Avec la recherche générative et le GEO, la réputation passe de l’écho à la trace

L’irruption de la recherche générative dans la formation des perceptions change l’horizon de temps et l’espace informationnel dans lesquels les marques doivent penser leur image.

Jusqu’à présent, la visibilité numérique des marques reposait sur une logique d’écho : prendre la parole, capter l’attention, être relayé ou commenté, puis espérer que cette résonance contribue à construire une perception favorable.

La recherche générative introduit une autre logique. Elle ne se contente pas d’organiser l’accès aux contenus qui évoquent une marque : elle les interprète, les synthétise, voire les commente. Ce faisant, elle ne reflète pas seulement l’écho qu’une marque parvient à produire dans l’actualité. Elle peut aussi réactiver des traces que la marque a laissées dans l’espace numérique, directement ou à travers d’autres émetteurs.

Par rapport à la recherche traditionnelle (e.g. Bing, DuckDuckGo, Google Search), la recherche réalisée avec l’intelligence artificielle générative (e.g. ChatGPT, Claude, Gemini, Perplexity) puise dans des sources plus diverses et issues de strates moins visibles du web. Certes, les moteurs de réponse¹ n’ont pas accès à un espace numérique inaccessible aux moteurs de recherche. Mais ils peuvent multiplier les angles de recherche et mobiliser davantage de sources.

Cette différence s’explique par trois facteurs principaux : (i) les outils de recherche générative sont conçus pour fournir les réponses les plus utiles possibles, (ii) ils décomposent les requêtes (prompts) des internautes en sous-questions, et (iii) ils valorisent les schémas d’association les plus saillants sur le web entre entités, faits et contextes, indépendamment de leur actualité.

Les outils de recherche générative fournissent les réponses les plus utiles possibles

La mission des moteurs de réponse est de réduire l’effort et le temps de recherche de leurs utilisateurs. Alors que la recherche traditionnelle oriente les internautes vers des contenus en leur fournissant une hiérarchie de liens qu’ils doivent ensuite consulter, la recherche générative vise à leur fournir une synthèse directement exploitable. L’objectif de celle-ci n’est donc pas seulement d’identifier les contenus les plus pertinents, mais aussi de rassembler les éléments nécessaires pour produire une réponse : contexte, définitions, nuances, comparaisons, points de consensus, controverses éventuelles…

Cette ambition d’utilité ne se concrétise pas forcément dans des réponses longues. Elle se traduit plutôt par une exploration plus large en amont, puis une synthèse des informations recueillies en aval. Si l’internaute ne reçoit que quelques paragraphes, ceux-ci peuvent résulter d’un faisceau de sources, d’angles et de sous-thèmes plus vaste que les contenus qu’il aurait consultés à partir d’une page de résultats d’un moteur de recherche.

Pour les marques, cela induit qu’une réponse d’un outil de recherche générative à leur sujet ne se limite pas nécessairement à leur positionnement officiel, à leur actualité récente ou aux contenus qu’elles ont optimisés pour la recherche traditionnelle. Elle peut intégrer des contenus plus périphériques ou plus anciens, dès lors qu’ils sont jugés utiles à la compréhension de la question posée par l’internaute.

Or la différence est essentielle. La recherche générative ne se contente pas de rendre la marque visible comme la recherche traditionnelle ; elle cherche à la rendre intelligible.

Les outils de recherche générative décomposent les requêtes (prompts) des internautes en sous-questions

Cette logique d’utilité explique le rôle du procédé dit de “query fanout”. Contrairement à une recherche traditionnelle, qui répond seulement à la requête formulée par l’internaute, la recherche générative peut décomposer cette requête en plusieurs sous-questions. Elle explore alors différents angles du sujet, comme le ferait un internaute qui mènerait plusieurs recherches successives pour comprendre un enjeu dans toutes ses dimensions.

Ainsi, une question sur une marque peut-elle déclencher des recherches portant sur son histoire, ses produits, son positionnement, ses controverses, ses concurrents, ses preuves de crédibilité, ses faiblesses perçues… La requête initiale devient un faisceau d’explorations. C’est ce qui explique que les sources mobilisées par la recherche générative ne coïncident pas nécessairement avec les premiers résultats de la recherche traditionnelle.

De fait, la base documentaire utilisée par la recherche générative est souvent plus étendue et, surtout, différente de celle que valorise la recherche classique : en moyenne, seulement 38% des liens cités dans les AI Overviews de Google figurent, pour la même requête, dans les dix premiers résultats de Google Search ; 31% proviennent des positions 11 à 100 de ces résultats et 31% de positions plus reculées encore. Ce phénomène est renforcé par le fait que les questions soumises à la recherche générative sont en moyenne dix fois plus longues (31 mots contre 3) que celles posées à la recherche traditionnelle.

Pour une marque, cela induit que la visibilité dans la recherche générative ne dépend plus seulement de sa présence dans les premiers résultats de la recherche classique : elle dépend aussi de la densité, la cohérence et l’accessibilité de ses traces dans l’ensemble du web.

Les outils de recherche générative valorisent les schémas d’association les plus saillants sur le web entre entités, faits et contextes, indépendamment de leur actualité

L’intelligence artificielle ne traite pas des contenus isolés. Elle repose sur un fonctionnement statistique qui exploite des schémas d’association entre des entités, des faits et des contextes. Si une marque a été fortement associée, dans les informations disponibles sur le web, à un événement, cette association peut rester pertinente pour la recherche générative longtemps après que ses parties prenantes l’ont oubliée.

Dès lors, le corpus exploité par la recherche générative n’a pas la même pertinence chronologique que les contenus classés par la recherche traditionnelle². La recherche générative peut faire ressortir un contenu ancien, par exemple relatif à une crise sortie de la mémoire collective : la recherche générative reflète davantage l’association durable d’un événement avec une entité que la recherche traditionnelle, qui se focalise surtout sur la visibilité actuelle d’un fait³. C’est pourquoi une information ancienne qui n’est plus recherchée, plus commentée, pas liée à l’actualité et pas attachée à l’intention d’un internaute a peu de chances d’émerger en bonne position dans les résultats d’un moteur de recherche.

La mémoire humaine oublie par désintérêt. La mémoire médiatique oublie par renouvellement. La mémoire algorithmique n’oublie pas.

Ainsi une vieille information relative à une marque peut-elle devenir un attribut d’image dans son traitement par la recherche générative. C’est d’autant plus le cas, aujourd’hui, que cette technologie ne sait pas distinguer, au contraire des êtres humains, ce qui appartient à l’histoire ancienne d’une marque de ce qui la définit encore. Dans le cas d’une crise, pour reprendre cet exemple, l’intelligence artificielle peut mal évaluer la réalité actuelle de cette crise, sa rémanence dans l’opinion et l’évolution de l’entité concernée depuis son occurrence.

Paradoxalement, la recherche traditionnelle, qui est moins avancée, fait mieux cette distinction car elle analyse les signaux de fraîcheur, de clics, de contexte et de pertinence actuels, qui reflètent la persistance d’un fait dans l’attention collective.

Les marques dans l’univers numérique : de l’écho à la trace

Dans ce nouveau contexte de la recherche en ligne, la dynamique des marques change radicalement. Il ne suffit plus de rechercher un écho souvent limité dans le temps ; il faut aussi construire une trace durable, cohérente et attestée par des tiers, que l’intelligence artificielle pourra facilement identifier et interpréter.

La construction de traces n’est pas nouvelle dans la construction des marques. Mais, avec la recherche générative, elle s’étend à un nouveau territoire : la recherche en ligne. Cette évolution va profondément modifier des disciplines telles que la production de contenus, les relations presse, l’influence numérique et la communication de crise.

En effet, une marque qui produirait beaucoup d’écho mais peu de traces risquerait d’être résumée par les moteurs de réponse à des éléments partiels et/ou caducs, parce que des traces de cette nature demeureraient plus saillantes dans l’espace numérique.

Pour autant, l’écho reste nécessaire : il permet à une marque d’émerger, d’exister dans l’actualité et de nourrir la conversation numérique. Mais la trace devient décisive pour la recherche générative : elle permet à une marque d’être comprise, contextualisée et potentiellement recommandée par des moteurs de réponse.

Naturellement, l’image d’une marque ne sera pas uniquement influencée par la recherche générative. Celle-ci ne remplace pas ses publics, mais elle va de plus en plus s’intercaler entre eux et elle. Chaque marque doit désormais s’adresser à la fois à une audience finale – ses publics humains – et à une audience filtre – l’intelligence artificielle.

Les marques ne doivent donc plus seulement chercher à produire de l’écho. Elles doivent organiser les traces numériques qu’elles laisseront derrière elles : dans l’univers de la recherche générative, la réputation ne dépend plus seulement de ce que les publics perçoivent aujourd’hui, mais aussi de ce que les machines retrouveront demain.

—

¹ Les moteurs de réponse sont les outils de recherche générative, tandis que les moteurs de recherche sont ceux de recherche traditionnelle.

² Google explique d’ailleurs que Google Search répond aux requêtes avec les informations les plus utiles au moment où elles sont effectuées.

³ Incidemment, il faut distinguer deux mécanismes : d’une part, la recherche générative privilégie plutôt les contenus récents (50 % des contenus qu’elle cite ont moins de onze mois) ; d’autre part, elle peut faire ressurgir des faits anciens qui demeurent saillants sur le web, parce qu’ils bénéficient d’un volume important de mentions, d’une forte convergence des récits, de sources crédibles et d’un caractère distinctif marqué. La recherche générative peut donc à la fois citer des contenus récents tout en faisant ressurgir un fait ancien.