Près de 3 des 5 marques recommandées par l'IA changent dès que vous quittez New York et l'anglais

Près de trois des cinq marques recommandées par ChatGPT et Gemini changent dès qu'un acheteur quitte New York et l'anglais, selon une étude de septembre 2026 menée par le cabinet marketing FTA Global. Le rapport a réalisé 1 200 tests dans 10 catégories d'activité, dans des villes allant de New York à Mumbai et en sept langues. Sur les 206 marques apparues dans ses réponses, 77 % n'apparaissaient que dans un seul pays. Pour une marque qui ne suit qu'un score global d'AI Share of Voice, cet écart échappe entièrement au tableau de bord.

Ce que le Context Report de FTA Global a réellement testé

Le Context Report de FTA Global couvrait 10 catégories d'activité, dont le CRM, la paie, la comptabilité, les paiements et le recrutement RH, et posait les mêmes questions d'achat à ChatGPT et Gemini depuis différentes villes et dans différentes langues. FTA le présente comme une étude d'agence, dont la méthode et les données complètes sont disponibles sur demande depuis la page du rapport.

Les logiciels de paiement illustrent le plus nettement ce schéma. Interrogés depuis un compte à New York, en anglais, sur la passerelle de paiement à utiliser, les deux modèles ont cité Stripe, Square et PayPal. La même question posée depuis Mumbai a donné Razorpay, Cashfree et PayU, une liste qui ne partageait pas une seule marque avec le résultat new-yorkais.

Pourquoi les marques de paiement et de RH varient plus que les logiciels du quotidien

Toutes les catégories n'ont pas bougé dans la même mesure. Selon le communiqué de FTA Global, les catégories liées aux paiements affichaient en moyenne 4,4 des cinq marques recommandées qui changeaient entre les villes testées, contre 1,5 pour des catégories courantes comme la visioconférence et le stockage cloud, et aucune marque de logiciel RH américaine en tête n'apparaissait dans un seul des autres pays testés.

Cet écart reflète à quel point le paysage des fournisseurs est réellement local. Un prestataire de paiement doit se connecter aux banques, aux réseaux de cartes et aux règles monétaires propres à chaque pays, et une plateforme RH doit gérer la fiscalité de la paie et le droit du travail de ce pays, si bien que la bonne réponse change réellement d'un marché à l'autre. Un outil de gestion de projet ou une application de visioconférence fonctionne de façon presque identique partout, donc la géographie a moins de raisons de changer les résultats.

ChatGPT et Gemini ne sont même pas d'accord entre eux

La localisation n'était pas la seule source de désaccord. Pour une question identique posée dans la même ville, ChatGPT et Gemini ne partageaient en moyenne qu'environ 3,2 des cinq marques recommandées, selon le même communiqué, et la même question ne donnait la même marque en tête que dans 35 % des cas.

Cet écart entre modèles rejoint un schéma déjà observé par l'analyse de BrightEdge portant sur cinq moteurs IA : les moteurs ne s'accordaient sur les marques à recommander que dans 36 % à 55 % des cas, ce chevauchement tombant encore plus bas dans des catégories comme la santé, comme le détaille notre comparaison de la façon dont les moteurs IA classent différemment les mêmes marques.

Une marque qui paraît forte dans ChatGPT et presque invisible dans Gemini ne perd pas nécessairement du terrain. Elle voit peut-être simplement la version d'une réponse propre à un moteur, qui n'avait jamais vocation à correspondre à celle de l'autre.

La recherche universitaire confirme ce schéma

Cet effet géographique ne se limite pas aux données de FTA Global. Un article publié sur arXiv en avril 2026 a construit LocQA, un benchmark de 2 156 questions couvrant 12 langues, et l'a testé sur 32 modèles de langage pour révéler des biais géographiques et culturels par défaut cachés.

Les résultats de LocQA ont montré que lorsque la localisation d'une question restait ambiguë, les modèles retombaient sur des hypothèses par défaut concernant les lois, les dates, les unités de mesure ou les institutions applicables, des hypothèses qui ne correspondaient pas toujours à la langue dans laquelle la question était posée. Cela rejoint ce que FTA Global a mesuré : ChatGPT et Gemini penchent par défaut vers des réponses façonnées autour de leur plus grand marché, le mieux documenté, anglophone et américain, et ne s'ajustent que partiellement une fois un autre pays ou une autre langue précisé.

Pourquoi un score unique d'AI Share of Voice masque tout cela

Un chiffre global unique d'AI Share of Voice ne peut pas montrer dans quelles villes ni dans quelles langues il a réellement été mesuré, et la plupart des marques ne se posent jamais la question. Les éditeurs d'outils commencent à en tenir compte : Semrush a élargi sa base de prompts de visibilité IA à 32 pays en mai 2026, en expliquant que la recherche IA n'est pas un phénomène limité à un seul marché.

La formule de calcul de l'AI Share of Voice fonctionne de la même façon sur chaque marché ; ce qui change, c'est l'ensemble de prompts, de villes et de langues sur lequel on l'applique, et la plupart des marques continuent de l'appliquer sur un seul.

C'est une forme familière d'angle mort. Le même réflexe qui produit un score global unique est aussi ce qui amène certains outils de suivi à ignorer complètement Mistral et DeepSeek, ou à pondérer chaque moteur de façon égale alors que Comscore a mesuré une baisse de 20 points de la part de ChatGPT aux États-Unis, une évolution analysée dans notre article sur la pondération des moteurs.

Ce qu'il faut réellement tester avant de faire confiance à un seul score

La solution n'est pas une nouvelle mesure, c'est un test plus large. C'est en posant les mêmes questions d'achat dans les villes et les langues où les acheteurs réels font leurs recherches, plutôt qu'en se limitant à des tests en anglais depuis un seul endroit, que cet écart a été mis en évidence au départ.

Les catégories soumises à une réglementation locale plus lourde, paiements, RH, assurance, services financiers, méritent des vérifications marché par marché avant qu'une marque fasse confiance à un score mixte pour elles. Les catégories logicielles courantes peuvent probablement rester sur un calendrier de test plus léger, puisque les données de FTA Global y montraient beaucoup moins de mouvement. En Allemagne, où le communiqué indique que les moteurs IA tiraient 42 % de leurs sources citées de pages web en allemand, une marque sans contenu en allemand part désavantagée face au réservoir de sources local avant même qu'un seul facteur de classement entre en jeu.