Votre entreprise a changé de nom, fait évoluer son offre, obtenu une certification ou abandonné une ancienne technologie. Votre site web est à jour. Pourtant, lorsque vous interrogez ChatGPT, Claude, Gemini, Copilot ou Perplexity, certaines réponses sont obsolètes. Parfois, les outils d’intelligence artificielle vont plus loin et attribuent à votre entreprise des caractéristiques, des produits ou des références qui n’ont jamais existé. Comment identifier ces erreurs, comprendre d’où elles viennent et surtout les corriger ? La question devient importante à mesure que les assistants IA sont de plus en plus utilisés pour rechercher des informations et présélectionner des fournisseurs, notamment en B2B.
Des informations erronées qui peuvent influencer les décisions d’achat
Prenons l’exemple d’un éditeur de logiciels de gestion des ressources humaines qui a récemment intégré un module de gestion prévisionnelle des emplois et des compétences (GPEC). Cette nouvelle fonctionnalité figure sur son site. Pourtant, lorsqu’un prospect interroge une IA pour comparer les solutions SIRH intégrant la GPEC, l’éditeur n’apparait pas ou affirme qu’il ne propose pas cette fonctionnalité. Un prospect qui utilise une IA pour présélectionner des fournisseurs risque d’écarter cet éditeur sur la base d’informations périmées.
Ce problème n’est pas entièrement nouveau. Depuis longtemps, les entreprises doivent surveiller les informations qui circulent à leur sujet sur Internet. Mais les intelligences artificielles ajoutent une difficulté : on ne connait pas toujours exactement quelles sont leurs sources sur Internet ni comment elles ont été entrainées. Enfin, certaines réponses sont tout simplement inventées. Les modèles peuvent associer des informations sans fondement à une entreprise, confondre deux sociétés ou déduire l’existence d’une fonctionnalité à partir d’éléments insuffisants.
Mode d’emploi en quatre étapes pour corriger les informations erronées ou obsolètes.
Première étape : identifier les informations fausses ou obsolètes
Il faut commencer par savoir ce que les IA racontent sur votre entreprise. Un audit GEO (Generative Engine Optimization) constitue le point de départ, pour vérifier si votre marque apparaît dans les réponses et mais également que les réponses apportées sont exactes.
Il s’agit d’interroger plusieurs IA sur les activités de l’entreprise, ses produits, ses fonctionnalités, les secteurs auxquels elle s’adresse, ses certifications ou encore ses principaux concurrents.
Pour un éditeur de logiciels, les questions peuvent être très concrètes : « Quelles solutions SaaS de gestion des achats sont adaptées aux ETI ? », « Quels éditeurs français proposent un logiciel de gestion documentaire ? » ou « La solution X dispose-t-elle d’une certification ISO 27001 ? »
Les réponses obtenues doivent ensuite être confrontées au réel. L’exercice permet de distinguer plusieurs situations : une absence dans les réponses, une description incomplète, une information obsolète ou une erreur factuelle.
Deuxième étape : trouver l’origine des erreurs
Lorsqu’une IA fournit une information erronée, il faut rechercher les sources susceptibles de l’avoir alimentée. Il peut d’une information obsolète figurant sur une page de votre site internet qui n’a pas été mise à jour, mais aussi d’une fiche présentant votre entreprise dans des annuaires spécialisés, de comparateurs de solutions, d’articles de presse, de témoignages clients ou de documentations techniques.
Il faut cependant rester prudent : les sources citées dans une réponse ne sont pas nécessairement les seules informations utilisées par les LLM. Et lorsqu’une réponse provient de son modèle d’entrainement, il n’est généralement pas possible de retrouver avec certitude les données qui l’ont influencée.
Troisième étape : corriger les contenus à la source
Une fois les erreurs et leurs origines potentielles identifiées, plusieurs leviers sont disponibles.
1/ Actualiser et clarifier les informations sur votre site
La première chose est de vérifier que les pages produits, les descriptions des offres, les références clients, les informations institutionnelles et les documentations techniques sont actualisées et cohérentes.
Il faut également veiller à l’accessibilité des informations : pages indexables, arborescence, maillage interne, structure des balises Hn, etc. Ces optimisations relèvent largement du SEO traditionnel. Elles restent essentielles pour le GEO : les moteurs de recherche et les assistants IA qui consultent le web doivent pouvoir découvrir, comprendre et exploiter les contenus de votre site web.
2/ Faire rectifier les informations publiées par des tiers
Outre les optimisations « on-site », une partie du travail va consister à faire rectifier les informations sur des sites tiers : demande d’actualisation d’une fiche sur un annuaire, transmission d’informations nécessaires pour corriger un comparatif, etc.
Le cas des articles de presse est plus délicat. Un ancien article de presse n’est pas nécessairement erroné : il décrit la situation de l’entreprise à sa date de publication. Il ne faut demander une rectification aux médias que lorsqu’une information est factuellement fausse. Autre option : apporter des éléments nouveaux, susceptibles d’être repris par les journalistes, lorsque la situation a évolué. Les relations presse contribuent ainsi à enrichir et actualiser les informations publiques sur une entreprise, sans garantir pour autant leur reprise par les IA.
3/ Signaler directement les réponses incorrectes
Les principaux assistants IA disposent de mécanismes permettant aux utilisateurs de signaler une réponse inexacte ou problématique. Ces signalements ne garantissent toutefois pas une correction.
Il n’existe pas aujourd’hui de procédure universelle permettant à une entreprise de demander aux grands modèles de langage de remplacer immédiatement une information contenue dans leurs connaissances internes.
Quatrième étape : mesurer si les corrections produisent des résultats
Enfin, comme dans toute démarche d’amélioration continue, un suivi régulier est nécessaire pour mesurer l’évolution des réponses : les informations erronées ont-elles disparu ? Les descriptions de l’entreprise sont-elles plus précises ? Les différentes IA fournissent-elles désormais des informations exactes et à jour ?
Cela suppose de reprendre régulièrement les questions utilisées lors du diagnostic initial, sur les mêmes IA, dans des conditions aussi comparables que possible.
Il faut toutefois aussi accepter une réalité, à cette heure : certaines corrections peuvent apparaître rapidement, d’autres non, et il n’est pas toujours possible d’attribuer un changement à une intervention précise. Les fournisseurs d’IA modifient régulièrement leurs modèles, leurs outils de recherche et leurs méthodes de génération.
Vous avez besoin d’un accompagnement en GEO ? Contactez-nous.
