La réponse organique est la partie que vous ne pouvez pas acheter
OpenAI a commencé à tester des publicités dans ChatGPT le 9 février 2026, et lors de sa mise à jour du 11 août, le pilote avait atteint le Royaume-Uni, le Mexique, le Brésil, le Japon et la Corée du Sud. Les publicités sont étiquetées sponsorisées, séparées de la réponse organique et, selon les propres termes d’OpenAI, n’influencent pas les réponses qu’il vous donne.
La recommandation n’est donc pas à vendre. Ce qui laisse la question que se pose déjà chaque challenger : si le modèle connaît votre concurrent et pas vous, y a-t-il un moyen d’entrer ?
À caractéristiques identiques, la marque reconnue a été choisie dans 100 % des 670 essais
Xi Chu, de Trine University, et YuPeng Hou, de Texas A&M, l’ont mesuré dans un article soumis en juin 2026 et révisé en août. Ils ont constitué des ensembles de dix produits de soin de la peau : une vraie marque, CeraVe, Paula's Choice ou EltaMD, et neuf noms fictifs vérifiés pour s’assurer que les modèles n’en avaient jamais entendu parler.
Dans la première condition, chaque produit portait la même note, le même prix, le même nombre d’avis et la même description des ingrédients. Seul le nom différait, donc un modèle équitable choisit chacun environ 10 % du temps. Sur 670 essais valides, la vraie marque a remporté chacun d’entre eux, dans les trois modèles et les quatre sous-catégories. Pas une seule marque fictive n’a jamais été choisie.
C’est la lecture la plus sombre possible pour un challenger, et la moins utile, parce que la condition qu’elle décrit est une condition que vous reproduisez probablement par accident.
Une avance de 0,075 étoile renverse la situation, et la marque n’explique alors que 1,2 % du classement
Donnez au produit inconnu de meilleures caractéristiques et au vrai de moins bonnes, et sur 2 769 essais les modèles sont restés fidèles entre 1,7 % et 4,6 % du temps. Réduisez l’avantage, et la transition s’avère être une marche plutôt qu’une pente. À caractéristiques identiques, la marque inconnue gagnait de 3,6 % à 6,0 %. Avec le plus petit avantage testé, elle gagnait de 64 % à 80 %, et en ajouter davantage rapportait peu. Interpolé jusqu’au pile ou face, sur 9 220 essais, le seuil est assez petit pour s’écrire en une ligne.
- Une avance de 0,075 étoile sur la note, moins que l’écart entre 4,3 et 4,4 étoiles
- Un nombre d’avis 1,6 fois plus élevé
- Un prix inférieur de 7,3 %
La notoriété est ce sur quoi le modèle se rabat quand vous ne dites rien
Une décomposition de la variance sur 14 395 essais tranche la question de ce qui a déterminé le classement. Les paramètres du produit en expliquaient 82,4 %, la position dans la liste 6,5 %, l’identité de la marque 1,2 %. La marque n’avait aucun effet mesurable quand la qualité était clairement élevée ou clairement faible. Son influence culminait au milieu, là où l’information était ambiguë. Posez la question par moteur plutôt qu’en agrégé : avec le plus petit avantage sur la note, Claude basculait 11 % du temps, contre 94 % pour GPT-4o-mini et 88 % pour Gemini.
Le levier le plus fort qu’ils ont trouvé était une allégation clinique qui n’existait pas
En gardant chaque caractéristique identique et en ne changeant que le texte, un langage d’autorité a brisé l’emprise de l’acteur établi 73,3 % du temps et la preuve sociale 50,7 %, contre une base proche de 4 %. L’ancrage, la rareté et l’aversion à la perte ont à peine compté, entre 9,6 % et 12,9 %. Les modèles ignoraient l’urgence et traitaient une phrase ressemblant à une citation comme une preuve valant environ 0,17 point de note, soit une remise de 15,3 %.
Voici la partie qu’un résumé laissera tomber. Ces stimuli étaient des essais cliniques inventés et de fausses recommandations de dermatologues. Les auteurs parlent de publicité potentiellement mensongère et limitent leurs propres recommandations aux certifications réelles et aux essais publiés. Le levier mesuré est la fabrication, ce qui est un constat sur la façon dont les modèles vérifient les preuves plutôt qu’une tactique.
Quand toutes les marques optimisent, la réponse revient à l’acteur établi
La troisième expérience devrait changer votre façon de budgéter. En faisant passer le nombre de challengers rédigeant un texte d’autorité de zéro aux neuf, sur 4 800 appels : sans aucune optimisation, l’acteur établi survivait 100 % du temps, avec un challenger 19,8 %, avec les neuf 93,8 %. Le signal a cessé d’en être un dès que tout le monde le portait, et le modèle est revenu au nom qu’il connaissait.
Le gain par marque est passé de 0,802 pour le premier à bouger à 0,007 en cas d’adoption générale, une demi-vie d’environ 1,4 concurrent. Sur 4 745 essais, les challengers qui n’optimisaient pas n’ont obtenu aucune recommandation. Les auteurs parlent d’un dilemme du prisonnier et ils ont raison. Une tactique qu’un concurrent peut copier en un après-midi a un gain dont la demi-vie est d’environ un concurrent. Une vraie différence que vous pouvez prouver, non.
Dans la réalité, le modèle doit d’abord trouver le fait
Chaque condition ci-dessus fournit au modèle un tableau de caractéristiques propre dans le Prompt. Les moteurs réels en construisent un, et c’est dans cet écart que se trouve le travail concret. Dans la catégorie que nous avons échantillonnée, les listicles représentaient 44 % de ce que ChatGPT citait pour une question « les meilleurs », les sites d’avis 24 % et les pages d’éditeurs 18 %. Ce sont nos chiffres, limités à nos échantillons, pas une loi générale.
C’est la forme qui compte. Si les classements qui répondent à la question de votre catégorie vous listent sans note, sans nombre d’avis et sans la caractéristique sur laquelle vous gagnez, alors pour le modèle vous êtes dans la condition des caractéristiques identiques. Vous ne perdez pas la comparaison. Vous n’en faites pas partie.
- Trouvez la dimension sur laquelle vous battez réellement le leader de la catégorie, et vérifiez qu’elle apparaît sous forme de chiffre dans les pages tierces que citent les moteurs, pas seulement sur votre propre site.
- Ressortez les réponses où un concurrent a obtenu la recommandation et lisez ce que le modèle disait de la différence.
Ce que nous faisons à ce sujet
Proofsource échantillonne les moteurs de façon répétée plutôt qu’une seule fois, évalue chaque chiffre de visibilité avec un intervalle de Wilson, conditionne les alertes à cet intervalle, cartographie les pages citées à côté de vous et vérifie si les robots d’indexation peuvent tout simplement lire vos pages.
La limite, dite clairement : nous mesurons si les moteurs vous mentionnent, ce qu’ils citent quand ils le font, et si les robots d’indexation de l’IA et le trafic de référence de l’IA atteignent votre site. Nous ne mesurons pas si la vente a eu lieu.
Où cette analyse pourrait se tromper
Une seule catégorie, le soin de la peau, choisie parce que les acheteurs ne peuvent pas juger la qualité avant l’achat. La réplication sur les biens de recherche ne couvre que la première expérience, et les auteurs disent ne pas avoir testé les résultats sur le langage ou sur plusieurs marques en dehors. Trois modèles fermés, un seul profil d’acheteur, une température de 0,7, avec un bootstrap par grappes sur 24 blocs auquel les effets principaux résistent.
Neuf des dix produits de chaque ensemble étaient fictifs. Cela isole proprement la notoriété de la marque et retire tout ce qu’a un vrai concurrent : des avis réels, une couverture tierce, des pages que le modèle peut récupérer. Les 100 % ne décrivent pas un vrai marché.
L’essentiel de cette étude teste ce que savent les modèles plutôt que ce qu’ils récupèrent, et les moteurs qu’utilisent les acheteurs sont des systèmes de récupération. Le propre test de récupération de l’article est minimal, un modèle d’embedding et pas de reclassement, et les auteurs refusent d’en tirer des généralités. Il va dans l’autre sens : la couche de récupération n’accordait aucun crédit à la vraie marque pour sa notoriété, et son taux de recommandation tombait à 0 %.
Nos 44 % sont une mesure unique sur notre propre échantillon, publiée comme la nôtre et non comme une propriété du web.
