Les concurrents que l'IA cite à votre place

La plupart des gens ouvrent leur premier contrôle de visibilité dans les IA en cherchant leur propre nom. Ils parcourent la réponse, le trouvent ou ne le trouvent pas, puis ferment l'onglet. C'est ce qu'il y a de moins instructif à l'écran. L'intérêt se cache dans le reste de la phrase : les entreprises recommandées pendant que vous n'y étiez pas.

Cette liste est une cartographie concurrentielle, et ce n'est pas vous qui l'avez dessinée. Elle a été assemblée par un système qui n'a jamais vu votre pipeline, votre grille tarifaire ni les affaires que vous avez perdues le trimestre dernier. Il connaît seulement la façon dont le web parle de votre catégorie, et ce que dit le web recoupe rarement ce que dit votre cartographie.

D'où un modèle tire son idée de vos concurrents

Un modèle de langue ne conserve pas un annuaire bien rangé des marchés avec, sous chacun, la liste des fournisseurs. Il conserve des associations statistiques entre des mots et il récupère des pages au moment de répondre. Quand une question nomme une catégorie, les marques qui sortent sont celles qui apparaissent le plus souvent auprès de cette catégorie dans les textes dont il a appris, ou dans les pages qu'il vient de charger.

La logique de regroupement est donc textuelle, pas commerciale. Deux marques atterrissent dans le même panier parce qu'elles sont nommées sur les mêmes pages : les mêmes sélections, les mêmes comparatifs, les mêmes fils de forum, les mêmes disputes sur Reddit. La co-citation tient lieu de qualification. Personne n'a vérifié si vous et l'entreprise d'à côté visez réellement le même acheteur.

Cela renverse le postulat habituel. Vous traitez votre univers concurrentiel comme un fait du monde ; le modèle le traite comme un fait du corpus.

Ce que cela produit, et pourquoi cela semble faux au premier coup d'oeil

Des entreprises que vous n'avez jamais tenues pour des concurrents apparaissent

Souvent plus petites. Parfois venues de la catégorie voisine, réglant un problème adjacent pour un acheteur légèrement différent. Elles sortent parce qu'elles ont une empreinte textuelle dense là où cela compte : une vraie documentation, une communauté active, un fondateur qui répond en public et, surtout, l'habitude qu'on écrive sur elles. Le modèle lit cette densité comme de la pertinence.

Elles ne gagnent pas forcément le marché. Elles gagnent le paragraphe. Ce sont deux réussites distinctes, et une seule des deux se voit depuis l'intérieur de votre entreprise.

Les vrais concurrents disparaissent

L'image inverse est plus étrange encore. Un rival installé, doté d'une force de vente solide, d'un stand permanent au salon professionnel et d'une notoriété immédiate auprès des acheteurs, peut tout bonnement être absent de la réponse. Si le web ouvert dit peu de chose de lui dans le contexte de la question posée, le modèle n'a rien à quoi se raccrocher.

Ce sont les fournisseurs grands comptes qui trinquent le plus. Leur savoir vit dans des PDF sous formulaire, des présentations commerciales, des portails partenaires et des salles de réunion : des endroits où le modèle n'est jamais entré. Une absence dans une réponse d'IA ne dit rien de la solidité d'une entreprise. Elle dit quelque chose de l'endroit où l'on parle d'elle.

Votre concurrent change quand la langue change

Posez la question d'achat en français et vous obtenez une série de noms. Posez-la en allemand ou en espagnol et la série peut être tout autre, des acteurs locaux occupant les places. Le web germanophone parle de fournisseurs allemands, cite la presse professionnelle allemande, s'écharpe dans des forums allemands, et le modèle répond avec ce que cette langue contient.

Pour qui exporte, la conséquence est directe : votre rival dans une réponse d'IA dépend du marché, et c'est souvent une entreprise dont votre équipe commerciale n'a jamais entendu parler. Une surveillance des concurrents dans les IA qui ne tourne que dans votre langue décrit un seul marché, et vous invite en silence à la lire comme la description de tous les autres.

Lire la liste sans se raconter d'histoires

Ces modèles sont probabilistes. La même question, posée deux fois, peut renvoyer deux distributions différentes. L'unité d'analyse n'est jamais la réponse isolée.

Comptez la fréquence, pas les apparitions. Relancez la question de nombreuses fois, sur plusieurs plateformes, et tenez le compte. Un nom qui revient dans la plupart des passages traduit une association structurelle : le modèle relie ce nom à cette question de façon stable. Un nom sorti une seule fois est du bruit, et refaire son positionnement sur un échantillon unique est une excellente manière de courir après un tirage au sort.

Regardez ensuite l'ordre. Être nommé en premier n'équivaut pas à être nommé en dernier. Le premier nom d'une réponse générée occupe la place du choix par défaut, de l'option sûre, celle que l'on cite avant de nuancer quoi que ce soit.

Regardez enfin la caractérisation. C'est la partie que presque personne ne consigne, et elle porte plus d'information que la mention elle-même. Lisez la proposition accolée à chaque nom. « La référence du secteur », c'est une chose. « Une solution moins chère pour les petites équipes », c'en est une autre. Être nommé en troisième position et présenté comme le choix économique n'a rien à voir avec être nommé en tête et présenté comme la référence, et toute mesure qui traite les deux cas comme une mention identique a jeté le résultat à la poubelle. Cela vaut aussi pour un score de visibilité, le nôtre compris, si vous ne regardez que la valeur et jamais les phrases qui la composent.

La seule question qui vaille sur cette liste

Non pas « comment m'en débarrasser ». La question utile est : pourquoi le modèle associe-t-il ces noms à cette question, et pas le mien ?

La réponse se trouve presque toujours dans les sources. Perplexity affiche ses citations en ligne. ChatGPT, quand la navigation est active, met un lien vers ce qu'il a chargé. Ouvrez ces pages, une à une, et vous retrouverez toujours la même forme : des pages tierces où votre concurrent est présent et vous non. Une sélection dans un titre professionnel. Une mise en regard écrite par quelqu'un que personne n'a briefé. La réponse d'un praticien sur un forum. La page de documentation d'une entreprise qui s'intègre avec eux.

Une mise en garde. Ne demandez pas au modèle pourquoi il les a choisis. Il produira une justification fluide et assurée, et cette justification est une reconstruction après coup, pas un compte rendu de l'intérieur de la machine. Les sources récupérées sont réelles et vérifiables. Le motif avancé, lui, n'est que de la prose.

Cela déplace le travail. Le manque n'est pas sur votre site, où vous avez la main et où vous avez déjà passé des années. Il est sur des pages qui ne vous appartiennent pas, dans des conversations sur votre catégorie qui se tiennent sans vous.

Ce que vous ne pouvez pas y faire

On ne déplace pas un modèle en attaquant un concurrent. Il n'existe pas de fichier de désaveu pour les modèles de langue, ni de formulaire où signaler une recommandation comme injuste. Le levier positif n'existe pas davantage : aucun point de soumission, aucun facteur de classement à régler, aucun niveau de partenariat qui achète l'inclusion. Qui vous propose de retirer un rival des réponses des IA, ou d'y glisser votre nom à sa place, vend quelque chose qu'il ne peut pas livrer, et vous pouvez supposer que le reste de son discours est de la même qualité.

Ce qui est accessible, c'est le savoir : quelles entreprises sont nommées à votre place, dans quelle langue, sur quel marché, à quelle fréquence, dans quel ordre et décrites comment. PSentry rapporte exactement cela, langue par langue et marché par marché, sur ChatGPT, Claude, Gemini et Perplexity. Il mesure. Il ne manipule pas les sorties des modèles et ne promet pas que la liste changera.

Que la liste change un jour est une question d'entreprise, pas de logiciel. Cela dépend de la capacité de votre catégorie à parler de vous en public, dans les langues où vous vendez, sur des pages que vous ne contrôlez pas. Cela avance lentement. Et vous ne pouvez même pas vous y essayer tant que vous croyez encore que vos concurrents sont ceux de votre diapositive.

Le résumé honnête

La ligne la plus précieuse d'une réponse d'IA est celle qui porte le nom d'un autre. C'est une lecture gratuite et peu flatteuse de la manière dont votre marché est réellement décrit par écrit. Lisez les noms, comptez-les correctement, notez comment ils sont présentés, puis allez chercher les pages qui les ont mis là. Voilà une vraie liste de tâches, et elle est plus longue que celle que vous aviez.

Questions Fréquentes

Pourquoi une IA recommande-t-elle une entreprise plus petite que la mienne ?

Parce que la taille n'est pas visible pour un modèle de langue. La présence textuelle, si. Une entreprise plus petite, dotée d'une documentation soignée, d'une communauté active et de l'habitude qu'on écrive sur elle, laisse une empreinte plus dense dans les textes mêmes où le modèle puise qu'une entreprise plus grande dont le savoir dort dans des présentations commerciales.

Combien de fois faut-il poser la question pour que la liste veuille dire quelque chose ?

Plus d'une fois, et plus d'une fois par plateforme. Il n'y a pas de seuil magique, mais le principe est simple : traitez chaque réponse comme un échantillon, pas comme un verdict, et ne faites confiance qu'aux noms qui reviennent sur de nombreux passages. La réponse isolée qui vous a contrarié est probablement du bruit.

Puis-je faire retirer un concurrent d'une réponse d'IA ?

Non. Aucun mécanisme ne le permet et aucun prestataire ne sait le faire. Les noms d'une réponse sont un sous-produit de ce que dit le web, et la seule chose qui les déplace, c'est que le web se mette à dire autre chose : cela prend du temps et ne figure au contrat de personne.

Faut-il le faire dans toutes les langues où je vends ?

Si vous exportez, oui, et c'est là que se cachent les surprises. L'univers concurrentiel qu'une IA nomme sur un marché de destination se compose souvent d'acteurs locaux, et cette réponse reste invisible tant que vous n'interrogez qu'en français.

Que faut-il consigner à chaque contrôle ?

La plateforme, la langue, la formulation exacte, chaque marque nommée, l'ordre d'apparition, la proposition employée pour la décrire et les sources citées s'il y en a. La seule liste des marques ne suffit pas : le sens est dans l'ordre et dans le cadrage.