Visibilité IA : avec la recherche web, une même marque peut reculer sur un moteur et progresser sur l'autre

**noCRM.io**, logiciel CRM, est cité dans 14 % des réponses sans recherche web et dans 19 % avec. En moyenne, la recherche s'accompagne d'environ 5 points de plus. Rien de remarquable. Séparons les deux moteurs. Chez GPT, avec la recherche web, noCRM.io passe de 27,8 % à 7,8 % des réponses : **−20 points**. Chez Gemini, la marque passe de 1,1 % à 30,0 % : **+29 points**. Mêmes 30 questions. Même période. Deux tendances opposées, que la moyenne efface presque entièrement. Cette note documente l'expérience qui a produit ce résultat, ce qu'il permet de dire et ce qu'il ne permet pas de dire.

Le dispositif en 30 secondes

Au total : 360 réponses et 5 400 observations marque × réponse. Dans cette étude, la **visibilité IA** désigne la proportion de réponses dans lesquelles une marque est explicitement mentionnée. Les réponses proviennent des API des moteurs, et non de ChatGPT ou de l'application Gemini.

Résultat 1 : pour trois marques, l'effet de la recherche dépend du moteur

Pour chaque marque, nous avons mesuré l'écart de mention entre réponses avec et sans recherche, séparément chez GPT et chez Gemini, puis la différence entre ces deux écarts. Le test porte sur les 15 marques, avec une correction pour comparaisons multiples (Holm). Trois marques présentent un contraste net après correction :

Pour **noCRM.io et Sellsy**, les signes sont opposés : moins de mentions avec la recherche chez GPT, davantage chez Gemini. Pour **Axonaut**, rien ne bouge chez GPT et tout le contraste vient de Gemini. Une quatrième marque, **Freshsales**, présente un contraste en sens inverse (la recherche s'accompagne de moins de mentions chez Gemini). Il passe le seuil corrigé sur la lecture « présence stable » (p = 0,028) mais pas sur le taux brut (p = 0,054). Nous ne la comptons pas. **Pour les 12 autres marques, nous ne détectons pas ce même contraste net entre moteurs après correction statistique.** Cela ne signifie pas qu'aucune différence n'existe : seulement que ce dispositif ne permet pas de la détecter. Ces écarts sont mesurés entre deux moteurs dont la configuration de recherche différait (voir Périmètre de l'étude). Ils ne peuvent pas être attribués au seul moteur.

Résultat 2 : la moyenne globale masque une redistribution

À l'échelle de toutes les marques suivies :

Dans ce panel, on observe descriptivement davantage de disparitions que d'émergences chez GPT, et l'inverse chez Gemini. Ces écarts ne sont pas robustes une fois la variabilité entre marques prise en compte. Ils ne doivent pas être lus comme une règle générale sur les moteurs.

Résultat 3 : chez GPT, la plupart des présences stables ne changent pas avec la recherche

Chez GPT, parmi les couples situation × marque cités de façon reproductible (au moins 2 réponses sur 3) dans au moins un des deux modes, **74 % le sont dans les deux modes** (134 sur 182, IC95 % [52 ; 87]). Chez Gemini, 55 % (105 sur 190, IC95 % [30 ; 75]) : l'intervalle est trop large pour parler de majorité. Avec seulement trois répétitions, une présence réellement stable peut tomber sous le seuil de 2 sur 3 dans l'un des modes par simple variabilité. Ces parts sont donc probablement sous-estimées.

Ce que ça change pour une équipe marketing

**Le score agrégé n'est pas faux. Il répond à une question trop large.**

Le point de départ : le fan-out

Cette expérience est née d'une question posée par une étude publiée sur arXiv le 19 septembre 2026 par Benjamin Tannenbaum ([From Prompt to Recommendation: A Fitted Stage Model of Brand Visibility in AI Search](https://arxiv.org/abs/2609.23162)), qui analyse 34 960 observations sur GPT et Gemini. Quand un moteur utilise la recherche web, il lance ses propres requêtes intermédiaires avant de répondre. On appelle cet ensemble le **fan-out**. Une partie de ces requêtes est observable par API. Notre question était simple : **quand une marque apparaît dans les recherches intermédiaires d'un moteur, aurait-elle aussi été citée sans recherche ?**

Ce que l'expérience ne permet pas de dire

Périmètre de l'étude

Ces résultats valent pour ce qui a été testé : le marché CRM en France, 30 situations d'achat, 15 marques, GPT-5.4 et Gemini 2.5 Flash via API, une collecte réalisée le 25 septembre 2026. Les deux moteurs n'utilisaient pas exactement la même configuration de recherche : OpenAI recevait une localisation France, Gemini aucune. C'est pourquoi nous parlons d'écarts « selon le moteur et sa configuration ». **Prochaine étape** : nous relançons la collecte à l'identique, puis avec une localisation harmonisée, pour mesurer ce qui tient d'une collecte à l'autre et ce qui relève de la configuration. Les résultats seront publiés ici, qu'ils confirment ou non ceux-ci.

Méthodologie

Questions fréquentes

La recherche web améliore-t-elle la visibilité d'une marque dans les réponses IA ?

Pas de façon générale dans cette expérience. Chez GPT via API, les réponses avec recherche mentionnent légèrement moins de marques. Chez Gemini, la hausse observée n'est pas robuste et se concentre sur trois marques.

Une même marque peut-elle gagner sur un moteur et perdre sur l'autre ?

Oui, dans ce protocole. Pour 2 marques sur 15, la recherche web s'accompagne de moins de mentions chez GPT et de davantage chez Gemini, sur les mêmes questions.

Faut-il optimiser le fan-out ?

Nos données ne permettent pas de le recommander. La présence d'une marque dans les requêtes intermédiaires de GPT est très fortement associée à sa mention, mais dans 87 % des cas la marque était aussi citée sans recherche.

Peut-on se fier à un score de visibilité IA moyen ?

Il est utile pour une vue d'ensemble, mais il peut masquer des écarts opposés entre moteurs. Pour noCRM.io, une moyenne de +5 points cachait −20 points sur un moteur et +29 sur l'autre.

Note de recherche Citabl. Panel de 15 CRM suivis : Pipedrive, HubSpot, Sellsy, Zoho CRM, monday CRM, Salesforce, Microsoft Dynamics 365, noCRM.io, Axonaut, Tribe CRM, Sage CRM, Eudonet, Odoo, Teamleader, Freshsales. Les chiffres décrivent les réponses des API GPT-5.4 et Gemini 2.5 Flash collectées le 25 septembre 2026, sur une seule collecte non encore répliquée. Les éditeurs cités peuvent demander les données détaillées qui les concernent : nous les partagerons, et publierons toute correction justifiée.