167 réponses comptées comme mentions disaient quelque chose de faux sur la marque
Un taux de mention pose une seule question à chaque réponse : la marque est-elle mentionnée ? Il ne demande pas ce que la réponse en dit ensuite. Nous voulions savoir à quelle fréquence ces deux choses divergent.
L’échantillon : les réponses des espaces de travail Proofsource entre le 4 et le 16 octobre 2026, sur ChatGPT, Perplexity, Claude et Google AI Overviews. Pour chaque réponse qui mentionnait une marque suivie, un vérificateur a comparé chaque affirmation sur la marque avec les informations que la marque avait confirmées ou que nous avions lues sur son propre site. 2 137 réponses, couvrant 80 marques dans 63 espaces de travail, contenaient au moins une affirmation vérifiable par rapport à une information enregistrée.
167 d’entre elles, soit 7,8 %, contenaient au moins une affirmation contredisant les propres informations de la marque (intervalle à 95 % de 6,8 % à 9,0 %). Affirmation par affirmation, 200 des 4 761 affirmations vérifiables étaient fausses, soit 4,2 %. Réparties par marque, 36 des 80 avaient au moins une réponse fausse en moins de deux semaines.
Chacune de ces 167 réponses comptait dans un taux de mention. Dans le tableau de bord, elles ressemblaient exactement aux réponses qui avaient tout juste.
La plupart des affirmations fausses étaient des chiffres : décomptes, prix et nature du produit
Nous avons classé les 200 affirmations fausses selon leur sujet, avec une règle textuelle simple ; prenez donc cette répartition comme approximative.
- Décomptes et autres chiffres, 92 : intégrations, établissements, clients servis, un taux de placement décalé d’un point.
- Ce qu’est ou fait le produit, 50 : un outil de chiffrage décrit comme un logiciel de gestion de projet, une entreprise de sécurité décrite comme un projet blockchain.
- Prix et offres, 48 : un prix de départ annoncé en dessous du vrai, des crédits par offre mal indiqués.
- Dates, 10 selon la règle, même si seules 6 étaient vraiment des années de création, la plupart décalées d’un an.
Claude se trompait sur un fait dans 12 % des réponses, Perplexity dans 5 %
Par moteur, la part des réponses vérifiées avec au moins une affirmation fausse était de 12,3 % sur Claude (58 sur 470), 8,7 % sur Google AI Overviews (45 sur 516), 6,0 % sur ChatGPT (37 sur 612) et 5,0 % sur Perplexity (27 sur 539).
Ne le lisez pas comme un classement. Chaque moteur a répondu à un mélange différent de questions dans notre échantillon, et une étude externe, avec une autre méthode, les classait différemment (nous y revenons plus bas). Ce qui vaut pour les quatre, c’est qu’aucun n’était irréprochable.
Les réponses qui citaient le site de la marque se trompaient deux fois moins
Sur les questions qui nommaient la marque, comme « que fait cette entreprise » ou « combien ça coûte », la réponse citait le site de la marque 1 353 fois. 7,1 % de celles-ci se trompaient sur un fait (96). Quand le site de la marque ne figurait pas parmi les citations, 15,3 % se trompaient (47 sur 307, intervalle de 11,7 % à 19,8 %).
Sur les questions d’achat qui ne nommaient pas la marque, l’écart n’était pas net : 4,8 % contre 5,7 %, sur des effectifs bien plus faibles. C’est une corrélation, pas un test. Mais elle pointe vers le correctif le moins cher qui soit : quand un moteur vous décrit, il vous décrit juste plus souvent s’il vous lit.
176 faits erronés, dont 162 vus une seule fois
Regroupez les affirmations fausses par marque, fait et valeur, et les 200 se réduisent à 176 faits erronés distincts. 162 d’entre eux sont apparus dans une seule réponse. Seuls 14 se répétaient, et seuls 8 apparaissaient sur plus d’un moteur.
Cela change la façon d’agir. Un prix faux qu’un moteur a annoncé une fois est un tirage que vous ne reverrez peut-être jamais. Un prix qui revient sans cesse, ou qui apparaît sur deux moteurs, vient de quelque part, et ce quelque part est généralement une page. Nous avons aussi trouvé 65 faits erronés sur 17 marques dans des pages citées par les moteurs : des pages tierces qui portaient déjà l’erreur.
Ce qu’il faut ouvrir derrière votre propre taux de mention
Un outil qui ne montre que le taux ne peut rien vous dire de tout cela. Demandez les réponses.
- Lisez le texte complet de la réponse pour chaque question où vous avez été mentionné, en commençant par celles qui vous mentionnent le plus.
- Vérifiez chaque affirmation sur vous par rapport à vos pages de tarifs, de produit et de présentation. Les prix, les décomptes et les dates de création se périment en premier.
- Vérifiez que la réponse parle bien de vous. Une entreprise au nom proche peut être comptée comme votre mention.
- Ouvrez les pages citées. Si votre propre site n’en fait pas partie, le moteur vous décrit à partir de la page de quelqu’un d’autre.
- Comptez les répétitions avant d’agir. Corrigez d’abord l’affirmation qui revient d’un jour ou d’un moteur à l’autre, et trouvez la page d’où elle vient.
Comment Proofsource s’en charge
Proofsource conserve le texte complet et les pages citées de chaque réponse. Pour chaque réponse qui mentionne votre marque, il vérifie les affirmations vous concernant par rapport aux informations que vous avez confirmées et à celles lues sur votre propre site, et ne retient un verdict d’erreur que lorsque l’affirmation citée et la valeur correcte apparaissent mot pour mot. La même valeur fausse revue s’ajoute au compteur d’une seule alerte au lieu d’en déclencher une nouvelle, et les réponses portant sur une autre entreprise au nom proche sont signalées au lieu d’être comptées comme les vôtres.
Où cette analyse pourrait se tromper
Le vérificateur est un modèle de langage qui lit par rapport aux informations enregistrées. Nous avons relu à la main 25 des 200 affirmations fausses : 21 étaient de vraies contradictions, et 4 étaient fragiles (un détail manquant lu comme une erreur, une fourchette, une liste d’informations qui se contredisait elle-même, et une affirmation portant sur un autre produit). Il ne juge par ailleurs que les affirmations qui correspondent à une information enregistrée. 5 330 autres affirmations n’avaient pas d’information correspondante et n’ont pas été jugées, donc cette analyse ignore les erreurs sur tout ce qu’une marque n’a jamais écrit.
Les informations propres d’une marque peuvent elles aussi être périmées, ce qui transformerait une réponse correcte en faux « faux ». Les 80 marques sont surtout de petites entreprises inscrites sur Proofsource, pas un échantillon aléatoire, et douze jours, c’est une période courte, qui limite aussi les occasions pour un fait erroné de se répéter.
Une comparaison externe : Searchable a demandé à des salariés de 1 704 marques d’évaluer 32 556 faits que les moteurs d’IA énonçaient à leur sujet, et ils en ont signalé 9,2 % comme faux, les prix étant la pire catégorie à 13,5 %. Leurs évaluateurs pouvaient signaler tout ce qu’ils savaient faux, y compris des détails périmés, ce qui est plus large que notre vérification fondée sur des informations enregistrées et explique sans doute leur taux plus élevé. Ils ont aussi trouvé que Perplexity était le moins exact des trois moteurs comparés, l’inverse de notre ordre.
