Visibilité IA : quand une source fausse efface la bonne réponse

Une marque disparaît d’une réponse générée par IA. Le réflexe commercial est immédiat : publier davantage, renforcer l’autorité, acheter des mentions. C’est parfois pertinent. Mais une étude récente montre qu’un autre mécanisme peut suffire à expliquer l’absence : le modèle connaissait la bonne réponse, puis une source externe lui a fourni une information fausse.

Pour le GEO, la nuance change tout. Mesurer une citation est facile. Diagnostiquer pourquoi elle apparaît ou disparaît est beaucoup plus compliqué.

MemToC mesure le conflit entre mémoire et outils

Publié sur arXiv le 26 août 2026, le benchmark MemToC étudie la manière dont un modèle arbitre entre sa mémoire interne et le résultat d’un outil externe. Cet outil peut être un moteur de recherche, une API ou un système de récupération documentaire.

Le protocole est sérieux : 6 504 épisodes d’évaluation, construits à partir de 542 questions factuelles contrôlées. Les chercheurs ont testé cinq modèles ouverts de 7 à 9 milliards de paramètres, dans quatre configurations où la mémoire du modèle et le retour de l’outil pouvaient être vrais ou faux.

Le résultat mérite mieux qu’un graphique LinkedIn. Lorsque le modèle avait d’abord donné la bonne réponse, puis recevait une information erronée de l’outil, les quatre modèles instruction-tuned conservaient leur réponse correcte dans seulement 6,5 % à 17,1 % des cas. À l’inverse, ils suivaient un outil correct dans 86 % à 93,1 % des cas.

Autrement dit, la récupération d’information domine souvent la connaissance déjà présente. Et le modèle ne signale pas nécessairement le conflit.

Une baisse de visibilité IA ne prouve pas un manque d’autorité

Imaginons qu’une marque soit citée dans 18 réponses sur 100 en août, puis dans 11 en septembre. Le tableau de bord affiche une baisse de 39 %. Le chiffre peut être exact. L’explication ne l’est pas forcément.

Plusieurs causes peuvent produire le même résultat :

• la marque est absente des sources récupérées ;
• une source concurrente contient une information plus récente ;
• une donnée tierce est fausse ou ambiguë ;
• la formulation de la requête déclenche un autre ensemble de documents ;
• le modèle connaît la marque, mais ne parvient pas à rappeler le fait au bon moment ;
• le système a changé sa méthode de sélection ou de synthèse.

Une autre étude, Empty Shelves or Lost Keys?, renforce cette prudence. Sur 4 millions de réponses produites par 13 modèles, GPT-5 et Gemini-3 avaient encodé 95 % à 98 % des faits du benchmark. Pourtant, leur rappel restait imparfait, surtout pour les faits rares et les questions inversées. L’information peut donc être présente sans ressortir de façon fiable.

Comment auditer une disparition de marque

Il faut arrêter de traiter un tracker GEO comme une Search Console améliorée. Une position organique, malgré ses limites, correspond à un résultat observable. Une mention dans une réponse IA dépend d’une chaîne plus longue : formulation, fan-out, sources récupérées, contexte, arbitrage, génération finale.

Je recommande quatre contrôles avant de lancer une production éditoriale :

1. Répéter le test avec plusieurs formulations, dates, comptes et sessions.
2. Lire les citations, pas seulement compter la présence de la marque.
3. Comparer les sources récupérées entre les réponses positives et négatives.
4. Vérifier les faits sensibles dans les bases tierces, avis, comparateurs, fiches produit et contenus partenaires.

Ajoutez ensuite une intervention mesurable. Corrigez une donnée erronée, clarifiez une page de référence ou obtenez la mise à jour d’une source tierce. Puis relancez exactement le même protocole. Publier dix articles sans hypothèse testable ne constitue pas une stratégie.

Le vrai KPI : une réponse correcte et stable

Le GEO ne doit pas viser la mention à tout prix. Une marque citée dans un contexte négatif, confondue avec un concurrent ou présentée avec un prix faux n’a rien gagné.

Le bon indicateur combine présence, exactitude, contexte et stabilité. MemToC ne mesure ni ChatGPT Search ni Google AI Overviews en production. Il serait malhonnête de transposer directement ses pourcentages. Mais son enseignement méthodologique est solide : une absence observée ne révèle pas, à elle seule, sa cause.

Avant de vendre davantage de contenu, il faut prouver que le contenu est bien le problème. Sinon, on optimise un diagnostic imaginaire avec un budget bien réel.