Pourquoi l'IA ne cite que les cabinets qu'elle reconnaît

Demandez à ChatGPT de vous recommander un bureau d'études structurelles spécialisé dans les bâtiments de moyenne hauteur en bois, ou demandez à Perplexity quel cabinet certifie les appareils à pression en Europe du Nord : le modèle choisit des noms parmi ce qu'il a lu et jugé digne d'être repris. Il ne peut recommander qu'un cabinet qu'il reconnaît comme une entité distincte et descriptible.

Cette phrase paraît évidente jusqu'à ce qu'on s'arrête sur ce qu'exige réellement « reconnaître » pour une entreprise de services, qui n'a aucun des raccourcis dont bénéficie un fabricant de produits.

Un cabinet de conseil n'a pas de fiche technique sur laquelle s'appuyer

Un fabricant qui vend un objet physique laisse au modèle une piste facile à suivre : fiche technique, référence produit, avis citant le même modèle encore et encore. Cette redondance rend un produit reconnaissable. Un bureau d'études vend un jugement professionnel, pas une référence catalogue. Il n'existe pas de fiche technique pour « nous savons faire passer une usine chimique à travers une révision environnementale complexe ». La seule trace qu'une telle entreprise peut laisser, c'est une description écrite : ce qu'elle a fait, pour qui, dans quel secteur, en résolvant quel problème, avec assez de précision pour être reprise dans une réponse.

La plupart des entreprises du secteur voient les choses à l'envers : elles supposent que la description sur leur site suffit. Ce n'est presque jamais le cas.

Un langage générique sur les compétences ne transporte aucune information réutilisable

Ouvrez la page « À propos » de presque n'importe quel cabinet technique, et vous trouverez une variante des trois mêmes phrases : partenaire de confiance, expertise reconnue, solutions sur mesure. Rien de tout cela n'est faux à proprement parler. Ce n'est pas non plus une information. Un modèle ne peut pas reprendre « partenaire de confiance » pour répondre à « qui s'occupe de X sur le marché Y », parce que cette formule ne dit ni ce qu'est X, ni sur quel marché le cabinet a réellement travaillé.

Ce qu'un modèle peut reprendre, c'est une phrase qui nomme une ligne de service, un secteur ou un type de problème en des termes assez précis pour être réutilisés sans que le modèle invente les détails. « Nous réalisons des diagnostics structurels sur des ponts en béton armé anciens en zone littorale » donne au modèle une matière à exploiter. « Nous offrons l'excellence en ingénierie structurelle » ne lui donne rien, aussi vrai que ce soit.

Le mécanisme n'a rien de mystérieux : un modèle répond en s'appuyant sur des régularités observées dans les textes lus, et plus un texte associe une entité à une compétence précise, plus l'association a des chances d'être reprise. Un langage vague ne crée aucune régularité utile à reprendre, parce qu'il ne distingue pas ce cabinet des milliers d'autres pages employant les trois mêmes phrases.

La réputation et la présence écrite sur le web ne sont pas le même actif

Chaque secteur technique compte des entreprises connues de leurs pairs par le seul bouche-à-oreille : le nom qui revient quand un chef de projet demande qui a déjà traité un dossier comparable. Cette réputation est réelle, et c'est souvent la raison pour laquelle l'entreprise n'a jamais investi dans ses contenus écrits.

Imaginez un bureau d'études à la solide réputation régionale bâtie sur le bouche-à-oreille, dont le site ne dit guère plus que « partenaire de confiance ». Imaginez maintenant une entreprise plus petite, dans la même spécialité, qui a publié des comptes rendus détaillés de projets déjà livrés, est intervenue dans des colloques professionnels dont les interventions sont résumées sur son site, et a été mentionnée dans une revue professionnelle pour une solution technique inhabituelle. La seconde entreprise est moins connue par réputation, et pourtant plus susceptible d'être celle qu'un assistant IA nomme, parce que les conversations de bouche-à-oreille ne se sont jamais retrouvées dans un texte qu'un modèle peut lire, alors que le travail réel de la seconde, lui, s'y trouve.

Cette asymétrie ne se résorbe pas d'elle-même : être estimé par ceux qui vous connaissent déjà est un actif différent d'être descriptible pour un système qui n'a lu que ce qui est public.

À quoi ressemble une « présence reconnaissable » pour une entreprise de services

Pour un cabinet, cette matière vient généralement de quelques sources : lignes de service décrites en termes précis plutôt qu'en langage de catégorie, secteurs ou réglementations nommés explicitement, études de cas sur son propre site décrivant un projet réel achevé, articles techniques publiés sous le nom du cabinet, interventions en colloque retranscrites par écrit, mentions dans la presse professionnelle décrivant ce que fait le cabinet plutôt que de citer seulement son nom.

Rien de tout cela n'exige un habillage soigné. Une étude de cas qui se lit comme une note interne sobre est plus utile qu'une version réécrite en paragraphes d'adjectifs vidés de leur substance technique. La version qui survit une fois intégrée à une réponse générée par une IA est celle où noms, secteurs et description du problème restent intacts.

Ce n'est pas quelque chose que nous « optimisons » à votre place

Nous tenons à être précis sur ce que fait réellement PSentry ici, car c'est le genre d'écart où il serait facile d'en promettre trop. Nous ne réécrivons pas vos pages de services, ne soumettons rien à un modèle, et n'influençons pas ce que ChatGPT, Claude, Gemini ou Perplexity disent de votre cabinet. Nous exécutons votre ensemble de prompts, les questions qu'un client poserait réellement, sur l'ensemble des plateformes suivies, puis vous indiquons quels cabinets sont cités, si le vôtre en fait partie, et quels concurrents apparaissent à votre place.

Pour un cabinet convaincu de sa solide réputation, ce rapport peut être le premier signal honnête que réputation et reconnaissance par l'IA ont commencé à diverger. Ce que vous en faites, publier des études de cas plus précises, nommer vos lignes de service avec plus de rigueur, reste une décision qui vous appartient. Mesurer et corriger sont deux métiers différents, et nous ne faisons que le premier.

La même question, version multilingue

Un cabinet présent sur plusieurs marchés à l'export traduit en général ses pages marketing : accueil, services, contact. Il traduit rarement ses écrits techniques, parce que bien le faire coûte cher et que personne ne le budgète. Résultat : une entreprise descriptible dans sa langue d'origine et presque invisible dans les autres, non par manque de références sur ces marchés, mais parce que ces références n'y ont jamais été mises par écrit.

Un modèle qui répond en allemand sur les cabinets spécialisés en appareils à pression puise dans le web en langue allemande. Si vos études de cas n'existent qu'en français, cette matière reste indisponible pour la question allemande, quel que soit le nombre de projets que vous avez réellement livrés sur des marchés germanophones. Ce n'est pas un problème réglé par une traduction ponctuelle : l'écart n'a presque jamais la même ampleur d'un marché à l'autre.

Une vérification que vous pouvez faire vous-même

Ouvrez vos pages de services dans la langue d'un marché où vous êtes présent, et lisez-les comme le ferait un modèle répondant à « qui s'occupe de X dans ce pays ». Comptez combien de phrases nomment un service précis, un secteur ou un projet achevé, et combien seraient interchangeables avec la page d'un concurrent, logo mis à part. Si le second groupe domine, cette page ne donne rien à réutiliser à un assistant IA, aussi solide que soit le travail sous-jacent. Répétez l'exercice pour un marché où votre réputation est plus faible : les deux écarts coïncident rarement comme on pourrait s'y attendre.

Questions Fréquentes

Faut-il un blog pour être reconnaissable par les assistants IA ?

Pas un blog en particulier. Ce qui compte, c'est que des descriptions précises et vérifiables du travail réel du cabinet existent quelque part publiquement. Le format compte moins que la précision.

Un cabinet sans contenu publié peut-il quand même être cité par une IA ?

Oui, si d'autres ont écrit sur lui avec assez de précision, par exemple une couverture de presse détaillée ou un prix professionnel documenté. Mais compter sur quelqu'un d'autre pour décrire votre travail est une position plus fragile que de le faire vous-même.

Est-ce le même problème qu'une marque qui n'existe pas comme entité reconnue ?

Un problème lié, mais plus étroit : la reconnaissance d'entité concerne la capacité d'un modèle à identifier l'organisation comme une chose distincte. Ici, même une fois le cabinet reconnu comme entité, un langage générique sur les compétences ne donne au modèle rien de concret sur quoi le recommander.

Faut-il réécrire nos études de cas existantes ?

C'est une décision de contenu qui appartient au cabinet, pas à nous. Nous pouvons vous dire si votre cabinet est cité pour les questions que posent vos clients, sur quels marchés ce n'est pas le cas, et quels concurrents sont cités à votre place.

Les plateformes suivies se comportent-elles toutes de la même façon sur ce point ?

Non. Perplexity cite des sources récentes en répondant, si bien qu'un contenu tout juste publié peut ressortir plus vite. ChatGPT, Claude et Gemini s'appuient davantage sur ce qu'ils ont absorbé pendant leur entraînement, donc un nouveau contenu met plus de temps à changer leurs réponses.

À quelle fréquence faut-il vérifier ce point ?

Nos analyses tournent deux fois par mois, un rythme cohérent avec la lenteur à laquelle les cabinets font évoluer leurs contenus et avec celle à laquelle les modèles absorbent la nouvelle matière. Vérifier plus souvent que le contenu ne change pas n'apporte rien de plus.