Quand personne n'écrit sur vous, les IA répondent avec la réputation de votre homonyme

Mesuré le 6 août 2026. 12 entités, 2 questions chacune, 6 moteurs, 144 réponses.

Interrogez un assistant sur une entreprise et vous obtenez une réponse, que la matière pour l'écrire existe ou non. Nous voulions savoir ce qui change entre une entité que la presse couvre depuis des décennies et une dont presque personne n'a parlé. La réponse n'est pas que les assistants deviennent plus aimables quand le dossier est mince. C'est qu'ils continuent de répondre, et que la matière vient d'ailleurs.

Ce que nous avons demandé

Chaque entité a été posée aux six moteurs deux fois, dans les mêmes termes :

• une question neutre, What should I know about {entité} ?
• une question adverse, What are the main criticisms and risks of {entité} ?

Les 12 entités ont été réparties en trois strates selon le volume de couverture indépendante qui existe à leur sujet :

• Couverture épaisse : Boeing, Shein, Ryanair, Nestlé. Des décennies de presse, des litiges documentés.
• Couverture moyenne : Ledger, Hetzner, Backblaze, Fastmail. Connues dans leur niche, chroniquées par la presse spécialisée et les communautés d'utilisateurs.
• Couverture mince : quatre marques exploitées par l'éditeur de cette étude. Le choix est délibéré : mesurer cette strate revient à consigner la critique qu'un moteur invente, et nous préférons qu'elle tombe sur des noms dont nous répondons plutôt que sur ceux d'un tiers.

Moteurs : ChatGPT, Claude, Gemini, Perplexity, Mistral, Grok. Une passe par question et par moteur. L'unité ci-dessous est la cellule, une entité vue par un moteur, soit 24 cellules par strate, chacune couvrant les deux questions.

Mieux une entité est documentée, moins un assistant a de bien à en dire

Les deux colonnes se lisent ensemble, car chacune dit ce que l'autre tait.

Sur la strate épaisse, la question neutre rend déjà de la critique. Personne n'a eu à la demander. Sur 24 cellules, deux seulement portaient quelque chose qu'un analyste a jugé positif, et chacune portait du négatif. Shein a tiré un ton négatif des six moteurs, sur les deux questions.

Sur la strate moyenne, le motif est celui du manuel, et il est presque mécanique : la question neutre rend un ton positif, la question adverse un ton négatif, 19 cellules sur 24 montrant exactement cette paire. Ce sont des entités avec un vrai dossier, positif et négatif, et c'est la question qui décide de la moitié qui remonte.

La strate mince renverse le tableau. Deux tiers de ses cellules portent un ton positif et un tiers seulement porte du négatif, alors que la moitié des questions réclamait de la critique nommément. En surface, c'est la déférence qu'on attendrait envers une petite marque inconnue. Ce n'en est pas. C'est ce qui arrive quand la question ne trouve rien et que le moteur répond quand même.

Ce que la question adverse fait à un nom dont personne n'a parlé

Les huit cellules négatives de la strate mince valent mieux que leur décompte. Dans chaque cas nous avons lu la réponse et les sources qu'elle cite. Aucune ne contient une critique de l'entité réellement interrogée.

Mistral, à qui l'on demandait les critiques et les risques d'Atoutpersona, un site français de tests de personnalité, a répondu sur Persona, une société américaine de vérification d'identité, sur la foi d'une sous-chaîne commune. Il ouvre par « likely referring to Persona », puis attribue au nom qu'on lui a donné un incident de code exposé de février 2026, une collecte étendue de données biométriques et une controverse sur des liens d'investisseurs avec Peter Thiel et Palantir. Son résumé final abandonne la précaution et parle des « main criticisms and risks of Atoutpersona ». Ses deux sources sont une page Trustpilot de withpersona.com et l'article Wikipédia « Persona (identity verification service) ». Aucune ne mentionne Atoutpersona.

Perplexity, à qui l'on posait la même question sur Stileex, un éditeur de données malgache, a converti l'absence de matière en constat : « low transparency », « unclear legitimacy », « limited independently verifiable information ». Il a ensuite importé des signaux d'alerte de Stylex, Stylix, StealthEX et Stelix, énumérant l'absence d'informations sur l'équipe, des coordonnées recopiées et des réclamations de facturation. Sur les vingt sources citées, deux concernent Stileex. Les dix-huit autres concernent une bibliothèque de style React, un échangeur de cryptomonnaies, un fabricant de mobilier de bureau, un capteur de glycémie en continu, un service d'impression 3D et un rapport de la Banque mondiale sur l'eau à Madagascar. À son crédit, Perplexity précise que ces éléments peuvent ne pas s'appliquer, et énumère ce qu'il ne peut pas confirmer. Le ton de la réponse reste celui d'une mise en garde.

Un troisième moteur, interrogé sur une autre marque à couverture mince, n'a produit aucune critique propre à l'entité et a rendu à la place huit familles de risques de catégorie, chacune sourcée à un article réel portant sur la catégorie et non sur l'entreprise.

Trois moteurs, trois chemins différents, un seul mécanisme. Quand le corpus est mince, la question adverse ne rend pas « on sait peu de choses ». Elle rend une critique assemblée à partir de la matière la plus proche, avec de vraies URL.

Pourquoi cela compte plus que le score de sentiment

Une entité à couverture mince n'est pas protégée par son obscurité. Elle y est exposée, d'une façon que le décompte des réponses négatives minore : la strate mince paraît plus douce sur le papier et porte les réponses les moins exactes en pratique. Une marque peut être décrite favorablement dans cinq réponses et, dans la sixième, hériter d'une fuite de données qui appartient à une société d'un autre continent.

Deux propriétés de cette défaillance méritent la surveillance plutôt que le haussement d'épaules. Elle est sourcée, donc elle se lit comme vérifiée par quiconque n'ouvre pas les liens. Et elle est stable, parce qu'elle provient de la même matière publique à chaque fois que la question est posée, ce qui veut dire qu'elle se répète pour chaque prospect, recruteur ou partenaire qui la pose.

Le levier, c'est la matière elle-même. Ce qui décide de la réponse sur un nom peu couvert, c'est l'existence de quelque chose à trouver sous ce nom exact, et son caractère assez univoque pour que l'homonyme le plus proche ne l'emporte pas. Cela se mesure sous ce protocole, nom par nom, moteur par moteur.

Méthode

Six moteurs : ChatGPT, Claude, Gemini, Perplexity, Mistral, Grok. Douze entités, deux questions chacune, une répétition par question et par moteur, 144 réponses collectées le 6 août 2026 sur une seule fenêtre. Le ton est posé par mention de mot-clé par un analyste IA, et une cellule compte comme portant du négatif dès qu'une mention, dans l'une ou l'autre réponse, a été jugée négative, ce qui garde la lecture stable quel que soit le nombre de fois qu'une réponse nomme l'entité. Les réponses complètes, les sources citées et les pages lues sans être citées sont archivées pour chaque relevé.

Trois propriétés bornent ce que cette mesure établit, et chacune est un choix et non un accident. Une passe par cellule signifie qu'une cellule porte la variabilité d'un tirage unique, donc les strates se lisent en blocs et non entité par entité. La stratification est posée d'après la couverture connue et non d'après un indice mesuré de celle-ci. La strate mince est tirée de marques exploitées par l'éditeur, ce qui est précisément ce qui permet d'en publier les listes de sources en entier.