Analyse approfondie · Environ 4 min de lecture
La visibilité dans la recherche IA dépend du lieu de mesure
Une étude de Toronto sépare lieu déclaré, réseau et variation naturelle des réponses, sans tester de raccourci vers un meilleur classement.
- Publié ici
- Date de la source
- Source vérifiée
Le préprint déposé le 16 octobre recueille 31 200 réponses dans ses expériences principales avec les API OpenAI et Gemini. Il trouve des canaux géographiques différents, pas un score universel de visibilité.
Écouter les actualités
Écoutez cet article ou poursuivez la lecture des actualités.
Préparation de la lecture…
Voix de l’appareil
La voix est traitée par votre navigateur ou appareil. AISubHub n’envoie pas le texte à une API audio. Les voix et la lecture écran verrouillé dépendent de l’appareil.
La reprise peut répéter une courte phrase.
En bref
- Il emploie 300 questions anglaises, 19 villes déclarées et cinq lieux réseau, avec répétitions pour estimer le bruit.
- La configuration OpenAI suit le lieu déclaré, celle de Gemini le pays réseau. Les applications grand public peuvent différer.
Deux significations du lieu
L’application peut déclarer un lieu à l’outil ; le réseau indique la provenance de la requête. L’étude utilise gpt-5.4-mini via Responses API avec recherche et gemini-3.1-flash-lite avec Google Search grounding, pas toutes les expériences ChatGPT et Gemini.
Les 300 questions commerciales se répartissent également entre proximité, dépendance au lieu et absence d’intention locale, sans nom de lieu dans le texte. Les déclarations couvrent 15 villes américaines, Londres, Toronto, Sydney et Dublin, plus une condition non déclarée. Le paramètre est ainsi séparé du lieu écrit dans la question.
Répéter pour mesurer le bruit
L’expérience déclarée produit 24 000 réponses : questions normales ou demandant une recherche, chacune répétée deux fois. Le réseau ajoute 7 200 réponses de cinq lieux dans quatre pays, avec retour sur la connexion canadienne trois jours après : six sessions, pas six lieux distincts. Le contrôle avec modèle plus grand est séparé.
L’indice retranche le recouvrement Jaccard entre lieux de celui entre requêtes identiques. Zéro indique aucun effet au-delà du bruit observé. Ce n’est ni un pourcentage de sites remplacés ni une probabilité de recommandation. Sans répétition, le hasard peut ressembler à une réussite éditoriale.
Des canaux différents selon la configuration
Avec OpenAI, la ville déclarée modifie les sources proches et dépendantes du lieu ; changer de pays réseau sans déclaration donne des indices proches de zéro. Le lieu passe par les requêtes générées et par le moteur lui-même, même sans nom de lieu dans les requêtes.
Dans le pilote Gemini, les coordonnées déclarées n’agissent pas, contrairement au pays réseau. L’indice entre pays vaut 0.43 pour la proximité et 0.23 même sans intention locale ; New York contre Los Angeles reste proche de zéro. Cela ne prouve ni une absence de ciblage urbain résidentiel ni qu’OpenAI ignore toujours le réseau.
Couverture ne signifie pas optimisation
Dans le pool de proximité de 15 villes américaines, une ville choisie au hasard couvre 9% des entreprises recommandées au total ; cinq villes, 36%. Le dénominateur est ce pool, pas une formule universelle d’échantillonnage.
L’extraction de noms est entièrement correcte dans 29 contrôles sur 36. Annuaires, sites d’avis et organismes publics sont exclus : recommandation d’entreprises et citation d’annuaires diffèrent. Aucun traitement éditorial aléatoire ne démontre qu’ajouter villes, liens ou balisage provoque plus de visibilité.
Rendre un suivi plus vérifiable
Nous proposons de conserver question, langue, version, mode de recherche et deux lieux, puis de répéter des conditions identiques avant d’expliquer un mouvement. Un service multinational hypothétique comparerait chaque marché à lui-même, sans prendre une ville pour un score mondial. C’est notre suggestion d’audit, pas un essai réalisé.
L’étude se limite à l’anglais, aux API et à la période mesurée. Des sorties VPN de centres de données peuvent différer de réseaux résidentiels ; le grand modèle ne contrôle qu’OpenAI. Une autre langue ou application exige ses propres contrôles. Aucun gain d’indexation, de visites ou de revenus publicitaires n’est garanti.
Pourquoi cela compte
Analyse AISubHub : conserver question, modèle, recherche, lieux et répétitions aide à séparer effet du service et effet du contenu.
Limites et disponibilité
Nous avons lu article et historique complets, sans reproduire API ou réseaux. Anglais, lieux limités et octobre 2026 seulement : aucune règle d’indexation, hausse de trafic ou intervention efficace n’est établie.
Sources et preuves
Date de la source: · Source vérifiée:
Pour approfondir
Source vérifiée:
Articles assistés par IA, vérifiés avec les sources primaires citées. Les affirmations des fournisseurs sont attribuées ; la présence ne vaut pas recommandation.