Comment la recherche basée sur l'IA transforme la découverte des entreprises locales

Introduction

Comment la recherche basée sur l'IA transforme la découverte des entreprises locales

Il y a quelques années, une personne à la recherche d’un plombier tapait « plombier près de chez moi » dans Google, faisait défiler les résultats sur la carte, lisait quelques avis, puis appelait l’un des premiers résultats. C’est toujours le cas aujourd’hui, mais de plus en plus de personnes ignorent complètement les résultats de recherche et s’adressent plutôt à un outil d’IA. Elles saisissent ou formulent oralement une question à ChatGPT, à l’IA de Google ou à un autre assistant IA, et obtiennent une recommandation plutôt qu’une liste de liens à parcourir.

Pour les entreprises locales, cette évolution a plus d’importance que la plupart ne le pensent. Être bien classé dans les résultats de recherche traditionnels ne garantit pas automatiquement d’apparaître dans les réponses générées par l’IA, et les critères qui déterminent les recommandations de l’IA ne sont pas les mêmes que ceux qui déterminent le classement Google.

Ce qui change réellement

Une étude de BrightLocal montre que l’IA est désormais le quatrième moyen le plus courant utilisé par les consommateurs pour lancer une recherche locale, derrière la recherche Google, Google Maps et les réseaux sociaux, mais devant Yelp et d’autres plateformes d’avis spécialisées. Plus d’un consommateur sur cinq déclare utiliser l’IA pour trouver une entreprise locale ou obtenir une recommandation à son sujet. Cette proportion est plus élevée chez les jeunes.

Concrètement, cela signifie que si quelqu’un demande à ChatGPT « le meilleur restaurant thaïlandais près du centre-ville d’Austin », la réponse qu’il reçoit ne provient ni des données de localisation de cet utilisateur ni d’une annonce sponsorisée. Elle provient des sources que l’IA a intégrées concernant les restaurants thaïlandais locaux à Austin, pondérées en fonction de la fréquence des mentions, de la qualité des avis et de la cohérence des informations sur chaque entreprise disponibles sur le Web.

Une entreprise qui bénéficie d’excellents avis sur Google mais dont les informations sont rares ou incohérentes sur d’autres annuaires, sites d’avis et dans la presse locale peut obtenir de bons résultats dans les recherches locales traditionnelles, mais de mauvais résultats dans les recommandations générées par l’IA. L’inverse est également possible : une entreprise qui a fait l’objet d’articles dans la presse locale, a été mentionnée dans des blogs culinaires et citée sur plusieurs plateformes d’avis peut être recommandée par l’IA bien plus que ne le laisserait présager son classement Google.

Pourquoi les recommandations de l’IA fonctionnent différemment des classements de recherche

Le référencement local traditionnel repose sur un ensemble de signaux relativement prévisibles : l’optimisation du profil Google My Business, la proximité, le nombre et la note des avis, les mentions et l’autorité du site web. Ces signaux indiquent à Google quels résultats afficher pour une requête de recherche locale donnée.

Les assistants IA ne fonctionnent pas de la même manière. Ils puisent dans un ensemble plus large de sources et pondèrent les facteurs différemment. Les entreprises qui ont tendance à apparaître dans les recommandations de l’IA sont celles qui sont référencées fréquemment et de manière cohérente dans de nombreux types de sources différentes. Un dentiste mentionné sur le site web de la chambre de commerce locale, cité dans un article de presse local, évalué sur plusieurs plateformes et dont le nom, l’adresse et le numéro de téléphone sont toujours identiques sur toutes ces sources a plus de chances d’apparaître dans une réponse générée par l’IA qu’un dentiste dont les informations varient ou dont la présence se limite à un profil Google My Business.

C’est pourquoi le concept de visibilité dans les recherches IA s’est imposé comme un élément distinct à mesurer et à gérer, indépendamment du suivi traditionnel des classements. Des outils tels que Lighthouse Local comblent précisément cette lacune, en aidant les entreprises locales à comprendre si et comment elles apparaissent dans les recommandations générées par l’IA sur des plateformes telles que ChatGPT et Google AI, ainsi que les facteurs qui favorisent ou limitent cette visibilité.

Ce à quoi les entreprises locales doivent prêter attention

Les implications pratiques pour les propriétaires d’entreprises locales et les agences qui les gèrent ne sont pas aussi compliquées qu’elles pourraient le paraître.

La cohérence des informations sur l’entreprise est plus importante que jamais. La cohérence des coordonnées (nom, adresse, numéro de téléphone) a toujours été essentielle pour le référencement local, mais elle l’est encore plus dans un contexte d’IA, car des informations incohérentes semeront la confusion chez les modèles d’IA quant à la version des coordonnées de l’entreprise à citer. Une entreprise dont les numéros de téléphone varient selon les annuaires est plus difficile à représenter avec précision par une IA.

Les avis sont riches en informations. Les systèmes d’IA sont entraînés à partir de textes accessibles au public, et les avis comptent parmi les textes les plus abondants et les plus descriptifs disponibles concernant les entreprises locales. Une entreprise bénéficiant de nombreux avis détaillés décrivant des services spécifiques, des quartiers et des types de clients fournit aux outils d’IA une matière riche sur laquelle s’appuyer pour formuler des recommandations.

Les mentions dans les médias locaux et les publications régionales ont du poids. Lorsqu’un restaurant local fait l’objet d’un article dans l’hebdomadaire alternatif d’une ville ou qu’un entrepreneur est cité dans un reportage local, ces mentions s’intègrent à l’écosystème d’informations sur lequel les systèmes d’IA s’entraînent et dont ils tirent parti. C’est un domaine où les relations publiques traditionnelles et le marketing de contenu local recoupent directement la visibilité dans les recherches basées sur l’IA.

Les données structurées présentes sur le site web de l’entreprise sont utiles. Le balisage Schema, qui identifie clairement le type d’activité, l’emplacement, les horaires, les services et la zone de desserte d’une entreprise, fournit aux systèmes d’IA des informations claires et exploitables.

Ce que cela signifie pour les agences de référencement gérant des clients locaux

Le discours a changé. Les clients qui ne s’intéressaient auparavant qu’à leur classement sur Google Maps demandent désormais pourquoi un concurrent a été mentionné par ChatGPT et pas eux. Certains se rendent compte que, bien que leur profil Google My Business soit optimisé, ils sont pratiquement absents des autres parties du Web sur lesquelles s’appuie l’IA.

Pour les agences, cela représente à la fois un défi et une opportunité. Le défi réside dans le fait que la mesure de la visibilité auprès de l’IA nécessite des outils différents de ceux utilisés pour le suivi traditionnel des classements. Le suivi standard des positions ne vous permettra pas de savoir si votre client est recommandé lorsqu’un utilisateur demande à un chatbot IA de lui indiquer un type d’entreprise spécifique dans sa région.

L’opportunité réside dans le fait que la plupart des entreprises locales n’envisagent pas encore cette question de manière systématique, et que les agences qui aident leurs clients à développer une présence plus large en termes de citations et de mentions, favorisant ainsi la visibilité auprès de l’IA, offriront un service véritablement précieux en devançant le marché plutôt qu’en cherchant à le rattraper.

Le point de départ pratique

La première étape la plus utile pour toute entreprise locale ou agence s’intéressant à la recherche par IA consiste à effectuer quelques tests. Demandez à ChatGPT ou à l’IA de Google de recommander des types d’entreprises spécifiques dans votre zone cible et voyez si vous ou vos clients apparaissez. Si ce n’est pas le cas, c’est une information en soi. Si c’est le cas, examinez les sources que l’IA cite pour étayer sa recommandation. Ces sources vous indiquent quelles parties de votre écosystème d’informations fonctionnent.

Le comportement de recherche de l’IA continue d’évoluer, et les signaux les plus importants changeront à mesure que les modèles sous-jacents seront mis à jour. Mais les entreprises qui disposent d’informations cohérentes et riches provenant de nombreuses sources pertinentes sont systématiquement celles qui apparaissent actuellement dans les recommandations de l’IA. Construire cette base constitue une stratégie durable, quelle que soit l’évolution des mécanismes spécifiques.

Un aspect mérite d’être surveillé à mesure que ce domaine se développe : les sources que les systèmes d’IA citent lorsqu’ils formulent des recommandations locales ne sont pas statiques. À mesure que les modèles d’IA sont mis à jour et que le paysage informationnel autour d’une entreprise donnée évolue, la visibilité peut changer sans que l’entreprise n’ait à intervenir. Cela rend un suivi périodique plus utile qu’un audit ponctuel, et fait de la compréhension des sources qui alimentent les recommandations de l’IA une tâche évolutive plutôt qu’une simple case à cocher une fois pour toutes.