Résumé

Les grands modèles de langage (LLM) sont devenus les nouveaux arbitres de la visibilité informationnelle. Marques, chercheurs, médias, individus, toute entité absente de leurs réponses est, de fait, invisible pour une fraction croissante d'utilisateurs. Ce pouvoir de sélection repose sur des biais structurels documentés (biais de notoriété, de genre, de récence, d'auto-référence IA-IA), une concentration extrême des sources citées, et un phénomène d'hallucination à grande échelle qui pollue le savoir collectif en attribuant une "existence" à des entités fictives. Comprendre ces mécanismes constitue un enjeu stratégique de premier ordre pour toute organisation engagée dans la production de contenu, la gestion de réputation ou la recherche scientifique.

La question "qui apparaît dans les réponses de l'IA" est en passe de supplanter "qui apparaît en première page de Google". Ce glissement n'est pas anecdotique. ChatGPT traite désormais 2,5 milliards de requêtes quotidiennes auprès de 883 millions d'utilisateurs mensuels, et le trafic de référencement issu de l'IA a progressé de 527 % entre début 2024 et début 2025. Dans ce contexte, l'acte de citer, ou de ne pas citer, n'est plus le geste neutre d'un moteur de recherche listant des URLs : c'est une décision, algorithmique certes, mais dont les conséquences sur la réputation, la crédibilité et l'existence perçue d'une entité sont désormais mesurables. Les LLM sont devenus des éditeurs de fait, sans en avoir la responsabilité déclarée.

Les LLM comme nouveaux gardiens de l'espace informationnel

Une concentration des sources sans précédent dans l'histoire du web

Le web ouvert permettait théoriquement à tout site référencé d'apparaître dans les résultats de recherche. L'architecture des LLM obéit à une logique fondamentalement différente et beaucoup plus restrictive. Un moteur génératif cite en moyenne entre 2 et 7 domaines par réponse, contre les 10 liens bleus traditionnels de Google. Cette compression radicale du spectre des sources crée un effet de winner-takes-all inédit à cette échelle. Une analyse de 150 000 citations LLM menée par Semrush en juin 2025 révèle que Reddit représente 40,1 % des sources citées, Wikipedia 26,3 %, et YouTube 23,5 %, aucune autre plateforme n'atteignant 5 %. Trois plateformes absorbent donc près de 90 % de la visibilité globale. Pour une entreprise, un chercheur ou un média absent de ces écosystèmes dominants, la probabilité d'apparaître dans une réponse IA est marginale, quel que soit la qualité intrinsèque de son contenu.

La logique RAG et le filtre de l'autorité perçue

Les moteurs génératifs modernes opèrent majoritairement via le Retrieval-Augmented Generation (RAG) : ils interrogent des sources externes en temps réel pour compléter leur connaissance paramétrique. Cette logique de récupération priorise trois critères : la pertinence, la récence et la confiance. L'E-E-A-T (Expérience, Expertise, Autorité, Fiabilité), pilier du SEO, reste central pour la GEO. Ce qui change, c'est la nature du signal d'autorité. Le volume de recherche de marque constitue le prédicteur le plus fort des citations LLM, avec un coefficient de corrélation de 0,334, surpassant l'impact des backlinks traditionnels. Autrement dit, être connu précède désormais le fait d'être bien positionné. Les entités qui bénéficient d'une reconnaissance préexistante dans les données d'entraînement disposent d'un avantage structurel considérable sur les entités émergentes, quelle que soit leur expertise réelle.

Un marché de la visibilité IA déjà ultra-concentré

Les marques disposant de la plus forte part de voix dans les réponses LLM sont typiquement celles qui ont investi en SEO en premier. La santé technique, les données structurées et les signaux d'autorité restent le socle de la visibilité IA. Ce constat signifie que l'avantage compétitif accumulé sur le web classique se transfère, et souvent s'amplifie, dans l'environnement LLM. Gartner projette une baisse de 25 % du volume de recherches traditionnelles d'ici 2026, et IDC anticipe que les entreprises dépenseront jusqu'à cinq fois plus en optimisation LLM qu'en SEO classique d'ici 2029. L'enjeu économique de cette concentration n'est donc plus prospectif : il est immédiat.

Les biais structurels qui fabriquent l'existence et l'invisibilité

Le biais de notoriété : les puissants citent les puissants

La neutralité algorithmique est une fiction que les données empiriques démentent avec constance. Dans le domaine scientifique, un phénomène particulièrement documenté illustre la mécanique de renforcement des inégalités existantes. Une étude publiée en mai 2026, portant sur 111 millions de références extraites de 2,5 millions de publications dans arXiv, bioRxiv, SSRN et PubMed Central, estime à 146 932 le nombre de citations hallucinées produites par des LLM en 2025. Ces erreurs attribuent de manière disproportionnée de la crédibilité aux chercheurs déjà les plus proéminents et aux hommes. Le LLM ne crée pas l'inégalité ex nihilo : il la lit dans ses données d'entraînement et la reproduit à grande échelle. Les entités déjà visibles deviennent encore plus visibles, les entités déjà marginales disparaissent encore davantage.

Le biais de genre et de représentation : une discrimination documentée

Une étude publiée dans les PNAS en juillet 2025 met en évidence que les LLM favorisent les communications produites par d'autres LLM, et qu'ils sont susceptibles d'introduire une discrimination anti-humaine dans les processus de décision. Par ailleurs, 91 % des LLM sont entraînés sur des données extraites du web ouvert, où les femmes sont sous-représentées dans 41 % des contextes professionnels et les voix minoritaires apparaissent 35 % moins souvent. Ce biais de représentation dans les données d'entraînement se traduit directement dans les outputs. Les LLM utilisés dans des outils d'aide à la rédaction académique filtrent ou classent les références candidates, et si leur scoring interne est biaisé, les discriminations se propagent dans les synthèses de littérature, les revues de preuves automatisées et d'autres applications dérivées. L'existence scientifique d'une chercheuse, d'un laboratoire africain ou d'une institution de pays du Sud reste ainsi structurellement menacée par des systèmes qui se présentent comme objectifs.

Le biais de récence : seul le présent récent existe

La dimension temporelle de la sélection LLM constitue un autre filtre d'existence massif. Une analyse portant sur les habitudes de citation de ChatGPT, Perplexity et des AI Overviews révèle que 65 % des contenus cités ont été publiés dans l'année écoulée, 79 % dans les deux dernières années, et 89 % dans les trois dernières années. Pour tout contenu antérieur à 2021, la probabilité de citation s'effondre à 6 %. Ce biais de récence produit une amnésie institutionnelle : des travaux fondateurs, des analyses de fond ou des archives journalistiques de référence disparaissent de l'espace informationnel actif au profit d'une actualité continue, parfois superficielle. Une organisation dont la production de contenu est ancienne ou irrégulière se retrouve structurellement exclue de la mémoire opérationnelle des LLM.

Hallucinations et existence fictive : quand l'IA crée et détruit

La fabrication d'entités inexistantes comme nouveau risque systémique

Le pouvoir des LLM sur l'existence ne se limite pas à ignorer des entités réelles : il s'étend à la création d'entités fictives dotées d'une apparence de légitimité. Une analyse des papers acceptés à la conférence NeurIPS 2025, l'une des plus prestigieuses en IA mondiale, a identifié 100 citations hallucinées réparties dans 53 publications, malgré l'examen par trois à cinq experts par article. Ces citations ne sont pas des erreurs typographiques, ce sont des références à des sources inexistantes, avec des auteurs inventés, des titres fabriqués et des informations de publication fausses. L'hallucination confère donc une existence documentaire à des travaux qui n'ont jamais existé, tout en effaçant potentiellement ceux qui existent réellement mais ne correspondent pas aux patterns statistiques attendus par le modèle.

Le paradoxe de l'autorité fictive

Ce phénomène produit un paradoxe inquiétant pour l'intégrité collective. Une référence hallucinée issue d'une revue inexistante ou d'un auteur inventé entre dans les catalogues bibliographiques aux côtés des citations légitimes, sans aucune indication de son caractère fictif. Les bases de données bibliographiques comme Web of Science, Scopus ou Google Scholar fournissent des fonctionnalités de vérification qui requièrent une interrogation manuelle de chaque citation, un processus qui ne passe pas à l'échelle. Le risque systémique est réel : des corpus scientifiques entiers peuvent intégrer des références fantômes qui seront à leur tour utilisées pour entraîner les prochaines générations de LLM, créant une boucle de contamination auto-entretenue. L'existence fictive engendre de l'existence fictive.

Les conséquences pratiques pour les acteurs du contenu et de la réputation

Pour les organisations qui dépendent de leur réputation informationnelle, la dynamique d'existence/invisibilité LLM impose une réévaluation stratégique profonde. Ajouter des statistiques dans un contenu augmente la visibilité IA de 22 %, et l'inclusion de citations augmente cette visibilité de 37 %. Ces leviers actionnables confirment que la structure du contenu est désormais autant destinée à la compréhension humaine qu'à l'ingestion algorithmique. La présence en ligne n'est plus un état passif : c'est une infrastructure active à maintenir selon les logiques propres de chaque système d'inférence.

Ce que les marques peuvent faire dès aujourd'hui pour exister dans les réponses des LLM

Construire une présence multi-signaux plutôt qu'optimiser un seul canal

La tentation de traiter le GEO comme une version améliorée du SEO est une erreur de cadrage qui conduit à des stratégies insuffisantes. Les LLM construisent leur représentation d'une marque à partir de l'ensemble des signaux publics disponibles, conversationnels, éditoriaux, communautaires, et non d'un unique site web bien structuré. La première priorité est donc d'agir simultanément sur trois niveaux : ce que les tiers disent de la marque (avis clients, mentions Reddit, forums sectoriels), ce que la marque produit elle-même (contenus structurés, denses sémantiquement, actualisés régulièrement), et comment la marque répond publiquement (Social Care, Community Management, Gestion de crise). Un client insatisfait dont la réclamation reste sans réponse publique est une donnée d'entraînement négative pour les prochains modèles, au même titre qu'un article mal sourcé. La stratégie GEO efficace traite chaque interaction publique comme un micro-contenu potentiellement absorbé par un LLM, ce qui implique de coordonner des équipes et des outils qui, jusqu'ici, opéraient en silos.

Structurer le contenu pour qu'il soit extractible, pas seulement lisible

La structure du contenu est le premier levier actionnable pour améliorer la probabilité de citation par un LLM. Un moteur génératif ne lit pas un article comme un humain : il cherche des passages extractibles, des affirmations directes, des données chiffrées et des entités nommées clairement identifiables. Concrètement, cela signifie ouvrir chaque section par une réponse directe à la question implicite du lecteur, intégrer au moins un chiffre sourcé par bloc thématique, et utiliser des titres H2/H3 formulés comme des questions ou des affirmations complètes plutôt que comme des labels génériques. Le format FAQ constitue également un levier direct : chaque verbatim issu du Social Listening ("j'hésite entre X et Y pour...") est une question réelle que des milliers d'utilisateurs poseront à un LLM, et y répondre explicitement dans le contenu de marque revient à se positionner sur une requête conversationnelle avant même qu'elle soit formulée.

Surveiller activement sa réputation algorithmique comme on surveille son e-réputation

La visibilité dans les réponses LLM se mesure et se pilote, et cette dimension de monitoring est souvent la première à être négligée. Des outils dédiés comme Profound, Brandlight ou les modules AI de Semrush permettent désormais de suivre avec quelle fréquence une marque est citée par ChatGPT, Gemini ou Perplexity, sur quelles requêtes, avec quel sentiment associé, et face à quels concurrents. Cette donnée est stratégiquement différente du ranking SEO classique : une marque peut dominer Google page 1 et être quasi absente des réponses IA, ou inversement. Le suivi de la part de voix dans les réponses LLM constitue un KPI émergent à intégrer dans tout tableau de bord de performance digitale. La vérification régulière de la cohérence des données entité (nom, description, positionnement) sur l'ensemble des propriétés externes, Reddit, Trustpilot, LinkedIn, Wikipedia, constitue par ailleurs une hygiène de base dont dépend la consistance du signal de marque que les modèles absorbent.

Netino, le seul acteur qui agit sur l'ensemble de l'écosystème de signaux LLM

L'approche GEO de Netino se distingue fondamentalement de celle des agences SEO ou des prestataires de content marketing traditionnels, précisément parce que ses métiers historiques correspondent point par point aux signaux que les LLM consultent pour construire leur représentation d'une marque. Là où la plupart des acteurs interviennent sur la production de contenu optimisé, un seul levier parmi les sept identifiés, Netino agit simultanément sur la réputation de masse via ses 800 community managers multilingues, sur la modération préventive qui maintient un ratio signal/bruit favorable (500 millions de contenus modérés à 96 % de score de qualité), sur la preuve sociale publique générée par un taux de réponse Social Care de 95 % en moins de 30 minutes et un CSAT supérieur à 85 %, et sur l'intelligence des requêtes conversationnelles réelles grâce à ses 50 insights specialists couvrant plus de 30 marchés et langues. Ce dernier point est particulièrement structurant : les verbatims collectés en Social Listening constituent la matière première exacte des questions que les audiences poseront demain à un LLM, et les traiter comme un corpus de FAQ GEO permet d'anticiper les requêtes plutôt que de les subir. Netino est enfin le seul acteur à opérer au niveau de la couche d'entraînement elle-même, via ses capacités de Data Annotation compatibles avec les standards LLM (paires question/réponse, classification d'intention, détection de sentiment), ouvrant la voie à une influence directe sur les modèles sectoriels futurs, et non plus seulement sur leur comportement de récupération en temps réel.

Conclusion

L'enjeu pour les acteurs du contenu, de la recherche et de la communication ne consiste plus seulement à produire de la qualité : il consiste à rendre cette qualité lisible, structurée et traçable pour des systèmes qui ne lisent pas comme des humains, qui ne jugent pas comme des éditeurs et qui ne mémorisent pas comme des archivistes. Comprendre les mécanismes de sélection, de biais et d'hallucination des LLM est devenu une compétence critique, non pas pour "optimiser pour l'IA" au sens superficiel du terme, mais pour ne pas laisser l'algorithme décider seul de ce qui mérite d'exister.

Sources

• Semrush / Visual Capitalist, Analyse de 150 000 citations de modèles de langage de grande envergure (LLM), juin 2025
• Zhenyue Zhao et al., « Les hallucinations des modèles de langage de grande capacité (LLM) dans la pratique : données à grande échelle issues de citations inexistantes », arXiv, mai 2026
• Samar Ansari, « Compound Deception in Elite Peer Review : A Failure Mode Taxonomy of 100 Fabricated Citations at NeurIPS 2025 », arXiv, février 2026
• PNAS, « AI–AI bias : les grands modèles linguistiques privilégient les communications générées par d’autres grands modèles linguistiques », juillet 2025
• arXiv : qui est cité ? Biais liés au genre et à la majorité dans la sélection de références par les modèles de langage de grande envergure (LLM), AAAI 2026
• Princeton / KDD 2024, GEO : Optimisation des moteurs génératifs
• Seer Interactive, Étude : Visibilité des marques et actualité des contenus grâce à l'IA, juin 2025
• Gartner, Prévisions relatives au volume de recherche traditionnelle pour 2026 et 2025
• Profound / Mersel AI, Guide d'optimisation des moteurs génératifs 2026
• Contently, « Les 10 sources les plus citées par les modèles de langage de grande envergure (LLM) en 2026 », avril 2026