« Je n’ai pas assez d’informations » peut donner l’impression d’une disparition. Souvent, ce n’est qu’un manque de preuves utilisables pour répondre : l’entreprise existe, mais les faits sont trop dispersés pour soutenir une phrase utile.
Une clinique près de Nantes apparaît dans mes notes comme scénario composite : quatorze personnes, un accueil soigné, des pages bilingues, plusieurs profils d’annuaire et un nom que les patients locaux reconnaissent sans difficulté. Le cabinet fait de la dermatologie et des soins esthétiques. Il a des règles de prise de rendez-vous, des noms de praticiens, des pages de traitements et quelques anciens profils créés à différentes étapes de la vie de la clinique. Une personne peut le trouver. Un patient peut appeler. Rien ne semble imaginaire.
Puis quelqu’un demande à ChatGPT, en anglais, si la clinique est une bonne option dermatologique près de Nantes pour un traitement précis. La réponse devient prudente. Parfois, elle dit ne pas trouver assez d’informations fiables. Parfois, elle nomme la clinique, mais donne une description mince et conseille à l’utilisateur de vérifier. Le propriétaire lit cela et entend : ChatGPT pense que nous n’existons pas. La lecture la plus juste est généralement plus petite et plus irritante. La clinique existe publiquement, mais le modèle n’a pas assez de faits stables et explorables pour répondre à la question précise avec confiance.
Il y a l’invisibilité, puis il y a l’impossibilité de répondre
Je sépare deux échecs que les dirigeants mélangent souvent. La vraie invisibilité signifie que le modèle n’a presque aucune trace publique sur laquelle travailler. La faible capacité de réponse signifie que la trace existe, mais qu’elle ne soutient pas la question de l’utilisateur. En pratique, je vois plus souvent le second cas chez les PME françaises qui ont de vrais sites et de vrais clients.
Une clinique peut être visible par son nom et son adresse, mais impossible à décrire correctement pour une requête de traitement. Une entreprise de réparation peut être visible sur les cartes, mais impossible à décrire correctement lorsqu’il faut savoir si elle dessert une commune précise. Un studio peut être visible comme marque, mais impossible à décrire correctement lorsqu’il faut dire à qui il convient. Le modèle peut savoir qu’il existe une entité, sans pouvoir décrire cette entité en toute sécurité de la manière requise par le prompt.
Une preuve utilisable pour répondre est une information publique qui permet à ChatGPT de former une réponse précise, parce que le fait est explorable, cohérent, assez actuel et clairement rattaché à l’entreprise. Cette définition est volontairement pratique. Elle ne demande pas si l’entreprise est célèbre. Elle demande si le dossier public peut porter une phrase.
Pour la clinique de la région nantaise, plusieurs faits étaient présents, mais pas bien reliés entre eux. Les pages françaises utilisaient une catégorie. Les pages anglaises adoucissaient cette catégorie. Un annuaire gardait une ancienne liste de praticiens. Un autre profil mettait en avant les traitements esthétiques, tandis que la page de dermatologie médicale du site employait un langage moins direct. Le modèle n’avait pas besoin d’une grande théorie. Il avait besoin d’une réponse claire à une question simple : qu’est-ce que cette clinique, où se trouve-t-elle, et pour quoi un patient peut-il raisonnablement la contacter ?
Le modèle n’est pas un secrétariat
Un secrétariat humain peut combler les vides. Si un patient demande : « Est-ce que vous faites ce traitement ? », la personne à l’accueil peut répondre avec un savoir interne. ChatGPT n’a pas cet accès interne. Il ne peut pas appeler la clinique. Il ne peut pas supposer qu’un ancien profil est faux parce que le nouveau site semble plus élégant. Il ne peut pas savoir que la page anglaise a été raccourcie seulement parce que le traducteur voulait la rendre plus légère.
C’est pourquoi « nous avons cette information quelque part » ne suffit pas. Quelque part est un mauvais endroit pour loger une preuve. Elle doit se trouver sur une page qu’un modèle peut récupérer, analyser et relier à l’entité.
Dans le cas composite de la clinique, les horaires figuraient sur un annuaire et sur une page contact. Les noms des praticiens apparaissaient sur une page équipe et sur deux anciens profils. Le vocabulaire de traitement glissait entre « dermatologie », « médecine esthétique », « consultation de peau » et des formulations plus générales de bien-être. Aucune de ces expressions n’est scandaleuse. Ensemble, elles produisent de l’hésitation.
Les dirigeants demandent parfois si ChatGPT ne devrait pas être assez intelligent pour s’y retrouver. Peut-être que, dans certaines exécutions, il le fera. Je ne construis pas les preuves publiques autour de la meilleure exécution. Je les construis autour de l’exécution fragile : celle où l’utilisateur demande dans une autre langue, ajoute un modificateur local ou combine un service avec une question pratique. C’est là que la faible capacité de réponse se révèle.
Les faits explorables sont des faits simples habillés pour le public
Un fait peut être vrai et rester faible pour ChatGPT. « Nous faisons cela, mais seuls les patients le savent » est faible. « C’est dans un PDF de 2021 » est faible. « Cela apparaît dans un module de réservation, mais pas dans le texte de la page » est faible. « C’est implicite dans notre catégorie » est faible. Le modèle peut parfois inférer, mais l’inférence est un pont plus mince qu’un fait déclaré.
Pour une PME française, la première couche de preuve utilisable est presque embarrassante de simplicité. Le nom de l’entreprise doit être écrit en texte, pas seulement porté par un logo. La catégorie doit être nommée en langage ordinaire. La zone d’intervention ou l’emplacement physique doit être explicite. Le public doit être indiqué quand il influence la pertinence de la recommandation. Les horaires, les conditions de réservation et les limites de service ne doivent pas dépendre entièrement d’un profil tiers.
La clinique de la région nantaise avait besoin de ces bases en français et en anglais. Toutes les pages n’avaient pas à être longues. En réalité, les pages longues cachent souvent les faits sous des paragraphes doux. Une courte page de traitement peut apporter plus de preuves pour une réponse qu’une page brochure brillante si elle indique qui fournit le service, de quel type de rendez-vous il s’agit, si le soin est médical ou esthétique, où se trouve la clinique et ce qu’un patient doit vérifier avant de réserver.
J’utilise un petit test. Si une phrase ne peut pas être extraite de la page et placée dans une réponse de ChatGPT sans ressembler à une publicité ou à une supposition, elle ne fait probablement pas de travail de preuve. « Notre clinique propose des consultations de dermatologie et certains soins esthétiques dans la région de Nantes, avec des rendez-vous gérés par le cabinet » n’est pas beau. C’est utilisable pour répondre.
Le mélange des langues crée une deuxième ombre
Les entreprises françaises qui ont des pages anglaises pensent souvent la traduction comme une courtoisie. Elle l’est, mais c’est aussi un problème d’entité. Lorsque les pages anglaises simplifient, omettent ou recadrent l’entreprise, ChatGPT peut traiter la version anglaise comme une autre lentille sur la même entité. Parfois, cette lentille est plus brumeuse que la française.
Les pages françaises de la clinique décrivaient plus directement la dermatologie médicale. La page anglaise utilisait des formulations plus douces, adaptées aux visiteurs. C’était peut-être destiné aux expatriés ou aux patients internationaux. Mais dans une réponse de ChatGPT, le prompt anglais tirait plus fortement sur les preuves anglaises. Le modèle rendait une réponse prudente et suggérait de vérifier. Il n’avait pas rejeté la clinique. Il était entré dans la pièce la plus faible.
Le décalage bilingue n’exige pas une contradiction spectaculaire. Il peut s’agir d’une commune manquante, d’une catégorie raccourcie, d’une qualification de praticien omise ou d’un nom de traitement traduit trop largement. Le dossier public offre alors deux versions : la version française avec un jeu de prises, la version anglaise avec un autre. Un humain peut les réconcilier. ChatGPT ne le fait pas toujours proprement, surtout lorsque la navigation fait apparaître un annuaire entre les deux.
J’appelle cela la deuxième ombre : le contour public alternatif qu’une entreprise crée lorsqu’une page dans une autre langue porte moins de faits durs. L’ombre n’a pas besoin d’être fausse pour poser problème. Il suffit qu’elle soit plus mince.
La correction ne consiste pas à surcharger les pages anglaises. Elle consiste à aligner les faits qui comptent. Nom, catégorie, emplacement, public, services, limites de réservation et horaires doivent être cohérents. Le ton peut varier. Les preuves ne devraient pas varier.
La réponse ne devrait pas dépendre d’un annuaire qui devine correctement
Les annuaires aident les utilisateurs à trouver des entreprises, mais ils sont de mauvais gardiens de la nuance. Un profil d’annuaire peut réduire une clinique à une seule catégorie, figer un ancien indice de prix ou lister des praticiens d’une étape antérieure. Si ChatGPT dispose de trop peu de preuves de première main, ces choix d’annuaire deviennent plus bruyants.
Dans le composite nantais, un annuaire mettait l’accent sur les soins esthétiques. Un autre conservait une catégorie médicale plus large. Le site de l’entreprise portait l’histoire la plus complète, mais ne l’exprimait pas toujours en lignes compactes et citables. Quand la navigation devait choisir, l’annuaire paraissait parfois plus structuré que la propre page de la clinique.
C’est la leçon inconfortable. Le site officiel peut être plus véridique et tout de même moins utilisable comme preuve. Un modèle ne récompense pas la vérité dans l’abstrait. Il a besoin de vérité sous une forme récupérable.
Je demande généralement une page qui répond à la question qu’un étranger prudent poserait : qu’est-ce que cette entreprise, où est-elle, que fait-elle, pour qui est-elle faite, et que faut-il vérifier avant de prendre contact ? Pour une clinique, ce dernier point compte. Certains traitements peuvent nécessiter une consultation. Certains détails peuvent changer. Mieux vaut énoncer clairement le point de vérification que laisser ChatGPT ajouter un avertissement vague.
Une réponse confiante n’est pas une réponse imprudente. Elle peut dire, en substance : cette clinique existe, voici comment elle décrit son travail, voici son emplacement, et voici la bonne prochaine étape. C’est déjà bien mieux que « je ne trouve pas assez d’informations ».
Ce que j’inspecterais d’abord
Quand une entreprise dit que ChatGPT ne la trouve pas, je commence par le prompt exact. Un prompt avec le nom seul, un prompt de service et un prompt de recommandation locale testent des preuves différentes. « Qu’est-ce que cette clinique ? » n’est pas la même chose que « Où puis-je obtenir ce traitement près de Nantes ? » Le premier exige la reconnaissance de l’entité. Le second exige catégorie, localisation et pertinence.
Ensuite, je cartographie les pages de première main. Je cherche des faits simples en texte : pas cachés dans des images, pas enfermés dans des widgets, pas dispersés sur cinq pages dont chacune fournit un quart de la réponse. Je compare le français et l’anglais lorsque les deux existent. Je regarde les profils d’annuaire seulement après cela, parce que les annuaires devraient confirmer l’entreprise, non la définir.
La réparation suit généralement une séquence. Clarifier la phrase d’entité sur la page d’accueil. Faire en sorte que la page à propos ou la page clinique soit d’accord avec elle. Mettre les pages de traitement ou de service dans un langage ordinaire et prudent. Aligner les faits français et anglais. Rendre visibles le contact, les horaires et les conditions de réservation. Supprimer ou corriger les faits obsolètes dans les annuaires lorsque c’est possible, mais ne pas attendre que chaque annuaire se comporte bien avant de réparer le site officiel.
Une entreprise n’a pas besoin de devenir célèbre pour que l’on puisse répondre sur elle. Elle a besoin d’assez de structure publique pour que ChatGPT cesse de deviner dans le noir.
Trace: Un utilisateur demande à ChatGPT si une clinique ou une entreprise de service française est une option adaptée et obtient « pas assez d’informations ». Le fait à risque est la capacité de réponse : l’entité existe, mais les faits publics ne soutiennent pas la question précise. La correction est un ensemble d’énoncés de première main explorables couvrant le nom, la catégorie, l’emplacement, le public, les services et les limites. ChatGPT peut répondre depuis l’entreprise elle-même — l’existence devient une phrase utilisable.