Identifiez d’abord les sources précises sur lesquelles le modèle s’appuie, en interrogeant Perplexity qui affiche ses références. Traitez ensuite la cause réelle si elle existe, répondez publiquement et factuellement, puis densifiez votre réseau de citations avec des sources récentes et positives qui rétablissent l’équilibre.
Pourquoi c’est la situation la plus urgente
Une citation négative est plus dommageable qu’une absence de citation, pour une raison mesurée : 68 % des utilisateurs déclarent faire confiance à une réponse générée même en sachant qu’elle peut être inexacte, et 54 % ne cliquent pas pour vérifier. Le jugement est reçu sans contradiction possible.
La séquence de traitement
- Documenter. Relevez les formulations exactes, sur les quatre assistants, et les sources citées à l’appui.
- Distinguer le vrai du faux. Si le reproche est fondé, aucune action de communication ne le fera disparaître durablement : traitez la cause.
- Répondre publiquement et factuellement. Sur les plateformes d’avis, une réponse posée, datée et précise devient elle-même une source que le modèle lira.
- Rééquilibrer. Sollicitez des avis détaillés auprès de vos clients satisfaits, publiez des cas documentés, obtenez des mentions récentes dans des sources fiables.
Le cas de la confusion d’entité
Une part non négligeable des sentiments négatifs vient d’une homonymie : le modèle attribue à votre marque les problèmes d’une autre. Le traitement est alors technique, pas réputationnel. Renforcez votre balisage, déclarez vos identifiants stables, et multipliez les mentions qui associent explicitement votre nom à votre ville et à votre activité.
Ce qu’il ne faut pas faire
- Demander la suppression d’avis légitimes : la trace de la démarche devient elle-même un signal négatif.
- Publier une salve d’avis positifs en quelques jours : le schéma est détecté et dévalorise l’ensemble.
- Attaquer publiquement l’auteur d’une critique : la réponse devient la source citée.
- Ignorer, en espérant que le prochain modèle oublie.
Aller plus loin
Cette question est traitée en profondeur dans Quand l’IA dit du mal de vous.
Questions proches
Pourquoi l’IA se trompe-t-elle sur mon entreprise ?
Une intelligence artificielle se trompe sur une entreprise quand les informations disponibles à son sujet se contredisent, sont obsolètes, ou proviennent d’une entité homonyme.
Comment mesurer sa visibilité dans les IA ?
La visibilité dans les IA se mesure par l’indice de confiance, un indicateur composite qui combine le taux de citation, la part de voix, la fidélité de la description et le sentiment.