Pendant des années, les entreprises ont travaillé leur marque employeur pour être visibles sur Google, les jobboards, LinkedIn ou les plateformes d’avis salariés. Aujourd’hui, un nouveau canal s’installe progressivement dans le parcours candidat : les intelligences artificielles.
Avant même de consulter un site carrière ou une offre d’emploi, un candidat peut demander à ChatGPT, Gemini ou Perplexity de lui recommander des employeurs, de comparer plusieurs entreprises ou de lui donner un avis sur une entreprise.
« Quelles sont les meilleures entreprises pour travailler dans le marketing ? », « Quelle entreprise offre les meilleures perspectives de carrière ? », « Que pensent les salariés de cette entreprise ? »
La réponse n’est plus nécessairement une liste de liens. L’IA synthétise différentes informations disponibles en ligne pour construire une réponse.
Pour les équipes RH, un nouvel enjeu apparaît donc : la réputation IA.
Qu’est-ce que la réputation IA ?
La réputation IA correspond à la manière dont une entreprise est représentée dans les réponses générées par les intelligences artificielles.
Elle ne dépend pas uniquement des contenus publiés par l’entreprise. Lorsqu’une IA répond à une question sur un employeur, elle peut s’appuyer sur un site carrière, des offres d’emploi, des avis salariés, des articles de presse, des réseaux sociaux, des forums ou d’autres contenus disponibles en ligne.
L’IA croise ces différents signaux pour construire une représentation de l’entreprise.
Cette représentation peut être proche du positionnement de votre marque employeur. Mais elle peut aussi en être très éloignée. Une entreprise peut par exemple communiquer fortement sur ses possibilités d’évolution alors que les informations les plus visibles pour une IA concernent davantage les salaires, les conditions de travail ou des avis négatifs.
La question n’est donc plus seulement de savoir ce que l’entreprise dit d’elle-même, mais ce que les IA comprennent et racontent à son sujet.
L’IA devient un nouvel intermédiaire dans le parcours candidat
L’IA RH ne se limite pas à l’automatisation du recrutement ou au traitement des candidatures. Elle intervient de plus en plus en amont, lorsque les candidats cherchent à identifier et évaluer les employeurs.
Les requêtes peuvent être très différentes selon le moment du parcours.
- Découverte : « Quelles entreprises tech recrutent des juniors à Paris ? »
- Comparaison : « Entreprise A ou entreprise B pour un premier job ? »
- Réputation : « Est-ce que cette entreprise est un bon employeur ? »
- Conditions : « Quel est le salaire d’un junior chez cette entreprise ? », « Quelle est l’ambiance ? »
- Processus : « Comment se passe le recrutement chez cette entreprise ? »
Dans chacun de ces cas, l’entreprise peut apparaître, disparaître ou être comparée à ses concurrents sans avoir directement la main sur la réponse.
Avec un moteur de recherche traditionnel, l’objectif est principalement d’être bien positionné dans les résultats. Avec un moteur génératif, l’enjeu devient également d’être sélectionné, compris et représenté dans la réponse.
Avant d’être citée, votre entreprise doit être accessible
Cette nouvelle visibilité soulève un enjeu très technique : les IA peuvent-elles réellement accéder aux contenus qui parlent de votre entreprise ?
Le fichier robots.txt constitue notamment un premier point de contrôle. Il permet aux sites d’indiquer des règles d’accès pour différents robots et user-agents. Or, les politiques peuvent être très différentes selon les sites et selon les robots utilisés.
Une analyse publiée par MaxAEO en 2026 montre par exemple que les règles déclarées dans les robots.txt de plateformes comme Glassdoor et Indeed peuvent différer fortement selon les robots : certains crawlers liés à l’entraînement sont bloqués alors que des agents utilisés pour la recherche ou la récupération de pages peuvent rester autorisés. Il faut toutefois considérer ces fichiers comme une photographie de la politique déclarée à un instant donné, et non comme une garantie absolue du comportement de chaque système.
Plus largement, les recherches récentes montrent que les comportements des assistants IA face à robots.txt ne sont pas toujours homogènes. L’accès réel à une page, son utilisation dans une réponse et sa citation visible sont trois phénomènes qui peuvent être différents.
Pour une entreprise, cela signifie qu’un audit de réputation IA ne devrait pas commencer uniquement par « que disent les IA de nous ? ». Il faut aussi comprendre quels contenus elles peuvent trouver, quelles sources elles utilisent et quelles informations sont réellement accessibles.
Être cité ne signifie pas forcément être influent
La mesure de la visibilité IA devient elle aussi plus complexe.
Une entreprise peut être citée comme source dans une réponse sans que son contenu ait réellement contribué à la réponse. À l’inverse, une source peut influencer la réponse sans être explicitement citée.
Une étude récente sur le GEO distingue ainsi la sélection de citation et l’absorption de citation. La première mesure le fait qu’une source soit sélectionnée par le moteur. La seconde cherche à mesurer dans quelle mesure son contenu contribue effectivement au texte final, à travers le langage, les informations, les preuves ou la structure de la réponse.
Cette distinction est particulièrement importante pour éviter de surinterpréter les métriques GEO.
L’absorption doit être considérée comme un proxy de contribution textuelle, et non comme une mesure directe de l’influence réelle d’une source sur le raisonnement du modèle. Un contenu peut être largement paraphrasé parce qu’il est facile à reformuler, sans pour autant être déterminant dans la conclusion. À l’inverse, une source peut contribuer à l’orientation générale d’une réponse sans produire suffisamment de chevauchement textuel pour être détectée.
Pour les équipes RH, l’enjeu est donc de ne pas réduire la réputation IA à un simple compteur de citations.
Quelles métriques suivre pour sa réputation IA ?
Un véritable suivi GEO appliqué à la marque employeur peut combiner plusieurs indicateurs.
Le premier est l’inclusion rate : dans combien de réponses votre entreprise est-elle mentionnée ? C’est une métrique simple et robuste pour commencer.
Il faut ensuite regarder la position dans la réponse. Une marque mentionnée dans les premières lignes n’a pas la même visibilité qu’une marque citée à la fin. Des analyses de grandes quantités de réponses montrent d’ailleurs que les premières portions des réponses concentrent une part importante des citations.
Le sentiment du contexte est également essentiel en marque employeur. Être cité ne suffit pas : il faut savoir si l’entreprise est associée à des éléments positifs, neutres ou négatifs.
Les sources citées sont probablement l’un des indicateurs les plus actionnables pour un RH. Si une IA s’appuie principalement sur Glassdoor, Welcome to the Jungle, Reddit ou la presse pour parler d’une entreprise, cela indique concrètement où les efforts de réputation et de communication peuvent être concentrés.
Enfin, la stabilité des résultats doit être prise en compte. Une entreprise présente dans 80 % des réponses mais avec une forte variation d’un run à l’autre n’a pas nécessairement une visibilité aussi solide qu’une entreprise présente dans 80 % des réponses avec des résultats beaucoup plus constants.
Le share of voice permet enfin de replacer ces résultats dans leur contexte concurrentiel : parmi toutes les entreprises citées lorsqu’un candidat demande « quels sont les meilleurs employeurs tech pour débuter ? », quelle part des mentions revient à votre marque ?
Les sources deviennent un véritable levier d’action
C’est probablement l’un des principaux changements apportés par la réputation IA.
Un audit classique peut conclure : « votre visibilité est insuffisante ». Une analyse réellement exploitable doit pouvoir aller plus loin : pourquoi ?
Prenons un exemple. Si une IA cite une entreprise en s’appuyant principalement sur Glassdoor pour 40 % des sources, Welcome to the Jungle pour 25 %, la presse spécialisée pour 15 % et le site carrière pour seulement 5 %, le constat devient immédiatement actionnable.
Le sujet n’est plus simplement de réécrire la page carrière. Il faut comprendre l’écosystème informationnel qui construit la réputation de l’entreprise.
Cela permet également d’identifier des contenus tiers problématiques : un avis salarié ancien qui continue de peser dans les réponses, un article de presse qui ne reflète plus la situation actuelle, un contenu Reddit particulièrement visible ou des informations contradictoires entre plusieurs sources.
C’est cette lecture des sources qui permet de passer d’un audit de visibilité à une véritable stratégie de réputation IA.
Comment mesurer concrètement sa réputation IA ?
Un audit peut commencer par un ensemble de requêtes représentatives du parcours candidat, réparties entre découverte, comparaison, réputation, conditions et processus de recrutement.
Ces requêtes sont ensuite exécutées sur différents moteurs génératifs afin d’observer les différences de réponses. L’analyse peut alors porter sur la présence de la marque, sa position, le contexte dans lequel elle est citée, les concurrents mentionnés, les sources utilisées et les attributs qui lui sont associés.
C’est précisément l’approche adoptée par Daven Echo : plutôt que de mesurer uniquement si une entreprise apparaît dans une réponse, l’objectif est de comprendre comment elle y apparaît et pourquoi. Les réponses générées par plusieurs moteurs peuvent être analysées pour identifier les perceptions associées à la marque employeur, les sources mobilisées et le positionnement par rapport aux concurrents.
Cette approche permet également de suivre dans le temps l’évolution de la réputation IA et d’identifier les écarts entre l’image que l’entreprise souhaite transmettre et celle qui ressort réellement dans les réponses générées.
Et demain pour l’IA RH ?
La réputation employeur ne se construit déjà plus uniquement sur les espaces contrôlés par les entreprises. Elle se construit aussi à travers l’ensemble des contenus accessibles en ligne et leur interprétation par les moteurs génératifs.
Pour les équipes RH, cela implique de rapprocher progressivement trois sujets : la marque employeur, la donnée et la visibilité dans les IA.
Le GEO ne doit pas être réduit à une nouvelle checklist SEO ou à quelques recommandations génériques sur les pages carrière. L’enjeu est plus large : comprendre comment une entreprise est découverte, quelles sources construisent sa réputation, comment elle est représentée dans les réponses et comment cette représentation évolue face à ses concurrents.
La prochaine étape de la marque employeur pourrait donc être moins de contrôler son discours que de mesurer la façon dont il est compris.
Et dans un environnement où les candidats demandent de plus en plus directement aux IA quelles entreprises rejoindre, cette réputation devient un nouvel indicateur de l’attractivité employeur.
