Les publicités dans ChatGPT n'ont pas de mots-clés. Elles ont du sens

En résumé : Depuis fin août 2026, les publicités dans ChatGPT sont disponibles. Elles ne sont pas achetées par mots-clés. Le système les adapte au sens de l'ensemble de la conversation, au contenu de la page de destination et à la description de la situation dans laquelle le client a besoin d'aide. La publicité s'affiche directement sous la réponse du modèle, donc son efficacité dépend également de ce que ChatGPT a dit sur la marque juste au-dessus. Les recherches sur la Brand Semantics dans onze secteurs, allant de la construction et de l'industrie à l'hôtellerie, la mode et les services juridiques, montrent que ce contexte est rarement neutre. Cela change l'ensemble des compétences nécessaires pour mener une campagne : de la gestion des enchères et des mots-clés à la gestion du sens, du contexte et de la représentation de la marque dans les modèles linguistiques. Ci-dessous, j'explique comment ce canal fonctionne, pourquoi il peut changer les règles du jeu en matière de conversion et ce qu'il exige d'une entreprise qui souhaite en bénéficier.

1. Que s'est-il réellement passé

OpenAI a annoncé les publicités dans ChatGPT le 9 février 2026 et les a testées pendant six mois aux États-Unis. Le 24 août 2026, le canal a été lancé dans 31 pays européens. Le gestionnaire de publicités (Ads Manager) fonctionne en version bêta. En Europe, les premières campagnes ont été lancées par des partenaires, et l'auto-service sera progressivement mis à disposition.

Quelques faits à retenir, car ils structurent le reste :

• La publicité apparaît sous la réponse de ChatGPT, elle est marquée comme sponsorisée et visuellement séparée du texte du modèle. Elle n'est pas intégrée dans la réponse.

• Un seul format : nom de la marque avec une icône, titre jusqu'à 30 caractères, description jusqu'à 60 caractères, image carrée de 256×256 px et lien vers la page de destination. Pas de vidéo, pas de carrousel.

• Pour l'instant, elle est visible par les utilisateurs des plans gratuits (Free, et sur les marchés où cela existe – également Go). OpenAI déclare qu'elle ne diffuse pas de publicités sur les plans Plus, Pro ou Business, ni aux personnes de moins de 18 ans. Les publicités n'apparaissent pas non plus dans les chats temporaires et chez les utilisateurs non connectés. Il est important de garder cela à l'esprit lors de la planification de la portée. Il est également utile de suivre si cette politique évolue.

• L'annonceur n'a aucune influence sur la réponse du modèle et ne reçoit aucune donnée sur l'utilisateur : ni le contenu de la conversation, ni l'historique, ni l'adresse e-mail.

• Facturation : CPM (coût pour mille impressions), CPC (coût par clic ; OpenAI recommande des enchères de 3 à 5 USD) et – depuis août – oCPC, c'est-à-dire optimisation pour les conversions. Le minimum budgétaire précédent de 50 000 USD a été supprimé.

• Mesure : impressions, clics, CTR, CPC et CPM moyens, dépenses, conversions. Les campagnes peuvent être marquées avec des paramètres UTM, et les conversions mesurées par pixel et via l'API Conversions. OpenAI précise que le canal n'a pas encore de benchmarks de performance entre les secteurs.

Sources : OpenAI Help Center – Ads in ChatGPT: The Basics, OpenAI Help Center – Create ads for ChatGPT Ads, Socialpress – ChatGPT Ads startują w Polsce, StackAdapt – How to advertise on ChatGPT.

2. Comment ChatGPT sélectionne la publicité. Et pourquoi ce n'est pas un « nouveau Google Ads »

Dans le moteur de recherche, la mécanique est connue depuis près d'un quart de siècle : l'utilisateur saisit une phrase, l'annonceur enchérit sur cette phrase, celui qui a la meilleure combinaison d'enchères et de qualité gagne. La phrase est le dénominateur commun. On peut l'acheter, l'exclure, la mesurer.

Dans ChatGPT, ce dénominateur n'existe pas. Selon la documentation d'OpenAI, le système sélectionne la publicité sur la base de quatre éléments simultanément :

1. le contexte et l'intention de l'ensemble de la conversation, et non de la dernière phrase ;

2. le contenu de la page de destination de la publicité, que OpenAI lit avec son propre robot (OAI-AdsBot) et vérifie pour conformité avec la politique publicitaire ;

3. le titre et la description de la publicité ;

4. les indices contextuels fournis par l'annonceur – et, si l'utilisateur a activé la personnalisation, certains signaux de ses conversations précédentes.

Les indices contextuels ne sont pas des mots-clés. OpenAI déclare clairement qu'ils ne fonctionnent pas comme un match exact et ne garantissent pas l'affichage dans une conversation spécifique. Il s'agit d'une description de la situation de besoin : qui demande, quoi, à quel moment de la décision. Au lieu de la phrase « système CRM », l'annonceur décrit « une équipe de vente qui compare des outils d'automatisation des rapports et souhaite réduire le travail manuel ». La décision finale d'affichage est prise par le modèle de pertinence d'OpenAI.

À cela s'ajoute une enchère. Il s'agit d'une enchère de deuxième prix pondérée par la pertinence : l'enchère n'est qu'une des entrées, et la pertinence de la publicité et de la page de destination par rapport à la conversation co-décide qui gagne et combien il paie. En d'autres termes : si la page de destination décrit clairement ce qu'est le produit, pour qui, dans quelles situations et en quoi il diffère des alternatives, le système a une base pour l'adaptation, et la publicité gagne à un coût inférieur.

La conséquence est simple : dans ce canal, il n'est pas possible de « paramétrer une campagne » sur des phrases. Il faut savoir comment les gens parlent réellement au modèle sur une catégorie donnée, à quel moment de la décision cela se produit et ce que le modèle répond avant d'afficher la publicité.

3. Pourquoi la conversion peut sembler différente de celle du moteur de recherche

Pour être honnête : OpenAI ne publie pas de benchmarks, et le marché commence à peine à rassembler des données. Mais il existe trois raisons indépendantes qui permettent de comprendre pourquoi ce canal a un potentiel de conversion différent des médias classiques.

Premièrement, le moment. L'utilisateur de ChatGPT ne « cherche » pas ; il est déjà en conversation. Il a posé une question, a reçu une réponse, a souvent précisé. La publicité apparaît au moment où le besoin est déjà nommé et les critères de choix discutés. C'est le plus proche du moment de décision que la publicité ait jamais été.

Deuxièmement, la qualité du trafic. Shopify a rapporté qu'au premier trimestre 2026, le trafic provenant des assistants GenAI se convertissait 49 % mieux sur la page produit que le trafic provenant du moteur de recherche, et le nombre de visites de cette source a été multiplié par huit d'une année sur l'autre. Criteo, sur un échantillon de 500 vendeurs, a mesuré que le trafic référé par les modèles linguistiques se convertit environ 1,5 fois mieux que d'autres canaux de référence. Ce sont des données sur le trafic organique, pas payant, mais elles montrent avec quel type d'utilisateur nous avons affaire : une personne qui a déjà passé l'étape de comparaison dans la conversation.

Troisièmement, les premiers tests payants. Un test de deux semaines de SE Ranking sur les marchés anglophones a donné un CTR de 1,30 % sur plus de 97 000 impressions. Un autre test, publié par une agence canadienne, a donné un CTR de 0,65 % avec un coût par clic d'environ 4,4 à 4,9 CAD. L'écart est important et doit être considéré comme un signal que le canal fonctionne, et non comme un benchmark.

Il y a aussi un revers de la médaille qu'il faut aborder tout aussi clairement. Les publicités atteignent aujourd'hui les utilisateurs des plans gratuits, et non les abonnés Plus, Pro ou Business. Deux tests B2B publiés suggèrent que les décideurs d'entreprise utilisent plus souvent que l'utilisateur moyen les plans payants, c'est-à-dire ceux sur lesquels il n'y a pas encore de publicités. Un clic coûte entre 3 et 5 USD. L'inventaire est limité, le format est unique, et les outils d'optimisation sont jeunes. Chaque correspondance incorrecte est coûteuse dans ce canal. C'est précisément pourquoi la précision du contexte cesse d'être une question d'esthétique et devient une condition de rentabilité.

Sources : Brand Semantics – données Shopify Q1 2026 sur la page d'accueil, Choice OMG – ChatGPT Ads 2026 field guide, Socialpress.

4. Une fenêtre, deux couches : ce que le modèle dit au-dessus de votre publicité

Nous arrivons ici à une chose qui n'est pas présente dans aucun guide sur les publicités ChatGPT, mais qui, à mon avis, détermine le résultat de la campagne.

La publicité s'affiche sous la réponse du modèle. L'utilisateur lit d'abord ce que ChatGPT pense de son problème, quelles solutions il recommande, quelles marques il mentionne et comment il les décrit. Ce n'est qu'ensuite qu'il voit la carte sponsorisée. Cela signifie que dans une seule fenêtre, il y a deux couches de communication sur la marque : la représentation organique de la marque dans la réponse du modèle et la carte payante. L'annonceur ne contrôle que cette dernière.

Considérons trois situations typiques que nous observons dans les études des réponses des modèles menées avec notre outil de recherche Semantio :

Situation A : le modèle recommande un concurrent. L'utilisateur demande une solution dans une catégorie, le modèle mentionne trois marques et en recommande une. En dessous apparaît la publicité d'une quatrième marque – la vôtre. La carte payante se bat contre la recommandation que l'utilisateur vient de lire et à laquelle il a fait confiance. Un clic est possible, mais la publicité commence avec une position que le modèle a déjà perdue pour elle.

Situation B : le modèle donne des informations incorrectes sur la marque. Dans la réponse, votre marque apparaît, mais avec un prix erroné, un certificat inexistant, une mauvaise localisation ou une caractéristique attribuée à un concurrent. La publicité en dessous mène à une page qui dit autre chose. L'utilisateur reçoit un message contradictoire et ne sait pas à qui faire confiance.

Situation C : le modèle ne connaît pas la marque. La réponse concerne la catégorie, mais votre marque n'y figure pas. La publicité est le premier contact – et le seul argument. C'est le scénario le plus coûteux, car tout le travail de persuasion repose sur 30 caractères de titre et 60 caractères de description.

Il y a aussi la situation D : le modèle recommande votre marque, et la publicité le confirme. Dans ce cas, les deux couches travaillent ensemble : la réponse organique construit la confiance, la carte payante offre le chemin le plus court vers l'action. C'est la seule configuration où le coût par clic a une chance de se rentabiliser.

Ce que nous voyons dans les études : onze secteurs, le même mécanisme

Les exemples suivants proviennent des études de représentation des marques que nous avons menées en 2026 à Semantio pour les clients de Brand Semantics et dans le cadre de l'étude Fondation AI Business Center sur les données de Semantio. Nous indiquons les secteurs et l'échelle de l'étude, car ce sont eux qui montrent que le mécanisme est indépendant du secteur. Chaque résultat est une photo datée d'un jour d'étude – les modèles changent leurs réponses dans le temps, c'est pourquoi la mesure est répétée.

Trois éléments de ce tableau ont une incidence directe sur les publicités ChatGPT.

Premièrement, « l'absence de marque dans les questions sur la catégorie » est la norme, pas l'exception. Dans huit des onze études, la marque est presque absente lorsque le client ne connaît pas encore son nom, c'est-à-dire précisément dans ces conversations où la publicité devrait intervenir. La publicité dans un tel contexte fonctionne dans la situation C : elle est le seul argument et paie le prix fort pour chaque clic.

Deuxièmement, une forte recommandation ne signifie pas un contexte sûr. Pour le fabricant d'éclairage, 16 des 18 erreurs sont apparues dans les réponses où le modèle recommandait la marque. Pour le fabricant de ventilation, les modèles recommandaient l'entreprise tout en l'attribuant simultanément à un groupe de capitaux étranger. La publicité sous une telle réponse renforce la recommandation et l'erreur qui l'accompagne.

Troisièmement, la même question dans différents systèmes donne un contexte différent. Pour un fabricant régional de charcuterie, l'évaluation de la recommandation (sur une échelle de 0 à 100) variait de 16 à 51 selon le système ; pour le fabricant de ventilation, quatre systèmes ont vu la marque dans 20 sur 20 questions, et le cinquième dans 13 sur 20. La campagne dans ChatGPT concerne un seul système, mais le client compare dans plusieurs – et le contexte organique doit être connu dans chacun d'eux.

La différence entre la situation A et D n'est pas une question d'enchère ou de création. C'est une question de comment le modèle représente la marque, avant même que la campagne ne démarre. Et cela n'est visible dans aucun panneau publicitaire. Pour le voir, il faut poser aux modèles les mêmes questions que celles que posent les clients – de nombreuses fois, dans de nombreuses variantes, dans plusieurs systèmes – et mesurer les réponses. C'est précisément l'objet de la Generative Engine Optimization (GEO) et de la mesure dans Semantio.pro.

5. Quatre compétences requises pour ce canal

Puisque ChatGPT n'adapte pas les publicités aux phrases, mais aux significations, la question est : qui peut travailler sur les significations ? D'après notre expérience, quatre compétences sont nécessaires. Il est utile de vérifier lesquelles de ces compétences possède l'équipe qui mène la campagne – interne ou externe.

5.1. Carte des entités et carte des affirmations – pour que la page de destination soit compréhensible pour le modèle

Le système OpenAI lit la page de destination et évalue la pertinence de la publicité par rapport à la conversation. Si la page décrit l'entreprise comme un « partenaire technologique innovant », le modèle n'a pas de base pour déduire dans quelles conversations la publicité a du sens. Si la page dit clairement : quel produit, pour qui, pour quel problème, dans quelle catégorie, avec quelles preuves et en quoi il diffère des alternatives – le modèle a une base pour l'adaptation.

Deux exemples de nos audits montrent à quelle fréquence cette condition n'est pas remplie. La page d'un centre de construction local ne rendait tout son contenu visible qu'à travers le navigateur du client – les robots qui lisent Internet y voyaient une « page blanche » ; la seule chose qu'ils pouvaient lire était deux mots. Une telle page en tant que page de destination pour une publicité dans ChatGPT n'a aucune chance de gagner l'enchère de pertinence, et le robot OAI-AdsBot n'a rien à vérifier. D'autre part, un fabricant industriel polonais opérant dans un groupe international avait dans sa carte de site 699 des 729 adresses menant au domaine de la société mère étrangère ; les modèles citaient le domaine polonais dans 7 % des réponses et attribuaient des références et des certificats à une autre entreprise. La publicité d'une telle marque mènerait à une page que le modèle ne relie pas à l'entité dont il parle dans la réponse précédente.

Nous appelons cela l'univocité sémantique. En pratique, cela signifie la séparation de deux choses : carte des entités (quels objets composent le monde de la marque : produits, destinataires, problèmes, concurrents, preuves) et carte des affirmations (quelles phrases sur ces objets doivent être vraies, confirmées par des sources et accessibles au modèle). Une page de destination préparée de cette manière est à la fois une meilleure page dans le moteur de recherche, une meilleure source pour les modèles linguistiques et un atterrissage moins coûteux dans l'enchère pondérée par la pertinence. C'est un travail, trois effets.

5.2. Scénarios d'intention – pour que les indices contextuels proviennent des données, pas d'un brainstorming

Un indice contextuel est une description de la situation de besoin : qui, quel besoin, quel contexte, quel moment de décision. Pour bien l'écrire, il faut savoir comment les clients posent réellement des questions aux modèles sur une catégorie donnée – au stade de la découverte (« comment résoudre le problème X »), de la comparaison (« en quoi A diffère de B ») et de la décision (« où acheter, à qui confier »).

Chez Semantio, nous travaillons précisément sur ces unités : scénarios, c'est-à-dire des questions complètes ancrées dans une personne, un produit et un stade de décision, adressées à des systèmes sélectionnés. Une entreprise qui étudie depuis des mois les scénarios d'achat dans la catégorie du client rédige des indices contextuels à partir de la mesure : elle sait quelles situations se terminent par une recommandation, dans lesquelles le modèle mentionne des concurrents, et dans lesquelles la marque est absente. Une équipe qui n'a pas cette mesure rédige des indices à partir de l'intuition – et ne les teste qu'avec le budget.

5.3. Mesure de la représentation de la marque – avant, pendant et après la campagne

C'est une compétence qui distingue la gestion d'une campagne dans ChatGPT de celle dans n'importe quel autre média. Puisque la réponse organique du modèle est au-dessus de la publicité, il faut savoir :

• avant le lancement – dans quel pourcentage des scénarios d'achat le modèle mentionne la marque, à quelle fréquence il la recommande, quelle est sa part de voix par rapport aux concurrents, quel ton il utilise pour la décrire et s'il ne fournit pas d'informations erronées à son sujet ;

• pendant – si la réponse organique favorise la publicité (situation D), ou lutte contre elle (A, B, C) ; si les changements sur la page et dans les sources déplacent les réponses du modèle ; quelles sources le modèle cite lorsqu'il parle de la catégorie ;

• après la campagne – ce que le modèle a exactement dit sur la marque le jour de la diffusion, sous une forme qui peut être présentée à la direction ou au client.

En pratique, cette mesure change les décisions de campagne. Pour le fabricant de portes et fenêtres, le contexte organique au stade de la décision était neutre (0 % de recommandations directes avec un sentiment de 8,1/10) – la publicité n'a de sens que si elle est accompagnée de preuves sur la page de destination qui permettront au modèle de justifier un prix plus élevé. Pour la marque de chaussures, le contexte au stade de la décision était directement défavorable (mentions de réclamations) – une campagne sans travail préalable sur les sources paierait pour des clics de clients qui viennent de lire un avertissement. Pour l'hôtel premium, le contexte était excellent dans les scénarios de bien-être et mauvais dans les scénarios de conférence – les indices contextuels et les pages de destination doivent être différents pour chacun de ces segments.

Semantio mesure ces dimensions sur des réponses en direct de ChatGPT, Gemini, Claude, Perplexity, Google AI Overview, Microsoft Copilot, Grok et DeepSeek : Taux de visibilité, Part de voix, niveau de recommandation, sentiment, impact des sources et détection d'affirmations contradictoires avec des faits vérifiés sur la marque. Chaque résultat est une mesure datée d'une étude spécifique, pas une prévision basée sur des signaux sur la page. Grâce à cela, la campagne dans ChatGPT n'est pas menée dans le flou : nous savons sur quel contexte organique la publicité s'affiche et si ce contexte travaille pour elle ou contre elle.

5.4. Preuve – pour que le résultat puisse être défendu

Dans un canal sans benchmarks et avec un délai de 24 à 48 heures pour le reporting des conversions, il est particulièrement important que le diagnostic et les conclusions soient audités. Chez Semantio, chaque réponse du modèle est enregistrée dans un journal avec des métadonnées, une classification et des sources citées, et certaines réponses peuvent être conservées comme enregistrement vérifiable de manière indépendante, protégé contre la modification de ce que le système a dit à un moment donné.

6. Comment nous menons des campagnes dans ChatGPT

Chez Brand Semantics, nous menons des campagnes ChatGPT Ads de l'analyse au rapport – avec un accès direct au gestionnaire de publicités et à notre propre outil de mesure. Le processus se déroule comme suit :

1. Analyse de la représentation de la marque dans les modèles. Étude dans Semantio : scénarios d'achat réels dans la catégorie du client, dans la langue du marché, dans plusieurs systèmes. Résultat : où la marque est recommandée, où elle perd face aux concurrents, où les modèles se trompent, quelles sources façonnent la réponse.

2. Carte des entités et préparation de la page de destination. Organisation de ce que le modèle doit comprendre sur la marque et traduction sur la page de destination : claire, source, permettant aux robots OpenAI (OAI-AdsBot et OAI-SearchBot – bloquer l'un d'eux signifie le rejet de la publicité ou la disparition des réponses organiques).

3. Scénarios → indices contextuels et créations. De la mesure découlent les situations de besoin dans lesquelles la publicité a du sens, et les variantes de titres et de descriptions adaptées au stade de décision.

4. Campagne dans le gestionnaire de publicités. Objectif (portée, clics ou conversions), géographie, plateforme, budget quotidien, mesure des conversions par pixel et via l'API Conversions configurée avant le lancement.

5. Suivi des deux couches. En parallèle : résultats de la campagne du gestionnaire de publicités et mesure cyclique des réponses organiques des modèles dans Semantio. Si le contexte organique travaille contre la publicité – actions GEO sur les sources et contenus, pas seulement sur les enchères.

6. Rapport avec preuve. Ce que le modèle a dit, ce que la publicité a fait, ce qui a changé entre les mesures – avec des journaux et un enregistrement vérifiable des réponses.

7. Qui devrait entrer maintenant, et qui devrait attendre

Il est intéressant de tester maintenant, si la marque opère dans une catégorie où le client compare, pose des questions et revient avec d'autres questions : e-commerce avec des produits à considérer, électronique, finances personnelles (dans les limites de la politique publicitaire d'OpenAI), télécommunications, automobile, voyages, éducation, services choisis après recherche, ainsi que produits pour la maison, produits de construction et de finition ou articles pour enfants. Il est également intéressant si l'entreprise souhaite acquérir de l'expérience dans le canal avant que la concurrence ne le fasse – dans un canal jeune, le coût d'apprentissage est inférieur au coût du retard.

Il vaut mieux attendre, si :

• les clients sont principalement des décideurs B2B utilisant des plans payants ChatGPT – la publicité ne les atteindra pas pour l'instant ; dans ce cas, la représentation organique de la marque dans les réponses, visible par tous les utilisateurs, quel que soit leur plan, est plus importante. Dans l'étude d'un fabricant de ventilation incendie, nous avons appelé cela « une enchère perdue avant l'enchère » : le designer demande au modèle ce qu'il faut inscrire dans le cahier des charges, reçoit une liste sans marque – et la marque n'entre qu'en tant que substitut au stade d'exécution, en luttant sur le prix. Cela ne sera pas corrigé par une carte sponsorisée, mais par la présence dans la réponse elle-même ;

• le produit est un FMCG ou un service local à faible valeur de panier – avec un CPC de 3 à 5 USD, l'économie ne se justifie pas ;

• le secteur est soumis à des restrictions de politique publicitaire (alcool, jeux d'argent, contenus politiques sont interdits ; santé et services financiers sont limités, et en dehors des États-Unis, dans la plupart des cas, interdits) ;

• l'entreprise n'a pas de page de destination que le modèle pourrait comprendre – dans ce cas, la première étape n'est pas la campagne, mais l'organisation de la représentation de la marque.

Quoi qu'il en soit, que l'entreprise entre dans la publicité payante ou non, la couche organique fonctionne toujours : l'utilisateur d'un plan payant ne verra pas la publicité, mais verra ce que le modèle dit sur la marque. Pour de nombreuses entreprises B2B, c'est aujourd'hui un canal plus important que n'importe quelle carte sponsorisée.

8. Liste de contrôle de préparation pour ChatGPT Ads

Avant de lancer une campagne, il est utile de répondre à dix questions :

1. Savez-vous dans quel pourcentage des questions d'achat réelles dans notre catégorie ChatGPT mentionne notre marque ?

2. Savons-nous qui il recommande à notre place – et pourquoi (quelles sources) ?

3. Le modèle fournit-il des informations incorrectes sur nous que la publicité renforcerait plutôt que corrigerait ?

4. La page de destination décrit-elle clairement le produit, le destinataire, le problème et les preuves – dans un langage que le modèle peut comprendre ?

5. La page permet-elle aux robots OAI-AdsBot et OAI-SearchBot d'accéder ?

6. Avons-nous des scénarios d'intention pour les trois étapes de décision, à partir desquels découlent les indices contextuels ?

7. Avons-nous plusieurs variantes de titre et de description, chacune montrant un avantage différent, et non le même message ?

8. La mesure des conversions (pixel, API Conversions, UTM) est-elle configurée avant le lancement, et non après ?

9. Nos clients utilisent-ils le plan gratuit de ChatGPT ?

10. Avons-nous un moyen de montrer à la direction, après la campagne, ce que le modèle a dit sur la marque le jour de la diffusion – sous une forme vérifiable ?

Si les réponses aux questions 1 à 3 sont « nous ne savons pas », la campagne sera lancée dans le flou – peu importe qui la dirige.

9. Glossaire des termes

ChatGPT Ads – canal publicitaire d'OpenAI, dans lequel des cartes sponsorisées s'affichent sous les réponses de ChatGPT pour les utilisateurs de plans gratuits ; l'adaptation repose sur le contexte de la conversation, la page de destination, la création et les indices contextuels fournis par l'annonceur, et non sur des mots-clés.

Indices contextuels (context hints) – descriptions de situations de besoin (qui, quel besoin, quel contexte, quel moment de décision) que l'annonceur fournit dans le gestionnaire de publicités ; ils ne sont pas un match exact et ne garantissent pas l'affichage.

Generative Engine Optimization (GEO) – discipline qui suit le SEO : au lieu de la position dans la liste des liens, l'objectif est de savoir comment les modèles linguistiques décrivent, comparent et recommandent la marque dans la réponse finale. Cela inclut l'organisation des entités et des affirmations sur la marque, la construction de sources que les modèles citent, et la mesure des réponses.

Représentation de la marque dans les réponses des modèles linguistiques (LLM brand representation) – manière observable dont la marque est présente, décrite, comparée, recommandée et sourcée dans les réponses des systèmes GenAI dans une étude donnée. La visibilité n'est qu'une de ses dimensions.

Share of Voice (SoV) – part de la marque dans le « temps d'antenne » des réponses du modèle par rapport aux concurrents nommés dans un ensemble donné de scénarios.

Hallucination de marque (brand hallucination) – affirmation du modèle sur la marque qui contredit des faits vérifiés : prix erroné, certificat inexistant, mauvaise localisation, caractéristique attribuée à un concurrent.

Carte des entités / carte des affirmations – outils d'organisation de la représentation de la marque : liste des objets qui composent le monde de la marque (produits, destinataires, problèmes, concurrents, preuves) et liste des phrases sur ces objets qui doivent être vraies, confirmées par des sources et accessibles au modèle.

Semantio – plateforme de recherche de Brand Semantics pour analyser et surveiller la représentation des marques dans les réponses de ChatGPT, Gemini, Claude, Perplexity, Google AI Overview, Microsoft Copilot, Grok et DeepSeek, sur des réponses en direct, dans la langue du marché, avec des journaux et une preuve vérifiable.

10. Questions fréquentes

La publicité dans ChatGPT peut-elle changer ce que le modèle dit sur la marque ? Non. OpenAI sépare le système publicitaire du modèle. L'annonceur ne peut pas influencer le contenu, l'ordre ou le ton des réponses. Changer la représentation organique de la marque est possible uniquement par le travail sur les sources, le contenu et la structure de l'information – c'est-à-dire par le GEO.

Peut-on acheter une publicité sur la phrase « meilleur X à Varsovie » ? Non. Il n'y a pas de mots-clés. On peut décrire la situation de besoin dans laquelle la publicité a du sens, et s'assurer que la page de destination et la création sont pertinentes. La décision d'affichage est prise par le modèle de pertinence d'OpenAI.

Quel est le coût d'un clic ? OpenAI recommande des enchères CPC de 3 à 5 USD. Les premiers tests publiés à l'étranger se situent dans cette fourchette. Il n'y a pas encore de benchmarks polonais.

Mes clients B2B le voient-ils ? S'ils utilisent le plan gratuit – oui. Sur les plans Plus, Pro et Business, il n'y a pas encore de publicités ; leurs utilisateurs voient cependant les réponses organiques du modèle sur la marque, et c'est elles qui décident si la marque figurera sur la liste restreinte.

Par où commencer ? Par la mesure : que disent aujourd'hui ChatGPT et d'autres modèles sur la marque dans de vraies questions d'achat. Sans cela, on ne sait pas si la publicité renforcera la recommandation ou luttera contre elle.

Grzegorz Miłkowski – CEO de Brand Semantics P.S.A., société de conseil et technologie spécialisée dans la représentation des marques dans les modèles linguistiques et créateur de la plateforme de recherche Semantio.

Sources : OpenAI Help Center – Ads in ChatGPT: The Basics · OpenAI Help Center – Create ads for ChatGPT Ads · Socialpress – ChatGPT Ads startują w Polsce · StackAdapt – How to advertise on ChatGPT · Choice OMG – ChatGPT Ads in 2026 field guide · Adsmurai – Hints in ChatGPT Ads · Brand Semantics – rapport SEO/GEO 2026