Désinformation et IA : corriger ce que les moteurs génératifs disent de faux sur votre marque.

Une erreur des moteurs génératifs a presque toujours une source, et c'est là qu'on la corrige

Quand ChatGPT, Gemini ou Perplexity affirment quelque chose de faux sur une entreprise, l'origine se range dans trois cas. Le premier, de loin le plus fréquent dans nos mandats : une source lisible dit cette chose fausse, parce qu'elle est périmée, incomplète ou copiée d'une autre source périmée, et le moteur la reprend fidèlement. Le deuxième : le moteur confond deux entités, un homonyme, une ancienne raison sociale, une filiale. Le troisième : aucune source ne répond, et le modèle comble le vide avec une formulation plausible. Les deux premiers cas se corrigent à la source ; le troisième se corrige en créant la source qui manque.

Cette hiérarchie découle du fonctionnement décrit dans notre article sur la citation par ChatGPT, Claude et Perplexity : les moteurs interrogent un index à chaque question, récupèrent des passages, puis rédigent. Ils ne « se souviennent » pas d'une erreur ; ils la relisent chaque fois dans la source qui la porte. C'est une bonne nouvelle : corriger la source corrige la réponse, en général en quelques semaines, sans avoir à convaincre l'éditeur du moteur de quoi que ce soit. La mauvaise nouvelle est symétrique : tant que la source reste en ligne, aucun signalement ne suffit durablement.

Le cas des connaissances apprises pendant l'entraînement existe aussi, et il est plus lent à corriger, mais il pèse peu sur les questions d'entreprise : les moteurs recourent à la recherche dès qu'une question porte sur une organisation précise, parce que leurs éditeurs savent que ces faits changent. À notre connaissance, une réponse sans recherche sur une marque est aujourd'hui l'exception.

Les six types d'erreurs que nous rencontrons

Les erreurs se classent en six types, et chaque type a une origine dominante et une correction propre. Le tableau ci-dessous les résume, avec des exemples fictifs autour d'une entreprise imaginaire, Norvia, fabricant de mobilier de bureau à Lyon, qui partage son nom avec une société de distribution en liquidation.

Tableau : faites défiler horizontalement.

La confusion d'entité est le type le plus dangereux, parce qu'elle importe dans votre réponse tout le passé d'une autre organisation, et le plus discret, parce que chaque affirmation prise isolément est vraie pour quelqu'un. L'omission est le type le plus sous-estimé : ce n'est pas une erreur au sens strict, mais elle coûte autant qu'une erreur, et elle se corrige avec les mêmes outils de corroboration.

Le diagnostic : un panel de prompts sur la marque, pas une recherche au hasard

Tester deux questions sur un moteur ne dit rien, parce que les réponses varient d'une exécution à l'autre et d'un moteur à l'autre. Le diagnostic repose sur un panel de vingt à quarante prompts sur la marque, exécutés plusieurs fois sur ChatGPT, Perplexity, Gemini et Claude, dans chaque langue de vos marchés. Les prompts couvrent l'identité (activité, siège, dirigeants, dates), l'offre (produits, tarifs, zones desservies), la réputation (avis, litiges, actualité) et l'appartenance (les listes et catégories où vous devriez figurer).

1. Relever chaque affirmation sur la marque, vraie ou fausse, avec le moteur, la date et les sources citées.
2. Qualifier chaque affirmation fausse selon les six types, et remonter à la source qui la porte ; quand aucune source n'est citée, chercher la formulation exacte sur le web, elle existe presque toujours quelque part.
3. Prioriser par gravité (une allégation de liquidation avant une adresse) et par fréquence (une erreur reprise par trois moteurs avant une erreur ponctuelle).
4. Documenter le fait exact et la preuve qui l'établit : registre, page datée, communiqué, décision.

Corriger à la source, selon l'origine

La correction dépend de l'endroit où l'erreur naît. Trois cas, trois méthodes, résumés dans le schéma ci-dessous puis détaillés.

Chez les tiers

Les annuaires d'entreprises, les agrégateurs de registres et les plateformes d'avis disposent presque tous d'une procédure de correction ; elle aboutit d'autant plus vite que la demande fournit la preuve (extrait de registre, page officielle datée) et la formulation exacte à reprendre. Pour la presse, une demande de mise à jour polie et sourcée suffit le plus souvent ; en France, un droit de réponse existe pour les publications de presse et les services en ligne, et il reste un recours lorsque la demande amiable échoue. Pour Wikipédia, les règles recommandent de ne pas modifier soi-même l'article de sa propre entreprise : on passe par la page de discussion, avec des sources indépendantes. Wikidata accepte les corrections sourcées, et une entrée distincte pour chaque entité homonyme est l'un des moyens les plus efficaces de mettre fin à une confusion.

Chez vous

Dans nos audits, une part importante des erreurs a pour source l'entreprise elle-même : une page « Équipe » jamais mise à jour, une grille tarifaire de 2022 en PDF, un communiqué d'une filiale vendue, un ancien site resté en ligne sur un sous-domaine. Le moteur ne fait aucune différence entre une page que vous avez oubliée et une page que vous assumez. La correction consiste à mettre à jour, dater sincèrement, rediriger ce qui disparaît, et vérifier que les robots de recherche IA ont accès à la version corrigée.

Quand la source manque

Quand aucune source ne répond à la question, il faut la créer : une page de faits sur l'entreprise, écrite en passages citables (activité, siège, dirigeants, dates, effectifs, marchés, ce que l'entreprise ne fait pas), balisée, et reprise par au moins un tiers. Pour un homonyme, la page dit explicitement « à ne pas confondre avec », et le balisage porte des identifiants distincts.

{
  "@context": "https://schema.org",
  "@type": "Organization",
  "name": "Norvia",
  "legalName": "Norvia S.A.S.",
  "identifier": { "@type": "PropertyValue", "propertyID": "SIREN", "value": "…" },
  "foundingDate": "2009",
  "address": { "@type": "PostalAddress", "addressLocality": "Lyon", "addressCountry": "FR" },
  "founder": { "@type": "Person", "name": "…" },
  "disambiguatingDescription": "Fabricant de mobilier de bureau à Lyon. Sans lien avec Norvia Distribution S.A.R.L. (Roubaix).",
  "sameAs": ["https://www.wikidata.org/wiki/…", "https://www.linkedin.com/company/…"]
}

Les canaux de signalement des éditeurs : utiles, mais pas suffisants

Chaque éditeur de moteur propose un moyen de signaler une réponse : un bouton de retour sur la réponse elle-même, et des formulaires destinés surtout aux données personnelles et aux contenus illicites. D'après leur documentation publique, ces canaux servent à améliorer les modèles et à traiter les demandes de retrait ; à notre connaissance, aucun ne garantit la correction d'un fait erroné sur une entreprise dans un délai donné. Il faut les utiliser, en particulier pour les allégations graves, mais sans en attendre la solution.

La raison est structurelle : tant que la source erronée est en ligne et lisible, le moteur la retrouve à la question suivante. Un signalement peut faire disparaître une formulation, il ne fait pas disparaître la page qui la porte. C'est pourquoi la correction à la source vient toujours en premier, et le signalement en complément, avec la preuve et l'URL de la page corrigée.

Suivre la correction et éviter la rechute

Une correction n'est acquise que lorsque le panel le montre. Après la mise à jour d'une source, le délai avant que la réponse change dépend de la fréquence à laquelle les robots de recherche IA la revisitent ; sur nos mandats, il se compte en jours pour une page de votre site bien maillée, en semaines pour un annuaire ou un article de presse. Le panel est réexécuté chaque semaine, et l'indicateur suivi est le taux d'exactitude : la proportion des affirmations sur la marque qui sont justes, par moteur.

La rechute vient de sources que l'on n'avait pas vues, ou de nouvelles pages qui copient l'ancienne erreur. C'est pourquoi le panel ne s'arrête pas à la fin du programme : il rejoint la mesure de la part de citation, avec un seuil d'alerte sur les prompts sensibles. Le lien avec la visibilité est direct : une agence immobilière citée comme source mais jamais recommandée, ou une maison de luxe décrite avec les mots d'un revendeur, sont souvent d'abord victimes d'une erreur de fait. Pour prolonger cette lecture, l'ouvrage Rétablir les faits : comprendre et combattre la désinformation dans les intelligences artificielles génératives, de Kamel Malek, traite le sujet au-delà du seul cas des marques.

Ce qu'il ne faut pas faire

Les réactions les plus naturelles sont souvent celles qui aggravent le problème. Sept erreurs reviennent dans les cas que nous reprenons.

• Publier une page « les IA se trompent sur nous » : elle associe durablement votre nom à l'erreur, et le moteur peut la citer comme confirmation qu'un doute existe.
• Supprimer la page périmée sans redirection ni remplacement : le moteur garde l'ancienne version en index et n'a rien de neuf à lire.
• Corriger une page sans en changer la date de mise à jour, ou en la changeant sans modifier le contenu.
• Modifier soi-même l'article Wikipédia de son entreprise, ou créer des sources « indépendantes » qui ne le sont pas : les deux se repèrent et coûtent plus qu'ils ne rapportent.
• Multiplier les signalements aux éditeurs sans avoir corrigé la source : la réponse revient.
• Contester publiquement l'annuaire ou le média fautif avant de lui avoir demandé la correction avec une preuve.
• Arrêter le suivi quand la réponse est corrigée sur un moteur : les autres suivent à leur rythme, et les rechutes sont silencieuses.

Ce qu'il faut retenir