Dans cette série, la mesure de RéférencementsPRO sur les couvreurs a montré un trou : interrogée à froid, l’IA ne nomme aucune entreprise locale dans 69 % des réponses, et quand elle nomme quelque chose, c’est un manufacturier ou une plateforme. L’explication qu’on donnait jusqu’ici : le biais de notoriété. L’IA nomme ce qui domine ses données, et une PME locale y est presque absente.
Une étude universitaire récente vient d’ajouter une pièce importante au portrait, et elle est moins rassurante que « travaillez votre visibilité ». Dans « When AI Writes, Who Gets Cited? » (Alemohammad et coll., 2026, arXiv), des chercheurs de cinq universités américaines ont posé la question autrement : si on enlève complètement la notoriété de l’équation, est-ce que l’IA choisit encore toujours les mêmes ? La réponse est oui. Et toutes les IA choisissent les mêmes.
En une phrase : selon cette étude, 11 modèles d’IA de trois compagnies différentes, testés sur des candidats anonymisés et visibles au même niveau, concentrent de 23 à 30 % de leurs citations sur les 10 % de candidats qu’ils favorisent, alors que le hasard donnerait environ 16 % et que des experts humains, sur les mêmes panels, choisissent au niveau du hasard.
Le test : tout le monde visible au même niveau, aucun signal de notoriété
Imaginez l’expérience transposée à votre métier. On prend 120 vraies soumissions, on enlève les noms des compagnies, on remplace les dates, on cache les références et le chiffre d’affaires. On en montre 30 au hasard à chaque évaluateur, et on lui demande d’en retenir au plus 10. Personne ne part avec un avantage de réputation : il ne reste que le contenu de chaque document.
C’est exactement le montage de l’étude, avec des articles scientifiques : 120 vrais textes, des panels de 30 tirés au hasard, auteurs remplacés par des noms inventés, années mélangées, aucune mesure de popularité visible, et un budget de 10 choix. Onze modèles d’IA de trois compagnies différentes ont passé le test. Des experts humains du domaine ont passé exactement le même, avec les mêmes panels et le même budget.
Ce qui est sorti
| Évaluateur | Part des choix captée par le top 10 % des candidats |
|---|---|
| Choix au hasard (référence) | environ 16 % |
| Les 11 modèles d’IA testés | 23 à 30 % |
| Experts humains (mêmes panels) | au niveau du hasard |
Trois résultats à retenir, dans l’ordre où ils font mal.
1. Toutes les IA concentrent, même sans notoriété. Les 10 % de candidats les plus favorisés captent de 23 à 30 % des citations, contre environ 16 % si le choix était indifférent. Et certains candidats restent ignorés apparition après apparition, alors qu’ils sont montrés aussi souvent que les autres. La notoriété enlevée, le favoritisme reste.
2. C’est un seul et même filtre. Les 11 modèles, venant de trois compagnies concurrentes, s’entendent entre eux presque autant que les modèles d’une même compagnie s’entendent entre eux. Les chercheurs ont mesuré qu’en combinant les modèles de la meilleure façon possible, plus de la moitié de la concentration reste. Changer d’IA ne vous fait pas changer de filtre.
3. Les humains ne font pas ça. Les experts, sur les mêmes panels anonymisés, choisissent à un niveau qu’on ne distingue pas du hasard. Le favoritisme concentré n’est pas « ce que ferait n’importe quel lecteur compétent ». C’est un comportement propre aux modèles d’IA.
Et un quatrième résultat qui ferme une porte : les chercheurs ont fait réécrire tous les textes en changeant les mots sans changer le sens. Le filtre n’a pas bougé. Il a bougé seulement quand le sens changeait. Le filtre lit le fond, pas la formulation.
Pourquoi ChatGPT ne recommande-t-il pas votre entreprise, même bien référencée ?
Soyons francs sur la limite : cette étude mesure comment l’IA choisit des articles scientifiques, pas des couvreurs. On ne peut pas transposer ses chiffres à la construction au Québec. Ce qu’on peut transposer, c’est le mécanisme, et il éclaire directement ce que la mesure de RéférencementsPRO a trouvé sur le terrain.
Être trouvable ne suffit pas. Dans l’étude, tous les candidats étaient visibles au même niveau, et la concentration est restée. C’est la version contrôlée d’un fait que l’étude québécoise de l’Observatoire Noos (étude #1, douze secteurs) avait déjà mesuré sur le terrain : le lien entre la visibilité Google d’une entreprise et sa présence dans les réponses IA est quasi inexistant. Le référencement vous met dans le bassin. La sélection a son propre filtre.
Le levier, c’est le contenu, pas l’emballage. Puisque le filtre lit le sens et ignore la reformulation, les astuces de formulation ne servent à rien. Ce qui compte, c’est ce que votre présence web dit concrètement de votre entreprise : vos services décrits clairement, vos projets documentés, vos informations cohérentes partout. C’est exactement le travail de fond du plan pour être nommé par l’IA.
Le coût d’attendre augmente. Dernier résultat de l’étude, et le plus important pour la suite : les chercheurs ont refait le test en ajoutant progressivement du contenu écrit par l’IA dans le bassin de candidats, comme cela semble se passer sur le web en ce moment. Le filtre ne s’est pas dilué. Il s’est concentré davantage : les candidats préférés étaient cités de plus en plus souvent à chaque apparition. Plus le web se remplit de contenu généré, plus le groupe des « toujours cités » devient dur à percer de l’extérieur.
Ce qu’on ne vous dira pas
Personne ne contrôle ce qu’une IA répond, et quiconque vous garantit une place dans ChatGPT vous vend quelque chose qu’il ne possède pas. Cette étude le confirme à sa façon : le filtre appartient aux modèles, pas à ceux qui vous vendent des garanties. Ce qui se travaille, ce sont vos chances d’être dans le groupe que le filtre retient : un contenu de fond que le filtre peut lire, et des sources tierces qui parlent de vous. Et ça se mesure, avant et après : c’est exactement ce que fait notre mesure de visibilité IA, celle qui a produit notre mesure sur les couvreurs au Québec.
Le point de départ ne change pas : demandez à ChatGPT, Perplexity et Gemini quel entrepreneur de votre métier ils recommandent dans votre région. Si votre nom ne sort pas, vous avez maintenant une explication plausible de plus : un filtre du même genre que celui mesuré dans l’étude, mesurable chez vous aussi, et qui se travaille par le fond.