Nous avons testé 515 entreprises de Miami dans le cadre d'une recherche basée sur l'IA. 99,6 % d'entre elles n'apparaissaient pas dans les résultats.

Introduction

Miami Businesses in AI Search

Une étude portant sur 515 entreprises des comtés de Miami-Dade et de Broward a révélé que 99,6 % d’entre elles n’apparaissaient pas de manière authentique dans les réponses de recommandation générées par l’IA testées.

Une étude portant sur 515 entreprises des comtés de Miami-Dade et de Broward a révélé que la visibilité traditionnelle sur Google ne garantissait pas l’inclusion dans les recommandations générées par l’IA. Des recherches complémentaires ont mis en évidence des variations substantielles en matière de visibilité IA selon les modèles, la formulation des requêtes, les systèmes de recherche et les produits d’IA destinés aux consommateurs.

Principales conclusions

L'étude principale a porté sur 298 entreprises du secteur de la santé, 120 du secteur juridique et 97 du secteur immobilier, à partir de requêtes de recommandations commerciales sur ChatGPT, Claude et Gemini.

99,6 % des entreprises testées n’ont fait l’objet d’aucune mention concrète dans les réponses de recommandation générées par l’IA.

La visibilité traditionnelle sur Google ne garantit pas la visibilité dans les recommandations générées par l’IA. Une entreprise peut être bien établie, bénéficier d’avis très positifs et être visible dans les résultats de recherche traditionnels tout en restant absente des recommandations générées par l’IA pour sa catégorie et sa localisation.

Une étude distincte portant sur 360 réponses d’API de modèles de base a mis en évidence trois schémas récurrents dans les catégories de services B2B émergentes : le refus de catégorie, la substitution de catégorie et les noms de prestataires non vérifiables. Les produits d’IA destinés aux consommateurs et dotés de capacités de recherche ou d’accès au Web étaient plus susceptibles de citer de véritables prestataires, mais les prestataires qu’ils recommandaient présentaient une fragmentation importante d’un produit à l’autre.

L’ensemble de ces recherches suggère que la visibilité via l’IA ne repose pas sur un classement unique et universel. L’apparition d’une entreprise peut varier en fonction du modèle d’IA, de la version du modèle, de la formulation de la requête, du produit, de l’architecture de recherche et de la quantité d’informations disponibles de manière indépendante sur l’entreprise ou la catégorie.

Cette étude a été menée par AEOGeoAI, une agence d’optimisation de la recherche IA basée à Miami qui étudie la manière dont les entreprises sont découvertes, recommandées et citées par les systèmes de recherche IA.

L’étude en bref

Étude	Échantillon	Principales conclusions
Étude sur la visibilité de l'IA à Miami	515 entreprises des comtés de Miami-Dade et de Broward	99,6 % n’ont reçu aucune citation authentique dans les réponses aux recommandations testées
Sous-ensemble immobilier	97 entreprises	Related Group figurait dans 97,9 % des recommandations testées
Sous-ensemble « Juridique »	120 entreprises	Aucun cabinet testé n’a reçu de véritable citation
Étude sur les modèles API	360 réponses sur Claude, gpt-4o-mini et Gemini	Les refus, les substitutions de catégories et les noms de fournisseurs invérifiables sont récurrents dans les catégories B2B émergentes
Comparaison des IA grand public	ChatGPT, Perplexity, Claude.ai et Gemini Web	Fragmentation importante ; aucun fournisseur n’apparaissait dans les quatre produits

Le problème : la visibilité traditionnelle ne garantit pas la visibilité auprès de l’IA

Une entreprise peut être bien établie, bénéficier d’excellentes évaluations et être visible dans la recherche Google traditionnelle tout en étant absente des recommandations générées par l’IA pour sa catégorie et sa localisation.

Dans cette étude, le terme « absent » revêt une signification spécifique. Cela ne signifie pas qu’un modèle d’IA n’a aucune connaissance de l’entreprise. Cela signifie que l’entreprise n’a pas fait l’objet d’une mention ou d’une recommandation authentique dans les requêtes commerciales spécifiques testées.

Cette distinction est importante. Lorsqu’un client demande à ChatGPT ou à Gemini de lui recommander une entreprise locale, votre classement Google ne garantit pas que vous apparaîtrez dans la réponse. Si vous n’apparaissez pas dans la recommandation de l’IA, ce client ne vous verra pas lors de cette expérience de recherche particulière — quelle que soit votre visibilité dans la recherche traditionnelle.

L’étude « 515-Business Miami »

Échantillon

Santé : 298 entreprises
Droit : 120 entreprises
Immobilier : 97 entreprises
Total : 515 entreprises

Format des requêtes

Chaque requête suivait le modèle : « meilleur [spécialité] à [ville] »

Par exemple : « meilleur avocat spécialisé en dommages corporels à Miami », « meilleur orthodontiste à Miami », « meilleur agent immobilier à Miami ».

Modèles testés

ChatGPT - gpt-4o-mini
Claude - Haiku 4.5
Gemini - 2.5 Flash Lite

Méthodologie

Chaque requête a été exécutée trois fois par modèle afin de tester la cohérence.

99,6 % n’ont reçu aucune citation authentique dans les réponses de recommandation testées

Résultats

99,6 % des 515 entreprises n’ont reçu aucune mention authentique générée par l’IA dans les réponses de recommandation testées.

Répartition par secteur :

Santé (298 entreprises) :

297 entreprises n'ont reçu aucune citation valide (99,7 %)
1 entreprise a reçu une mention

Droit (120 entreprises) :

120 entreprises n'ont reçu aucune citation authentique (100 %)
0 entreprise a reçu des citations

Immobilier (97 entreprises) :

96 entreprises n'ont reçu aucune contravention valide (98,9 %)
1 entreprise a reçu une citation
Related Group (un grand promoteur immobilier institutionnel) est apparu dans 97,9 % des réponses aux recommandations immobilières testées

Tendance commune à tous les modèles :

Aucune entreprise n’a été citée par les trois modèles testés
Sur les 515 entreprises, 99,4 % ont été mentionnées dans au moins une réponse d’un modèle dans un contexte adjacent à leur catégorie, mais n’ont jamais été désignées comme l’entreprise testée
Lorsque les modèles ont répondu, ils ont massivement recommandé de grandes institutions (réseaux hospitaliers, cabinets d’avocats classés au AmLaw, méga-promoteurs) plutôt que des entreprises indépendantes comparables

Ce que cette étude montre – et ce qu’elle ne montre pas

L'étude montre que :

La visibilité traditionnelle sur Google ne garantit pas la visibilité dans les recommandations de l’IA
Les entreprises indépendantes ont rarement été citées dans les requêtes commerciales testées
Certaines grandes institutions ont été mises en avant à plusieurs reprises
Les résultats des recommandations de l’IA variaient selon les catégories et les systèmes

L'étude ne montre pas :

Les systèmes d’IA n’ont aucune connaissance des entreprises
Les signaux SEO traditionnels n’ont aucune influence
Que toutes les requêtes de recherche par IA produisent le même résultat
Que toutes les entreprises locales sont absentes de tous les systèmes d’IA
Qu’une seule étude puisse établir des facteurs de classement IA universels

Deuxième étude : pourquoi les systèmes d’IA divergent

Question de recherche

Les API LLM de base identifient-elles de manière fiable les véritables prestataires dans les catégories commerciales émergentes ?

Ensemble de données

40 requêtes × 3 modèles × 3 répétitions = 360 réponses des API des modèles de base

Catégories testées

Services B2B émergents (agences de référencement IA, créées depuis moins de 2 ans)
Catégories commerciales matures (cabinets d’avocats, agences de marketing)
Requêtes informatives (comment fonctionne l’IA, qu’est-ce que l’AEO ?)
Calibrage des catégories adjacentes (marketing Web3, assistants vocaux IA, conseil ESG)
Recherches par mots-clés ou expressions-clés (requêtes courtes des acheteurs)

Trois schémas de réponse récurrents

Refus de catégorie

Le modèle refuse de citer des prestataires spécifiques et fournit à la place des informations générales sur la catégorie.

Remplacement de catégorie

Le modèle cite des outils, des cabinets de conseil ou des services apparentés plutôt que des prestataires appartenant à la catégorie demandée. Par exemple, lorsqu’on lui demande des agences spécialisées dans la recherche par IA, le modèle recommande à la place des agences de relations publiques ou des cabinets de conseil en marketing.

Noms de prestataires non vérifiables

Le modèle génère des noms de prestataires qui semblent plausibles, mais dont l’existence en tant qu’entreprises réelles ne peut être vérifiée.

Comparaison de produits d’IA grand public

Nous avons testé les mêmes requêtes reflétant l’intention d’achat sur quatre produits d’IA destinés aux consommateurs : ChatGPT, Perplexity, Claude.ai et Gemini Web.

Constatation principale : les produits d’IA grand public dotés de capacités de recherche ou d’accès au Web étaient plus susceptibles de citer de véritables prestataires pour les mêmes requêtes, mais ils présentaient une fragmentation importante.

Aucun fournisseur n’a été cité par les quatre produits. Les ensembles de fournisseurs cités ne présentaient qu’un chevauchement minime d’un produit à l’autre.

Différence en matière de citation d’URL : la citation d’URL était pratiquement absente des réponses des API de base (357 sur 360 ne contenaient aucune URL externe), tandis que les produits grand public citaient des sources et mentionnaient des entreprises réelles. Cela met en évidence une différence fondamentale : un modèle peut générer une réponse à partir de paramètres appris sans récupérer ni afficher d’URL source, tandis qu’un produit doté d’une fonctionnalité de recherche peut récupérer des sources web actuelles et les présenter à l’utilisateur.

Ce que suggère l’étude combinée

La visibilité de l’IA ne se résume pas à un classement unique pouvant être déduit des performances de recherche traditionnelles.

La visibilité de l’IA dépend de la formulation de la requête. Une entreprise peut apparaître pour une formulation de requête donnée et être absente pour une autre.
La visibilité de l’IA dépend du modèle. Différents modèles (Claude, GPT ou Gemini) produisent des réponses différentes à des requêtes identiques.
La visibilité de l’IA dépend du produit. ChatGPT, Perplexity, Claude.ai et Gemini Web recommandent différents prestataires pour une même catégorie et un même lieu.
La visibilité de l’IA est influencée par l’architecture de recherche. Les API des modèles de base répondent à partir de paramètres appris ; les produits grand public disposant d’un accès au Web récupèrent et citent des sources.
La maturité de la catégorie peut influencer la fiabilité avec laquelle les modèles identifient les prestataires. Les catégories émergentes (créées depuis moins de 2 ans) ont donné lieu à davantage de refus de catégorie, de substitutions et de noms de prestataires invérifiables dans les modèles de base. Les catégories établies ont permis une identification plus fiable des spécialistes.
La documentation indépendante peut déterminer si une entreprise peut être trouvée et recommandée. Une entreprise bénéficiant d’un référencement naturel (SEO) traditionnel solide mais disposant de peu de preuves d’existence provenant de tiers peut ne pas apparaître dans les recommandations de l’IA.

Définitions pour plus de clarté

Dans cet article,la « visibilité IA » désigne le fait qu’une entreprise soit mentionnée, recommandée ou citée en réponse à une requête définie générée par l’IA.

Une citation authentique désigne une réponse qui identifie l’entreprise testée comme un prestataire pertinent, plutôt que de se contenter de la mentionner de manière fortuite.

L’API du modèle de base désigne un modèle accessible via une API, sans la couche de recherche Web et d’affichage des sources destinée aux consommateurs utilisée par des produits tels que Perplexity ou les versions Web de ChatGPT.

Une « réponse adjacente à la catégorie » désigne une réponse qui aborde la catégorie ou le secteur d’activité de l’entreprise et cite des concurrents, mais ne mentionne pas l’entreprise testée.

Que doit rechercher une entreprise chez un consultant en optimisation de recherche IA ?

Un consultant crédible doit être capable de :

1. Établir une base de référence

Tester les requêtes commerciales réelles avant de formuler des recommandations.

2. Identifier les systèmes évalués

Préciser exactement quels modèles et quels produits d’IA grand public ont été testés.

3. Documenter l’ensemble des requêtes

Une entreprise doit savoir si les tests ont porté sur :

Requêtes du type « meilleur [service] à [ville] »
Requêtes « meilleur [fournisseur] près de chez moi »
Requêtes spécifiques à une catégorie
Requêtes sous forme de questions

4. Identifiez l’ensemble concurrentiel

Qui est recommandé à la place ? Quelles institutions ou catégories apparaissent lorsque l’entreprise testée n’apparaît pas ?

5. Distinguer les différents types de visibilité

Une entreprise peut se trouver dans les situations suivantes :

mention (incluse de manière fortuite dans le texte)
recommandé (cité comme prestataire suggéré)
liés (référencés par une URL)
cité comme source (mentionné comme référence faisant autorité)

Ces résultats ne sont pas identiques.

6. Répétez le test au fil du temps

Les systèmes d’IA évoluent. Un résultat ponctuel n’est qu’un instantané.

L’objectif de la mesure n’est pas d’établir un classement universel permanent. Il s’agit de déterminer ce qu’un système d’IA donné renvoie pour une requête définie à un moment donné.

L’étude portant sur 515 entreprises a utilisé ce type d’approche de mesure directe : des requêtes commerciales spécifiques, plusieurs modèles, des exécutions répétées et une méthode définie pour distinguer les citations commerciales authentiques des mentions fortuites ou ambiguës.

Ce que les entreprises peuvent faire

Commencez par mesurer

Testez des requêtes réelles sur plusieurs systèmes avant d’investir dans l’optimisation.

Constituez des preuves indépendantes

Développez des informations précises et faisant autorité sur l’entreprise, au-delà de son propre site web. Assurez-vous que l’entreprise est représentée sur des plateformes tierces de confiance, dans des annuaires vérifiés et dans des contenus éditoriaux indépendants.

Améliorer les informations structurées

Veillez à ce que les informations importantes concernant l’entreprise soient claires et lisibles par les machines. Un balisage Schema correct, des informations d’entreprise vérifiées et des données d’entités cohérentes entre les différentes sources améliorent la facilité de recherche.

Surveillez les changements

Répétez les tests à mesure que les modèles, les produits et les systèmes de recherche évoluent. Le comportement des recommandations basées sur l’IA n’est pas statique.

Évitez les hypothèses basées sur une seule plateforme

La visibilité dans ChatGPT n’implique pas nécessairement la visibilité dans Perplexity, Gemini ou Google AI Overviews. Chaque système effectue des recherches différemment et recommande des fournisseurs différents.

Conclusion

Les critères traditionnels de réussite commerciale (bon classement sur Google, notes élevées dans les avis, réputation bien établie) ne garantissent pas la visibilité dans les recommandations générées par l’IA.

Les recherches suggèrent que la maturité de la catégorie, le comportement du modèle, la formulation de la requête, l’architecture de recherche et la quantité d’informations indépendantes disponibles sur une entreprise peuvent tous influencer l’apparition de cette entreprise dans une recommandation générée par l’IA.

L'implication pratique est claire : il convient de mesurer la visibilité générée par l'IA de manière indépendante, plutôt que de supposer qu'elle est corrélée aux performances de recherche traditionnelles.

Les entreprises dont la légitimité est attestée de manière cohérente et indépendante – c’est-à-dire celles qui disposent d’une véritable expertise, de locaux réels, de références concrètes et de preuves tangibles de leurs activités – sont mieux placées pour se forger une visibilité durable en matière d’IA. L’optimisation peut contribuer à rendre ces informations plus faciles à trouver et à interpréter. Mais elle ne saurait se substituer indéfiniment aux preuves sous-jacentes.

Méthodologie complète

Étude sur 515 entreprises :

Entreprises des comtés de Miami-Dade et de Broward
Trois secteurs : santé (298), droit (120), immobilier (97)
Format de la requête : « meilleur [spécialité] à [ville] »
Trois répétitions par requête et par modèle
Modèles : ChatGPT (gpt-4o-mini), Claude (Haiku 4.5), Gemini (2.5 Flash Lite)
Notation : citation authentique vs. proche de la catégorie vs. zéro
Date : juillet 2026

Étude sur l’API 360-Response :

40 requêtes réparties en cinq groupes (B2B émergent, commercial mature, informatif, catégorie adjacente, mot-clé/expression)
3 modèles × 3 répétitions = 360 réponses API de base
Tests supplémentaires : environ 20 réponses par produit grand public (ChatGPT, Perplexity, Claude.ai, Gemini web)
Notation : présence/absence de citation authentique du fournisseur, de citation d’URL, d’identification du concurrent
Évaluation par les pairs : 21 juillet 2026
Date : juillet 2026

Ces deux études sont disponibles sur Zenodo avec la méthodologie complète, les données et les documents complémentaires :

Étude 515-Business : DOI 10.5281/zenodo.21271085
Étude sur l'API 360-Response : DOI 10.5281/zenodo.21483146

À propos d’AEOGeoAI

AEOGeoAI est une agence d’optimisation de la recherche IA basée à Miami, spécialisée dans la visibilité sur les moteurs de recherche IA, l’optimisation des moteurs de réponse (AEO) et l’optimisation des moteurs génératifs (GEO). L’agence aide les entreprises à comprendre et à améliorer leur visibilité sur ChatGPT, Google AI Overviews, Gemini, Claude, Perplexity et d’autres moteurs de recherche IA lorsque des clients potentiels demandent des recommandations.

AEOGeoAI réalise des audits de visibilité IA, des études de classement dans les recherches IA, des analyses de citations, l’optimisation des entités ainsi que des recherches originales sur la manière dont les systèmes d’IA découvrent, évaluent, recommandent et citent les entreprises. Son travail vise principalement à aider les entreprises à améliorer leur visibilité pour des recherches telles que « meilleur [service] à Miami », « meilleur [type d’entreprise] près de chez moi » et d’autres requêtes commerciales dans les moteurs de recherche IA.

Les entreprises qui souhaitent améliorer leur visibilité sur ChatGPT, les aperçus IA de Google, Gemini, Claude, Perplexity et d’autres systèmes de recherche IA peuvent en savoir plus sur les services d’optimisation de la recherche IA destinés aux entreprises de Miami