Sommaire
Les modèles IA recherchent 3,2 fois plus souvent les marques qui leur sont déjà familières. Une étude de geoSurge montre que cette mémoire influence fortement les recherches secondaires générées pour répondre aux utilisateurs.
Une étude publiée par geoSurge analyse la relation entre la mémoire des modèles d’intelligence artificielle et les recherches qu’ils effectuent pour compléter leurs réponses.
L’entreprise est spécialisée dans l’analyse de la visibilité des marques dans les moteurs de recherche IA. Ses chercheurs ont séparé la connaissance préalable des modèles de leur comportement de recherche afin d’observer si les marques déjà connues étaient davantage recherchées.
L’étude porte sur 66 questions d’acheteurs américains, testées à 60 reprises entre le 29 mai et le 9 juin 2026. Elle rassemble 3 960 réponses, 13 281 recherches secondaires et 1 416 observations portant sur des marques.
Les marques familières sont davantage recherchées
Les modèles ont recherché une marque familière dans 55,7 % des cas, contre 17,4 % pour les marques situées en dehors de leur top 10.
Ils ont donc recherché les marques déjà connues 3,2 fois plus souvent que les marques moins familières. La plupart des recherches secondaires ne mentionnaient toutefois aucune entreprise. Seules 31 % d’entre elles comportaient le nom d’une marque. Lorsqu’un nom apparaissait, 63 % des recherches de marque concernaient l’une des cinq marques les plus familières au modèle.
Les auteurs observent ainsi une relation entre la mémoire du modèle et les entreprises qu’il choisit de rechercher.
Des écarts importants selon les secteurs
Les résultats varient fortement d’un secteur à l’autre.
Selon la catégorie étudiée, les modèles ont recherché des marques familières dans 41 % à 82 % des cas. La proportion descendait entre 9 % et 23 % pour les marques moins connues. L’étude porte sur neuf secteurs :
- le voyage,
- l’automobile,
- la finance,
- les logiciels professionnels,
- l’éducation,
- l’alimentation et la restauration,
- le luxe,
- le fitness et le bien-être,
- la mode.
Certaines catégories ne reposaient cependant que sur six prompts. Les résultats sectoriels doivent donc être lus en tenant compte de la taille réduite de certains échantillons.
La recherche peut aussi faire émerger une marque inconnue
La mémoire du modèle ne détermine pas systématiquement les recherches effectuées.
Dans l’un des exemples étudiés, Gemini a recherché Lemon Squeezy pour répondre à une question sur les solutions de paiement en ligne, alors que cette marque n’apparaissait pas dans sa mémoire mesurée. Cet exemple montre que la recherche en temps réel peut aussi faire apparaître des entreprises moins connues.
Les chercheurs indiquent que ce phénomène semble plus fréquent dans les catégories où les modèles s’appuient moins sur leurs connaissances préalables. Une marque absente de la mémoire initiale peut donc encore être trouvée pendant les recherches nécessaires à la construction de la réponse.
Une relation observée, sans causalité démontrée
L’étude met en évidence une forte association entre la familiarité d’une marque et sa présence dans les recherches secondaires des modèles.
Elle ne permet toutefois pas d’affirmer que la mémoire provoque directement ce comportement. Les auteurs précisent que les résultats montrent une relation entre les deux variables, sans établir de lien de causalité.
