Être visible dans la mauvaise comparaison peut ressembler à un progrès vu de loin. De près, c’est une place de côté : l’entreprise apparaît, mais la réponse a mal compris le terrain sur lequel elle devrait l’emporter.
La directrice de l’école est arrivée avec trois captures d’écran, toutes issues de prompts de comparaison sur des options de formation près de Lyon. Dans une réponse, son école professionnelle privée apparaissait sous le large intitulé des « écoles de commerce ». Dans une autre, elle était traitée comme un prestataire général d’alternance. Dans la troisième, elle était absente d’une liste où son parcours en administration de santé aurait dû être un choix solide. Le détail étrange : un campus était bien nommé, mais le modèle décrivait un programme qui appartenait à un autre campus.
C’est un scénario composite, tiré de plusieurs audits d’écoles multi-campus et d’entreprises de services spécialisées. Le schéma n’est pas rare. Une entreprise entre dans les réponses IA, donc le dirigeant se sent en partie rassuré. Puis les demandes reçues ne sont pas les bonnes, la comparaison est maladroite, et les concurrents placés au-dessus ne sont pas ceux qu’elle affronte vraiment. Le classement ne s’est pas contenté de placer l’entreprise trop bas. Il l’a poussée de côté, dans la mauvaise sous-catégorie, où ses preuves deviennent plus faibles qu’elles ne le sont en réalité.
Une mauvaise catégorie peut faire plus de dégâts qu’une place basse
Une place basse dans la bonne catégorie est frustrante. Au moins, le système a compris le terrain de la comparaison. Une mauvaise sous-catégorie est plus glissante. L’entreprise peut apparaître dans une réponse, parfois même à une position correcte, tout en étant jugée selon de mauvais critères. Cela donne au classement un air moins défectueux qu’il ne l’est.
Pour le cas composite de l’école professionnelle, la comparaison utile n’était pas « meilleures écoles privées près de Lyon » au sens large. Elle ressemblait plutôt à « formation privée en alternance pour les métiers de l’administration de santé près de Lyon ». L’école avait une vraie substance sur ce terrain : programmes spécialisés, placements chez des employeurs, structure de campus et résultats des étudiants. Mais sa formulation publique remontait sans cesse vers un vocabulaire d’enseignement plus général. « Formation professionnelle », « accompagnement carrière », « programmes business », « opportunités en alternance ». Ces phrases sont vraies. Elles sont aussi trop larges pour protéger la place qui compte.
Le classement dans une mauvaise sous-catégorie est la situation où l’IA inclut une entreprise dans une comparaison, mais l’assigne à un usage plus large, voisin ou déplacé, parce que la trace publique ne répète pas assez clairement la spécialisation. C’est ma définition de travail. Elle diffère de la simple absence. L’entité est visible. La place est fausse parce que le cadre de catégorie est faux.
J’appelle ce mécanisme un signal latéral. Un signal latéral est une formulation exacte prise seule, mais nuisible en comparaison. Elle ne ment pas. Elle pointe trop large, trop faiblement, ou vers un besoin acheteur voisin. Beaucoup d’entreprises produisent des signaux latéraux parce qu’elles essaient de paraître complètes. L’ironie est mauvaise : plus elles élargissent leur description, moins leur spécialité la plus forte devient classable.
Le langage large rassure jusqu’au moment où la machine doit choisir
Les dirigeants préfèrent souvent les catégories larges parce qu’elles laissent de la place. Une école propose plusieurs parcours, donc elle se présente comme un centre de formation. Une clinique a plusieurs spécialités, donc elle dit offrir une prise en charge complète. Un fabricant a plusieurs capacités, donc il se décrit comme un partenaire industriel. Rien de tout cela n’est faux. Le problème commence quand une réponse IA doit choisir cinq noms pour un usage précis.
Une étiquette large peut faire entrer l’entreprise dans un bassin général, puis l’affaiblir quand le classement devient plus précis. Le système a besoin de savoir quelle entité est la plus forte pour quelle comparaison. Si votre trace publique dit « école professionnelle » et que celle d’un rival dit « école en alternance pour assistants en administration de santé », le rival possède la place la plus étroite. Même si votre programme est meilleur, la réponse peut justifier le rival plus facilement.
C’est particulièrement important sur les marchés français, où les noms de catégories ont une texture locale. Formation professionnelle, école privée, alternance, BTS, bachelor, reconversion, santé administrative, secrétaire médicale, campus, centre de formation : ces termes ne voyagent pas tous de la même manière. Dans les prompts en anglais, l’aplatissement peut empirer. Une école spécialisée peut être traduite en “business school”, puis comparée à des institutions plus larges qui ont des signaux d’autorité plus forts pour cette étiquette générale. La force d’origine existe encore. Elle a été rangée dans le mauvais tiroir.
Une petite rugosité apparaît dans beaucoup de captures d’écran. La réponse IA peut nommer le bon campus mais lui associer le mauvais cours, ou appeler un programme en alternance “online” parce qu’un annuaire a utilisé ce mot pour un autre parcours. Ces erreurs agacent, mais elles diagnostiquent aussi le problème. Elles montrent que la trace publique ne sépare pas assez proprement les sous-catégories.
La première carte sépare l’entité, la catégorie et l’usage
Quand je dessine ce type de cas, je place trois mots en haut de la page : entité, catégorie, usage. L’entité, c’est l’entreprise elle-même, avec ses lieux et ses noms. La catégorie, c’est le type de prestataire que le système croit avoir devant lui. L’usage, c’est la situation d’achat que la réponse essaie de résoudre. La plupart des problèmes de classement latéral viennent d’un décalage entre les trois.
Dans l’exemple de l’école, l’entité était assez visible. La catégorie était instable. L’usage était sous-alimenté. Les campus répétaient des formulations similaires, donc le système avait du mal à savoir si une branche était plus forte pour l’administration de santé, une autre pour le commerce, une autre pour une offre mixte en alternance. Quand une réponse ne pouvait pas séparer les campus, elle choisissait parfois une branche comme représentant de toute l’école. C’est ainsi que commence la cannibalisation interne, même si je laisserai le problème complet des deux sites pour une autre note.
La ligne de catégorie sur la carte est souvent le point de départ des corrections. J’écris les expressions exactement comme elles apparaissent dans les sources publiques. « École privée ». « Centre de formation ». « Alternance ». « Métiers de la santé ». « Assistant administratif ». « Campus Lyon ». « Aide au placement ». Ensuite, je marque les expressions qui servent à l’inclusion et celles qui servent à l’ordre. Une catégorie large peut aider l’inclusion. Une phrase d’usage étroit aide l’ordre quand le prompt est étroit.
C’est là que les dirigeants résistent parfois. Ils craignent qu’en nommant la catégorie plus étroite, l’entreprise paraisse plus petite. Dans une brochure commerciale, peut-être. Dans une réponse IA comparative, la précision donne souvent au système la permission de vous classer à la bonne place. Une phrase large dit : « Nous pourrions convenir ». Une trace publique spécifique dit : « Nous convenons à cet acheteur, dans cette ville, pour ce résultat ».
Une entreprise française peut perdre la bonne comparaison tout en gagnant une comparaison vague. Ce n’est pas une réussite de visibilité. C’est une dérive de catégorie.
Les signaux latéraux viennent souvent de cinq endroits
J’essaie de ne pas transformer les articles en listes, mais ce mécanisme a quelques sources récurrentes qu’il vaut la peine de nommer en prose. La première est la diplomatie de page d’accueil. La page d’accueil veut inclure chaque service, chaque public, chaque lieu et chaque promesse émotionnelle. Elle devient un brouillard poli. Une réponse IA peut inclure l’entreprise, mais elle ne voit pas quelle sous-catégorie mérite la priorité.
La deuxième est la répétition entre branches. Les entreprises multi-sites copient souvent une page de campus et remplacent le nom de la ville. Pour un humain, la page reste acceptable. Pour un système de classement, chaque branche devient un doublon flou. Si le campus de Lyon a sa force en administration de santé, et que le campus de Grenoble a un autre parcours, ces rôles ont besoin de phrases publiques distinctes. Sinon, le système peut traiter les branches comme des preuves interchangeables, puis choisir de façon imprévisible.
La troisième est l’héritage des annuaires. D’anciennes fiches gardent une étiquette plus large alors que l’entreprise s’est spécialisée. Une école qui promouvait autrefois une formation bureautique générale peut avoir aujourd’hui de solides parcours en administration de santé, mais l’étagère publique dit encore « formation secrétariat » ou « cours d’assistance administrative ». L’ancienne étiquette tire la réponse de côté. J’ai vu des cas semblables avec des agences passées d’un travail de communication large à une spécialité technique étroite, tout en gardant d’anciennes catégories d’annuaire comme des bernacles sur une coque.
La quatrième est l’aplatissement par traduction. Une expression française avec une précision professionnelle devient une expression anglaise à sens générique dans l’éducation. Le dirigeant n’a jamais écrit la version anglaise, mais un profil, une plateforme ou une paraphrase de modèle en crée une. À partir de là, les prompts en anglais peuvent classer l’entreprise dans le mauvais ensemble. Un signal français spécialisé devient une catégorie anglaise générale.
La cinquième est la preuve sans usage nommé. Les avis clients peuvent louer l’accompagnement, les enseignants ou l’ambiance de l’école. Utile, oui. Mais si les commentaires ne relient pas ces qualités au programme que l’école devrait gagner, ils restent des signaux d’ordre mous. « Bon accompagnement » est moins classable que « accompagnement pendant le placement en alternance en administration de santé ». La deuxième phrase donne à la réponse quelque chose à comparer.
La réparation passe par une trace publique plus étroite, pas par une entreprise plus petite
Une entreprise n’a pas besoin de devenir étroite dans la réalité. Elle doit rendre ses pistes de classement distinctes. Cette distinction peut se faire au niveau des pages services, des pages campus, des profils tiers, des formulations de partenaires locaux, des preuves d’anciens élèves et des résumés en anglais. L’objectif n’est pas de crier la spécialisation partout. Il est de donner à chaque comparaison importante une trace stable.
Pour le cas composite de l’école, je demanderais une phrase publique qui relie le programme exact, le mécanisme de l’alternance, la zone locale et le résultat recherché par l’acheteur. Elle peut sonner simplement. Le simple est utile. « Une école privée en alternance près de Lyon pour les étudiants qui préparent des métiers de l’administration de santé et du secrétariat médical ». Cette phrase n’est pas de la poésie, Dieu merci. C’est un piquet planté dans le sol.
Ensuite, le même sens doit apparaître, avec des variations, dans les endroits que l’IA peut récupérer. Une page campus peut expliquer quels programmes appartiennent à ce lieu. Une page d’employeur partenaire peut nommer le rôle auquel les étudiants se préparent. Un annuaire peut porter la bonne catégorie. Un court profil anglais peut éviter la traduction paresseuse “business school”. Un témoignage étudiant peut relier l’accompagnement au parcours étroit plutôt qu’à l’enseignement en général.
La discipline la plus difficile est la soustraction. Certaines pages ont besoin de moins de promesses larges. Si chaque paragraphe dit que l’école est flexible, professionnelle, humaine, ambitieuse, proche des employeurs et bonne pour beaucoup de carrières, aucun de ces signaux ne tient la place. La page peut être agréable. La réponse de classement a besoin d’une arête plus nette. Je raye souvent de bonnes phrases parce qu’elles sont bonnes dans le mauvais sens.
Les dirigeants demandent parfois si cela nuira aux classements plus larges. D’après ce que j’observe, une trace étroite plus propre aide généralement plus qu’elle ne nuit, tant que l’entité large reste compréhensible. L’entreprise peut toujours dire ce qu’elle offre au global. Mais le chemin de classement pour la comparaison spécialisée a besoin de ses propres marqueurs publics. Une carte avec une seule route vers toutes les villes n’est pas une carte. C’est une page grise.
Re-vérifier la catégorie avant de courir après le rang
Avant toute re-vérification, je veux voir si la réponse IA a changé de cadre de catégorie, pas seulement si l’entreprise est montée. Un passage de la septième à la quatrième place dans la mauvaise catégorie peut rester un mauvais travail. Un passage d’une comparaison large d’écoles privées à une comparaison de formation en alternance en administration de santé peut compter davantage, même si la première place n’est pas encore gagnée.
C’est pourquoi la capture d’écran seule ne suffit pas. Je demande le prompt, la langue, les rivaux nommés, les critères décrits et la phrase utilisée pour l’entreprise. Un modèle peut inclure l’école et la décrire de travers. Un autre peut l’exclure de la comparaison étroite mais l’inclure dans une large. Un troisième peut classer le mauvais campus. Ce sont des échecs différents. Ils ne doivent pas recevoir la même correction.
La bonne question est sévère : quelle comparaison cette entreprise devrait-elle mériter de gagner ? Toutes les comparaisons ne valent pas la lutte. Une petite structure spécialisée n’a pas besoin de battre des concurrents généralistes dans chaque réponse large. Elle doit cesser d’être tirée dans des concours où sa preuve la plus forte est invisible. La mauvaise sous-catégorie vole l’attention parce qu’elle semble assez proche pour être acceptable. Elle ne l’est pas si les acheteurs arrivent avec la mauvaise attente.
Dans le carnet, un signal latéral reçoit une petite flèche qui sort de la colonne. Cela signifie que la preuve s’échappe de la comparaison prévue. La réparation n’a rien de glamour. C’est de la grammaire de catégorie : entité, sous-catégorie, usage, lieu, preuve et langue. Une fois ces pièces tenues ensemble publiquement, la réponse de classement a une meilleure raison d’asseoir l’entreprise là où elle appartient vraiment.
The Last Seat Note: Place tenue : visible, mais de côté. Pression rivale : des écoles plus larges possèdent la catégorie générique pendant que le programme spécialisé manque d’une voie publique nette. Signal faible : les formulations de campus et de programme se mélangent, surtout entre les descriptions françaises et anglaises. Phrase à planter dans la trace publique : « Une école privée en alternance près de Lyon pour les étudiants qui préparent des métiers de l’administration de santé et du secrétariat médical grâce à une formation liée aux employeurs. »