ChatGPT peut connaître votre entreprise sans la citer : Google révèle une limite majeure de la mesure GEO

La mesure GEO tient souvent en trois minutes. On ouvre ChatGPT, on tape cinq prompts du type « meilleure agence BPO à Lyon », on relève les marques citées, on conclut. Absente du résultat, l’entreprise serait donc inconnue du modèle.

Le travail publié par Google Research et le Technion le 12 août 2026 rend ce raccourci difficile à tenir. Les chercheurs ont séparé deux opérations que les audits confondent : ce qu’un modèle a stocké pendant son entraînement, et ce qu’il parvient à ressortir quand on l’interroge. L’écart est large.

Cet article explique ce que l’étude mesure réellement, pourquoi une mauvaise réponse ne prouve pas une absence de connaissance, et quel protocole minimal exiger d’une agence ou d’un outil de mesure avant de payer pour un score de visibilité.

Que mesure exactement l’étude de Google Research ?

L’équipe, composée de chercheurs de Google Research et du Technion, a construit un banc d’essai baptisé WikiProfile : 2 150 faits extraits de Wikipédia, chacun assorti de dix tâches de test. Deux tâches sondent l’encodage, quatre le rappel, quatre la reconnaissance en choix multiple.

Trois notions structurent le raisonnement et gagnent à être distinguées avant tout audit.

• L’encodage désigne le fait qu’un modèle sache reproduire une information replacée dans un contexte proche de son entraînement.
• Le rappel désigne sa capacité à retrouver cette information sans indice, à partir d’une question directe.
• La reconnaissance désigne sa capacité à choisir la bonne réponse parmi plusieurs propositions.

Treize modèles ont été passés au crible, avec et sans phase de raisonnement, pour environ 4,5 millions de réponses. Une limite doit accompagner toute transposition SEO : le protocole porte sur la mémoire paramétrique en conditions fermées, sans accès au web. La sélection de sources en ligne, celle qui décide de vos citations, reste hors périmètre.

95 à 98 % des faits sont encodés, mais jusqu’à un tiers reste difficile à rappeler

Pour Gemini 3 Pro et GPT-5, 95 à 98 % des faits testés sont encodés. Ces mêmes modèles échouent pourtant à en restituer directement 26 à 34 %. Avec une phase de raisonnement, 11 à 12 % demeurent hors d’atteinte.

L’information est stockée. L’accès, lui, ne suit pas.

Le raisonnement agit comme un mécanisme de récupération plutôt que comme un moteur de déduction. Dans les modèles conçus pour cela, il ramène 40 à 65 % des faits encodés mais non directement accessibles, contre 5 à 15 % seulement pour les faits jamais encodés. Il retrouve, il ne fabrique pas.

La conséquence est directe pour un responsable SEO. Le même prompt, posé à un modèle en mode rapide puis en mode raisonnement, peut produire deux diagnostics opposés sur la même marque.

Pourquoi la formulation d’un prompt peut-elle changer le diagnostic GEO ?

Deux situations ressortent nettement des données.

Les faits rares d’abord. Ils sont encodés à des taux proches de ceux des faits populaires, mais sensiblement plus difficiles à rappeler. Une PME peu médiatisée n’est donc pas absente de la mémoire du modèle : elle coûte simplement plus cher à en extraire.

Les questions inversées ensuite. Si le modèle a appris que l’entreprise A est dirigée par B, « qui dirige A ? » et « que dirige B ? » ne réussissent pas au même taux. En génération libre, le sens inverse reste plus difficile. En choix multiple, il ne l’est pas, et se révèle souvent plus facile.

Une tentation est à écarter tout de suite : réécrire ses contenus en inversant l’ordre des entités. L’étude ne mesure pas cet effet et ne le recommande nulle part. Elle décrit un comportement de modèle, pas une recette de rédaction.

Un audit GEO peut-il produire de faux diagnostics d’invisibilité ?

Oui, et c’est le point le plus utile pour un acheteur. Lorsqu’une marque n’apparaît pas dans une réponse, au moins six causes distinctes peuvent l’expliquer. Les fondre dans un score unique revient à confondre une panne de batterie et une panne de moteur : le voyant est le même, la réparation n’a rien à voir.

Le tableau ci-dessous sépare ces niveaux et la question de contrôle qui leur correspond.

Chaque ligne appelle une action différente. Un défaut de sélection se corrige avec du contenu et des relais externes. Un défaut de rappel, lui, ne se corrige pas côté annonceur : il dépend du modèle et de son entraînement.

Quel protocole minimal imposer à une agence ou à un outil GEO ?

Un score de visibilité ne vaut que par la méthode qui le produit. Six exigences suffisent à écarter les diagnostics les plus fragiles.

• Plusieurs formulations pour une même intention, jamais un prompt unique.
• Questions directes et inversées quand la relation entre entités le permet.
• Plusieurs modèles, plusieurs modes de réponse, plusieurs comptes si nécessaire.
• Répétitions dans le temps, pour mesurer la variabilité plutôt qu’un instantané.
• Séparation stricte entre mention, citation, recommandation et trafic.
• Conservation des prompts, dates, versions de modèle et conditions de test.

La dernière exigence est celle qui manque le plus souvent. Sans journal de test, un score n’est ni reproductible ni contestable, et le prestataire reste seul juge de sa performance. C’est la même grille de lecture que pour ce que peut réellement prouver le filigrane de Claude : un signal technique n’a de valeur qu’accompagné de son protocole.

Ce que cette étude ne permet pas de conclure

La prudence s’impose sur quatre points.

• Elle ne démontre pas qu’une optimisation syntaxique augmente les citations.
• Elle ne mesure ni ChatGPT Search, ni AI Mode, ni AI Overviews, ni Perplexity.
• Elle ne prouve pas qu’un outil GEO se trompe lorsqu’une marque apparaît de façon variable.
• Elle ne dit rien de la manière dont un modèle sélectionne ses sources web.

Le passage de la factualité paramétrique à la mesure de marque est une lecture ExternFlow, pas un résultat expérimental. La même réserve vaut pour le solde d’emplois annoncés dans les centres de contacts : une donnée solide n’établit pas à elle seule une causalité.

En GEO, une absence dans la réponse n’est plus une preuve d’invisibilité

Avant d’acheter une promesse de visibilité IA, demandez le protocole. Combien de formulations, combien de modèles, combien de répétitions, quelle séparation entre mention et recommandation, quelles traces conservées. Un prestataire qui esquive ces questions vend un score, pas une mesure.

Reprenez le dernier rapport GEO reçu et confrontez-le aux six exigences ci-dessus. L’exercice demande une heure et applique au référencement génératif la rigueur déjà appliquée à la lecture des résultats semestriels de Teleperformance : la donnée d’abord, l’interprétation ensuite.

Sources et références

Cet article s’appuie notamment sur l’analyse publiée par Google Research sur le rappel des faits par les grands modèles de langage, sur l’article scientifique décrivant le protocole et le banc d’essai WikiProfile et sur le jeu de données WikiProfile mis en ligne par Google. Les résultats relatifs à la direction des questions ont été confrontés aux travaux fondateurs sur la malédiction de l’inversion et à la recherche sur les faits peu populaires dans les modèles de langage, tandis que le cadrage éditorial reprend les recommandations de Google sur les contenus utiles et fiables.