La méthode

La méthode Oracle : l'analyse conversationnelle

Oracle, l'outil de Maple Labs, notre partenaire technologique, ne suit pas une liste de prompts. Il reproduit les situations de choix d'un marché : des agents jouent des prospects et conversent avec ChatGPT, Claude et Gemini, pendant qu'un agent Analyste relève ce que l'IA cherche, lit, compare et recommande. Voici la méthode, ce qu'elle livre, et ce qu'elle ne prétend pas.

  • Méthode : Maple Labs (Organic Inference™)
  • Mise à jour : octobre 2026
  • S'applique à : l'audit GEO Botanik
En brefAmpleur : plus de 2 500 recherches IA analysées sur un seul auditAssistants : ChatGPT, Claude et GeminiAxes décisionnels : attentes, tendances, critèresLecture : absent, mentionné ou recommandé, axe par axeLancer le scan gratuit
Illustration botanique : les conversations Oracle

01. Les conversations

Des situations de choix, pas une liste de prompts

Un audit qui part d'une liste de prompts mesure les questions qu'on a imaginées. Oracle part d'une situation de choix : un secteur, un périmètre commercial (pays, ville, web ou réseau physique) et une catégorie d'offres qui répondent au même besoin. Pas l'entreprise entière, pas une liste de mots-clés.

Dans ce cadre, des agents Replica jouent des prospects : chacun a ses besoins, ses hésitations, ses contraintes, et fait avancer la recherche comme un vrai acheteur. Un agent Analyste observe chaque conversation sans y prendre part, et relève ce que l'assistant cherche, les pages qu'il ouvre, les options qu'il compare et celle qu'il recommande.

Les acteurs et les sources émergent des échanges : personne ne les présélectionne. Sur un audit récent, plus de 2 500 recherches IA ont été analysées.

02. Ce qu'Oracle extrait

Les axes décisionnels
Les sources de découverte
Les sources de couverture
Les concurrents réels

Des prompts qui reflètent la demande, pas une liste de mots-clés

Les dimensions sur lesquelles l'IA compare les offres, en trois familles : les attentes (avis, retours d'expérience), les tendances (marché, réglementation) et les critères (exigences, standards). Sur un audit récent : 30 axes.

ChatGPT, Perplexity et Google AI, interrogés à conditions égales

Les pages qui font apparaître les entreprises que l'IA envisage : comparatifs, classements, annuaires, communautés. Si tu n'y es pas, tu n'es pas dans sa liste.

Une fusion des rangs robuste aux valeurs aberrantes

Les pages où l'IA cherche de quoi qualifier chaque acteur, axe par axe : entre 8 et 20 par axe, dont on retient les cinq qui reviennent le plus. Sans ces preuves, elle te cite peut-être, mais elle ne te recommande pas.

Une restitution lisible par un comité de direction

On ne donne aucun concurrent à Oracle : l'IA trouve seule ceux qu'elle compare, y compris des spécialistes, des acteurs locaux ou des concurrents indirects que tu ne surveillais pas.

Illustration : les axes décisionnels
Illustration : les sources de découverte
Illustration : les sources de couverture
Illustration : les concurrents réels
Illustration botanique : le diagnostic axe par axe

03. Le diagnostic

Explorer le marché, puis approfondir axe par axe

Les premières conversations font émerger les acteurs, les sources et les axes du marché. Des conversations ciblées approfondissent ensuite chaque axe, en le rendant explicite dans la demande : elles montrent quels acteurs ressortent sur ce critère, lesquels sont seulement mentionnés, et lequel l'IA recommande.

Pour chaque page, Oracle suit jusqu'où l'information a servi : trouvée, ouverte, extraite, reliée à une entreprise et à un critère, puis utilisée dans la comparaison. C'est ce qui situe le problème quand ta marque manque à l'appel :

  • l'offre : la capacité attendue n'existe pas, ou répond mal au besoin ;

  • la compréhension : l'offre existe, mais elle est mal expliquée, dispersée ou mal reliée au critère ;

  • la visibilité de l'information : la preuve existe, mais l'IA ne la trouve pas ou ne peut pas la lire.

Illustration botanique : trois assistants, une même logique

04. Les assistants

ChatGPT, Claude et Gemini, sur une base commune

Oracle travaille sur ChatGPT, Claude et Gemini. D'après Maple Labs, ces trois assistants couvrent 99 % des scénarios grand public du périmètre étudié. Leurs recherches, leurs sources et leurs réponses varient, mais ils suivent la même logique pour recommander : clarifier le besoin, découvrir des options, les vérifier, les comparer.

Les écarts entre assistants qui changeraient les enseignements sont intégrés à l'analyse. Le reste ne justifie pas un verdict moteur par moteur : c'est pour ça qu'on ne le vend pas. Et comme les réponses bougent avec ton marché et les mises à jour des modèles, chaque audit est daté, et refait en général chaque trimestre.

05. La lecture

Absent, mentionné, recommandé : axe par axe

Une marque est mentionnée quand elle apparaît dans la réponse. Elle est recommandée quand l'IA la présente explicitement comme l'option adaptée ou préférable à la demande. Ce qui compte, c'est cette préférence, pas la place dans une liste : on la lit axe par axe, face aux concurrents que l'IA considère vraiment.

Absent

Pas cité sur l'axe

Sur cet axe, l'IA ne te cite pas : tu n'existes pas dans sa réponse. Ton concurrent, si.

Mentionné

Cité, sans préférence

L'IA te cite, sans te pousser : tu es une option parmi d'autres.

Recommandé

L'option à retenir

L'IA te présente comme le bon choix sur cet axe. C'est là que partent le trafic et les leads.

Carnet ouvert dont les lignes sont esquissées et d'où sort une feuille

06. Les limites

Ce qu'Oracle ne prétend pas

Une méthode honnête écrit aussi ses limites. Maple Labs publie les siennes, et on les reprend telles quelles :

  • Oracle ne dispose pas des vrais prompts tapés par les utilisateurs des assistants IA : il rejoue des situations de choix.

  • Il ne garantit pas d'être recommandé dans tous les contextes.

  • Il ne manipule pas les réponses des IA : le travail porte sur ce qu'elles lisent.

  • Il ne remplace pas le SEO : il ajoute une couche par-dessus.

  • Il ne prédit pas chaque réponse d'une IA.

  • Il ne lit pas dans l'entraînement des modèles : une page consultée pendant une recherche ne dit pas si elle a servi à les entraîner.

Une méthode, un audit.

L'audit Oracle (dès 2 670 €) applique cette méthode à une gamme : trois semaines du cadrage à la restitution, et pour chaque axe manquant, la page à enrichir et le texte à publier, déjà rédigé.