Posez ces deux questions à ChatGPT :

« Quelle agence immobilière tu recommandes à Lyon pour mon premier achat ? »

« Quelle agence immobilière tu recommandes à Lyon pour investir dans du locatif ? »

Même ville. Même type de service. Réponses différentes.

Ce phénomène — que nous appelons la variance par persona — est l'un des aspects les moins compris du GEO Monitoring. Et c'est souvent là que se jouent les décisions stratégiques les plus importantes pour les grandes marques.

Pourquoi les LLMs produisent des réponses différentes selon le profil

Les assistants IA ne font pas que récupérer des informations. Ils interprètent la demande — et cette interprétation tient compte du contexte fourni par le questionneur.

Quand vous précisez « primo-accédant », vous signalez à l'IA :

  • Un profil avec des contraintes financières spécifiques
  • Un besoin d'accompagnement pédagogique
  • Des questions sur les aides (PTZ, prêt Action Logement)
  • Une vulnérabilité potentielle face à la complexité administrative

L'IA va alors favoriser les acteurs qui, dans sa base de connaissance, sont associés à ces thématiques — agences connues pour leur pédagogie, leurs guides primo-accédants, leurs témoignages de jeunes acheteurs.

Quand vous précisez « investissement locatif », le profil change radicalement :

  • Un acheteur plus expérimenté, moins émotionnel
  • Des questions sur la rentabilité, les zones tendues, la fiscalité
  • Une attente d'expertise technique sur les marchés locatifs

Les agences citées peuvent être complètement différentes — parce que leur contenu en ligne parle à ces problématiques distinctes.

L'expérience : 4 personas, 4 profils de réponses

Pour illustrer concrètement cette variance, voici une expérience que nous avons menée sur le secteur bancaire (données fictives mais représentatives).

Nous avons posé à ChatGPT 20 requêtes similaires sur le choix d'une banque, en variant uniquement le profil du demandeur. Quatre personas :

P1 — Étudiant : « Quelle banque tu recommandes pour un étudiant en master à Paris ? »

  • Banques citées : néobanques (Revolut, Lydia), banques en ligne avec offres jeunes, Crédit Mutuel pour son réseau associatif étudiant.

P2 — Jeune actif : « Quelle banque tu recommandes pour quelqu'un qui commence à travailler et veut épargner ? »

  • Banques citées : banques en ligne (Boursorama, Hello Bank), CIC et Société Générale pour les produits d'épargne, BNP pour la solidité.

P3 — Chef d'entreprise : « Quelle banque professionnelle tu recommandes pour une TPE ? »

  • Banques citées : Qonto, Shine (néobanques pro), Banque Populaire, CIC Entreprises.

P4 — Expatrié : « Quelle banque tu recommandes pour quelqu'un qui rentre en France après 10 ans à l'étranger ? »

  • Banques citées : Hello Bank, BforBank, Fortuneo — banques avec bonne expérience digitale et sans condition de revenus stricts à l'ouverture.

Résultat : sur ces 4 personas, les établissements cités se chevauchent très peu. Une banque absente du top 3 pour les étudiants peut être première pour les professionnels.

Ce que ça implique pour une stratégie GEO de marque

Pour un établissement local ou une petite structure, l'approche persona peut rester simple — 1 ou 2 profils clients principaux.

Pour une grande marque avec une clientèle diverse, c'est une autre histoire. Ne pas mesurer la variance par persona, c'est mesurer une moyenne qui ne représente personne.

Un groupe bancaire qui mesure sa visibilité IA globalement peut avoir un bon score moyen — et être invisible auprès des entrepreneurs, qui représentent pourtant 30% de son portefeuille cible.

Les implications stratégiques sont directes :

Production de contenu : si l'IA ne vous associe pas au persona investisseur, c'est que votre contenu en ligne parle insuffisamment à ces problématiques. Le diagnostic GEO révèle les lacunes éditoriales.

Acquisition : les campagnes digitales ciblées par persona doivent être alignées avec la visibilité IA par persona. Dépenser du budget acquisition pour un profil que l'IA ne vous associe pas naturellement, c'est travailler à contre-courant.

Positionnement : si l'IA vous positionne systématiquement sur un persona alors que vous visez en priorité un autre, vous avez un problème d'image à corriger — pas juste un problème de contenu.

Comment structurer un audit GEO par personas

La bonne pratique pour une grande marque :

1. Définir 3 à 5 personas qui représentent vos segments clients prioritaires. Chaque persona a un profil, un vocabulaire, des intentions et des moments d'achat spécifiques.

2. Construire un corpus de requêtes par persona — 15 à 20 questions conversationnelles qui reflètent comment ce profil s'adresse réellement à un assistant IA.

3. Mesurer la visibilité par persona sur les 3 LLMs principaux (ChatGPT, Claude, Gemini). La part de voix, le rang moyen, les attributs associés — tout ça se calcule par persona.

4. Comparer les écarts : quels personas vous favorisent ? Lesquels vous ignorent ? Où vos concurrents vous surpassent-ils ?

5. Produire des recommandations ciblées : pour chaque persona sous-performant, identifier les contenus à produire, les avis à stimuler, les associations thématiques à construire.

C'est précisément la structure d'un audit GEO agency — et la raison pour laquelle il est plus long et plus coûteux qu'un audit établissement : la granularité persona change radicalement la profondeur de l'analyse.

Vous voulez mesurer comment les LLMs perçoivent votre marque selon vos personas ? Découvrez l'audit Marques & Agences →