« Votre société a fermé en 2023. » « Votre logiciel n'existe qu'en anglais. » « Vous êtes une filiale de tel concurrent. » Ces inventions circulent déjà dans les réponses génératives. Ignorer le problème laisse la fausse version se renforcer. Voici le protocole que nous appliquons quand une IA déforme une marque cliente.

Typologie des erreurs (pour ne pas paniquer inutilement)

Toutes les erreurs ne se valent pas. Les hallucinations factuelles graves (fermeture, litige inventé, prix absurdes, confusion d'entité) exigent une action rapide. Les approximations commerciales (« leader » non revendiqué, mauvaise gamme) se corrigent en clarifiant le positionnement. Les erreurs ponctuelles sur une session (modèle non connecté au web) peuvent disparaître dès que la recherche web est activée. Classez avant d'agir : gravité × fréquence × surface (ChatGPT, Perplexity, Gemini, AI Overviews).

Si l'erreur apparaît sur 3 moteurs sur 4 avec la même formulation, il existe presque toujours une source web trompeuse ou obsolète (ancienne page, Wikipedia erronée, communiqué mal repris). Corrigez la source racine, pas seulement le symptôme dans le chat.

Étape 1 — Documenter sans ambiguïté

Capturez prompt exact, date, modèle/outil, capture d'écran, et reformulations testées. Notez si le mode navigation/search était actif. Constituez un dossier interne : ce que l'IA affirme vs la vérité factuelle, avec preuves (KBIS, pages pricing datées, communiqués). Sans ce dossier, vous ne pourrez ni prioriser ni démontrer la correction aux parties prenantes.

Testez aussi les variantes de marque (anciennes raisons sociales, fautes courantes, sigles). Les confusions d'entité naissent souvent là. Notre méthode d'audit de visibilité IA sert de base pour industrialiser ce monitoring.

Étape 2 — Publier la vérité sur une URL canonique

Les IA ont besoin d'une source claire à ré-ancrer. Créez ou mettez à jour une page « À propos / Company facts » : raison sociale, dates clés, produits, zones géographiques, ce que vous n'êtes pas (désambiguïsation). Ajoutez une page de presse ou un changelog si l'erreur porte sur une offre. Dates visibles, schema Organization, sameAs vers Wikidata. Une vérité seulement dite sur LinkedIn ne suffit pas.

Si une ancienne URL dit encore le contraire (ancienne version, PDF, page partenaire obsolète), corrigez ou noindexez. Les modèles et leurs index recyclent les pages mortes plus longtemps qu'on ne le croit.

Étape 3 — Corriger le graphe externe

Passez en revue Wikipedia / Wikidata, Crunchbase, annuaires, articles de presse, fiches marketplace. Demandez les rectificatifs. Pour Google, surveillez le Knowledge Panel et le profil d'entreprise. Pour les AI Overviews, améliorez les pages qui rankent déjà sur la requête concernée : c'est souvent elles qui alimentent le résumé. Un feedback in-product (pouce bas + correction) aide marginalement ; la correction des sources reste le levier principal.

Exemple concret

ETI industrielle : confusion d'entité résolue en 6 semaines

Une ETI métallurgie du Nord était confondue par Gemini et ChatGPT avec un homonyme belge en redressement judiciaire. Impact : 2 prospects ont demandé des explications en rendez-vous. Actions : page de désambiguïsation, mise à jour Wikidata, communiqué sur un média B2B, correction de 3 annuaires, renforcement schema Organization + sameAs. À 6 semaines : Gemini corrigé sur 8/10 prompts, ChatGPT Search sur 7/10, Perplexity encore hésitant sur 2 variantes de nom. Branded search négatif (« [marque] liquidation ») en baisse de 60 %.

Attention

Ce qu'il ne faut pas faire

Ne noyez pas le web de communiqués identiques. Ne menacez pas les plateformes sans dossier. Ne modifiez pas massivement vos pages pricing juste pour « tromper » l'IA. Et surtout : n'attendez pas une crise presse pour surveiller. Une routine mensuelle de 20 prompts marque évite la plupart des mauvaises surprises.

Protocole express (48 h / 30 j)

Cadence recommandée dès détection d'une erreur grave :

  1. H+0 à H+4 : documentation prompts + preuves factuelles.
  2. J+1 : URL canonique de vérité publiée / mise à jour.
  3. J+2 à J+10 : corrections Wikidata, annuaires, pages obsolètes.
  4. J+14 / J+30 / J+60 : re-tests multi-IA et reporting direction.

Conseil

Anticiper plutôt que réparer

Les marques qui publient des faits clairs, datés, et maintiennent Wikidata + page About n'ont presque jamais de crises d'hallucination durables. Le protocole de réponse est un filet ; la hygiène d'entité est la prévention. Voir aussi <a href="/blog/monitoring-mentions-ia">monitoring des mentions IA</a>.

Questions fréquentes

Peut-on forcer ChatGPT à corriger une information ?
Non. Vous pouvez remonter un feedback et publier des sources correctes. La correction dépend du rafraîchissement du modèle / de l'index de recherche. Comptez souvent plusieurs semaines.
Faut-il communiquer publiquement sur l'erreur ?
Seulement si l'erreur circule déjà largement ou impacte des deals. Sinon, corrigez silencieusement les sources et gardez le dossier en interne.
Les AI Overviews se corrigeant-elles plus vite ?
Souvent oui, car elles s'appuient sur l'index Google live. Mettre à jour les pages qui rankent sur la requête peut produire un effet en jours ou semaines, plus rapide que certains LLM hors-ligne.
Que faire si la source de l'erreur est un concurrent ?
Documentez, publiez votre vérité, demandez une rectification si un article factuellement faux existe. Évitez la guerre publique ; renforcez plutôt votre graphe de sources fiables.

Face à une IA qui invente sur votre marque, la méthode est simple : documenter, publier la vérité, corriger le graphe externe, re-tester. Ce n'est pas instantané, mais les marques qui laissent filer les hallucinations paient cash en confiance commerciale. Mettez le protocole en place avant la crise.