Pourquoi ChatGPT cite des sources américaines pour des requêtes canadiennes

Je fais ce test avec presque tous mes clients canadiens, et le résultat est assez constant pour que j’ouvre désormais mes mandats avec. Demandez à ChatGPT, à Perplexity ou au mode IA de Google de recommander un prestataire dans une ville canadienne, dans la catégorie du client. Puis lisez la liste des citations plutôt que la réponse. La plupart du temps, les sources nommées sont américaines : une publication professionnelle des États-Unis, un classement Forbes, un fil Reddit, Wikipédia. Parfois le moteur nomme des entreprises américaines comme options pour une requête explicitement canadienne.

Le réflexe est d’appeler ça un biais. Ça n’en est pas un, ou du moins pas d’une manière sur laquelle vous puissiez agir. C’est une conséquence mécanique de la façon dont ces systèmes résolvent l’identité des choses — et contrairement à un biais, une mécanique, ça se travaille.

Le sujet pèse plus lourd chaque trimestre. Le rapport Tendances Internet canadien 2026 de l’ACEI établit que 46 % des Canadiens ont utilisé un outil d’IA générative au cours de l’année écoulée, contre 33 % en 2025 et 16 % en 2024, et que 52 % de ces utilisateurs s’en sont servis comme moteur de recherche. Seuls 19 % disent toujours vérifier une réponse d’IA auprès d’une autre source.¹ Pour une part croissante de votre marché, la réponse de l’IA est la phase de recherche. Si vous n’y êtes pas, vous n’êtes pas sur la liste.

1. Faites le test vous-même

Ne me croyez pas sur parole. Ça prend trois minutes, et c’est la seule façon de savoir où vous en êtes plutôt que où en est le marché.

1. Ouvrez ChatGPT avec la recherche web active, en session déconnectée ou en conversation temporaire, pour que votre historique ne colore pas le résultat.
2. Posez la question qu’un acheteur taperait vraiment : pas « qui est Hicham Souilmi » mais « j’ai besoin d’un consultant SEO pour un site bilingue à Montréal — à qui parler ? »
3. Notez si vous êtes nommé, et relevez chaque domaine cité.
4. Reposez la même question dans l’autre langue officielle.
5. Recommencez le tout dans Perplexity et dans le mode IA de Google.

Consignez les résultats dans un tableau comme celui-ci, et gardez-le. Rejouez-le chaque mois : la valeur est dans la tendance, pas dans l’instantané.

2. Ce que disent réellement les données de citation

Deux résultats de recherche publiés expliquent l’essentiel de ce que vous verrez dans ce tableau.

Les citations IA ne sont pas vos positions Google. La comparaison menée par Semrush entre le mode IA de Google et la recherche classique montre des degrés de recouvrement très différents selon la surface : les AI Overviews s’appuyaient encore largement sur l’index classique, avec environ 86 % de recouvrement au niveau des domaines et 67 % au niveau des URL avec le top 10 organique, tandis que le mode IA descendait autour de 54 % et 35 %. ChatGPT présentait le plus faible recouvrement avec le top 10 de Google de toutes les surfaces testées, ce qui concorde avec sa dépendance à un autre moteur de récupération.² La lecture pratique : être premier sur Google vous donne une bonne chance d’AI Overview et très peu de levier dans ChatGPT.

Les modifications au niveau du contenu déplacent mesurablement la visibilité générative. L’article de KDD 2024 qui a nommé le domaine, GEO: Generative Engine Optimization, a mené des tests contrôlés sur un large corpus de requêtes et constaté que des modifications précises — ajouter des citations, ajouter des statistiques citables, resserrer les affirmations — produisaient des gains significatifs sur la fréquence à laquelle une source apparaissait dans les réponses générées, avec des effets très variables selon le domaine.³ C’est le point que l’on manque le plus souvent : la visibilité générative répond à la façon dont une page formule les choses, pas seulement à son existence.

Sous ces deux résultats se trouve une tendance comportementale bien documentée. Une étude EMNLP 2024 sur le biais de marque dans les LLM a montré que les modèles associent systématiquement les marques mondiales à des attributs positifs et les marques locales à des attributs négatifs — et, fait notable, qu’ils basculent vers les marques locales lorsque le pays est mentionné explicitement dans la requête.⁴ Le réglage par défaut penche vers le global. Un signal local explicite le ramène. Tout l’enjeu tient dans cette phrase.

3. Quatre raisons qui poussent un modèle vers une source américaine

Le volume du corpus

Le corpus américain anglophone écrase le corpus canadien, et le corpus français de France écrase le corpus québécois. Quand un modèle n’a aucune raison forte de préférer une source locale, c’est la densité qui tranche. C’est pourquoi une requête francophone depuis Montréal fait souvent remonter un cabinet parisien : le modèle ne choisit pas la France, il choisit le plus gros amas francophone dont il dispose.

Des entités non résolues

Un moteur génératif doit décider ce qu’est votre site avant de décider s’il peut le citer. Une page avec un numéro de téléphone en pied de page et « nous desservons la région de Montréal » dans le texte, c’est une page. Une entité, c’est une chose avec un type, un nom, un identifiant, une localisation et des confirmations. La plupart des sites de PME canadiennes sont des pages.

Aucune corroboration

C’est le facteur qui décide de tout. Si votre entreprise n’est décrite que sur votre propre site, le modèle dispose d’exactement un témoin — et ce témoin, c’est vous. Si le même nom, la même adresse et la même catégorie apparaissent sur LinkedIn, une fiche Google, un registre provincial, une association professionnelle et Wikidata, vous devenez un fait plutôt qu’une affirmation.

Le moteur de récupération a sa propre géographie

Les moteurs ne partagent pas d’index. La couche de recherche de ChatGPT, les surfaces IA de Google et le pipeline de Perplexity récupèrent différemment, et chacun hérite de la couverture géographique de ce qu’il interroge. Être fort sur l’un ne dit presque rien des autres — d’où la colonne « moteur » dans le panel ci-dessus.

4. La couche canadienne : deux langues, une province ambiguë

Les entreprises canadiennes portent deux difficultés supplémentaires que les entreprises américaines n’ont tout simplement pas.

La séparation bilingue. La plupart des sites canadiens soit mélangent le français et l’anglais sur une même URL, soit font tourner deux versions sans aucune relation formelle déclarée entre elles. Les deux laissent le modèle deviner. Sans hreflang réciproque et sans identifiant d’entité partagé, vos pages françaises et vos pages anglaises ressemblent à deux sites faibles sans lien plutôt qu’à un seul site bilingue solide.

Des noms qui désignent deux choses. « Québec » est une province et une ville. « Ontario » est une province et une commune de Californie. « London » est en Ontario et en Angleterre. Un humain lève l’ambiguïté par le contexte ; un système de récupération la lève par des déclarations explicites, ou pas du tout. Si rien sur votre site n’indique la province sous forme lisible par machine, vous êtes en concurrence d’attention avec une ville californienne.

Un site que personne d’autre ne confirme n’est pas une entité pour un modèle. C’est une page parmi des milliards.

— Hicham Souilmi

5. Étape 1 — Assurez-vous d’être joignable

Avant tout raffinement, vérifiez la chose ennuyeuse. Une part non négligeable des sites bloque les robots qui alimentent les réponses IA, et la plupart ne l’ont pas décidé : le blocage vient d’un réglage par défaut de CDN, d’une extension de sécurité, ou d’un robots.txt copié chez un éditeur de presse qui, lui, l’avait décidé.

Faites trois vérifications, dans cet ordre :

1. Ouvrez votredomaine.ca/robots.txt et cherchez GPTBot, OAI-SearchBot, ChatGPT-User, ClaudeBot, Claude-SearchBot, PerplexityBot et Google-Extended.
2. Contrôlez les règles de gestion de robots de votre CDN ou WAF. Cloudflare, en particulier, propose des réglages gérés qui bloquent les robots IA indépendamment de votre robots.txt : le fichier peut donc sembler permissif pendant que le serveur de bordure refuse la requête.
3. Cherchez ces agents dans vos logs serveur sur les 30 derniers jours. Si un robot n’y apparaît jamais, c’est qu’il n’est jamais venu — quoi que dise le fichier.

Il faut savoir que ces robots font des métiers différents. OpenAI documente trois agents distincts : GPTBot explore pour l’entraînement des modèles, OAI-SearchBot construit l’index de recherche qui produit les citations, et ChatGPT-User récupère une page en direct quand la question d’un utilisateur l’exige.⁵ Bloquer les trois parce que vous ne voulez pas entraîner le modèle de quelqu’un vous retire aussi des réponses. Si c’est l’arbitrage que vous voulez, voici sa forme :

# Autoriser les robots qui peuvent vous citer. Refuser celui qui ne fait qu'entraîner.

User-agent: OAI-SearchBot
Allow: /

User-agent: ChatGPT-User
Allow: /

User-agent: PerplexityBot
Allow: /

User-agent: Claude-SearchBot
Allow: /

User-agent: GPTBot
Disallow: /

Sitemap: https://www.votredomaine.ca/sitemap.xml

6. Étape 2 — Déclarez une entité complète

Ici, le correctif n’est pas éditorial. C’est un problème de déclaration : énoncer, sous forme lisible par machine, exactement ce qu’un modèle devrait sinon déduire.

Voici la forme que ça prend. areaServed et sameAs sont des propriétés standard de schema.org, et Google documente les types qu’il consomme réellement pour ses résultats enrichis — mais les données structurées sont lues par bien plus de systèmes que ceux de Google.⁶

{
  "@context": "https://schema.org",
  "@type": "ProfessionalService",
  "@id": "https://www.votredomaine.ca/#organization",
  "name": "Votre Entreprise inc.",
  "url": "https://www.votredomaine.ca/",
  "inLanguage": ["fr-CA", "en-CA"],
  "address": {
    "@type": "PostalAddress",
    "streetAddress": "123 rue Sainte-Catherine O",
    "addressLocality": "Montréal",
    "addressRegion": "QC",
    "postalCode": "H3B 1A1",
    "addressCountry": "CA"
  },
  "areaServed": [
    { "@type": "City", "name": "Montréal" },
    { "@type": "AdministrativeArea", "name": "Québec" },
    { "@type": "Country", "name": "Canada" }
  ],
  "sameAs": [
    "https://www.linkedin.com/company/votre-entreprise",
    "https://www.wikidata.org/wiki/QXXXXXXX",
    "https://www.crunchbase.com/organization/votre-entreprise"
  ]
}

Deux règles que l’on enfreint sans arrêt. D’abord, un seul @id par entité, réutilisé partout où cette entité est référencée — pas un par page. Votre organisation est la même organisation sur chaque URL ; dites-le. Ensuite, les valeurs de sameAs doivent être des comptes qui confirment réellement les informations déclarées. Une page LinkedIn indiquant une autre ville affaiblit l’affirmation au lieu de l’appuyer.

Côté bilingue, déclarez la paire de façon réciproque sur les deux pages, et ajoutez un x-default :

<link rel="alternate" hreflang="fr-CA" href="https://www.votredomaine.ca/fr/services.html">
<link rel="alternate" hreflang="en-CA" href="https://www.votredomaine.ca/services.html">
<link rel="alternate" hreflang="x-default" href="https://www.votredomaine.ca/services.html">

7. Étape 3 — Écrivez des réponses qu’un modèle peut extraire

Les moteurs génératifs réutilisent volontiers les structures question-réponse, parce que l’étape de récupération cherche un passage qui résout une requête. La règle pratique : posez la question dans un titre, puis répondez-y en une phrase autonome, avant de développer.

« Autonome » est la partie difficile. Une phrase qui commence par « cette approche fonctionne aussi pour… » ne sert à rien une fois extraite de son paragraphe. L’unité extraite doit survivre sans le contexte qui l’entoure.

Au-delà de ça, trois formats rendent plus qu’ils ne coûtent :

• Les définitions. Une phrase, commençant par le terme lui-même, avant toute nuance.
• Les tableaux comparatifs. Structurés, étiquetés, lisibles sans le texte autour.
• Les procédures numérotées. Des étapes qui nomment chacune une action concrète plutôt qu’un principe.

Et nommez-vous explicitement. Écrivez « Montréal, Québec » plutôt que « ici » ou « la ville ». Écrivez la province. Écrivez le pays au moins une fois sur toute page visant un marché local. Ça paraît légèrement redondant à un humain et ça supprime une catégorie entière d’ambiguïté pour une machine.

8. Étape 4 — Faites-vous corroborer

Tout ce qui précède prend une journée. Ceci prend des mois, et c’est ce qui décide du résultat. Une entité confirmée par trois ou quatre sources indépendantes pèse plus lourd que dix pages bien optimisées sur votre propre domaine.

Les surfaces canadiennes qui valent l’effort, grosso modo par rendement décroissant :

1. La fiche Google Business, avec l’adresse, les catégories et les zones desservies exactement identiques à votre balisage — même orthographe, mêmes accents.
2. La page entreprise et le profil personnel LinkedIn, indiquant tous deux la même localisation et la même catégorie. LinkedIn figure parmi les sources les plus citées par les surfaces IA en contexte B2B.
3. Les registres provinciaux et fédéraux — le Registraire des entreprises du Québec, le registre des entreprises de l’Ontario, Corporations Canada. Ce sont des sources de haute confiance, lisibles par machine et permanentes.
4. Une association ou un ordre professionnel disposant d’un annuaire public de membres.
5. Wikidata, si votre organisation répond réellement aux critères de notoriété. Ne forcez pas ; un élément rejeté vaut moins que pas d’élément du tout. Wikidata est un carrefour d’identité structuré que beaucoup de systèmes consultent.
6. De vraies mentions dans la presse ou les balados canadiens. Un article dans une véritable publication professionnelle vaut mieux que vingt inscriptions en annuaire.

La cohérence compte plus que le volume. Quatre sources d’accord sur votre nom, votre adresse et votre catégorie font davantage que douze sources en désaccord. Avant d’ajouter une cinquième inscription, auditez les quatre que vous avez.

9. Comment savoir si ça a marché

Trois mesures, mensuelles, dans cet ordre :

La troisième est la seule vraie mesure de progression en GEO, et il n’y a pas de raccourci. Les réponses génératives varient d’une exécution à l’autre : un test isolé ne prouve rien, alors qu’un panel fixe rejoué à la même date chaque mois, dans les deux langues, produit une tendance exploitable. Gardez les mêmes requêtes même quand vous serez tenté de les améliorer — changer l’instrument invalide la série.

10. Ce qui ne marche pas

• « llms.txt » comme substitut au vrai travail. La proposition est intéressante, mais aucun grand moteur ne s’est engagé à le consommer comme signal de classement ou de citation. Publiez-le si vous voulez ; ne comptez pas dessus.
• Publier plus, plus vite. Le volume était une stratégie faible en SEO ; c’en est une pire ici. La citation va aux passages qui résolvent proprement une question, pas aux domaines qui ont le plus d’URL.
• Truffer ses pages de mentions de marque. Répéter sur son propre domaine ne crée pas de corroboration. Ça reste un seul témoin, qui dit la même chose plus fort.
• Acheter des inscriptions en annuaire en masse. Des inscriptions incohérentes nuisent activement, parce qu’elles introduisent des faits contradictoires sur l’entité que vous essayez de rendre non ambiguë.
• Traiter le GEO comme une discipline séparée avec du contenu séparé. C’est le même contenu, rendu assez explicite pour être extrait.

11. Un plan sur 30 jours

1. Semaine 1 — Diagnostiquer. Construisez le panel de requêtes, jouez-le dans les deux langues sur trois moteurs, consignez la ligne de base. Auditez robots.txt et les règles de robots du CDN. Cherchez les agents IA dans 30 jours de logs.
2. Semaine 2 — Déclarer. Livrez le balisage d’entité avec un @id unique, un areaServed complet, une vraie adresse postale, et un sameAs ne pointant que vers des profils que vous contrôlez et avez vérifiés. Corrigez le hreflang de façon réciproque.
3. Semaine 3 — Réécrire. Prenez vos cinq pages à plus forte intention. Ajoutez à chaque section un titre sous forme de question et une réponse en une phrase. Ajoutez un tableau comparatif. Nommez explicitement la ville, la province et le pays.
4. Semaine 4 — Corroborer. Alignez la fiche Google, LinkedIn et votre inscription au registre pour que les trois correspondent à votre balisage, caractère pour caractère. Identifiez deux cibles réalistes de presse ou d’association et lancez l’approche.

Ensuite, attendez, et rejouez le panel le même jour le mois suivant. Le travail technique se voit en quelques semaines. Le travail de corroboration se voit entre le troisième et le sixième mois — raison pour laquelle ceux qui commencent maintenant seront ceux qu’on citera quand ça comptera.

Les questions qu’on me pose

Sources

Partager : LinkedIn X Courriel