La plupart des propriétaires d’entreprise supposent que des notes plus élevées sont liées à de meilleurs résultats commerciaux. Une étude évaluée par des pairs a testé directement cette hypothèse.
Les chercheurs Eddie Inyang et Juliana White ont interrogé 251 propriétaires de petites entreprises américaines sur la gestion de la réputation en ligne, le classement par étoiles de Google et les performances commerciales. Notamment, les notes par étoiles de Google ne prédisent pas à elles seules les performances.
Ce qui était associé à la performance était la pratique de l’ORM. Une gestion active de la réputation est corrélée à de meilleurs résultats commerciaux. Pas les stars, mais leur travail en coulisses.
Ce que la recherche a trouvé
L’étude, publiée dans le Journal of Small Business Strategy, a testé six hypothèses concernant l’ORM et les performances des petites entreprises à l’aide d’une modélisation par équation structurelle des moindres carrés partiels.
Cinq ont été soutenus. L’orientation client et l’auto-efficacité sur Internet prédisaient positivement les pratiques ORM, l’auto-efficacité sur Internet ayant un effet plus fort. L’ORM est corrélé à de meilleures performances commerciales et à des notes Google plus élevées, l’intensité concurrentielle renforçant ces relations. Sur des marchés plus compétitifs, l’écart entre les praticiens de l’ORM et les non-praticiens était plus large.
La sixième hypothèse, selon laquelle les notes par étoiles de Google permettraient de prédire à elles seules les performances de l’entreprise, n’a pas été étayée.
Ce constat d’intensité concurrentielle mérite qu’on s’y arrête. L’étude traite l’ORM comme une « ressource stratégique » dans le cadre de la théorie des ressources-avantages. L’argument est que l’ORM fonctionne comme une capacité opérationnelle et non comme une activité de service client produisant de meilleures notes. L’écart de performance se creuse lorsque la concurrence s’intensifie. Sur des marchés concurrentiels, l’ORM semble passer d’une activité de soutien à une activité créatrice de différence.
L’étude a porté sur 251 propriétaires de petites entreprises américaines dans divers secteurs. Les performances et les notes par étoiles étaient autodéclarées, une limitation notée. Étant donné que la conception est transversale, elle ne peut pas établir de lien de causalité.
Cette tendance soulève une question à laquelle l’étude ne répond pas. Si une concurrence intense renforce l’effet de l’ORM, que se passe-t-il lorsque le paysage concurrentiel se condense ?
L’IA compresse la visibilité locale
L’étude n’examine pas la découverte basée sur l’IA, mais ses conclusions sur l’intensité concurrentielle sont importantes puisque les données de SOCi montrent que les systèmes d’IA font apparaître moins d’entreprises que le pack de trois local de Google.
L’enquête d’évaluation des consommateurs locaux 2026 de BrightLocal a révélé que 45 % des consommateurs utilisent désormais ChatGPT ou d’autres outils d’IA générative pour les recommandations commerciales locales. C’est une hausse par rapport aux 6 % de l’année précédente. BrightLocal, qui vend des outils de référencement local, mène cette enquête chaque année depuis 2010.
L’indice de visibilité locale 2026 de SOCi a analysé plus de 350 000 emplacements répartis dans 2 751 marques. ChatGPT a recommandé 1,2 % d’emplacements de marque, Gemini 11 %, Perplexity 7,4 %. Les mêmes marques apparaissaient dans le pack de 3 local de Google dans 35,9 % des cas. SOCi, qui propose un logiciel de marketing multi-sites, a déclaré que cette méthode est environ 30 fois plus sélective que la recherche locale traditionnelle.
Le chevauchement entre la visibilité traditionnelle et celle de l’IA était moindre que prévu. Dans le commerce de détail, SOCi n’a constaté qu’un chevauchement de 45 % entre les marques les plus performantes en matière de recherche locale et celles recommandées par les plateformes d’IA. De bons classements dans les recherches locales ne garantissaient pas la visibilité de l’IA.
Les données de SOCi ont montré que les emplacements recommandés par ChatGPT avaient une note moyenne de 4,3 étoiles, ce qui indique que les avis sont importants pour les plateformes d’IA. Cependant, les notes ne représentent pas tout. SOCi considère la visibilité de l’IA comme déterminée par l’exactitude des données, les signaux de réputation et l’engagement, et pas seulement par le nombre d’étoiles.
Comme Joy Hawkins, propriétaire et fondatrice de Sterling Sky, l’a écrit sur LinkedIn :
« Les résultats locaux basés sur l’IA de Google montrent moins d’entreprises et, dans de nombreux cas, moins de moyens permettant aux clients de vous contacter. »
L’écart d’exécution multi-sites
L’étude d’Inyang et White a examiné les petites entreprises en un seul endroit. L’ORM devient plus difficile lorsqu’il est multiplié sur de nombreux emplacements.
Le rapport 2025 State of Online Reviews de Birdeye, basé sur les données de plus de 150 000 entreprises américaines, révèle que le volume des avis a augmenté de 13 % d’une année sur l’autre. Les taux de réponse sont passés de 63 % à 73 %. L’analyse du rapport par Localogy a confirmé les deux chiffres de manière indépendante.
L’écart entre les marques très performantes et celles peu performantes est large. Les données LVI 2024 de SOCi montrent que les marques à faible visibilité ont répondu à 10,9 % des avis en 12 jours, tandis que les marques à haute visibilité ont répondu en 2,1 jours.
Ce n’est pas qu’ils ne comprennent pas l’importance de réagir. Tous ceux qui gèrent plusieurs sites comprennent qu’il est important de participer aux avis. Ce que nous constatons, c’est un échec d’exécution.
Robert Barrueco, fondateur de Webnition, qui vend des outils d’automatisation des avis, a écrit sur LinkedIn :
« Répondre aux avis sur des dizaines, voire des centaines, de sites n’est pas seulement épuisant… Il est presque impossible de le faire de manière cohérente sans une solution automatisée de marque.
Pour les équipes multisites, cela peut nécessiter un changement organisationnel. ORM ne peut pas s’appuyer sur des connexions dispersées, des réponses incohérentes ou sur chaque emplacement traitant les avis différemment. La recherche identifie l’ORM comme une capacité qui nécessite des normes partagées, une appropriation claire et un soutien opérationnel pour garantir la cohérence.
C’est là que le mot « infrastructure » prend toute sa place. L’infrastructure est ce que vous construisez lorsque la charge dépasse ce qu’une seule personne ou équipe peut gérer manuellement. Pour l’ORM multi-sites, la charge est le volume d’examen, la cohérence des réponses, la précision des listes et la couverture de la plate-forme sur chaque emplacement simultanément.
Ce que les systèmes d’IA semblent évaluer
L’analyse de SOCi considère la visibilité de l’IA comme distincte du classement traditionnel, traitant les plates-formes d’IA comme des recommandations plutôt que comme des trieurs. La recommandation dépend de la confiance du système dans l’exactitude et la qualité des données.
C’est l’interprétation de SOCi, pas un mécanisme confirmé. Mais le schéma correspond à ce que voient les praticiens.
Justin Silverman, fondateur et PDG de Merchynt, qui vend des outils d’optimisation GBP, a écrit sur LinkedIn : « Votre profil d’entreprise Google n’est plus réservé à Google. »
Meg Clarke, fondatrice de Clapping Dog Media, a été plus précise en déclarant : « L’IA favorise les entreprises qui apparaissent partout avec des informations alignées. »
Le contenu des avis ajoute un contexte spécifique à l’emplacement qu’un classement par étoiles ne peut pas apporter seul. Les avis clients mentionnant des services, des emplacements ou des cas d’utilisation sont accessibles aux systèmes analysant les informations commerciales. Ce texte offre un contexte qui peut améliorer la compréhension du client et l’analyse du système d’IA.
La cohérence du NAP, que SEJ a largement couverte en tant que facteur clé du référencement local, a désormais une deuxième audience. Si l’IA croise les données commerciales, les incohérences peuvent miner la confiance, comme le prévient SOCi. Ces écarts sèment la confusion chez les clients, remettent en question les faits commerciaux fondamentaux et affectent potentiellement la visibilité de l’IA.
Regarder vers l’avenir
Selon l’étude d’Inyang et White, le nombre d’étoiles ne permet pas à lui seul de prédire le succès des petites entreprises. Une gestion active de la réputation est corrélée à de meilleures performances, en particulier sur les marchés concurrentiels.
Pour les marques multisites, les avis sont importants, mais elles ont besoin de systèmes pour gérer la réputation sur tous les sites et plateformes. Cela demande plus d’efforts, mais le travail en cours offre un avantage précieux, tandis que le négliger pourrait conduire à une visibilité moindre.
Plus de ressources :
