ChatGPT recommande des marques par deux voies : à partir de ce que le modèle a appris pendant son entraînement (sa mémoire paramétrique) et, lorsqu'il effectue une recherche web, à partir des pages qu'il récupère et cite au moment de répondre. Il n'existe ni formule de classement publique ni placement payant dans les réponses ordinaires : les marques qui apparaissent sont celles qui sont décrites de façon cohérente, claire et crédible dans les sources accessibles à ChatGPT. Comme les réponses varient, seule une mesure répétée indique votre position réelle.
À retenir
- ChatGPT s'appuie sur deux sources de connaissance : ce qu'il a appris à l'entraînement et ce que la recherche ChatGPT récupère en direct. Elles répondent à des leviers différents, sur des échelles de temps différentes.
- OpenAI ne documente que quelques signaux concrets pour la recherche et le shopping, comme l'accès d'OAI-SearchBot et les métadonnées produit structurées. La plupart des autres « facteurs de classement » dont vous entendez parler sont des déductions, pas des faits documentés.
- La meilleure preuve contrôlée disponible (Aggarwal et al., KDD 2024) montre qu'ajouter des citations de sources, des extraits cités et des statistiques a amélioré la visibilité dans les réponses génératives jusqu'à 40 % dans leur banc d'essai.
- Les réponses sont probabilistes. Une capture d'écran isolée ne prouve rien ; un taux de présence calculé sur un jeu de questions fixe et répété, si.
- La couverture par des tiers (avis, comparatifs, presse, discussions communautaires) pèse souvent autant que votre propre site, car c'est là que les modèles rencontrent votre marque en contexte.
Deux voies vers une recommandation : mémoire d'entraînement et recherche en direct
Pour les recommandations de marques, ChatGPT fait intervenir deux mécanismes très différents, et chacun réagit à des leviers distincts.
La mémoire paramétrique : ce que le modèle « sait » déjà
Un modèle de langage condense dans ses poids les régularités de ses données d'entraînement. Si votre marque est apparue souvent, dans des contextes cohérents (« X est un outil de gestion de projet pour les agences »), le modèle aura davantage tendance à l'associer à la bonne catégorie et aux bons besoins. Cette mémoire a une date de coupure et ne change qu'avec un nouveau modèle.
La recherche en direct : ChatGPT search
Depuis le lancement de la recherche ChatGPT par OpenAI le 31 octobre 2024, ChatGPT peut décider seul de chercher sur le web, ou l'utilisateur peut déclencher la recherche manuellement. Selon OpenAI, la recherche s'appuie sur des fournisseurs de recherche tiers ainsi que sur des contenus fournis directement par des partenaires, et les réponses affichent leurs sources. La logique se rapproche alors de celle des moteurs de recherche : une page doit être explorable, indexée par ces fournisseurs, pertinente pour la requête que ChatGPT envoie réellement et assez utile pour être retenue et citée.
En pratique, les deux voies se mélangent : le modèle peut esquisser une réponse de mémoire, puis la confirmer avec les sources récupérées.
Quels signaux de recommandation sont réellement documentés ?
Le tableau distingue ce qu'OpenAI affirme dans sa propre documentation de ce qui est plausible mais non prouvé.
| Signal | Mécanisme | Statut | Ce que vous pouvez faire |
|---|---|---|---|
| Accès d'OAI-SearchBot | Selon OpenAI, les sites qui bloquent OAI-SearchBot n'apparaissent pas dans les réponses de recherche (seulement comme liens de navigation) | Documenté | Vérifier robots.txt et les règles de pare-feu ou de CDN |
| Métadonnées produit structurées | Les résultats shopping utilisent des données comme le prix et la description issues de fournisseurs propriétaires et tiers | Documenté (shopping) | Tenir à jour flux, balisage schema et fiches sur les places de marché |
| Contexte de l'utilisateur | La formulation, la mémoire et les instructions personnalisées influencent les produits affichés | Documenté (shopping) | Couvrir les différents besoins et contraintes exprimés par vos acheteurs |
| Facteurs marchands | Disponibilité, prix, qualité et statut de fabricant ou de vendeur principal | Documenté (shopping) | Rendre visibles votre boutique officielle et l'état des stocks |
| Mentions par des tiers | Avis, comparatifs et presse alimentent l'entraînement comme la recherche | Plausible, souvent observé | Être présent sur les sources que ChatGPT cite dans votre catégorie |
| Contenu riche en preuves | Sources, citations et statistiques ont accru la visibilité dans une étude contrôlée | Preuve expérimentale | Ajouter des données vérifiables et des sources nommées aux pages clés |
Deux points comptent. D'abord, OpenAI indique que les résultats produits « sont sélectionnés de manière indépendante par ChatGPT et ne sont pas des publicités » ; les publicités, là où elles existent, sont traitées séparément. Ensuite, aucune documentation ne décrit un score numérique que vous pourriez optimiser directement.
Que disent les données de la recherche ?
L'étude contrôlée la plus citée est « GEO: Generative Engine Optimization » d'Aggarwal et ses collègues (arXiv:2311.09735, publiée à KDD 2024). Les auteurs ont construit un banc d'essai de requêtes variées (GEO-bench) et testé des modifications de contenu sur un moteur génératif simulé ainsi que sur Perplexity. Les méthodes qui ajoutaient des références à des sources crédibles, des citations pertinentes et des statistiques ont produit les plus fortes améliorations, avec des gains de visibilité allant jusqu'à 40 % dans leur dispositif. Le bourrage de mots-clés s'est révélé peu efficace.
L'étude n'a pas été menée sur le système de production de ChatGPT, qui évolue souvent. Sa valeur tient à la direction qu'elle indique : les moteurs génératifs semblent privilégier les contenus faciles à vérifier et faciles à citer. Notre guide pour écrire du contenu que l'IA cite traduit ces résultats en check-list éditoriale, et l'article Quelles sources l'IA cite-t-elle ? montre où la recherche va puiser.
Pourquoi la même question obtient des recommandations différentes
Voir votre marque dans une réponse puis plus dans la suivante est un comportement attendu, pas un bug :
- Échantillonnage. La génération est probabiliste : un même prompt peut produire des listes différentes.
- Avec ou sans recherche. Une exécution déclenche une recherche web, une autre répond de mémoire, avec d'autres candidats.
- Contexte. Mémoire, historique, langue et localisation déplacent la réponse.
- Formulation. « Meilleur CRM pour petites agences » et « CRM abordable avec intégration WhatsApp » sont deux questions différentes, aux gagnants différents.
C'est pourquoi la visibilité dans les recommandations doit s'exprimer en taux, et non en oui/non. Le taux de présence correspond au nombre de réponses valides mentionnant votre marque divisé par l'ensemble des réponses valides ; les réponses en échec ou vides sont exclues du dénominateur au lieu d'être comptées comme des absences. L'article Mesurer la visibilité IA détaille la taille des échantillons et les erreurs fréquentes.
Une méthode fondée sur les preuves pour améliorer vos recommandations
- Construire un jeu de questions à partir de l'intention d'achat réelle. Rassemblez 30 à 100 questions que vos clients posent vraiment : questions de catégorie (« meilleur logiciel de paie pour start-up en France »), de comparaison et de problème, rédigées dans la langue de chaque marché.
- Mesurer un point de départ. Posez chaque question plusieurs fois, dans le marché et la langue concernés, et conservez chaque réponse avec ses sources. Calculez votre taux de présence et le même indicateur pour vos concurrents sur le même échantillon.
- Analyser les citations. Listez les domaines que ChatGPT cite lorsqu'il recommande des acteurs de votre catégorie. Ce sont les pages qui façonnent la réponse ; voir citation IA pour la différence entre mention et citation.
- Corriger d'abord l'accès. Vérifiez qu'OAI-SearchBot n'est pas bloqué et que vos pages clés affichent leur contenu principal sans scripts côté client trop lourds.
- Combler les lacunes de preuves. Publiez des pages précises et vérifiables : positionnement clair, tarifs, spécifications, données indépendantes et sources nommées.
- Remesurer sur le même jeu de questions. Comparez les taux de mois en mois. Quelques points d'écart sur un petit échantillon peuvent relever du bruit ; recherchez des tendances stables.
Un outil comme GeoDog automatise les étapes 2 et 3 en posant de vraies questions dans le marché choisi et en conservant chaque réponse avec ses sources. L'essentiel est un échantillon fixe et un dénominateur honnête, comme le décrit notre méthodologie.
Idées reçues sur les recommandations de ChatGPT
- « On peut payer pour être recommandé. » OpenAI indique que les résultats shopping ne sont pas des publicités et ne sont pas influencés par des partenariats.
- « llms.txt fait recommander votre marque par ChatGPT. » Il s'agit d'une convention proposée, et OpenAI n'a pas documenté son usage comme signal de classement. Voir Qu'est-ce que llms.txt ? pour une analyse nuancée.
Si vous découvrez le sujet, commencez par Qu'est-ce que le GEO ? pour le cadre général.
FAQ
Puis-je demander à OpenAI d'inclure ma marque dans ses recommandations ?
Non, il n'existe aucune procédure de soumission. Vous pouvez rendre votre site accessible à OAI-SearchBot, maintenir vos données produit exactes et obtenir une couverture crédible de la part de tiers ; la sélection reste du ressort du système.
Combien de temps faut-il pour voir des changements ?
Les changements qui passent par la recherche ChatGPT peuvent apparaître en quelques semaines, une fois les pages explorées et indexées. La mémoire d'entraînement, elle, dépend des nouvelles versions du modèle.
Être mentionné, est-ce la même chose qu'être recommandé ?
Pas tout à fait. Une mention peut être neutre ou négative, alors qu'une recommandation vous présente comme une réponse adaptée au besoin. Suivez les deux.