Dans un test récent, Tony Uphoff a interrogé ChatGPT, Gemini, Perplexity et Google AI Overviews avec les questions que lui posent ses prospects, puis a compté combien de fois ces moteurs de réponse recommandaient les deux sociétés qu’il a lancées en février. Les résultats font apparaître un écart entre être connu et être recommandé, que l’auteur juge au cœur du problème de mesure de la visibilité des marques.
- Les moteurs d’IA connaissent Tony Uphoff, mais recommandent rarement ses entreprises.
- Ils s’appuient sur les sources les plus anciennes, et décrivent donc souvent une entreprise dépassée.
- Ils citent les contenus les plus clairs, pas forcément ceux qui ont eu l’idée en premier.
- Les marques doivent suivre leur taux de recommandation en tête de leurs tableaux de bord.
Sur 59 réponses, sa newsletter, Uphoff on Media, n’apparaît dans aucune des 12 réponses portant sur une catégorie, et son cabinet, Uphoff Advisory, dans une seule réponse sur 43. Pourtant, chaque moteur ayant répondu à la question « Who is Tony Uphoff? » connaissait son parcours. « Les modèles savent qui je suis. Ils recommandent presque jamais ce que j’ai construit », résume-t-il.
Ce décalage s’inscrit dans une évolution des habitudes d’achat. Selon une enquête de G2 publiée en mars 2026 auprès de 1 076 acheteurs de logiciels B2B, 51 % commencent désormais leurs recherches par un chatbot IA plus souvent que par Google, contre 29 % dans le rapport 2025. Pour 69 % d’entre eux, un chatbot les a conduits à choisir un autre fournisseur que celui prévu, et un acheteur sur trois a travaillé avec un fournisseur dont il n’avait jamais entendu parler.
Tony Uphoff estime que les équipes marketing ont transposé leurs anciens repères à l’IA. « Pendant deux décennies, le tableau de bord était la découvrabilité. Le SEO a appris à toutes les équipes marketing à se classer, à obtenir le clic et à être trouvé. La plupart des entreprises ont reporté ce tableau de bord directement sur l’IA. » Demander à un modèle son propre nom, obtenir une réponse exacte et en conclure que l’on est couvert constitue, selon lui, un faux positif.
Des moteurs qui décrivent l’entreprise d’hier
Le second constat concerne les entreprises ayant changé de nom, fusionné ou connu un changement de direction. Trois moteurs sur trois continuent de présenter Tony Uphoff comme PDG de Pipeline360, et un seul mentionne l’entreprise qu’il dirige aujourd’hui. « Les sources incluaient des agrégateurs d’organigrammes, des bases de données de dirigeants et d’anciens communiqués de presse », explique-t-il. Selon sa règle, les moteurs privilégient ce que le web dit le plus souvent de vous, « et le plus souvent signifie généralement le plus ancien ».
Cette fiche obsolète pèse deux fois, puisque le modèle s’en sert pour décider de recommander ou non une entreprise, et que l’humain s’en sert pour vérifier ce que dit le modèle. Or peu d’équipes surveillent ce point. Une étude de Corporate Ink, relayée par eMarketer en mai, indique que seulement 29 % des marketeurs suivent et mesurent activement leur visibilité dans l’IA.
Le test comporte un autre enseignement. Lorsque Tony Uphoff a demandé « What is Demand-as-a-Service? », les trois moteurs ont défini le terme avec exactitude et cité les pages de Pipeline360, sans jamais mentionner l’homme qui a contribué à élaborer cette stratégie. « Les modèles créditent celui qui publie l’explication la plus claire, pas celui qui a eu l’idée en premier. »
Des listes construites à partir d’autres listes
Une seule fois, Uphoff Advisory figurait dans une liste : ChatGPT l’a classé deuxième sur quatre pour la question « Who advises founders of B2B information and data businesses? ». Sur les questions de catégorie, les modèles citaient rarement les entreprises qu’ils nommaient, mais plutôt des classements publiés par Zapier, Content Allies et d’autres.
Une étude de mai 2026 de Maryanna Franco et João da Silva, menée sur la plateforme de Friction AI à partir de 14 140 requêtes sur des marques de vêtements de sport, montre le même mécanisme. Nike et New Balance partagent la même description dans le graphe de connaissances de Google, mais Nike apparaît dans environ 71 % des réponses de recommandation sur l’athleisure, contre presque jamais pour New Balance.
L’auteur de l’article nuance toutefois ce test : dix-neuf requêtes sur une semaine constituent un instantané, et les réponses varient d’une exécution à l’autre. Une apparition sur 43 peut donc être un plancher ou du bruit. Il approuve le projet de Tony Uphoff de relancer les mêmes requêtes en janvier, et irait plus loin en suivant la mesure chaque semaine.
Un taux de recommandation en tête du tableau de bord
Tony Uphoff propose notamment de rédiger 10 à 15 requêtes telles que les formulent les acheteurs, auxquelles s’ajoutent deux ou trois requêtes de marque, de les lancer sur ChatGPT, Gemini, Perplexity et AI Overviews, et de suivre la fréquence d’apparition ainsi que l’exactitude de la description. Il recommande de mettre cet indicateur en premier dans les rapports, avant le classement et les sessions.
