Si vous cherchez à être recommandé par ChatGPT sur des requêtes du type « plombier à Caen » ou « meilleure librairie du quartier », l’optimisation de votre site n’est pas la première marche. La liste d’établissements que le modèle affiche ne se construit pas à partir des pages web, ni de votre fiche Google Business Profile : elle vient très majoritairement d’une base de lieux tierce, Foursquare, interrogée en direct. Si votre entreprise n’y figure pas, ou y figure avec une adresse périmée, aucun contenu ne rattrapera ça. C’est l’exception la plus nette aux règles générales du référencement IA, où tout se joue d’ordinaire sur des pages web crawlées et indexées. Voici comment fonctionne réellement cette chaîne, et dans quel ordre agir.
deux mécaniques différentes derrière une même réponse
C’est le point que la plupart des articles sur le sujet écrasent, et qui explique les conseils contradictoires qu’on lit partout. Une réponse locale de ChatGPT superpose deux couches qui n’obéissent pas aux mêmes règles.
La première est la liste des lieux : les noms d’établissements, leur adresse, leurs horaires, le petit bloc cartographique. Ces données ne sont pas crawlées sur le web, elles sont récupérées par appel d’API à un fournisseur de données géographiques. Foursquare a annoncé ce partenariat avec OpenAI en décembre 2024, en mettant en avant une base de plus de 100 millions de points d’intérêt dans plus de 200 pays.
La seconde est la couche des sources citées : les liens qui apparaissent sous la réponse, les phrases du type « réputé pour ses tartes » que le modèle ajoute. Là, on revient à de la recherche web classique, avec un crawler, un index et une sélection de pages.
Un commerce peut donc être listé sans qu’aucun lien vers son site ne soit cité, et inversement un site peut être cité comme source sans que l’établissement figure dans la liste. Ce sont deux chantiers distincts, avec deux diagnostics et deux plans d’action.
la base de lieux : le préalable que personne ne vérifie
L’analyse la plus documentée à ce jour est celle du consultant SEO Natzir Turrado sur le référencement local dans ChatGPT, qui a inspecté les réponses JSON internes générées par le modèle sur une cinquantaine de requêtes (restaurants, serruriers, fleuristes) dans cinq villes espagnoles, entre février et mai 2025. Trois enseignements en sortent, et ils sont contre-intuitifs.
Entre 60 et 70 % des établissements affichés en premier proviennent de Foursquare. Le reste arrive par une couche de repli, alimentée par des résultats de recherche classiques, sans fusion ni dédoublonnage propre entre les deux flux.
Le modèle ne reclasse pas les résultats. Ni par note, ni par proximité, ni par « ouvert maintenant ». Les lieux Foursquare apparaissent en tête surtout parce que l’API répond plus vite que la recherche web, et le tout est coupé net à une dizaine d’établissements. Ce détail d’ingénierie a une conséquence commerciale directe : sur ce type de requête, la question n’est pas d’être le mieux noté, elle est d’être dans le lot ramené par l’API.
La couverture de la base suit la densité de population. L’étude montre une corrélation quasi linéaire entre habitants au kilomètre carré et nombre de lieux enregistrés. En clair, un centre-ville dense est saturé de fiches, une commune de 3 000 habitants en compte une poignée, parfois aucune dans votre secteur d’activité.
C’est là que se trouve l’asymétrie la plus exploitable pour une entreprise française, et elle a une date de péremption. Foursquare n’a jamais percé auprès du grand public en France, la partie grand public de l’application a même fermé fin 2024. Résultat : sur les territoires peu denses, la base est pleine de trous. Quand je vérifie pour un artisan installé en zone rurale ou périurbaine, du type de ceux pour qui je construis des vitrines comme le site de ce charpentier-couvreur, la fiche est le plus souvent absente ou datée. Créer une fiche complète dans un secteur vide suffit souvent à figurer dans les résultats, non pas par mérite éditorial, mais par défaut de concurrence.
En pratique, la vérification prend cinq minutes : chercher votre établissement sur Foursquare, et si rien ne remonte, le déclarer via le formulaire d’ajout de lieu. Renseignez le nom exact tel qu’il figure sur votre devanture, la catégorie la plus précise disponible, l’adresse au format postal français, le téléphone, les horaires et l’URL du site. La cohérence de ces informations avec ce que vous déclarez ailleurs n’est pas de la coquetterie : c’est ce qui permet aux différentes bases de reconnaître qu’il s’agit de la même entité, et à un modèle de ne pas hésiter entre deux versions de votre adresse.
Une limite honnête sur ces chiffres : l’étude porte sur un échantillon réduit et sur l’Espagne, pas sur la France, et la répartition des sources peut évoluer à chaque mise à jour du produit. L’ordre de grandeur est solide et cohérent avec le partenariat annoncé, la précision décimale ne l’est pas.
la couche web : autoriser le robot avant d’écrire quoi que ce soit
Pour être cité comme source, la condition est technique avant d’être éditoriale, et elle est documentée noir sur blanc. La documentation d’OpenAI sur ses robots distingue plusieurs agents, dont un seul conditionne l’apparition dans les résultats de recherche : OAI-SearchBot. La formulation officielle est sans ambiguïté, il faut l’autoriser dans le robots.txt et accepter les requêtes venant des plages d’adresses IP publiées par OpenAI, listées sur openai.com/searchbot.json.
Deux erreurs classiques découlent de cette distinction. La première consiste à bloquer GPTBot pour refuser l’entraînement des modèles, ce qui est un choix légitime, mais à bloquer OAI-SearchBot au passage par une règle trop large : on se retire alors de la recherche sans l’avoir décidé. La seconde est plus sournoise, c’est le pare-feu applicatif ou la protection anti-bot qui filtre les IP d’OpenAI sans que personne dans l’entreprise ne soit au courant. Le robots.txt est propre, et le robot ne passe jamais. Sur les audits où un site n’apparaît nulle part, la cause est bien plus souvent là que dans la qualité du contenu.
Cette dépendance à un accès explicite est une constante des moteurs de réponse, mais chacun a sa mécanique propre. Perplexity, par exemple, construit son propre index avec son propre crawler, quand Claude n’a pas d’index du tout et délègue à un moteur externe. Les prestations qui livrent la même liste de recommandations pour les trois n’ont pas regardé sous le capot.
ce que ChatGPT cite réellement sur une requête locale
Une fois l’accès réglé, reste la question du contenu. L’étude de BrightLocal sur les sources de ChatGPT en recherche locale, menée sur 800 requêtes couvrant vingt secteurs et vingt villes américaines, donne une répartition utile : 58 % des sources sont des sites d’entreprises, 27 % des pages qui mentionnent l’entreprise sans lui appartenir, et 15 % des annuaires. Le détail le plus instructif est ailleurs, dans les absents : ni Yelp, ni Facebook, ni Google Maps parmi les sources relevées, alors que ce sont les premiers réflexes du référencement local traditionnel. Ce sont des annuaires de niche et des sélections thématiques qui occupent la place.
Trois conséquences concrètes pour votre plan de bataille.
Votre propre site reste le premier gisement, à condition d’avoir des pages locales explicites plutôt qu’une seule page contact avec l’adresse en pied de page. Une page par ville d’intervention réelle, avec ce que vous y faites vraiment, les délais, les tarifs quand c’est possible, se cite bien mieux qu’une promesse générique.
Les mentions par des tiers pèsent plus lourd que le volume d’avis. Un article de la presse locale, une sélection publiée par un office de tourisme, une association professionnelle qui liste ses membres : ces pages sont exactement le format que le modèle va chercher pour justifier une recommandation.
Les annuaires spécialisés de votre secteur valent mieux que les gros annuaires généralistes saturés. Un artisan référencé sur les plateformes de son métier, un praticien sur celles de son domaine, un restaurant sur des guides thématiques : c’est le type de source qui ressort.
Un mot sur le format d’écriture, qui vaut ici comme partout en génération augmentée : les phrases autoportantes sont reprises, les phrases contextuelles sont paraphrasées sans lien. « Notre atelier intervient dans un rayon de 40 kilomètres autour de Caen, avec un délai de rappel sous 24 heures » se cite. « Nous sommes réactifs et proches de nos clients » ne se cite pas.
ce qui compte moins qu’on ne le dit
Trois recommandations reviennent partout et méritent d’être remises à leur place, sans quoi vous investirez du temps au mauvais endroit.
Bing Places. Le raisonnement est plausible, la recherche web de ChatGPT s’étant longtemps appuyée sur l’index de Bing. Mais aucune documentation d’OpenAI n’indique qu’une fiche Bing Places alimente la liste d’établissements. C’est une demi-heure de travail, à faire, sans en attendre le déclic.
Le balisage schema.org LocalBusiness. Il structure proprement vos informations et sert vos autres canaux, donc faites-le. En revanche, les taux de citation multipliés par cinq qui circulent sur des blogs sans méthodologie ne reposent sur rien de vérifiable, et le balisage ne peut pas compenser une absence de la base de lieux.
Le volume d’avis. Il compte pour la conversion, pour Google, et pour la crédibilité une fois que le prospect vous a trouvé. Il ne fait pas entrer dans une liste qui n’est pas triée par note.
Reste la question du retour sur investissement, qu’il faut poser franchement. Le trafic issu des moteurs conversationnels représente encore une part très minoritaire des visites pour la quasi-totalité des sites locaux, même s’il progresse vite et convertit bien mieux que la moyenne, parce qu’un utilisateur qui arrive par ce canal a déjà fait son tri. La comparaison à garder en tête est celle des aperçus IA de Google, actifs en France depuis juillet 2026 : eux s’affichent au-dessus des résultats de recherche sans que l’utilisateur ait choisi d’interroger une IA, ce qui en fait une surface autrement plus large pour un commerce local. C’est le genre de part qui se chiffre plutôt qu’il ne s’estime, en calculant un taux de pénétration par canal sur un marché réellement borné. La bonne lecture n’est pas d’y transférer votre budget, c’est de constater que le préalable, exister dans la base de lieux, coûte une heure et se fait une fois. C’est le meilleur rapport effort sur exposition disponible aujourd’hui en visibilité locale, précisément parce que presque personne ne l’a fait.
l’ordre des opérations
Si vous ne devez retenir qu’une séquence, la voici, du plus déterminant au plus accessoire.
- Vérifier que votre établissement existe dans Foursquare, le créer sinon, avec des informations rigoureusement identiques à celles publiées ailleurs.
- Vérifier dans vos logs serveur qu’OAI-SearchBot accède bien au site, et lever le blocage s’il y en a un, au niveau du robots.txt comme du pare-feu.
- Créer ou renforcer des pages locales qui disent des choses vérifiables et citables sur votre zone d’intervention.
- Aller chercher deux ou trois mentions dans des annuaires de niche et des médias locaux de votre secteur.
- Poser vos requêtes cibles une fois par mois, dans les mêmes conditions, et noter qui apparaît.
Cette liste est stable dans son principe, mais chaque maillon dépend de décisions produit d’OpenAI qui peuvent changer sans préavis. Un fournisseur de données remplacé, et la première étape change de nom. C’est la raison pour laquelle l’étape 5 n’est pas une coquetterie de mesure : c’est le seul moyen de savoir si ce que vous lisez, y compris ici, est encore vrai dans six mois.