Quand on demande une recommandation à une IA, on retombe à peu près toujours sur les mêmes têtes d’affiche. « Une crème hydratante pour peaux sensibles ? » et hop, c’est CeraVe qui sort, l’air de rien, comme par habitude. Hex-ko s’est fait la réflexion l’autre jour, en riant un peu jaune : « encore les mêmes, quoi ».
Du coup, quiconque s’occupe d’une marque inconnue finit par se dire : « la nôtre, sans notoriété, ne sera jamais recommandée par une IA, c’est plié ». Sur les moteurs comme dans les IA, les grandes marques ont l’air d’occuper toute la vitrine.
Sauf que, à lire les travaux récents, ce renoncement est peut-être un peu prématuré. L’IA chouchoute bel et bien les marques connues, c’est vrai. Mais ce favoritisme tient sur des bases bien plus fragiles qu’on ne l’imagine. C’est ce qu’on va creuser aujourd’hui.
« De toute façon, l’IA ne recommande que les grandes marques », vraiment ?
C’est exactement cette idée reçue qu’ont prise de front Chu et Hou, dans une étude publiée en juin 2026 (arXiv). Le principe : faire recommander des produits de soin, encore et encore, à trois IA — GPT-4o-mini, Claude et Gemini. On aligne une vraie marque connue, du type CeraVe, face à neuf marques fictives, et on pose des centaines de fois la même question : « laquelle recommandez-vous ? »
Voyons le résultat. Quand on aligne parfaitement les spécifications de la marque fictive sur celles de la marque connue — tout strictement à égalité —, l’IA a recommandé la marque connue dans 100% des cas. La rafle complète, le monopole pur et simple. À information égale, l’IA tranche au dernier moment sur le nom qu’elle « connaît ».
Mais il y a une mécanique amusante là-dessous. En analysant les variations de classement, l’équipe a trouvé que 82,4% de ce qui détermine le rang vient du produit lui-même (specs, note), et seulement 1,2% de la notoriété de la marque. Autrement dit, la notoriété n’est qu’un « départage » qui n’apparaît qu’à parfaite égalité du contenu. Ce n’est pas elle qui décide du match.
Un demi-point d’étoile, et le monopole s’effondre
L’expérience suivante confirme cette idée de simple départage. On relève très légèrement la note de la marque fictive au-dessus de celle de la marque connue. Concrètement, environ un dixième d’étoile sur 5 (entre +0,075 et +0,1) suffit : le bastion à 100% de la marque connue s’effondre, et c’est désormais la marque inconnue qui est choisie dans 64 à 80% des cas.
Plus curieux encore : la notoriété pèse surtout dans la « zone de qualité moyenne », là où tout se ressemble et où l’on peine à départager. Quand l’information est floue, l’IA renonce à juger et s’en remet au nom. Mais au moindre indice du genre « celle-ci a l’air un peu meilleure », elle change de camp sans état d’âme. La fidélité d’une IA, c’est à peu près celle d’une carte de tampons de café.
Pour une marque inconnue, ce n’est pas une mauvaise nouvelle. Le problème n’est pas « on perd sur la notoriété, donc c’est foutu » : dès qu’on peut faire un tout petit peu mieux sur la note ou le contenu, l’IA recommande bel et bien la nôtre. Le mur existe, mais il s’enjambe assez facilement.
La « caution d’expert » marche, le « plus que 3 en stock ! » non
Concrètement, alors, qu’est-ce qu’il faut ajouter pour se faire recommander ? L’équipe a glissé différentes formules marketing dans le descriptif de la marque fictive, puis comparé leur efficacité.
Et de loin, ce qui a le mieux fonctionné, c’est la caution d’autorité : ajouter une recommandation d’expert ou une mention de données cliniques (enfin, à la manière de…) a percé le monopole de la marque connue dans 73,3% des cas. L’équipe a converti cet effet en qualité : cette petite phrase de caution équivaut à +0,17 étoile de qualité, ou à une remise de 15,3%. Du texte gratuit, et voilà un sacré coup de pouce.
À l’inverse, les ressorts familiers du marketing pour humains — la rareté façon « plus que 3 en stock ! », ou l’ancrage par le prix — n’ont quasiment rien donné face à l’IA : moins de 13%. L’IA reste étonnamment de marbre devant le « tapage », mais se laisse attendrir par la « preuve ». Un tempérament plutôt sérieux, en somme.
Mais si tout le monde s’y met, l’histoire change
Là, on se dit « parfait, je glisse vite fait une caution d’expert moi aussi ». Sauf que ce n’est pas si simple. La dernière expérience de l’étude vient poser une réalité bien plus rugueuse.
Ce type d’optimisation « pour mieux se faire recommander par l’IA », le secteur l’appelle le (optimisation pour les moteurs génératifs, en gros la version IA du SEO). Quand une seule entreprise le pratique en douce, l’effet est colossal : le taux de survie de la marque connue (sa probabilité de rester recommandée) dégringole de 100% à 19,8%. Le premier arrivé rafle tout.
Mais quand tous les concurrents se mettent à glisser la même caution d’autorité, le décor change du tout au tout. Tout le monde se retrouve à égalité, l’IA repart vers le nom qu’elle « connaît », et le taux de survie de la marque connue remonte à 93,8%. Le gain individuel tiré de l’optimisation se dilue jusqu’à presque rien (+0,007). Tout le monde se hisse sur la pointe des pieds en même temps, et on se retrouve avec exactement les mêmes écarts de taille qu’au départ. Cocasse.
C’est ce que l’économie appelle le « dilemme du prisonnier » : quand tout le monde court à l’optimisation, seuls les coûts grimpent, et personne n’y gagne. Ne rien faire condamne à zéro recommandation, donc on est forcé de jouer ; mais une fois dans la mêlée, à part le premier arrivé, personne n’est récompensé. Un monde un brin cruel.
Conclusion : ce qu’une marque inconnue doit vraiment faire
Voyons donc ce que cette étude change pour le travail marketing au quotidien.
D’abord, on peut ranger au placard le « on est inconnus, l’IA ne nous recommandera jamais ». Le penchant de l’IA pour les marques connues est conditionnel : il ne s’active qu’à contenu égal. Avec un tout petit avantage sur la note ou la qualité, le renversement est tout à fait à portée. Le mur de la notoriété s’enjambe bien plus facilement qu’on ne le croit.
Ensuite, le point de vigilance : ne pas se ruer sur les bricolages d’optimisation. Une formule comme la caution d’autorité frappe très fort à court terme, mais son effet s’évapore dès l’instant où tout le monde s’y met. Tant qu’on est le premier, c’est savoureux ; seulement, ce n’est pas un avantage qui dure, et il faut le garder en tête.
Au bout du compte, ce qui reste solide, ce sont les signaux authentiques que l’on peut observer directement : une note réellement élevée, une caution sérieuse apportée par un tiers. L’IA ne bronche pas devant le tapage, mais cède volontiers devant la preuve. Dès lors, ce qu’une marque qui veut être choisie par l’IA doit faire, ce n’est pas des prouesses de rédaction, mais accumuler patiemment des avis sincères et des évaluations de tiers. Une conclusion presque décevante de bon sens — mais avec les IA aussi, les classiques restent les classiques.
Sources
- Xi Chu, Yupeng Hou (2026), « Incumbent Advantage: Brand Bias and Cognitive Manipulation Dynamics in LLM Recommendation Systems », arXiv:2606.17443, arXiv
