Que disent les IA de votre cabinet ? Et comment le savoir vraiment

Un adulte américain sur quatre a déjà demandé une information ou un conseil de santé à une intelligence artificielle. Ce n'est pas une projection : c'est le résultat d'une enquête West Health–Gallup menée fin 2025 auprès de plus de 5 500 adultes (source). Et parmi eux, près de six sur dix s'en servent pour préparer leur visite chez un praticien. Autrement dit : une partie de vos futurs patients arrive en consultation — ou choisit de ne pas venir — après avoir posé sa question à une IA.

En France, les données consolidées manquent encore — nous le disons honnêtement plutôt que d'inventer un chiffre. Mais la trajectoire est identique : les mêmes outils, les mêmes usages, avec le décalage habituel de quelques trimestres.

La question que peu de praticiens se posent

Vous connaissez probablement votre réputation Google : vos avis, votre fiche, votre position sur « orthodontiste + votre ville ». Mais savez-vous ce que répond ChatGPT quand un parent demande « quel orthodontiste pour mon fils de 9 ans près de chez moi » ? Ce que Perplexity cite quand on l'interroge sur votre spécialité dans votre secteur ? Si votre nom apparaît — ou si c'est systématiquement celui d'un confrère ?

La plupart des praticiens ne le savent pas. Et ceux qui ont « testé » en posant eux-mêmes la question à ChatGPT n'en savent guère plus, pour une raison simple que nous constatons à chaque mesure : les réponses des IA varient. La même question, posée cinq fois au même moteur, ne produit pas cinq fois la même réponse. Un praticien cité une fois sur cinq est invisible quatre fois sur cinq — et un test manuel unique ne vous dira jamais dans quel cas vous êtes.

Comment on le mesure — la méthode, sans boîte noire

Chez MREL, nous ne devinons pas : nous mesurons. Le protocole est simple à décrire, et nous le décrivons volontiers parce que sa transparence est ce qui rend la mesure crédible :

Nous interrogeons les quatre grands moteurs (ChatGPT, Perplexity, Gemini, Claude) avec les questions que posent réellement vos patients — spécialité, ville, motifs de consultation. Chaque question est posée plusieurs fois par moteur, parce qu'une réponse unique est un tirage, pas une mesure. Nous distinguons être cité (votre nom apparaît) et être recommandé (le moteur vous met en avant, positivement). Et nous notons qui est cité à votre place, et sur quelles sources les moteurs s'appuient pour répondre.

Le résultat n'est pas un verdict, c'est une fréquence : sur l'ensemble des réponses, combien de fois apparaissez-vous, où, et dans quels termes. C'est cette fréquence que nous suivons dans le temps, scan après scan — parce qu'une visibilité IA se construit et se surveille, elle ne se décrète pas.

Deux limites, que nous assumons : nous mesurons via les moteurs eux-mêmes, ce qui reflète leur comportement réel mais pas nécessairement chaque conversation individuelle ; et les moteurs évoluent — une mesure a une date, et c'est pour cela qu'elle se répète.

Ce qu'on observe sur le terrain

Nous ne publions pas encore de moyenne générale sur notre parc — notre exigence de recul ne le permet pas à ce stade, et nous préférons un « pas encore » honnête à un chiffre fragile. Mais voici ce que nous observons sur des cabinets que nous suivons, à jeu de questions strictement constant entre les mesures : des taux de citation qui passent de 0 à 20 %, ou de 20 à 45 %, sur quelques mois de travail — pendant que les confrères concurrents, mesurés dans les mêmes scans avec le même protocole, restent stables. Ce différentiel est précisément ce qui distingue un progrès réel d'une évolution générale des moteurs.

Au-delà des chiffres, trois familles de facteurs reviennent systématiquement chez les praticiens que les IA recommandent, sur les audits que nous menons — et les quatre moteurs, interrogés séparément, convergent sur ces mêmes points :

La présence sur les sources que les IA consultent. Les moteurs ne répondent pas de mémoire : ils s'appuient sur des plateformes qu'ils citent — annuaires santé en tête. Un praticien absent de ces sources part avec un handicap que la qualité de son site ne compense pas.

Des avis visibles et structurés. Quand les IA recommandent un praticien, elles mentionnent très souvent sa réputation : notes, volume d'avis, retours patients.

Un site lisible par les machines. Spécialité explicite, informations pratiques non ambiguës, données structurées : les moteurs recommandent ce qu'ils comprennent sans effort.

Vous voulez savoir ce que les quatre moteurs disent de votre cabinet — factuellement, sur vos vraies questions patients ? C'est exactement l'objet de notre audit de visibilité IA : un état des lieux mesuré, pas une promesse.

Note méthodologique : les chiffres d'adoption cités sont américains (West Health–Gallup, oct.–déc. 2025, 5 660 adultes ; Rock Health, déc. 2025, 8 000 adultes) — les données françaises consolidées équivalentes n'existent pas encore à notre connaissance. Les observations de terrain proviennent de nos mesures clients, réalisées sur les quatre moteurs cités, à questions constantes entre les mesures.