Un point de vue InSpace
Il y a beaucoup de bruit en ce moment autour de l’idée de « publicités dans ChatGPT ». J’ai réagi à l’article de Search Engine Land https://searchengineland.com/openai-insists-chatgpt-ads-werent-ads-465781
Une partie relève de la spéculation, une autre de la réaction épidermique, et une autre encore d’une peur familière : que l’IA générative devienne simplement une nouvelle surface pay-to-play, où celui qui enchérit le plus s’insère dans les réponses, qu’il y ait sa place ou non.
Je ne pense pas que les choses se passeront ainsi.
Pour être clair d’emblée : ce qui suit n’est ni une feuille de route divulguée, ni une politique confirmée d’OpenAI. C’est une intuition, mais une intuition très éclairée, fondée sur le fonctionnement actuel des LLM, sur la façon dont la confiance opère dans les systèmes d’IA, et sur le fait qu’OpenAI, Google et Microsoft convergent tous vers la même contrainte fondamentale.
Cette contrainte, c’est la pertinence.
Pourquoi la pertinence n’est pas optionnelle dans un environnement LLM
Les gens n’utilisent pas les LLM comme ils utilisent les moteurs de recherche. Ils ne parcourent pas dix liens bleus, ne comparent pas les sources entre elles et ne tolèrent pas un biais commercial évident. Ils posent une question et attendent de l’assistant qu’il raisonne pour construire une réponse qui tient la route.
Cette attente constitue le produit tout entier.
Dès l’instant où un grand modèle de langage injecte quelque chose qui semble hors sujet, intéressé ou injustifié, il n’affaiblit pas seulement une expérience publicitaire, il sape l’intelligence perçue du système lui-même. Autrement dit, l’assistant ne perd pas seulement la confiance sur cette réponse, il perd la confiance tout court.
C’est pourquoi je trouve extrêmement improbable que les futures publicités dans ChatGPT (ou toute interface LLM comparable) fonctionnent comme du PPC traditionnel. Vous ne pouvez pas « acheter » votre place dans une chaîne de raisonnement, sauf si votre présence soutient activement la réponse en cours de construction.
Et nous savons déjà que c’est ainsi que ces systèmes se comportent aujourd’hui.
OpenAI a été clair : ChatGPT Search sélectionne ses sources sur la base d’un mélange de compréhension de l’intention, de pertinence, de récence et de crédibilité. La SGE de Google indique explicitement que les réponses génératives s’appuient sur les mêmes signaux de haute qualité que la recherche traditionnelle, simplement condensés dans une interface conversationnelle. Microsoft a confirmé publiquement que les publicités dans Bing Chat sont filtrées par pertinence via le machine learning avant même d’apparaître.
Aucune de ces plateformes ne peut se permettre de faire autrement.
La crédibilité comme véritable gardien
Ce qui est intéressant, c’est que la crédibilité, dans un contexte LLM, n’est pas un score ou un label unique. Il n’existe pas de « score de qualité IA » public que vous pourriez consulter. La crédibilité émerge plutôt d’une combinaison de signaux qui, pris ensemble, répondent à une question interne simple :
Puis-je justifier de référencer cette source dans le cadre d’une réponse fiable ?
Cette justification dépend de l’alignement thématique de votre contenu avec la requête, de sa lisibilité et de sa clarté structurelle, du fait qu’il reflète une expertise du domaine plutôt qu’une répétition superficielle, et de sa capacité à s’inscrire naturellement dans l’intention derrière la question posée.
Si vous vendez du polish pour voiture et que quelqu’un demande « Quelle est la meilleure façon de polir ma voiture ? », il est logique et contextuellement cohérent que votre produit puisse apparaître dans cette réponse. Mais cela ne tient que si le contenu environnant démontre que vous comprenez réellement le problème, expliquez clairement le processus et proposez une solution alignée sur l’objectif de l’utilisateur.
Si, en revanche, votre site n’existe que pour vendre, sans montrer de compréhension, d’explication ou de fiabilité, alors même un placement payant semblerait déplacé. Et dans une interface LLM, « semble déplacé » n’est pas un problème d’UX, c’est une défaillance du système.
Pourquoi l’intention compte plus que le trafic
Une autre raison pour laquelle la publicité dans les LLM se comportera différemment tient au type de requêtes que les gens posent. La plupart des interactions avec les LLM se situent clairement en haut et en milieu de funnel. Les utilisateurs explorent, apprennent, comparent et cherchent à comprendre, ils ne passent pas immédiatement à l’achat.
Cela ne signifie pas que la monétisation est impossible. Cela signifie que la monétisation doit respecter le parcours.
Les LLM déduisent l’intention non seulement des mots-clés, mais aussi des indices linguistiques, du cadrage de la tâche et des schémas comportementaux appris. Ils distinguent quelqu’un qui cherche à comprendre comment faire quelque chose de quelqu’un prêt à acheter les outils pour le faire. Les publicités, si elles apparaissent, devront s’aligner sur cette intention déduite, sinon elles n’ont tout simplement pas leur place.
C’est pourquoi je pense que le chemin vers une publicité LLM réussie passe directement par la pertinence organique. Si votre site n’est pas déjà positionné comme une réponse crédible à une intention donnée, payer pour y apparaître ne corrigera pas le décalage. Cela l’exposera.
La boucle auto-renforçante dont personne ne parle
C’est ici que les choses deviennent vraiment intéressantes.
Si la crédibilité et la pertinence déterminent à la fois si vous êtes cité organiquement et si vous êtes éligible aux futures publicités, alors l’optimisation cesse d’être un chemin à sens unique. Elle devient une boucle.
Imaginez ce scénario : votre contenu n’apparaît pas dans un LLM, ni organiquement ni commercialement. Au lieu de deviner pourquoi, vous demandez directement au système ce qui manque. Il vous indique où vos explications sont trop minces, où l’alignement avec l’intention n’est pas clair, ou où les signaux de crédibilité sont faibles. Vous améliorez ces points, éventuellement avec l’aide du même modèle, et soudain votre visibilité change.
En ce sens, le système ne se contente pas d’appliquer les règles ; il les enseigne.
Cela ne veut pas dire que la boucle est parfaitement équitable, ni qu’elle ne peut pas être détournée. Mais cela signifie que nous nous dirigeons vers un écosystème où payer pour la visibilité sans mériter la pertinence devient de plus en plus difficile, voire impossible.
Et c’est un changement fondamental par rapport à tout ce que nous connaissions de la publicité digitale jusqu’ici.
Pourquoi cela compte pour les marques dès maintenant
Même si les publicités dans ChatGPT sont encore expérimentales, la direction est déjà visible. Pertinence, lisibilité, alignement avec l’intention et crédibilité ne sont plus de simples « bonnes pratiques SEO ». Ce sont des prérequis pour participer à la découverte pilotée par l’IA, payante ou non.
Les marques qui gagneront cette prochaine phase ne seront pas celles qui ont les plus gros budgets. Ce seront celles dont le contenu mérite réellement de faire partie de la réponse.
Ce n’est pas une garantie. C’est une intuition. Mais une intuition étayée par le comportement actuel de ces systèmes, par ce que les plateformes elles-mêmes déclarent, et par la simple réalité qu’un assistant qui cesse d’être utile cesse d’être utilisé.
Comment InSpace vous aide à vous préparer
Chez InSpace, nous n’abordons pas cela comme un problème de publicité ou de trafic. Nous le traitons comme un problème de visibilité par la crédibilité.
Nous aidons les marques à comprendre comment les LLM interprètent leur contenu aujourd’hui, où l’alignement avec l’intention se rompt, où les signaux de crédibilité manquent, et comment améliorer structurellement le contenu pour qu’il devienne éligible, d’abord aux citations IA organiques, puis à toutes les couches commerciales qui suivront.
Qu’il s’agisse de nettoyer le contenu superflu, de reconstruire l’autorité thématique, d’améliorer la lisibilité ou de cartographier plus précisément les intentions à travers le funnel, l’objectif reste le même : rendre votre marque compréhensible pour la machine avant de demander à la machine de la promouvoir.
Si vous voulez savoir où vous en êtes dans cet écosystème émergent, nous pouvons vous aider à le découvrir, et surtout, vous aider à y remédier.
Parce que si cette intuition est juste, la visibilité de demain ne s’achètera pas.
Elle se méritera, se renforcera et s’amplifiera.
Notes de bas de page
[^1]: OpenAI, Introducing ChatGPT Search, accent mis sur « original, high-quality content from the web ».
[^2]: Zapier, How ChatGPT sources information, analyse des signaux de pertinence, de crédibilité, de récence et d’intention utilisés.
[^3]: Google, SGE Quality Principles, des résultats génératifs ancrés dans le plus haut niveau d’exigence de qualité d’information de Google.
[^4]: Search Engine Land, SGE and YMYL limitations, montrant que Google évite de générer des réponses lorsque la crédibilité ne peut être garantie.
[^5]: Microsoft, Bing Chat Ads Announcement, confirmant le filtrage par pertinence des publicités dans le chatbot.
[^6]: Google SGE, Intent-Aware Generative Results, « tailored to the user’s intent and stage in the buyer journey ».
