Mention, citation et influence : trois niveaux de présence de la marque dans les réponses de l’IA

À l’époque de la recherche classique, parler de la visibilité d’une marque était relativement simple. L’entreprise regardait la page de résultats, mesurait sa position, comptait les clics et en tirait des conclusions sur sa notoriété. Les systèmes de réponse fondés sur l’IA ont détruit cette linéarité commode. Désormais, une marque peut être évoquée dans la réponse sans obtenir de visite. Elle peut être citée tout en restant secondaire. Elle peut même ne pas être nommée directement, alors que ses données, ses formulations ou ses arguments déterminent en pratique la synthèse finale. Pour les entreprises, cela signifie que l’ancienne question « nous voit-on ? » ne fonctionne plus seule. Elle est remplacée par une question plus complexe : « sous quel rôle sommes-nous présents dans la réponse machine — comme simple nom, comme source validée, ou comme force qui façonne la décision elle-même ? »

C’est précisément pour cette raison qu’il est utile de distinguer au moins trois niveaux de présence dans l’environnement de réponse : la mention, la citation et l’influence. La mention est la forme la plus simple de visibilité. La marque est nommée dans la réponse : le système énumère les acteurs du marché, compare les options, décrit une catégorie et inclut l’entreprise parmi les réponses possibles. Pour la communication, c’est déjà utile. L’utilisateur qui ne connaissait peut-être pas la marque auparavant rencontre au moins son nom. Mais du point de vue de l’effet économique, cela reste insuffisant. La mention peut être fortuite, superficielle, voire défavorable. Elle ne dit rien ni du statut de la marque dans la réponse, ni du degré de confiance que le système accorde à ses données.

Le niveau suivant est la citation. Ici, la marque ou les sources qui lui sont liées deviennent déjà un appui de la réponse. Au début de 2026, Microsoft a introduit dans Bing Webmaster Tools un panneau distinct, AI Performance, qui montre quand un site est cité dans des réponses d’IA, quelles pages sont le plus souvent citées et pour quelles « phrases d’ancrage » le système retrouve le contenu [1]. Mais Microsoft lui-même précise une limite importante : la fréquence de citation n’équivaut pas encore à l’importance de la page, ni à son rôle dans une réponse donnée [1]. Autrement dit, la citation est un pas en avant par rapport à la simple mention, mais elle n’épuise pas non plus la question de l’influence. Une marque peut figurer souvent dans la liste des sources tout en ne restant qu’un appui d’arrière-plan d’une synthèse plus générale et dépersonnalisée.

Le niveau le plus profond est l’influence. C’est la capacité d’une marque à déterminer l’architecture de la réponse : le cadre de comparaison, l’ensemble des critères, le langage de description de la catégorie, la représentation des forces et des faiblesses d’une solution. L’influence est possible même lorsque l’utilisateur ne clique pas sur le lien et que la marque n’est pas toujours visible en surface. Si, en répondant à une question sur le choix d’une solution, le système raisonne dans des catégories que la marque a élaborées pendant des années dans ses recherches et répète la même logique de preuve, alors la marque influence déjà la décision de l’utilisateur — même si l’acte d’influence lui-même ne se traduit pas dans la métrique habituelle de la visite du site.

Cette distinction n’est pas seulement théorique. Elle modifie l’économie même de l’attention. Google écrit explicitement que les fonctionnalités d’IA dans la recherche sont incluses dans le trafic de recherche global, mais que les utilisateurs posent en même temps des questions plus longues et plus précises, et que les clics issus de pages avec AI Overviews sont « de meilleure qualité », c’est-à-dire plus souvent associés à un engagement plus profond sur le site [2][3]. Microsoft, de son côté, indique que le parcours utilisateur dans les scénarios assistés par Copilot est en moyenne plus court d’un tiers, et que les indicateurs d’actions à forte intention sont nettement supérieurs à ceux de la recherche traditionnelle [4]. Cela signifie une chose simple : une partie de la décision se joue réellement avant la visite. Par conséquent, mesurer uniquement les visites du site revient à ne mesurer que la queue du processus, et non son centre causal.

La littérature de recherche confirme que les citations et les liens, dans les systèmes de réponse, remplissent non seulement une fonction de navigation, mais aussi une fonction psychologique. Dans l’article SourceBench, les auteurs disent explicitement que la qualité des sources web détermine l’« ancrage » de la réponse, et que la présence de liens augmente sensiblement la confiance de l’utilisateur, même si celui-ci ne vérifie pas ensuite les sources elles-mêmes [5]. L’étude Search Arena arrive à une conclusion similaire par une autre voie : les utilisateurs préfèrent en moyenne les réponses comportant un plus grand nombre de citations ; les réponses sont particulièrement bien évaluées dans les scénarios de recommandation et de synthèse d’information [6]. Mais un paradoxe subtil se cache ici. Si le lien accroît la confiance par lui-même, alors la citation devient non seulement un canal de vérification, mais aussi un élément de rhétorique. Dès lors, il ne suffit plus à la marque « d’exister sur internet » ; elle doit devenir précisément le type de source sur lequel le système a intérêt à s’appuyer pour produire une réponse convaincante.

Dans ce contexte, la distinction entre mention, citation et influence devient pratiquement mesurable. La mention peut être comptée comme la part des réponses dans lesquelles la marque est nommée explicitement. La citation, comme la part des réponses dans lesquelles figurent des liens vers le site de la marque ou vers des sources externes importantes à son sujet. L’influence est plus difficile à mesurer : il faut l’inférer indirectement, à travers la proximité sémantique entre la réponse finale et le savoir que la marque a injecté dans le réseau de sources. Dans le travail appliqué, on peut au moins la décrire à l’aide d’une formule conceptuellement simple :

P = aU + bC + cV

où P est la présence intégrale de la marque dans l’environnement de réponse, U la part des mentions, C la part des citations, V la part des cas d’influence sémantique, et les coefficients a, b et c reflètent la valeur économique de chaque niveau pour un secteur donné. Pour une marque média, le coefficient associé à la mention peut être plus élevé, parce que la visibilité publique elle-même a déjà de la valeur. Pour une solution B2B complexe, au contraire, le poids de l’influence sera plus important : la marque gagne non pas lorsqu’elle est simplement nommée, mais lorsque son expertise détermine les critères de choix et le cadre de confiance. Cette formule ne prétend pas à la rigueur d’un indicateur académique ; son intérêt est ailleurs. Elle oblige le marketing et l’analytique à cesser de penser en une seule dimension.

C’est précisément ici qu’apparaît un nouveau problème pour les entreprises. Beaucoup se réjouissent encore, par habitude, du simple fait que leur nom apparaisse dans les réponses d’IA. Or la mention peut être presque vide. La marque a été nommée parmi dix alternatives — et c’est tout. L’utilisateur n’a reçu aucune raison de la juger fiable, n’a vu aucune source de confirmation et n’a pas compris ce qui la distingue des autres. Dans le langage de la publicité classique, cela ressemble à l’apparition fugace d’un logo sans explication du rôle du produit. La citation est déjà préférable : elle crée une apparence de vérifiabilité. Mais le risque demeure ici aussi. Le système peut renvoyer non pas vers la meilleure page de la marque, mais vers un catalogue fortuit, un ancien article ou une fiche produit médiocre. La citation est alors présente, mais la maîtrise ne l’est pas.

La couche la plus précieuse — l’influence — est aussi celle qui se construit le plus lentement, parce qu’elle ne repose pas sur un seul document, mais sur un écosystème de connaissances cohérent. Pour influencer la réponse, la marque ne doit pas seulement publier une description de produit ; elle doit ancrer ses formulations dans plusieurs types de sources : dans ses propres contenus, dans des analyses indépendantes, dans des publications comparatives, dans des discussions sectorielles, dans des catalogues lisibles par machine et, si possible, dans des validations externes fiables. Ce n’est qu’alors que le système d’IA commence à percevoir la marque non comme un nom parmi d’autres, mais comme une entité autour de laquelle s’est déjà formé un contour de sens stable et reproductible.

Les nouvelles données sur le comportement des utilisateurs renforcent cette conclusion. Une étude du Pew Research Center montre que, lorsqu’une synthèse d’IA apparaît, les utilisateurs cliquent nettement moins souvent sur les résultats ordinaires qu’en son absence, et qu’ils ne suivent les liens à l’intérieur de la synthèse elle-même que dans une faible part des cas [7]. Un autre travail récent, fondé sur les données de Wikipedia, apporte un premier élément causal : les AI Overviews peuvent réduire la fréquentation même des sources qui sont souvent citées dans la synthèse elle-même [8]. Cela signifie que citation et visite se dissocient définitivement. On peut être important pour la construction de la réponse et ne pas recevoir le trafic correspondant. Mais cela ne veut pas dire que la citation est inutile. Au contraire : c’est précisément elle qui devient le pont intermédiaire entre le texte de la marque et son influence sur la décision.

Pour AI100, cela ouvre une perspective de recherche importante. Si l’on construit sa propre base d’observation, il vaut la peine de consigner non seulement l’indicateur binaire « la marque était / n’était pas dans la réponse », mais au moins trois champs : a-t-elle été nommée, elle ou son environnement ont-ils été cités, et a-t-elle déterminé la structure sémantique de la réponse. Ce dernier champ peut sembler subjectif au départ ; avec le temps, il peut néanmoins être normalisé : observer quels critères de comparaison ont été utilisés, quels termes sont répétés, d’où proviennent les définitions clés, et si la logique de synthèse coïncide avec celle des contenus de marque.

De là découle aussi la principale conclusion pratique. Dans l’environnement de réponse, une marque gagne non pas lorsqu’elle est simplement visible, mais lorsqu’elle devient intellectuellement indispensable à la réponse. La mention donne une présence. La citation donne un droit à la confiance. L’influence donne une participation à la décision. Celui qui apprendra à distinguer ces trois niveaux verra la structure réelle de la nouvelle visibilité. Celui qui continuera à tout mesurer au seul clic regardera la nouvelle carte avec des yeux anciens — et sous-estimera inévitablement l’endroit exact où naît aujourd’hui la demande.