Neuf entreprises portent votre nom : ce que les IA en font

Une entreprise dont le nom est déjà porté par d’autres ne perd pas des places dans un classement : elle disparaît de la réponse. Un moteur génératif n’affiche pas dix résultats parmi lesquels choisir, il tranche, et il se trompe d’entité sans le signaler.

Le nom Kerith est celui d’un torrent biblique. Il est aussi porté par une société de confitures, un cabinet de croissance commerciale, un éditeur de logiciel allemand et cinq autres organisations. Le relevé mené le 24 août 2026 permet de chiffrer ce que cela coûte.

Pourquoi l’homonymie pèse-t-elle plus dans les IA que sur Google ?

Sur Google, une page de résultats affiche plusieurs entités à la fois. Un internaute qui cherche « Kerith » voit le torrent, les confitures et le consultant sur le même écran, et choisit lui-même. Être quatrième reste une existence.

Un moteur de réponse fonctionne autrement. Il rédige un paragraphe, désigne une entité, cite ses sources. Il n’y a pas de deuxième position : soit la réponse parle de vous, soit elle parle de quelqu’un d’autre. Et rien n’avertit le lecteur qu’une autre entreprise du même nom existe.

C’est la différence de fond entre le référencement classique et le travail de GEO. L’un se dispute un rang, l’autre se dispute une identité.

Comment savoir combien d’entités portent votre nom ?

Cela ne se devine pas, cela se relève. La méthode est celle de tout relevé de citations, décrite pas à pas dans Savoir si ChatGPT parle de votre entreprise, appliquée ici à une famille de questions particulière : les questions nominatives.

Posez à ChatGPT, Perplexity, Gemini et Google des questions comme « que fait l’entreprise X ? », « avis sur X », « X est-il sérieux ? ». Depuis un compte dédié à la mesure, mémoire coupée, une conversation neuve à chaque fois. Puis notez, pour chaque échec, de quoi le modèle a parlé à votre place.

C’est cette colonne qui compte. Un « non » sans explication n’apprend rien ; un « non, il a répondu sur une SARL du Havre » nomme l’adversaire.

Dans le cas de Kerith, quarante réponses ont fait remonter neuf entités distinctes : un torrent mentionné dans le Livre des Rois, une SARL de confitures monastiques au Havre, un cabinet de conseil en croissance commerciale, un éditeur de logiciel énergie à Düsseldorf, une société de médias en Inde, un cratère volcanique islandais à l’orthographe voisine, deux associations françaises et une plateforme d’emploi bretonne.

Quel est le coût réel, en chiffres ?

Sur les quarante réponses relevées, Kerith est cité vingt-six fois, soit 65 %. Le détail par plateforme est plus instructif que le total :

Perplexity cite Kerith dans neuf réponses sur dix, Gemini dans huit, les AI Overviews dans sept. ChatGPT, dans deux. Sur le même corpus, le même jour, dans les mêmes conditions.

Un chiffre isole le problème. Sur la question « avis sur X », les quatre plateformes échouent. C’est la formulation la plus courte et la moins contextualisée du corpus, donc celle où le nom seul doit suffire à désigner l’entité. Il n’y suffit pas.

Le point décisif est ailleurs. Sur les vingt-six citations obtenues, le rang moyen parmi les sources est de 1,0, et aucune n’est une simple mention sans lien. Autrement dit : quand un moteur identifie correctement l’entreprise, il la cite en premier et renvoie vers son site.

Les quatorze échecs ne sont donc pas des échecs de qualité de page. Ce sont quatorze fois la même erreur d’identification.

Comment un moteur décide-t-il de quelle entité vous êtes ?

En recoupant des sources indépendantes. Un site qui affirme son identité ne prouve rien : c’est une déclaration sur soi-même. Ce qui tranche, c’est la concordance entre plusieurs sources qui ne se connaissent pas.

Une entreprise récente est particulièrement exposée. Elle n’a qu’une source, son propre site, quand un homonyme installé depuis dix ans en a cent. Le moteur ne choisit pas le plus pertinent, il choisit le mieux corroboré. C’est un mécanisme voisin de celui qui décide d’où viennent les sources d’une AI Overview.

C’est aussi pour cette raison que l’écart entre plateformes est si large. ChatGPT s’appuie fortement sur les registres et les profils professionnels ; un moteur qui explore davantage le web ouvert trouve le site et s’y fie. Les deux ont raison selon leurs sources, et c’est la pauvreté des sources qui produit l’écart.

Que faut-il publier pour lever l’ambiguïté ?

Trois choses, par ordre d’efficacité.

L’identifiant légal. Publié en identifier dans les données structurées, un SIREN, un numéro de TVA intracommunautaire ou un identifiant de registre est la seule clé qui ne se confonde avec rien. Aucun homonyme ne porte le même. C’est la donnée la plus discriminante disponible, et presque personne ne la publie. Encore faut-il que les robots puissent lire la page qui la porte, ce que votre robots.txt ne garantit pas toujours.

Les enregistrements externes. La propriété sameAs déclare que telle fiche désigne la même entité que ce site. L’immatriculation à l’Annuaire des Entreprises est gratuite, gouvernementale, librement explorable, et confirme la dénomination et l’adresse exactement telles que le balisage les annonce. Une page professionnelle et une fiche d’établissement complètent le recoupement.

Une description qui distingue. La propriété disambiguatingDescription existe précisément pour ce cas : une courte description destinée à séparer un élément d’autres éléments similaires. Activité, ville, date de création, identifiant légal, adresse du site officiel.

Une condition conditionne tout le reste : la réciprocité. Un sameAs qui pointe une fiche externe est une affirmation unilatérale. C’est le lien retour de cette fiche vers le site qui la transforme en preuve.

Faut-il nommer les homonymes sur son site ?

Non, et la tentation est forte. Écrire « à ne pas confondre avec la société X » paraît la façon la plus directe de trancher.

Elle produit l’inverse. Nommer une entité concurrente dans son propre balisage crée une occurrence commune supplémentaire entre les deux noms, exactement l’association que l’on cherche à défaire. Le texte destiné à séparer devient un texte qui rapproche.

La désambiguïsation s’énonce par ce que l’entreprise est. Une identité précise, chiffrée et vérifiable élimine les autres sans avoir à les mentionner.

Et si un modèle publie une information fausse ?

Vérifiez d’abord votre propre site. C’est contre-intuitif, et c’est le cas le plus fréquent.

Le même relevé a fait apparaître une seconde erreur : un moteur affirmait que Kerith était « actif depuis 2022 », alors que l’entreprise est immatriculée en 2026. Le modèle n’inventait rien. Quatre pages du site écrivaient que Kerith travaillait le référencement depuis 2022, et la page « À propos » se contredisait en trois phrases : la pratique de Kerith depuis 2022, puis Kerith fondé en 2026.

La pratique remonte bien à 2022, l’entreprise non. Les formulations ont été corrigées le jour même pour cesser de faire de l’entreprise le sujet d’une date qu’elle précède.

Une contradiction interne à un site est une invitation à l’erreur. Un moteur qui doit choisir entre deux affirmations incompatibles en retient une, et ce n’est pas nécessairement la bonne.

Par où commencer ?

L’homonymie n’est pas un problème de notoriété que le temps résoudrait. C’est un problème d’identification, qui se règle par des données vérifiables et se mesure avant comme après.

Commencez par le relevé : dix questions nominatives, quatre plateformes, deux heures. La liste des entités qui prennent votre place vaut mieux que n’importe quelle intuition sur le sujet.

ChatGPT est le moteur où l’homonymie coûte le plus : il lit les registres avant les sites. Ce que cela change au travail, et le reste de ce qui fait la visibilité d’une entreprise dans ChatGPT, est décrit sur sa page.