Perplexity et ChatGPT : deux stratégies rivales pour dominer le référencement local

Les intelligences artificielles conversationnelles transforment radicalement la façon dont les internautes trouvent des informations locales. Mais tous les modèles de langage ne fonctionnent pas de la même manière. Une enquête approfondie dévoile des approches diamétralement opposées entre deux géants du secteur.

Une analyse inédite sur 15 000 requêtes géolocalisées

Présentée lors du SMX Paris 2026, cette recherche menée par Idriss Khouader, cofondateur de Meteoria, et Thibault Renouf, co-CEO de Partoo, livre des conclusions surprenantes. L’investigation porte sur environ 15 000 prompts géolocalisés.

Le périmètre de l’étude couvre une vingtaine de secteurs d’activité répartis sur 200 villes françaises. La rigueur méthodologique impose la soumission de chaque requête identique à 100 reprises auprès de chaque intelligence artificielle.

Le fonctionnement des requêtes vers les moteurs de recherche

Les modèles de langage génèrent des requêtes intermédiaires, appelées query fan-outs, qu’ils transmettent aux moteurs de recherche traditionnels. Cette phase cruciale détermine quelles sources seront analysées et quelles marques figureront dans la réponse finale proposée à l’utilisateur.

ChatGPT : une exploration massive et multilingue

L’IA d’OpenAI adopte une stratégie d’exploration intensive. Quelle que soit la langue du prompt initial, elle formule systématiquement des requêtes dans la langue d’origine et en anglais.

« Si je pose un prompt en espagnol, il va faire la même chose : une requête en espagnol et une requête en anglais. Ça veut dire que si je veux influer sur les réponses de ChatGPT, il va falloir que j’aie du contenu anglophone, parce que la moitié des sources récupérées vont être anglophones. » explique Idriss Khouader.

Des requêtes longues et variables

Les requêtes générées par ChatGPT comptent en moyenne 11,5 mots, témoignant d’une grande précision. L’analyse d’un prompt type sur les assurances parisiennes révèle une diversité impressionnante : 63 des 67 query fan-outs collectées étaient uniques.

Un corpus de sources extrêmement étendu

ChatGPT mobilise en moyenne 22,7 sources pour construire chaque réponse. Sur 100 soumissions d’un même prompt, le corpus total atteint 132 URL distinctes.

« C’est énorme. Ça veut dire que si je veux influer au maximum sur la réponse de ChatGPT sur un prompt, il va falloir que j’influe sur ces 132 sources. » souligne Idriss Khouader.

Perplexity : la stabilité et la concision

La version gratuite de Perplexity privilégie une approche radicalement différente. Elle effectue une seule recherche par prompt, exclusivement dans la langue originale de la question.

Des requêtes courtes et répétitives

Les requêtes générées contiennent environ 5 mots en moyenne. Elles restent très fidèles au prompt initial, reproduisant pratiquement la même formulation à chaque envoi, comme par exemple « meilleure assurance Paris 10e 2026 ».

Un nombre réduit de sources consultées

Perplexity utilise environ 18 sources par réponse, soit moins que son concurrent. La différence majeure réside dans la stabilité de son corpus : seulement 40 URL uniques sur 100 soumissions identiques.

Conséquences stratégiques pour le référencement local

Ces différences fondamentales impactent directement les stratégies de visibilité des entreprises locales. Pour influencer ChatGPT, une marque doit multiplier sa présence sur un maximum de pages potentiellement explorées.

La variabilité importante des sources consultées signifie qu’une entreprise peut apparaître ou disparaître d’une réponse à l’autre pour un même prompt.

Une approche adaptée à chaque plateforme

Avec Perplexity, l’enjeu se concentre sur un nombre limité de sources récurrentes et stables. Les entreprises doivent prioriser leur positionnement sur ces pages clés plutôt que disperser leurs efforts.

Cette dualité stratégique oblige les professionnels du marketing digital à repenser leurs méthodes d’optimisation pour les intelligences artificielles conversationnelles.