"Les marques doivent apprendre à parler aux machines"

La nouvelle recherche : plus rapide, plus profonde, plus complexe

Leila Seith Hassan, Chief Data Officer de Digitas UK, a parlé d'un changement de paradigme lors de l'événement ComImpact de Zurich : les Large Language Models (LLM) comme ChatGPT, Claude ou Perplexity modifient fondamentalement le comportement de recherche - et plus rapidement que n'importe quelle technologie auparavant.

Les utilisateurs passent en moyenne plus de 13 minutes par session avec les LLM. Les applications vont de simples idées de repas à des questions complexes sur les finances ou la santé. Particulièrement pertinent pour les marques : Les utilisateurs accordent une grande confiance aux LLM - notamment parce qu'ils perçoivent les réponses comme étant impartiales. Conséquence : les marques doivent elles-mêmes devenir une source faisant autorité pour que leur présence dans ces systèmes ait lieu.

De l'optimisation Google à la pertinence LLM

Serge Barsotti, Managing Director chez Digitas Switzerland, a décrit la phase actuelle comme la coexistence du SEO classique et des nouvelles stratégies LLM. Alors que Google teste déjà un mode IA aux Etats-Unis, de nouveaux acteurs comme Deepseek, Claude ou Grok font continuellement leur entrée sur le marché. Le paysage de la recherche devient ainsi plus fragmenté, plus complexe et plus axé sur la technologie.

Un constat central : les LLM se transforment en systèmes agentiques qui se chargent eux-mêmes des tâches, de la réservation d'une table à la planification d'un itinéraire de voyage. Cette intégration ne modifie pas seulement le parcours client, mais aussi l'ensemble du tunnel de conversion. Il est donc d'autant plus important d'agir maintenant de manière stratégique.

Le modèle en deux étapes de Leila Seith Hassan : Measure & Transform

1. mesurer (Measure)

La première étape consiste à comprendre la performance actuelle de sa propre marque dans différents LLM :

• Comment la marque apparaît-elle pour certains produits, groupes cibles ou marchés ?

• Quelles sont les sources utilisées par les LLM ?

• Quel est le sentiment des réponses et comment la marque se situe-t-elle par rapport à ses concurrents ?

Comme il n'est pas possible de collecter manuellement ces informations avec l'ampleur nécessaire, il faut des outils spécialisés qui analysent et agrègent des centaines, voire des milliers d'invites - sur différents modèles.

2. transformation/optimisation (Transform)

Après la mesure, vient l'optimisation ciblée de la présence de la marque :

• Les marques doivent développer des stratégies de contenu, de marketing et de communication afin d'améliorer leur image sur les LLM.

• La règle est la suivante : considérer les LLM comme un public à part entière. Ils ont des systèmes de valeurs, une confiance dans les sources et des modèles de données différents - une stratégie unique ne fonctionne pas.

• L'objectif est de faire de sa propre marque une source fiable de contenus pertinents - non pas grâce à des contenus générés par l'IA en masse, mais grâce à des contenus spécifiques de haute qualité provenant de sources crédibles.

• Des éléments externes tels que des évaluations, des résultats de recherche ou des partenaires crédibles renforcent également la perception.

• Particulièrement important : la créativité et la spécificité. Le contenu générique est reconnu et filtré par les LLM. Seuls ceux qui se distinguent restent pertinents.

• Et enfin, et non des moindres : Les marques ont une responsabilité éthique. Dans un domaine jusqu'ici peu réglementé, elles devraient montrer l'exemple.

Conclusion : la pertinence de demain se construit aujourd'hui

"Ce que les marques font aujourd'hui détermine leur présence dans les futurs LLM", explique Hassan. Celles qui ignorent les évolutions courent le risque de devenir invisibles, non pas dans les classements de recherche, mais dans les réponses que les utilisateurs considèrent comme la vérité. L'événement ComImpact a clairement montré que l'avenir de la recherche est guidé par l'IA - et qu'il commence maintenant.