Recherche locale par IA : 17 réponses sur 120 envoient le client au mauvais endroit

Nous avons demandé à six assistants IA le meilleur restaurant de chacun des vingt arrondissements de Paris, puis vérifié le premier restaurant de chaque réponse. Résultat : aucun consensus, sept recommandations vers des restaurants fermés, dix vers une mauvaise adresse. Et un enseignement pour le SEO local : les assistants qui cherchent sur le web ne se trompent pas moins, ils se trompent autrement.

Le bistrot fantôme de Paris
Illustration générée par IA — Position Zéro
Partager
Dans cet articleSommaire
  1. Pourquoi cette question
  2. Le protocole
  3. Aucun consensus, et des critères qui divergent
  4. 17 réponses sur 120 envoient au mauvais endroit
  5. La recherche web ne protège pas : elle déplace l’erreur
  6. Les informations datées
  7. Ce que cela implique pour le SEO local
  8. Transparence
  9. Les données

Pourquoi cette question

« Quel est le meilleur restaurant dans le 11e ? » est exactement le type de question qu’un client pose désormais à un assistant plutôt qu’à un moteur de recherche. La réponse tient en un nom, parfois deux. Il n’y a pas de deuxième page, pas de carte à comparer : si le premier nom est faux, le client se déplace pour rien, ou ne se déplace pas du tout.

Nous ne cherchions pas à savoir quel restaurant est le meilleur, question sans réponse objective, mais si ce que disent les assistants est vrai : le restaurant est-il ouvert, à l’adresse et dans l’arrondissement annoncés ?

Le protocole

  • Date : le 4 octobre 2026, un seul jour.
  • Assistants : ChatGPT, Claude, Gemini, Grok, Le Chat (Mistral) et Perplexity, dans leurs versions publiques.
  • Question : « Quel est le meilleur restaurant dans le [n°] arrondissement de Paris ? », pour les 20 arrondissements, soit 120 réponses. Les vingt questions ont été envoyées en un seul message par assistant, dans une nouvelle conversation, avec une demande de réponse structurée.
  • Recherche web : d’après leurs réponses, ChatGPT, Gemini, Le Chat et Perplexity ont cherché sur le web avant de répondre ; Claude et Grok ont répondu de mémoire.
  • Vérification : pour chaque réponse, le premier restaurant cité, celui qu’un client pressé retiendra, soit 82 restaurants distincts. Pour chacun : ouvert ou fermé, adresse, arrondissement, et les faits avancés (étoiles, chef), à partir des guides, de la presse et des sites des restaurants.
  • Classement des erreurs : une erreur « majeure » envoie le client au mauvais endroit ou devant une porte close ; une erreur « mineure » est une information datée qui ne l’empêche pas de dîner.

Les limites sont réelles et nous les donnons d’emblée : un seul jour, une seule formulation, un seul compte par assistant. Les réponses d’un assistant varient d’une session à l’autre ; ce que nous mesurons, c’est ce qu’un client aurait lu ce jour-là, pas une note définitive de chaque outil.

Aucun consensus, et des critères qui divergent

Sur les vingt arrondissements, les six assistants ne citent jamais le même restaurant en premier. Cinq sur six s’accordent deux fois seulement, sur L’Ambroisie dans le 4e et sur Septime dans le 11e. Dans quatre arrondissements (10e, 13e, 14e, 17e), ils donnent six réponses différentes. Au total, les 120 réponses citent en premier 82 restaurants distincts.

Publicité

Ils ne jugent pas non plus sur les mêmes critères. Gemini et Le Chat raisonnent surtout en étoiles Michelin (respectivement 13 et 17 réponses sur 20 en parlent). ChatGPT n’en parle jamais et justifie sept fois son choix par une adresse « bien notée » par les clients. Pour une même question, un restaurant peut donc être visible chez un assistant et absent chez les cinq autres. Optimiser pour « l’IA » au singulier n’a pas de sens.

17 réponses sur 120 envoient au mauvais endroit

Sur les 120 premiers choix, 17 erreurs sont majeures : 7 réponses recommandent un restaurant fermé (six restaurants différents, dont un cité par deux assistants), et 10 envoient le client à une mauvaise adresse ou dans un mauvais arrondissement.

AssistantRecherche webErreurs majeures (sur 20)dont restaurant fermédont mauvaise adresse
PerplexityOui725
Le ChatOui413
GrokNon330
GeminiOui211
ChatGPTOui101
ClaudeNon000
Total17710

Source : Klarr, vérification du 4 octobre 2026, premier restaurant de chaque réponse.

Quelques exemples :

  • Restaurants fermés : La Table d’Eugène (18e), fermée depuis 2021, est recommandée par Le Chat et par Perplexity. Grok envoie vers Abri (10e), qui a servi son dernier dîner en novembre 2022, vers La Régalade de l’avenue Jean-Moulin (14e), remplacée en 2020, et vers Rech, avenue des Ternes (17e), fermé à cette adresse en 2021.
  • Mauvais arrondissement : Perplexity place Le Servan dans le 3e, puis à nouveau dans le 20e : il est dans le 11e. Il situe L’Astrance dans le 13e (16e en réalité), Le Chardenoux dans le 12e (11e) et Le Faham dans le 15e (17e). ChatGPT cite Fleur de Pavé pour le 9e : il est dans le 2e.
  • Adresse périmée : Le Chat donne Guy Savoy « rue Troyon », dans le 17e, une adresse quittée en 2015 pour la Monnaie de Paris. Gemini cite Pantagruel pour le 2e, alors que le restaurant a déménagé dans le 1er en juillet 2025.

La recherche web ne protège pas : elle déplace l’erreur

C’est le résultat le plus utile pour qui travaille le référencement local. On pourrait croire que les assistants qui cherchent sur le web sont à jour. Ce n’est pas ce que nous observons : 14 des 17 erreurs majeures viennent des quatre assistants qui ont cherché sur le web, dont 7 pour Perplexity seul.

Surtout, la nature des erreurs change selon le mode de réponse :

Publicité
  • De mémoire, les erreurs ferment des restaurants. Les 3 erreurs de Grok sont toutes des restaurants fermés depuis 2020 à 2022 : l’assistant répète ce qu’il a lu pendant son entraînement, sans savoir que la porte est close.
  • En cherchant sur le web, les erreurs déplacent les restaurants. Les 10 erreurs d’adresse ou d’arrondissement viennent toutes d’assistants qui ont cherché. Le restaurant existe, il est souvent excellent, mais pas là où l’assistant l’envoie.

Nous n’avons pas accès aux pages consultées par chaque assistant : ce qui suit est une hypothèse, pas un constat. Les sélections de type « meilleurs restaurants de l’Est parisien » mêlent souvent plusieurs arrondissements, des articles anciens restent bien positionnés, et des annuaires gardent les fiches de restaurants fermés. Un assistant qui s’appuie sur ce genre de pages peut retenir un bon restaurant, puis l’attribuer au mauvais arrondissement ou reprendre une information qui n’est plus vraie.

Autrement dit, pour les assistants qui cherchent, les pages qui se classent aujourd’hui sur « meilleur restaurant + arrondissement » font la réponse. Le travail classique sur les citations locales, la presse et les sélections redevient décisif, avec une exigence de plus : l’exactitude de chaque mention.

Les informations datées

Au-delà des 17 erreurs majeures, l’étude relève des informations dépassées qui n’empêchent pas de dîner : L’Ambroisie toujours présentée avec trois étoiles alors qu’elle en a perdu une dans le guide 2026 (Claude, Gemini, Le Chat), Virtus donné à une étoile au lieu de deux (Gemini), un chef parti depuis 2024 toujours cité pour Épicure (Gemini). Ces écarts montrent la lenteur avec laquelle un changement, même largement relayé, finit par l’emporter sur des années de contenus plus anciens.

Ce que cela implique pour le SEO local

  1. Même nom, même adresse, mêmes horaires partout : Fiche Google, site, guides, annuaires, réseaux sociaux : quand les sources se contredisent, l’assistant choisit, et pas forcément la plus récente.
  2. Écrire l’arrondissement en toutes lettres : Sur le site, dans le titre et le contenu (« bistrot du 11e », code postal 75011), et dans les données structurées (schema.org Restaurant avec une adresse complète). Une erreur d’arrondissement naît souvent d’une page qui ne le dit pas clairement.
  3. Traiter les changements comme des migrations : Un déménagement, une fermeture, un changement de chef doivent être répercutés sur toutes les fiches et relayés par des sources tierces. Une mention isolée ne suffit pas à corriger des années d’articles.
  4. Nettoyer les citations obsolètes : Les annuaires et sélections qui gardent une ancienne adresse ou un restaurant fermé alimentent directement les assistants qui cherchent sur le web. Les faire corriger est un travail de netlinking local à part entière.
  5. Suivre, assistant par assistant : Puisqu’ils ne s’accordent pas, il faut poser régulièrement les questions que posent les clients à plusieurs assistants, noter qui est cité et si l’information est juste, et recommencer dans le temps : une réponse varie d’une semaine à l’autre.

Transparence

Klarr, que je développe, vend aux restaurants un outil de visibilité dans les assistants IA, et utilise Claude dans son audit. Claude est l’assistant qui fait le moins d’erreurs dans cette étude. Nous le signalons pour que chacun puisse en tenir compte : la méthode et les données sont publiques et vérifiables.

Les données

Le résumé de l’étude est publié sur klarr.net : https://www.klarr.net/actualites/etude-ia-meilleur-restaurant-paris-arrondissements. Les 120 réponses mot pour mot et la vérification restaurant par restaurant sont disponibles sur demande à contact@klarr.net. Si nous nous sommes trompés sur un restaurant, écrivez-nous : nous corrigerons et le dirons.

Michael Fink
Auteur

Michael Fink

Michael Fink développe Klarr, une application destinée aux restaurants indépendants. Elle réunit les réservations sans commission, la gestion de la fiche Google et des avis, ainsi que le suivi de la visibilité dans les assistants IA. Klarr est édité par EDIREF, une entreprise active dans le référencement depuis 2008. Michael Fink mène également des études sur les recommandations locales des assistants IA.

Voir ses publications
À lire aussi

À lire ensuite

Gérer mes choix de confidentialité