Construire une fiche de faits vérifiables (SIREN, adresse du siège, année de création, politique de retour), poser des questions fermées sur chaque point à chaque assistant en session déconnectée, puis classer la réponse dans un tableau à trois colonnes, faux, non vérifié, affirmé sans source : une méthode qui repère une erreur avant qu'elle n'atteigne un acheteur.
En bref
- La fiche de référence se construit à partir de l'extrait Kbis ou de la fiche INPI pour le SIREN et l'adresse légale, et des conditions générales de vente pour le délai de retour, jamais à partir du site de la marque.
- Wikidata, qui compte plus de cent millions d'entités, sert de base de connaissance à des systèmes d'IA : y corriger le champ d'une fiche de marque change ce qu'affichent les systèmes qui l'interrogent en direct, pas ce qu'un modèle déjà entraîné restitue.
- Une erreur sur un fait légal peut venir d'une fiche périmée dans Sirene, le répertoire de l'INSEE en open data depuis janvier 2017 que republient l'Annuaire des Entreprises, Pappers et societe.com, et elle se corrige via le guichet unique.
- Le pouce vers le bas de ChatGPT et de Gemini ou l'icône de signalement de Perplexity nourrissent un circuit de révision chez l'éditeur sans rien corriger dans l'immédiat, en complément de la correction à la source et jamais à sa place.
La fiche de faits et les questions fermées
La fiche part de documents officiels, pas du site de la marque : extrait Kbis ou fiche INPI pour le SIREN et l'adresse légale, conditions générales de vente pour le délai de retour effectif.
Une question fermée appelle une réponse vérifiable, pas une description : "Quelle est l'adresse du siège de [marque]", "Depuis quelle année existe [marque]" se comparent directement à la fiche, alors qu'une question ouverte comme "que penses-tu de [marque]" ne donne rien à vérifier. Chercher la phrase exacte d'une réponse entre guillemets pour retrouver sa source ne fonctionne qu'à moitié, un assistant reformulant presque toujours l'information : un complément une fois la réponse classée fausse, jamais la méthode principale.
Classer chaque réponse : faux, non vérifié, affirmé sans source
| Catégorie | Ce qu'elle signifie | Ce qu'elle déclenche |
|---|---|---|
| Faux | Contredit un fait de la fiche | Correction à la source, en priorité |
| Non vérifié | Vague ou hors sujet, sans contredire un fait précis | Renforcer le contenu qui manque |
| Affirmé sans source | Fait précis, correct ou non, sans lien affiché | Vérifier séparément avant de le traiter comme acquis |
Ce qui varie d'une marque à l'autre, ce sont les faits eux-mêmes et l'endroit où ils sont publiés sur le web, pas la grille de lecture. Pour la question voisine, savoir si un assistant connaît déjà la marque avant même de chercher une erreur précise, l'article n°31 couvre le test de base.
Corriger l'erreur à la source : les leviers concrets
Google Business Profile reste la fiche que Google affiche directement dans ses résultats de recherche et dans ses AI Overviews : corriger l'adresse ou la catégorie sur la fiche est donc une première correction à faire, puisque c'est la version que Google montre de la marque. Depuis juin 2026, Google permet aussi de gérer cette fiche (horaires, réponses aux avis, statistiques) directement depuis Gemini (hors Espace économique européen et Royaume-Uni au lancement, donc pas encore en France), ce qui facilite la mise à jour mais reste un outil de gestion pour le propriétaire de la fiche, pas un canal qui alimente les réponses grand public de Gemini.
Wikidata sert de base de connaissance à des systèmes d'IA au-delà de Wikipédia, avec plus de cent millions d'entités référencées : si la marque y a une fiche, corriger le champ concerné (siège, date de création) change ce que les systèmes qui interrogent ce graphe en direct affichent, et ce qu'un futur modèle entraîné ou réentraîné dessus reproduira, pas ce qu'un modèle déjà entraîné restitue immédiatement ; sans fiche, en créer une ne se justifie que si la marque remplit les critères de notoriété de Wikidata, pas pour toute PME.
Les registres publics français republient les mêmes données ouvertes (SIREN, forme juridique, adresse) : Sirene, le répertoire de l'INSEE, est en open data gratuit depuis janvier 2017, et l'Annuaire des Entreprises qui le donne à chercher aujourd'hui est opéré par la DINUM et la Direction générale des entreprises, à partir de Sirene et du Registre national des entreprises ; Pappers et societe.com republient ensuite ces mêmes données. Quand un assistant se trompe sur un fait légal, l'origine peut être une fiche périmée sur l'un de ces registres, à corriger via le guichet unique, qui redescend vers l'INSEE puis vers les sites qui republient ces données.
Un compte vendeur sur une marketplace (Amazon Seller Central par exemple) porte les attributs produit et marque qui peuvent apparaître dans une réponse à vocation d'achat : un attribut faux à cet endroit mérite d'être vérifié au même titre que les autres registres, indépendamment de ce que dit le site de la marque.
Le bouton de retour existe sur chaque assistant : pouce vers le bas et commentaire écrit sur ChatGPT, icône de signalement sur Perplexity, pouce vers le bas avec motif sur Gemini. Ce geste ne corrige rien dans l'immédiat, il nourrit un circuit de révision côté éditeur : utile en complément de la correction à la source, jamais à sa place.
Exemple illustratif
Mèche Ronde, marque fictive de bougies parfumées, construit sa fiche de faits puis pose six questions fermées à quatre assistants, en session déconnectée, le même jour. Pour chaque réponse portant sur l'adresse du siège, l'équipe la compare au Kbis et la classe dans le tableau à trois colonnes ; une réponse classée "faux" déclenche la vérification de la fiche Google Business Profile et de la fiche Sirene, les deux endroits où l'adresse peut être publiée fausse ou périmée. L'équipe signale aussi chaque réponse fausse via le bouton de retour, sans attendre que ce signalement remplace la correction à la source.
Documenter une erreur ne la fait pas disparaître partout où elle a déjà été recopiée : la correction à la source, dans le programme GEO de Maubourg Studio, traite les informations fausses avant de passer aux contenus à créer.