries, Sony Spiritueux : Lagavulin, Macallan, Pappy Van Winkle, Hibiki Barbecue et cuisine : Traeger, couteaux Shun, thermomètres Meater Fitness : Whoop, Garmin, Vuori
Si l'on en croit l'IA, vendre à des hommes, c'est vendre de la performance, de la robustesse et de la maîtrise.
Ce qui est recommandé aux femmes
La liste réservée aux femmes tient du comptoir de bijouterie et de la journée au spa :
Bijouterie : Mejuri, Cartier, Tiffany, Monica Vinader, Vrai, Brilliant Earth Mode de luxe : Chanel, Louis Vuitton, Cuyana, Anya Hindmarch, Sezane Soins et beauté : Glossier, La Mer, Augustinus Bader, Dr. Barbara Sturm, Sol de Janeiro Parfum : Jo Malone, Byredo, Diptyque Maison et confort : Brooklinen, Lululemon, Barefoot Dreams, Skims, Eberjey Expériences : Airbnb, Four Seasons, HelloFresh, GetYourGuide
Si l'on en croit l'IA, vendre à des femmes, c'est vendre de l'esthétique, du self-care et des expériences.
Le top 10 : petit ami contre petite amie
Voici ce que l'IA recommande le plus souvent pour chacun :
| Petit ami | Petite amie |
|---|---|
| 1. Away (bagages) | 1. Away (bagages) |
| 2. Ember (mug connecté) | 2. Dyson (tech capillaire) |
| 3. YETI (contenants pour boissons) | 3. Mejuri (bijouterie) |
| 4. Sony (électronique) | 4. Airbnb (expériences) |
| 5. Bellroy (portefeuilles) | 5. Ember (mug connecté) |
| 6. Ridge (portefeuilles) | 6. Lululemon (sportswear) |
| 7. Apple (tech) | 7. Oura Ring (bien-être) |
| 8. MasterClass (apprentissage) | 8. Tiffany (bijouterie de luxe) |
| 9. Patagonia (outdoor) | 9. MasterClass (apprentissage) |
| 10. Theragun (bien-être) | 10. Apple (tech) |
Remarquez le seul recoupement : Away, Ember, MasterClass et Apple. Tout le reste est cloisonné.
Les deux marques qui transcendent le genre
Sur 129 marques, deux seulement apparaissent de façon constante quel que soit le cadrage de genre et le modèle :
Away (bagages) : citée dans 83 des 150 itérations totales. Présente dans le top 3 pour les formulations petit ami, petite amie, mari, femme et partenaire.
Ember (mug connecté) : citée dans 69 des 150 itérations. Le « cadeau tech attentionné » universel.
Ces marques ont accompli quelque chose de remarquable : elles sont neutres en matière de recommandation. L'IA ne les code pas selon le genre. Ce sont simplement de bons cadeaux, point.
Pour les stratèges de marque : si vous voulez maximiser votre visibilité dans l'IA, calquez votre positionnement sur celui d'Away et Ember. Ils ont trouvé la clé de l'attrait universel.
Le problème du « partenaire » : quand l'IA peine avec le langage neutre
Quand nous avons posé la question des cadeaux pour un « partenaire » (langage neutre en genre), quelque chose d'intéressant s'est produit : les réponses sont devenues moins cohérentes.
Les scores de recouvrement sémantique, qui mesurent la similarité des réponses d'une itération à l'autre, sont tombés à près de zéro pour la formulation « partenaire » sur Gemini et OpenAI. Grok a obtenu un score de 2 (contre 6 pour « femme »).
En clair : les modèles d'IA n'ont pas de récits bien formés pour les cadeaux non genrés. Ils sont entraînés sur des conseils de cadeaux genrés, et quand on retire les indices de genre, ils s'égarent.
Le mélange de marques pour « partenaire » est un assemblage chaotique : LEGO (6 mentions, plus que toute formulation genrée), Tiffany, portefeuilles Ridge, YETI et Dyson apparaissent tous ensemble. C'est comme si l'IA couvrait ses arrières, en piochant des options dans les deux silos de genre.
Pour les marques inclusives : c'est une occasion à saisir. Si vous parvenez à positionner votre produit comme adapté à un partenaire, vous faites partie des rares marques que l'IA recommandera avec assurance pour les requêtes en langage neutre.
Consensus entre modèles : Gemini est un cas à part
Nous avons mesuré le degré d'accord des trois modèles sur les recommandations de marques à l'aide de la similarité de Jaccard (une mesure du recouvrement d'ensembles).
Résultats :
- Grok contre OpenAI : similarité de 0,40 à 0,75 (accord élevé)
- Gemini contre Grok : similarité de 0,03 à 0,09 (recouvrement quasi nul)
- Gemini contre OpenAI : similarité de 0,03 à 0,09 (recouvrement quasi nul)
Cross-Model Brand Agreement (Jaccard Similarity)
Gemini et les deux autres modèles vivent dans des univers différents. Grok et OpenAI recommandent presque toujours la même poignée de marques (Away, Ember, Amazon, Kindle, Calm). Gemini recommande de 10 à 19 marques par réponse, dont la plupart ne sont jamais citées par Grok ni OpenAI.
L'implication stratégique : Gemini est le seul modèle où l'optimisation fine des marques a de l'importance. Si vous investissez dans la visibilité par l'IA (via le marketing de contenu, le SEO pour les LLM ou les partenariats de marque), c'est sur Gemini que vous verrez un retour sur investissement. Les autres modèles ne citent tout simplement pas assez souvent de marques pour peser dans la balance.
La formulation la plus stéréotypée : « femme » sur Grok
Les scores de recouvrement sémantique révèlent quelles formulations produisent les réponses les plus formatées.
Gagnante : « femme » sur Grok a obtenu un score de 6, la plus grande constance de l'expérience.
Cela suggère que Grok dispose d'un modèle bien rodé pour les « cadeaux pour femme », qu'il répète de façon presque identique d'une itération à l'autre. La réponse est prévisible, stéréotypée et réfractaire à la variation.
Deuxième place : « mari » sur Gemini a obtenu un score de 5.
À l'inverse, « partenaire » a obtenu un score proche de zéro sur tous les modèles, signe d'une variabilité maximale.
Ce que cela signifie : les rôles de genre traditionnels (mari/femme) déclenchent des réponses plus rigides et calquées sur des modèles. Le langage neutre produit des réponses plus créatives et moins stéréotypées, mais aussi moins précises sur les marques.
Implications pour le retail : comment échapper au verrou de genre
Si votre marque est prisonnière d'un silo de genre, voici comment en sortir :
1. Auditez votre visibilité dans l'IA par genre
Lancez la même requête avec des formulations au masculin et au féminin. Votre marque apparaît-elle à parts égales ? Sinon, vous laissez la moitié du marché de côté.
Testez-le vous-même : utilisez l'outil d'analyse de stabilité de Rankfor.AI pour passer votre marque à travers des formulations genrées sur plusieurs modèles. Voyez où vous apparaissez, et où vous n'apparaissez pas.
2. Optimisez votre contenu pour les deux genres
Si vous vendez de la bijouterie et que vous n'apparaissez que dans les formulations « petite amie », rédigez du contenu sur la bijouterie masculine, les créations non genrées ou les « cadeaux pour tous ». Apprenez à l'IA à associer votre marque à des usages plus larges.
3. Inspirez-vous des marques universelles
Étudiez ce que font Away et Ember. Leur marketing ne s'appuie pas sur des stéréotypes de genre. Ils mettent en avant l'utilité, l'attention et la qualité, des attributs qui transcendent le genre.
4. Ciblez spécifiquement Gemini
Comme Gemini domine le nommage des marques, veillez à ce que votre stratégie de SEO et de contenu privilégie l'écosystème de Google. Gemini puise dans le knowledge graph de Google, si bien que les entrées Wikipédia, les données structurées et les backlinks faisant autorité comptent plus que jamais.
5. Employez un langage neutre dans vos campagnes
« De superbes cadeaux pour tout le monde. » « Parfait pour toutes les occasions. » Positionnez-vous comme adapté à un partenaire, non comme spécifique à un petit ami ou à une petite amie. Cela ouvre l'espace sous-exploité des requêtes en langage neutre.
La vue d'ensemble : l'IA comme miroir culturel
Cette expérience s'inscrit dans une série plus vaste (1 279 requêtes au total sur trois études) qui examine comment les recommandations de l'IA reflètent et renforcent les biais culturels.
Ce que nous avons appris jusqu'à présent :
- Noël (adultes) : les formulations au masculin obtenaient plus de marques
- Noël (enfants) : les garçons recevaient des jouets STEM et des figurines d'action, les filles des poupées et du matériel de loisirs créatifs
- Saint-Valentin : les formulations au féminin obtiennent désormais plus de marques
À retenir : le contexte saisonnier inverse le sens du biais. L'IA n'est pas systématiquement biaisée envers un genre ; elle est biaisée envers les attentes culturelles liées à des occasions d'achat précises.
Noël, c'est « le cadeau familial équilibré », alors les formulations au masculin prennent une longueur d'avance. La Saint-Valentin, c'est « l'achat du geste romantique », historiquement de l'acheteur masculin vers la destinataire féminine, alors les formulations au féminin dominent.
Pour les marketeurs : ne présumez pas que le biais est figé. Il change avec le contexte. Auditez la visibilité de votre marque dans l'IA à travers plusieurs contextes saisonniers et culturels pour comprendre où vous gagnez et où vous perdez.
La suite : la synthèse des trois études
Cette étude sur la Saint-Valentin complète notre trio d'expériences sur le biais de genre. Nous publierons ensuite une synthèse comparant les trois études côte à côte, qui révélera les schémas plus profonds derrière la façon dont l'IA construit des réalités d'achat genrées.
Bientôt disponible :
- Analyse du biais d'une saison à l'autre (Noël contre Saint-Valentin)
- Comparaison du biais lié à l'âge et au genre (enfants contre adultes)
- Schémas de migration des marques (quelles marques transcendent les catégories)
- Le « manuel de visibilité dans l'IA » pour les stratèges de marque
Testez le verrou de genre de votre marque
Vous voulez savoir si votre marque est prisonnière d'un silo de genre ? Utilisez la plateforme d'intelligence concurrentielle de Rankfor.AI pour lancer une analyse de stabilité sur des formulations genrées.
Ce que vous découvrirez :
- Quelles formulations de genre déclenchent le nom de votre marque
- À quelle fréquence vous apparaissez par rapport à vos concurrents
- Quels modèles favorisent votre marque (Gemini, Grok ou OpenAI)
- Si vous êtes neutre en matière de recommandation, comme Away et Ember
L'époque du « on espère que Google nous classera » est révolue. Le nouveau jeu, c'est « faire en sorte que l'IA nous recommande ». Et si l'IA ne vous recommande qu'à la moitié du marché, vous perdez déjà.
À propos de la recherche : cette étude s'inscrit dans l'enquête continue de Rankfor.AI sur le biais des recommandations de l'IA. L'ensemble des données, de la méthodologie et des résultats bruts est disponible sur demande à des fins d'examen par les pairs.
Méthodologie : 150 requêtes (5 formulations x 3 modèles x 10 itérations) lancées le jour de la Saint-Valentin 2026 selon la méthodologie d'analyse de stabilité (lancer de dés) de Rankfor.AI. Noms de marques extraits par correspondance regex insensible à la casse contre un dictionnaire de plus de 140 marques. Scores de recouvrement sémantique calculés par l'API. Similarité de Jaccard calculée sur les ensembles de marques uniques par combinaison formulation-modèle.
Modèles testés : Google Gemini 2.5 Flash, Grok (xAI), OpenAI GPT-4
Série d'études :
- Cadeaux de Noël pour adultes : le biais de genre dans les recommandations de l'IA
- Cadeaux de Noël pour enfants : comment l'IA renforce les stéréotypes de genre dans les jouets
- Cadeaux de Saint-Valentin : le renversement saisonnier (cette étude)
Dmitrij Żatuchin est le fondateur de Rankfor.AI, une plateforme d'intelligence concurrentielle qui aide les marques B2B à comprendre leur visibilité dans l'IA et à optimiser leur présence auprès des moteurs de recommandation.