IA génératives et fiches locales : pourquoi 41% des horaires affichés par ChatGPT, Claude et Perplexity sont faux

Résumé du Podcast Visionary Marketing par entre Yann Gourvennec et Nicolas Marette

Un client tape « horaires du fleuriste le plus proche » dans ChatGPT et se déplace pour trouver porte close. Ce scénario, de plus en plus fréquent, n’a rien d’anecdotique : selon une étude menée par Custplace sur 500 établissements, les intelligences artificielles génératives affichent un écart de 41 % par rapport aux horaires réels des commerces. Reçu dans le podcast Visionary Marketing par Yann Gourvennec, Nicolas Marette, fondateur et CEO de Custplace, détaille les résultats de cette étude et présente Local Profile, la nouvelle plateforme de l’entreprise pensée nativement pour être citée par les IA génératives, une pratique que l’on appelle désormais le GEO (Generative Engine Optimization).

🎧 Écouter l’épisode complet du podcast :

Le problème : les IA génératives se trompent sur les fiches locales

Custplace, spécialiste de la visibilité locale (« presence management ») pour les grands réseaux de magasins, a voulu mesurer objectivement la fiabilité des réponses fournies par les IA génératives lorsqu’un consommateur cherche un commerce local, un caviste, un coiffeur, un fleuriste.

La méthodologie de l’étude :

• 500 établissements clients Custplace, dans 20 secteurs d’activité différents, dont les fiches sont vérifiées et tenues à jour en continu, ce qui constitue une base de comparaison fiable ;
• une même requête posée 10 fois sur une période de 3 mois, depuis une même adresse IP, afin de tenir compte du non-déterminisme des IA (une même question peut recevoir une réponse différente d’une fois sur l’autre, pour la même personne) ;
• une comparaison entre les données réelles des établissements et les réponses fournies par ChatGPT, Claude et Perplexity.

Résultat : un écart moyen de 41 %, concentré en grande partie sur les horaires d’ouverture. « Ces IA vont chercher ce qu’elles ont pu récupérer précédemment », explique Nicolas Marette : contrairement à un annuaire, elles ne crawlent pas les fiches en temps réel, et n’ont pas non plus un accès illimité aux données de Google, avec lequel elles sont par ailleurs en situation de concurrence.

ChatGPT, Claude, Perplexity : quel moteur d’IA est le plus fiable ?

Sur cet échantillon, ChatGPT s’est montré légèrement plus fiable que Claude sur les horaires, chacun des moteurs fonctionnant avec un système de sourcing différent. Mais Nicolas Marette est clair : les écarts entre moteurs restent de l’ordre de quelques points de pourcentage, pas suffisants pour désigner un LLM structurellement plus fiable qu’un autre. La donnée a donc été généralisée plutôt que ventilée par moteur.

Horaires, adresses, réputation : des erreurs de nature différente

Toutes les données ne sont pas égales face aux IA :

• les adresses changent rarement : peu d’écarts constatés ;
• les horaires sont sujets à une question de fraîcheur des données, ils évoluent souvent et les IA n’actualisent pas en temps réel ;
• la réputation (avis, notes) est perçue différemment par les IA, qui croisent plusieurs plateformes (Google, mais aussi des sites verticaux métier comme Custplace ou Trustpilot) pour établir un indice de cohérence, alors que Google, lui, se base essentiellement sur son propre système de notation. Un réseau qui ne travaille que ses avis Google et néglige les autres plateformes se retrouve donc pénalisé dans les réponses des IA.

Local Profile : des fiches pensées nativement pour les IA génératives

Face à ce constat, Custplace a lancé Local Profile. Contrairement à un simple annuaire de fiches magasins retouché après coup, Local Profile a été construit dès le départ pour être lu et cité par les moteurs d’IA :

• données structurées au format JSON-LD et schema.org (le même vocabulaire utilisé en référencement traditionnel) ;
• agrégation de plus de 100 sources d’avis ainsi que des publications sur les réseaux sociaux ;
• un moteur d’IA propriétaire qui répond directement aux questions des internautes sur chaque fiche établissement (« puis-je me garer à proximité ? », « combien de places dans le parking ? »), avec du contenu ultra-local publié toutes les nuits ;
• un suivi mensuel de la citation par les IA, requête après requête.

Résultat mesuré : un contenu Local Profile cité 2,1 fois plus souvent par les IA génératives que les fiches non optimisées, avec l’ambition affichée d’aller bien au-delà de ce doublement.

Le radar de confiance : arbitrer entre sources d’avis contradictoires

Agréger des dizaines de plateformes d’avis fait immanquablement apparaître des incohérences (une note à 4,2 sur Google, mais 3,1 ailleurs, par exemple). Pour y répondre, Custplace a développé un radar de confiance, construit autour de quatre indicateurs :

1. le taux de réponse des marques aux avis, toutes plateformes confondues ;
2. le temps de réponse moyen ;
3. un indice de cohérence entre les notes obtenues sur les différentes plateformes ;
4. la fraîcheur des avis, c’est-à-dire leur régularité dans le temps.

À qui s’adresse Local Profile ?

La création d’une fiche Local Profile est gratuite, pour n’importe quel commerce, y compris le fleuriste indépendant du coin de la rue ou un e-commerçant. Le cœur de cible reste toutefois les grands réseaux et enseignes multi-succursales, confrontés à des enjeux de coordination entre siège et points de vente que Custplace adresse historiquement.

Le modèle est freemium :

• gestion de fiche, citation par les IA : gratuit ;
• accès aux tableaux de bord, à l’agrégation multi-sources d’avis, aux données de citation et au moteur d’IA conversationnel par magasin (hébergé en France, sans entraînement des modèles sur les données) : abonnement payant à partir de 35 € par mois et par fiche, avec un tarif dégressif selon la taille du réseau.

Impact business mesuré : trafic en magasin et chiffre d’affaires

Custplace annonce deux indicateurs d’impact, mesurés avec les précautions méthodologiques que Nicolas Marette prend soin de rappeler (données déclaratives de directeurs de magasin, complétées par le trafic des Store Locator quand il est mesurable plus précisément) :

• +25 % de fréquentation en magasin pour les points de vente ayant activé Local Profile ;
• entre +6 % et +20 % de chiffre d’affaires additionnel, avec une forte variabilité selon le secteur d’activité et l’appétence des équipes en magasin à suivre les recommandations.

À cela s’ajoute une donnée de contexte issue d’une enquête IFOP : 35 % des consommateurs déclarent utiliser un LLM pour se renseigner sur une marque ou un magasin avant de s’y rendre.

Un changement de paradigme : le site web n’est plus fait que pour les humains

L’un des constats les plus marquants de l’entretien : la finalité d’un site web ou d’une fiche établissement change de nature. « Avant, on faisait un site web pour ses clients, maintenant on fait un site web pour nourrir les LLM qui est utilisé par les clients », résume Yann. Nicolas Marette confirme : les pages sont de plus en plus conçues pour être crawlées par des robots d’IA, ce qui génère au passage de nouveaux enjeux techniques : la volumétrie de requêtes des IA sur les serveurs de Custplace a fortement augmenté, nécessitant des infrastructures scalables.

Souveraineté numérique : Local Profile face aux acteurs américains (Yext, Scout…)

Sur un marché où les concurrents historiques (Yext, Scout) sont majoritairement américains, Custplace revendique deux différenciateurs :

• des données hébergées en France, chez Scaleway, certifié ISO 27001, sans transmission aux modèles d’IA à des fins d’entraînement ;
• un positionnement d’éditeur propriétaire des pages établissement, plutôt qu’un simple connecteur vers des plateformes tierces (Google, Apple Plans, etc.) comme le fait Yext. Custplace maîtrise donc l’intégralité de la structure et des données de ses Local Profile.

Custplace accompagne déjà des réseaux dans 18 pays et vise une expansion aux États-Unis d’ici la fin de l’année.

Avis clients : pourquoi Google Reviews ne suffit plus

Nicolas Marette pointe une faille structurelle du système d’avis de Google : des suppressions massives et peu transparentes (« on parle en millions d’avis, en centaines [de millions] »), sans explication claire pour les commerçants concernés. Face à cette « boîte noire », Custplace mise sur des avis vérifiés post-achat, collectés via API après une commande réelle (nom, e-mail, preuve d’achat, avec une sollicitation par e-mail dans 80 % des cas), plutôt que sur des avis spontanés difficiles à authentifier. Un choix qui, selon lui, est valorisé par les IA génératives elles-mêmes : lorsqu’elles évaluent la fiabilité d’un établissement, elles vont chercher des sources tierces à forte valeur d’authenticité, en complément des avis Google.

GEO : 3 actions concrètes à mener dès aujourd’hui

En conclusion de l’entretien, Nicolas Marette propose trois actions simples pour toute équipe marketing en charge d’une enseigne ou d’un réseau :

1. Tester ses propres requêtes sur les principales IA (ChatGPT, Claude, Perplexity, Gemini…) pour identifier les sources actuellement citées et repérer les écarts éventuels ;
2. Maintenir à jour son Store Locator et sa fiche Google Business Profile, qui restent des sources de référence pour les IA ;
3. Tester gratuitement une fiche Local Profile pour mesurer l’écart de citation avant/après.

FAQ — Le GEO et la visibilité locale face aux IA génératives

Qu’est-ce que le GEO (Generative Engine Optimization) ? Le GEO désigne l’ensemble des pratiques visant à rendre le contenu d’une marque ou d’un établissement visible et cité par les IA génératives (ChatGPT, Claude, Perplexity, Gemini…), à l’image de ce que le SEO fait pour les moteurs de recherche traditionnels.

Pourquoi les IA génératives se trompent-elles sur les horaires des commerces ? Parce qu’elles n’accèdent pas toujours aux données en temps réel : elles s’appuient sur des informations déjà collectées, qui ne reflètent pas toujours les changements récents d’horaires. Une étude Custplace sur 500 établissements a mesuré un écart moyen de 41 % sur ce point précis.

Quel LLM est le plus fiable pour les fiches d’établissements locaux : ChatGPT, Claude ou Perplexity ? D’après l’étude Custplace, ChatGPT s’est montré légèrement plus fiable que Claude sur les horaires, mais les écarts entre moteurs restent faibles et ne permettent pas de dégager un gagnant net.

Combien coûte Local Profile de Custplace ? La création d’une fiche est gratuite. L’abonnement donnant accès aux tableaux de bord, à l’agrégation d’avis et au moteur d’IA conversationnel démarre à 35 € par mois et par fiche, avec un tarif dégressif selon la taille du réseau.

Comment créer gratuitement sa fiche Local Profile ? La création se fait directement sur fr.custplace.com/business/custplace-local-profile, sans besoin d’appartenir à un réseau : commerces indépendants, e-commerçants et grandes enseignes peuvent tous créer une fiche gratuite.

Sources : entretien avec Nicolas Marette (fondateur et CEO de Custplace), podcast [NOM_DU_PODCAST], enregistré et publié le 7 juillet 2026. Étude interne Custplace sur 500 établissements, 20 secteurs d’activité, ChatGPT/Claude/Perplexity. Enquête IFOP citée par Custplace sur l’usage des LLM par les consommateurs.