Dans les coulisses du « dark search »: 7 000 sources révèlent comment l’IA recommande votre produit

D’ici 2026, l’entonnoir de recherche aura radicalement changé. L’IA contrôlera l’information disponible en ligne et jouera un rôle décisif dans la majorité des décisions d’achat.

Google reste dominant, certes, mais l’influence s’est déplacée vers les réponses générées par l’IA. Ce que nous appelons le « dark search« , c’est ce qui se produit lorsque vos clients obtiennent des réponses via l’IA (mode IA ou aperçus IA de Google, ChatGPT ou Perplexity), sans jamais cliquer sur votre site.

Pas de clics, pas d’analytique. Même influence, mais plus difficile à tracer.

Cela peut sembler extrême, mais nous avons analysé 7 000 sources sélectionnées par l’IA, et les données sont claires :

• L’IA influence déjà les décisions dès les premières étapes : 90 % des requêtes informationnelles sont traitées directement par des réponses IA, sans clic.

  
  

• Google ≠ la réalité complète : il n’y a que 13 à 15 % de correspondance entre les résultats de Google et ceux de ChatGPT.

  
  

• Le RAG est votre porte d’entrée : la génération augmentée par récupération extrait du contenu frais, structuré et fiable en ligne.

  
  

• Deux formats dominent : les tops comparatifs (“meilleurs X”) et les pages “X vs Y” sont les plus fréquemment citées.

  
  

• Les blogs et annuaires en tête : 70 % des sources citées par l’IA sont des blogs (51 %) et des annuaires (19 %), et non des pages produits ou d’accueil.

  
  

Bienvenue dans l’ère du dark search.

Cette étude lève le voile sur la boîte noire de l’IA : elle montre comment elle choisit ce qu’elle recommande, où elle trouve ses réponses, et comment faire apparaître votre marque dans les résultats.

ChatGPT, Google et l’entonnoir invisible

ChatGPT a atteint 100 millions d’utilisateurs mensuels en deux mois. Et sa croissance en 2024 est encore plus impressionnante.

Pour autant, Google reste le géant de la recherche, avec 16,4 milliards de recherches par jour.

Mais ce qui compte, c’est que les habitudes de recherche ont changé.

Google a réagi rapidement avec les aperçus IA lancés en mai 2024 : des réponses de type ChatGPT placées au-dessus des résultats classiques. Aujourd’hui, près de 20 % des recherches déclenchent une réponse IA.

90 % des recherches gérées par l’IA sont informationnelles. Les utilisateurs posent plus de questions, car l’IA fournit des réponses plus rapides, plus riches.

Mais cela ne génère plus de trafic. Les aperçus IA redirigent 8 millions de clics par jour vers leurs sources. Avant, ce chiffre approchait les 100 millions.

Soit 92 millions de clics perdus chaque jour: un chiffre qui ne cesse d’augmenter.

En mai 2025, Google a activé le mode IA, une boîte de dialogue intégrée aux résultats. Pas de liens bleus, juste une réponse citée, rarement suivie d’un clic.

L’IA contrôle déjà l’information en ligne

Google est toujours le gardien du clic. Mais plus celui de l’influence.

Les modèles d’IA (ChatGPT, Perplexity, mode IA, aperçus Google) formulent des recommandations, exposent des marques, répondent aux questions. Le plus souvent, sans clic.

Les utilisateurs prennent leur décision en s’appuyant sur l’IA, sans jamais visiter votre site.

Voici le nouvel entonnoir de recherche dans l’ère du dark search :

• 53 % des requêtes informationnelles sont entièrement résolues par l’IA, sans générer de trafic.

• Les 47 % restants — des recherches de marque, commerciales ou transactionnelles — sont déjà influencés par les recommandations de l’IA.

  
  

Pas de top 10 Google à atteindre. Pas de volume de recherche classique à viser. C’est pourquoi on parle du dark search : influence sans visibilité, recommandation sans classement.

Mais si l’IA recommande votre produit, les recherches transactionnelles viendront tout de même vers vous.

Est-il possible d’influencer ces recommandations ?

Oui. Et nous avons les données pour le prouver.

Dark search : comment l’IA choisit les gagnants

70 % des recherches sur ChatGPT échappent aux catégories traditionnelles (informationnelle, navigationnelle, commerciale ou transactionnelle).

Les utilisateurs ne recherchent pas de la même manière qu’avec Google. Ils posent des questions complètes, mélangent comparaison, contexte et intentions multiples.

Exemples :

👉 “Quels sont les meilleurs CRM pour les start-up en amorçage en 2025 ?”
👉 “Comparer Notion et Trello pour la planification de contenu”
👉 “Des alternatives à Mailchimp avec un meilleur support client, sans interface trop complexe”

Ces requêtes sont :

• Conversationnelles

• À intention mixte

• Fortement contextualisées

Pour y répondre, l’IA s’appuie sur deux méthodes : la récupération statique et la recherche web (RAG). L’une est difficile à influencer, l’autre beaucoup plus accessible.

Récupération statique : la mémoire interne du modèle

Elle inclut tout ce que ChatGPT a lu avant sa dernière mise à jour : livres, sites, articles, papiers académiques…
C’est ce qui permet de répondre à des questions stables dans le temps.

Exemples :
👉 “Quand est tombé l’Empire romain ?”
👉 “Quelle est la différence entre marketing B2B et B2C ?”

C’est difficile à influencer. À moins de posséder une part significative du contenu public, il est peu probable de modifier la mémoire du modèle.

RAG : la recherche web en temps réel

Retrieval-Augmented Generation (RAG) signifie que ChatGPT va chercher en ligne : via APIs, contenu structuré, documentation, etc.

Exemples :
👉 “Quel est le CRM le moins cher pour une start-up en 2025 ?”
👉 “Comparer Monday.com et ClickUp”
👉 “Meilleurs écouteurs à réduction de bruit à moins de 200 €”

C’est là que se trouve l’opportunité.
Si votre contenu est récent, structuré et fiable, il peut être cité directement par l’IA — et vous recommander.

L’entonnoir de recherche en 2026

Ce nouveau comportement impose une nouvelle structure d’entonnoir :

• Qui prend en compte les 70 % de requêtes hybrides non catégorisables.

• Qui comprend le rôle clé du RAG, plus accessible à influencer.

  
  

En analysant des centaines de requêtes IA, nous les avons regroupées selon l’intention, l’étape dans l’entonnoir et la probabilité d’activer une réponse RAG. Résultat :

🧠 Découverte et éducation: exploration d’options
⚖️ Sélection et décision: comparaison avant achat

Ce sont les deux étapes où l’IA extrait le plus de contenu en temps réel. Et où vous pouvez apparaître.

Les données réelles sur le dark search

Avec notre partenaire Omnia, nous avons analysé 1 000 requêtes sur ChatGPT, Perplexity et Google IA. Cela représente 7 300 sources étudiées.

👉 Les blogs (51 %) et les annuaires (19 %) dominent nettement.
👉 En phase d’éducation : 75 % des sources sont des blogs.
👉 En phase de décision : les annuaires sont 5 fois plus présents.

👉 La concordance avec Google est faible : seulement 13 % de chevauchement entre les 10 premiers résultats Google et les sources citées par ChatGPT.
👉 Les sources IA ont un taux de mots-clés communs de 40 %, contre 65–85 % dans Google.

Classification des sources utilisées par l’IA

• 51 % des sources sont du contenu de blog

• 19 % sont des annuaires ou des listes de type “Top”

• 11 % sont des pages d’accueil de marques pertinentes

• 7 % sont des sites d’actualités comme The Guardian

• 3,5 % des sources proviennent de YouTube

• Et 2,3 % viennent de Wikipedia

  
  

👉 Traduction : si votre marque n’est pas visiblement présente dans les bons blogs ou annuaires, elle ne sera pas recommandée par l’IA.

Mais ce n’est pas toute l’histoire.

Lorsque l’on examine les sources selon le type de requête, une distinction nette apparaît entre :

• les recherches de type “Découverte et éducation” (milieu de l’entonnoir, axées sur la compréhension d’une catégorie), et

• les recherches “Pré-sélection et décision” (bas de l’entonnoir, proches de l’achat).

  
  

👉 Pour les requêtes de découverte, les blogs et les sites d’actualité représentent près de 75 % des sources.

👉 Mais lorsque l’utilisateur cherche à prendre une décision — donc plus proche de l’achat — les annuaires sont cinq fois plus fréquents.

Quelles sont les « bonnes pages » à viser pour être cité par l’IA ?

Bonne nouvelle : les modèles d’IA ont tendance à faire confiance aux mêmes signaux de qualité que Google ou Bing.

Ils privilégient les pages qui réunissent les critères suivants :

👉 Un domaine à forte autorité (domain rating élevé)
👉 Un bon profil de backlinks
👉 Un contenu structuré, factuel et crédible

Nous avons pu le vérifier dans les données.

Plus de 60 % des sources citées par l’IA proviennent de domaines avec un Domain Rating supérieur à 70.

Cela semble être la barrière d’entrée critique.

En dessous de ce seuil, les chances d’être cité chutent considérablement.

L’IA ≠ Google

Est-ce que cela signifie que les modèles d’IA copient simplement les résultats de Google ?

Pas vraiment.

Les recherches menées via des IA sont plus conversationnelles et moins centrées sur des mots-clés précis. Cela change profondément la manière dont une requête est reliée à un contenu.

👉 Les pages qui apparaissent dans le top 10 de Google contiennent généralement entre 65 et 85 % des mots-clés principaux dans leur balise title.
👉 Les sources sélectionnées par l’IA, elles, ne dépassent que 40 % de correspondance en moyenne.

Et si l’on mesure le taux de recoupement direct entre les sources citées par l’IA et les 10 premiers résultats de Google pour une même requête, on obtient :

• Aperçus IA de Google : 15 %

• Perplexity : 75 %

• ChatGPT : 13 %

  
  

Conclusion : même si les bonnes pratiques SEO restent importantes, figurer en première page de Google ne garantit absolument pas que l’IA utilisera votre contenu.

En réalité, il est plus probable qu’elle ne le fasse pas.

C’est pourquoi optimiser votre contenu pour l’IA nécessite une stratégie dédiée, différente du SEO traditionnel.

Les deux types de sources à plus fort impact pour l’IA

Il y a deux formats de contenu que les modèles d’IA citent systématiquement dans les recherches orientées conversion :

• Les recherches de type “shortlist” — lorsque l’utilisateur cherche une liste d’options pertinentes.

• Les recherches de type “comparaison” — lorsqu’il est prêt à comparer quelques solutions ciblées.

En analysant ces deux types de requêtes séparément, les tendances sont nettes :

👉 Dans les recherches de type “meilleurs outils”, les annuaires et les listes sont les sources les plus souvent citées.

👉 Dans les recherches de type “X vs Y”, les contenus comparatifs directs (“VS”) dominent largement.

Être présélectionné : tops et annuaires

Ce type de recherche apparaît lorsque l’utilisateur a compris son problème et cherche à identifier une catégorie de solutions, sans encore savoir quelle marque choisir.

Par exemple :
👉 “Quels sont les meilleurs CRM pour les PME en 2025 ?”
👉 “Meilleures plateformes de newsletter pour les freelances”
👉 “Top agences SEO spécialisées en e-commerce”

Dans ce contexte, les annuaires et les listes comparatives sont les sources les plus citées par l’IA.

• Ce sont des articles comme “Les 10 meilleurs outils de gestion de projet”,
• ou des comparateurs comme “Classement des meilleures plateformes de marketing automation”.

Être inclus dans ces listes — que ce soit de manière organique, sponsorisée ou par partenariat — est le moyen le plus direct pour que l’IA vous remarque, vous comprenne et vous recommande.

Pourquoi ? Prenons un exemple de requête : « Meilleures agences de publicité en ligne à Paris ». L’une des sources les plus citées est Sortlist – mais pourquoi ?

Voici l’URL choisie : https://www.sortlist.com/i/advertising/paris-fr

Signal Compatible avec l’IA	Comment la Page Sortlist Répond
Titre correspondant à la requête	« Les 100 Meilleures Agences de Publicité en Ligne – Avis 2025 » correspond presque mot à mot à des prompts courants comme « meilleures agences pub en ligne 2025 ».
Périmètre explicite & actualité	Marque temporelle (« 2025 ») + nombre d’agences en temps réel (14 k+) indiquent à l’IA que la liste est à jour.
Mise en page structurée	Sections H2 pour les Agences Mises en Avant et Toutes les Entreprises ; chaque fiche suit le même ordre : note, avis, services, localisation, budget.
Tableaux prêts pour la comparaison	Les filtres intégrés (budget, notes, localisation) agissent comme des colonnes de comparaison dynamiques lisibles par l’IA.
Signaux d’autorité	Le domaine de Sortlist est spécialisé dans les classements d’agences → forte autorité thématique + DR élevé.
Liens internes vers du contenu approfondi	Chaque fiche renvoie à un profil d’agence détaillé (plus de données structurées, avis, études de cas).
Mises à jour régulières	Le nombre d’agences et d’avis est mis à jour en continu – essentiel pour la fraîcheur RAG.

Influencer la décision finale : les pages comparatives “VS”

C’est l’étape suivante dans l’entonnoir.

L’utilisateur a déjà identifié les meilleures options, et il cherche désormais à comparer les avantages et inconvénients entre quelques finalistes.

Et ici, l’IA montre une nette préférence pour un type de contenu bien précis.

👉 Les pages comparatives de type “X vs Y” — dont le titre contient littéralement “X vs Y”.

Elles dominent très largement.

📊 90 % des sources citées dans ces recherches contiennent “VS” dans le titre.

TechRadar est une source de référence pour la requête « Comparer Ring et Nest pour la sécurité domestique ». Et son point de vue sur les avantages et les inconvénients de chacun est utilisé pour construire la recommandation de ChatGPT. Pourquoi ?

Voici l’URL choisie : https://www.techradar.com/news/ring-vs-nest-its-the-clash-of-the-cameras-in-a-doorstep-duel

Signal Compatible avec l’IA	Comment la Page Tech Radar Répond
Titre et URL correspondants exacts	« Ring-vs-Nest » apparaît dans le slug, le H1 et les métadonnées – parfait pour des prompts comme « Ring vs Nest sonnette ».
Tableau comparatif structuré	Une grille caractéristique par caractéristique (prix, résolution, champ de vision, coût de l’abonnement) fournit au modèle des données lisibles par machine.
Sections de verdict claires	Sous-titres en gras : « Ring vs Nest : Principales Similitudes », « Ring vs Nest : Principales Différences » aident l’IA à prendre une décision détaillée basée sur plusieurs critères.
Puces avantages & inconvénients	Des puces uniformes sous chaque appareil facilitent l’extraction de sentiment.
Indication de fraîcheur	« Mis à jour en mars 2025 » – une note sur le firmware le plus récent qui satisfait les requêtes RAG.
Autorité du domaine & profondeur thématique	Tech Radar classe, évalue et compare les technologies grand public quotidiennement : DR élevé, liens internes denses.
Médias enrichis avec texte alternatif	Photos produits côte à côte, chacune avec des balises alt descriptives (résolution, modèle), ajoutent des indices sémantiques supplémentaires.

Exploiter le dark search pour votre entreprise

D’ici 2026, la majorité des questions que se posent vos clients recevront une réponse de l’IA avant même qu’ils n’atteignent votre site web.

Cela signifie que l’influence s’exerce en amont : dans les modèles, les contenus qu’ils consultent, les annuaires, les blogs et les pages de comparaison jugées fiables.

Commencez par faire des recherches dans ChatGPT comme le ferait votre client.

Demandez quels sont les meilleurs outils, agences ou alternatives dans votre secteur. Comparez-vous à vos concurrents.

Puis étudiez les sources citées.

Posez-vous ensuite les questions suivantes :
❓ Puis-je apparaître dans ces sources ?
❓ Puis-je créer quelque chose de meilleur ?

Beaucoup de marques le font déjà.
👉 Les agences de relations presse placent leurs clients dans des listes et des tops.
👉 Les agences SEO créent du contenu structuré que l’IA comprend et cite facilement.

Des outils comme Omnia analysent des milliers de réponses générées par l’IA sur ChatGPT et Perplexity.

Ils vous montrent où et comment votre marque est mentionnée, comment évolue votre influence et quel contenu fait la différence.

Si vous prenez le dark search au sérieux, ces outils vous feront gagner des heures d’analyse manuelle.

Alors, quel est le plan d’action ?

1. Soyez présent là où l’IA cherche.
Assurez-vous d’apparaître dans les blogs d’autorité, les annuaires et les listes top 10 de votre catégorie.
Ce sont les sources les plus citées, notamment dans les recherches éducatives et comparatives.

2. Créez du contenu structuré et lisible par l’IA.
Concentrez-vous sur des contenus factuels, bien organisés, avec une sémantique claire.
Exemples : pages “X vs Y”, tableaux comparatifs, grilles tarifaires, avantages/inconvénients, comparaisons en colonne.
C’est exactement ce que l’IA aime lire… et citer.

3. Suivez votre visibilité dans les réponses IA.
Faites de la rétro-ingénierie sur les outils d’IA pour identifier les sources qu’ils citent dans votre secteur.
Mesurez votre part de voix. Analysez ce qui fonctionne. Doublez vos efforts sur ce qui vous donne de la visibilité.

4. Alimentez les modèles avec des données produits structurées.
ChatGPT extrait des informations à partir de flux enrichis (balisage schema.org, données produit, prix, avis).
Diffusez les vôtres via Google Merchant Center ou un flux public XML/JSON.
Pas besoin de créer de contenu supplémentaire.

En 2026, la recherche ne visera plus les clics.

Elle visera l’influence.

Et pour y parvenir, vous devrez être là où l’IA va chercher ses réponses.