Un LLM s’appuie sur les pages d’avis que Google classe déjà : 99,5 % des citations de Trustpilot relevées par Seer Interactive dans 804 491 réponses d’IA venaient de pages présentes dans les résultats organiques. Si votre équipe interroge ChatGPT « au feeling » sur la marque, elle obtient des réponses impossibles à comparer d’un mois sur l’autre. Pour savoir ce que les assistants disent de vous, il faut un protocole fixe : 20 à 50 questions d’acheteurs, 4 moteurs, une grille de notation. Les chiffres ci-dessous viennent de l’analyse publiée par le JDN et des études qu’elle cite. Les données de Seer, Trustpilot, Ahrefs et de la FTC ont été relues sur leurs pages d’origine, les autres chiffres sont signalés comme relayés.
Deux couches de lecture : mémoire et recherche en direct
La mémoire du modèle vient de son entraînement : presse, Wikipédia, forums, votre site. Elle bouge au rythme des versions et peut décrire votre marque telle qu’elle était il y a un an. La seconde couche fonctionne en RAG (Retrieval-Augmented Generation). ChatGPT, Perplexity, Gemini et les AI Overviews découpent une question d’achat en sous-requêtes comme « [marque] avis » ou « [marque] problème reddit », récupèrent quelques pages, les placent dans la context window puis rédigent. Cette couche change chaque semaine.
Elle compte, car 58 % des consommateurs se fondent désormais plutôt sur des outils d’IA générative que sur les moteurs de recherche pour leurs recommandations de produits ou de services (Capgemini, janvier 2025). Une page d’avis absente des résultats Google sur ces sous-requêtes n’entre jamais dans la fenêtre de contexte.
Le poids de chaque source dans la réponse
L’étude Seer Interactive, commandée par Trustpilot, porte sur 804 491 réponses de ChatGPT, Google AI Mode, Gemini et Perplexity à propos de 1 926 marques (données de mars 2026). Sans profil Trustpilot, la marque voit sa page citée dans 1 % des réponses. Avec un profil revendiqué et une médiane de 13 avis : 54 %. Avec un profil actif d’environ 80 avis, réponses régulières à l’appui : 75 %. La plateforme annonce aussi que 59 % des recommandations d’IA affichent un TrustScore ou une note en étoiles.
Quatre familles de sources pèsent sur la réponse :
- Les plateformes d’avis forment la deuxième catégorie de sources les plus citées de l’étude Seer, derrière le web généraliste.
- Les mentions de marque sur le web : sur 75 000 marques, Ahrefs mesure une corrélation de 0,664 avec la visibilité dans les AI Overviews, contre 0,527 pour les ancres de marque et 0,392 pour le volume de recherche de marque. Le quart supérieur des marques en mentions totalise en moyenne 169 mentions dans les AI Overviews, contre 14 pour le quart suivant.
- Les communautés : Reddit apparaît dans environ 18 % des AI Overviews (LLM Pulse, cité par le JDN).
- Vos propres données : Google Business Profile, Wikidata, balisage schema.org Organization et page « À propos » doivent dire la même chose.
Ces chiffres sont des corrélations. L’étude Seer est financée par Trustpilot et Ahrefs rappelle que ses coefficients n’établissent aucune causalité. Lisez-les comme des ordres de grandeur.
Ce qu’un avis doit contenir pour être repris
Une plainte isolée reste du bruit. La même plainte répétée dans les avis récents devient un « défaut connu » dans la réponse, même avec 4,2 de moyenne. Le service client alimente donc le plus souvent la rubrique « points faibles ».
Votre réponse publique a deux lecteurs humains, le client puis le prospect suivant. Le modèle qui résume la page la lit aussi. « Nous sommes désolés pour la gêne occasionnée » ne fournit aucun fait réutilisable. Modèle exploitable : « Merci Marie. Le double prélèvement du 3 octobre venait d’une erreur de facturation corrigée le 5. Le remboursement de 49 euros est parti le 7. Paul, responsable support. » Cause, correction, montant, date, signature.
Quand l’assistant se trompe : réponse fausse ou périmée
Un assistant peut afficher un défaut résolu depuis longtemps parce que la page d’avis qu’il a récupérée date. Il peut aussi prêter à votre marque un reproche qui concerne un homonyme. Quand il invente une affirmation sans source, on parle d’hallucination. Le sentiment décrit dans la réponse suit alors les avis les plus anciens ou les plus répétés. Il ne reflète plus la situation du jour. Avant de réagir, posez la même question trois fois et capturez chaque réponse avec sa date. Gardez aussi les sources affichées.
La correction passe d’abord par la source. Repérez la page qui porte l’erreur (fiche d’avis ou fil de discussion), répondez-y avec les faits et la date de la correction, puis mettez à jour vos propres pages pour que la version exacte soit lisible au même endroit. Si l’affirmation n’a aucune source, utilisez le bouton de retour ou de signalement du moteur concerné, captures en pièce jointe. Rejouez ensuite la question à intervalles réguliers : une correction se voit d’abord dans la couche de recherche en direct.
Tester votre marque et deux concurrents
Une demi-journée suffit, sans abonnement spécialisé. Chaque réponse se note sur la même grille.
- Ouvrez une session vierge, sans mémoire activée ni system prompt personnalisé, sur ChatGPT, Gemini, Perplexity et Google AI Mode.
- Préparez 20 à 50 questions d’acheteurs : « meilleur [catégorie] pour [profil] », « que reprochent les clients à [marque] ? », « [marque] contre [concurrent] », « [marque] arnaque ? ».
- Lancez chaque question 3 fois. Les réponses varient d’une session à l’autre, une seule passe ne prouve rien.
- Notez pour chaque réponse : marque citée ou non, adjectifs accolés, reproches répétés, sources listées, concurrents cités à côté.
Faites la même grille pour deux concurrents directs : la part de voix se lit par comparaison. Un petit agent branché sur les API des moteurs rejoue la grille chaque mois. Pour le suivi continu des citations, le comparatif d’outils est dans notre article sur le tracking AEO.
Aucun résultat de test n’est publié ici. Les réponses dépendent du moteur et de la date : seules vos captures font foi.
Crise : quoi faire et dans quels délais
En crise, publiez d’abord une déclaration factuelle et datée sur une page qui vous appartient, puis surveillez les réponses des assistants. Le calendrier suivant reprend celui du JDN, étape par étape.
- Quelques heures : rejouez 5 requêtes de crise comme « [marque] scandale » chaque jour, puis chaque semaine hors crise. Activez une alerte sur les pics d’avis à une étoile.
- Sous 48 heures : publiez une déclaration factuelle et datée sur une page qui vous appartient. Répondez de façon cohérente sur toutes les plateformes. Ne supprimez rien. Signalez les vagues de faux avis : Google a gelé temporairement les notes d’établissements ciblés avant de retirer les avis frauduleux (9to5Google, septembre 2024).
- Quelques semaines : traitez la cause puis publiez la preuve là où l’IA la cherche : page de faits et FAQ à jour, sans oublier les profils corrigés.
- Plusieurs mois : suivez les réponses jusqu’à ce que les assistants présentent le problème comme résolu.
Ne comblez pas un trou d’avis avec des avis achetés. La règle de la FTC, annoncée en août 2024 et en vigueur depuis le 21 octobre 2024, permet à l’agence américaine de réclamer des sanctions civiles, de l’ordre de 50 000 dollars par infraction (montant révisé chaque année), aux auteurs de faux avis commis en connaissance de cause, générés par IA compris. Sur Reddit, répondez uniquement avec un compte identifié : les détecteurs et les modérateurs repèrent le reste, comme le montre notre analyse des commentaires écrits par IA.
Ce que les chiffres ne prouvent pas
Aucune de ces études ne prouve qu’ajouter des avis fait monter une citation. Les relais arrondissent aussi différemment les mêmes données Seer (53,5 % ou 54 %, 75,3 % ou 75 %). Quant à la durée de persistance d’une crise, Everything-PR avance 12 à 18 mois en 2026 sans méthode publiée.
Ouvrez quatre sessions vierges, posez vos 20 questions sur votre marque et deux concurrents, puis capturez les réponses avant de toucher à un seul avis.
