Votre marque existe-t-elle comme entité pour l'IA ?

La plupart des marques abordent la visibilité dans l'IA avec la mauvaise question. Elles veulent savoir si ChatGPT les recommande. Compréhensible, mais une question se cache dessous, à régler en premier, et presque personne ne la pose : le modèle sait-il que vous existez, comme une chose précise, distincte de tout ce qui partage par hasard votre nom ?

Si la réponse est non, toute mesure ensuite évalue autre chose : vous ne pouvez pas être recommandé si la machine ne sait pas qui vous êtes.

Ce qu'est une entité, en termes simples

Pour un modèle de langage, le nom de votre marque est une suite de caractères qui apparaît dans une certaine quantité de texte, côtoyant d'autres mots dans les données d'entraînement : produits, secteurs, fondateurs, concurrents, avis. Ce que le modèle apprend, c'est la forme de ce voisinage.

Une entité apparaît quand ce voisinage est assez cohérent pour être traité comme une seule chose. Le modèle peut alors rattacher des faits à un référent stable : ce nom est une entreprise, il appartient à cette catégorie, il vend ceci, ce n'est pas cet autre nom. C'est la résolution d'entité : la différence entre un nom qu'une machine sait raisonner et un nom qu'elle ne peut que vous répéter. Une liste de liens peut rester vague et montrer les deux sens d'un nom ambigu. Une réponse en prose doit en choisir un.

Les trois façons dont un nom ne se résout pas

Votre nom est aussi un mot ordinaire

Appelez votre entreprise Méridien, Boussole ou Orbite, et vous avez remis au modèle un mot qui porte déjà un sens propre. Interrogez-le sur la marque, et il peut définir le nom commun, le mélanger avec l'entreprise, ou décrire une organisation génériquement construite à partir de ce que ce mot suggère. Les noms qui sont aussi des mots ordinaires fonctionnent très bien avec les humains, qui exploitent le contexte sans effort, et sont hostiles aux machines, qui doivent le déduire.

Quelqu'un d'autre porte déjà votre nom

Deux entreprises qui partagent un nom, dans des pays ou des secteurs différents, c'est la situation normale. Si l'une des deux est plus ancienne, plus grande, ou mieux documentée en ligne, le modèle résout le nom vers celle-là et attribue silencieusement vos mentions à elle. Sa catégorie et sa mauvaise presse deviennent les vôtres.

Le nom appartient à une personne

Les entreprises portant le nom d'un fondateur rencontrent ce problème sans cesse. Le patronyme appartient aussi à un athlète, une politicienne, un écrivain, et le web parle de cette personne bien plus que de votre activité. Le modèle a simplement appris que cette suite de caractères désigne d'habitude quelqu'un d'autre.

La conséquence est la même dans les trois cas : vos mentions se dispersent. Ce que vous construisez ne s'accumule jamais sur une seule chose, mais se répartit entre plusieurs référents possibles, et aucun n'est tout à fait vous.

Où les entités se définissent réellement

Les modèles ne vous croient pas sur parole. Ils suivent la parole du web, pondérée selon son indépendance et sa cohérence. Certains lieux pèsent plus lourd, non parce que déclarés officiels, mais à cause de ce qu'ils sont : neutres, structurés, rédigés par des personnes sans intérêt commercial envers vous. Les encyclopédies collaboratives comme Wikipédia en sont l'exemple le plus évident, avec les bases de connaissances structurées derrière, comme Wikidata, où une entité est une fiche avec des identifiants, non un paragraphe. À côté d'elles : registres du commerce, organismes de normalisation, ordres professionnels et annuaires de catégorie.

Ce qui rend une marque résoluble, c'est une définition cohérente et répétée sur des lieux indépendants. Quand plusieurs sources sans lien décrivent le même nom de la même manière, dans la même catégorie, avec les mêmes faits de fondation, l'ambiguïté s'effondre : il y a assez d'accord pour qu'une machine s'engage. Quand chaque source dit quelque chose de différent, ou que personne ne dit rien, il n'y a rien sur quoi s'engager. C'est pourquoi une entrée encyclopédique, là où elle existe légitimement, a un effet disproportionné : non parce que les modèles vénèrent ce site, mais parce qu'une entrée bien sourcée est une affirmation compacte et largement reprise de ce que signifie ce nom, et d'autres jeux de données en héritent.

La partie qui ne vous plaira pas

Vous n'écrivez pas votre propre entrée encyclopédique. Vous ne payez pas non plus une agence pour l'écrire à votre place, ni un contributeur complaisant pour la faire passer sans contrôle. Ces communautés ont des règles explicites sur le conflit d'intérêts, l'admissibilité et les sources indépendantes. Une entrée non corroborée par des sources indépendantes est supprimée, et une entrée promotionnelle l'est plus vite encore. La tentative ratée est pire que l'absence : elle laisse une trace, sur le web que les modèles lisent, d'une marque prise à fabriquer un fait sur elle-même.

Si vous ne remplissez pas les critères d'admissibilité, la lecture honnête est que vous n'êtes pas admissible selon ces critères, pas encore. Ce n'est pas un jugement sur votre activité : beaucoup d'entreprises rentables ne remplissent jamais ces critères. Cela signifie que l'encyclopédie n'est pas votre levier, et vous pouvez arrêter de la fixer.

Ce que vous pouvez légitimement faire

Soyez implacable sur le nom. Une seule orthographe, une seule capitalisation, un seul suffixe juridique ou aucun, partout : site, profils, factures, communiqués, pages partenaires. Chaque variante tolérée est un référent de plus à réconcilier pour une machine.
Placez des données structurées sur votre site. Publiez une fiche Organization en JSON-LD avec dénomination sociale, catégorie, logo, données de fondation, et surtout la propriété sameAs pointant vers vos profils ailleurs. Cette propriété affirme que les pages éparpillées sont une seule entité : vous.
Rédigez une page « à propos » qu'une machine pourrait citer. Pas un manifeste, un paragraphe disant ce que vous êtes, ce que vous vendez, qui l'achète et dans quelle catégorie vous vous situez, avec les mots de votre marché. Sinon, un modèle déduira quelque chose de votre poésie de positionnement, et cela ne vous plaira pas.
Revendiquez les lieux qui acceptent tout le monde. Registres du commerce, associations professionnelles, annuaires sectoriels, registres de développeurs, places de marché d'applications, pages partenaires des outils intégrés. Aucun n'exige l'admissibilité, et chacun répète la même définition depuis une adresse indépendante.

Rien de tout cela ne garantit un résultat. Cela retire un obstacle, ce qui n'est pas pareil, et tout prestataire confondant les deux vend ce qu'il ne peut pas livrer.

Le test qui prend une minute

Ouvrez ChatGPT, Claude, Gemini et Perplexity et posez à chacun la question la plus plate possible : qui est [votre marque]. Vous n'évaluez pas les compliments : vous vérifiez si la machine vous a confondu avec quelqu'un d'autre.

Observez les signaux. Une catégorie qui n'est pas la vôtre. Un pays où vous n'avez jamais opéré. Un fondateur qui n'est pas le vôtre. Une description fluide d'une autre entreprise portant votre nom. Un refus poli de répondre, ce qui constitue déjà une réponse en soi. Posez ensuite la question dans chaque langue où vous vendez : un nom clair en français peut entrer en collision avec quelque chose de courant en allemand ou en anglais.

Si les réponses reviennent confuses, votre problème n'est pas la visibilité, c'est l'identité, et aucune quantité de contenu ne la réglera tant que les machines ne sauront pas quelle chose vous êtes.

Où intervient la mesure

Une fois le nom résolu, la question utile devient de savoir sur quelles sources s'appuient les modèles pour vous décrire, et si cette description survit au passage vers vos marchés d'exportation. Cela se mesure : c'est ce que fait PSentry, qui exécute vos prompts sur ChatGPT, Claude, Gemini et Perplexity, par langue et par marché, et indique où vous êtes mentionné, quelles sources sont utilisées, et qui est cité à votre place.

Cela mesure. Cela ne manipule pas les réponses des modèles, n'écrira pas votre entrée encyclopédique, et ne peut vous promettre une place dans une réponse. Ce que cela vous dit, c'est si les machines savent qui vous êtes : le fait sur lequel repose cette discipline, et celui que presque aucune marque n'a jamais vérifié.

Questions Fréquentes

Devons-nous renommer l'entreprise si le nom est ambigu ?

Presque jamais. Renommer détruit la reconnaissance construite auprès des humains, et ce sont eux qui signent les contrats. Décrite avec cohérence sur assez de lieux indépendants, votre acception devient dominante dans la catégorie : la solution la moins coûteuse.

Une entrée Wikipédia garantit-elle que les systèmes d'IA nous décrivent correctement ?

Non. Elle aide un modèle à rattacher des faits au bon référent, parce qu'elle est neutre, structurée et reprise. Elle ne vous rend pas recommandé, et une entrée pleine d'affirmations non corroborées est fragile : elle peut être coupée à cet endroit précis.

Nous sommes jeunes et n'avons pas de couverture presse. Le travail d'entité est-il inutile pour l'instant ?

Non, simplement plus restreint. La cohérence du nom, les données structurées et une page « à propos » sans ambiguïté ne coûtent rien et dépendent de vous. Faites maintenant la moitié que vous contrôlez, et la couverture, quand elle viendra, se posera sur une entité qui existe déjà.

Un assistant nomme un concurrent quand on l'interroge sur nous. Que faire ?

Déterminez s'il s'agit d'un concurrent réel ou d'une entreprise qui partage simplement votre nom : les solutions diffèrent. Un homonyme est un problème de résolution, réglé par la cohérence et la corroboration indépendante. Un rival cité à votre place est un problème de visibilité, et signifie que votre entité se porte bien.