En quelques années, la manière dont les consommateurs s’informent et choisissent leurs produits de beauté s’est profondément transformée. Ils sont désormais nombreux à se tourner vers les intelligences artificielles comme ChatGPT ou Perplexity, qui concurrencent les moteurs de recherche traditionnels.
Néanmoins, le fonctionnement de ces IA reste difficile à appréhender. Les études aboutissent parfois à des résultats différents, les chiffres évoluent d’un trimestre à l’autre et les modèles eux-mêmes continuent de changer, tout comme leur manière d’aller chercher et de sélectionner l’information. Si beaucoup de questions restent ouvertes, certaines pratiques reviennent régulièrement dans les analyses et les retours d’expérience.
Une marque visible n’est pas forcément recommandée
Apparaître dans une réponse d’IA ne veut pas dire être recommandé. Une marque peut être nommée pour sa notoriété, citée parmi d’autres, sans jamais être celle que l’outil met en avant lorsqu’un consommateur décrit un besoin précis.
Cette distinction vaut aussi pour les grandes marques, même si leur notoriété reste un avantage important. Sur plus de 100 000 réponses analysées, les marques mondialement connues apparaissent dans 73 % des réponses lorsque l’utilisateur cherche une recommandation sans citer de marque en particulier. Une présence élevée, mais loin d’être systématique.
Cette visibilité reste, par ailleurs, très variable. Une même marque peut être plus ou moins présente selon les assistants utilisés. Les résultats peuvent aussi varier lorsqu’une même requête est répétée, puis évoluer à nouveau dans le temps. La visibilité d’une marque ne peut donc se mesurer à partir d’une seule requête ou d’un seul outil.
Rendre son produit lisible par l’IA
Tout se joue d’abord dans la manière dont un produit est décrit. Un visuel ou un univers de marque peut séduire un consommateur, mais une IA a besoin d’informations explicites pour comprendre ce que fait le produit. Pour répondre à une requête, elle s’appuie notamment sur les informations disponibles sur le produit et leur lien avec le besoin exprimé.
Cette capacité à relier le produit à un besoin devient d’autant plus importante que les utilisateurs formulent leurs demandes en décrivant directement leur situation. Avec ChatGPT Voice ou Gemini, ces échanges prennent une forme plus naturelle et conversationnelle.
Une marque capillaire peut ainsi présenter son soin comme un « complexe fortifiant à la kératine », quand une consommatrice demande à ChatGPT : « Quel produit me recommandes-tu pour des cheveux cassants et fragiles ? ». L’IA doit donc pouvoir identifier, dans les informations disponibles, que ce produit répond à ce besoin précis.
Plus les informations sur le produit sont précises, plus l’IA dispose d’éléments concrets pour l’identifier et le comparer. Une composition détaillée, un résultat de test ou une donnée chiffrée donnent davantage de matière à l’IA. Une formule indiquant par exemple « 10 % de niacinamide, testé sur 45 personnes, avec une réduction des rougeurs après quatre semaines » fournit plusieurs éléments précis susceptibles d’être repris dans une réponse.
Faire apparaître son produit sur d’autres sources
La visibilité d’un produit ne se joue pas uniquement sur le site de la marque. Une IA peut aussi le retrouver chez un distributeur, dans un média spécialisé ou sur d’autres sites du secteur. Être présent dans ces différentes sources multiplie donc les chances que le produit apparaisse parmi les informations mobilisées pour répondre à une requête.
Cependant, cette visibilité sur différentes plateformes suppose aussi de surveiller la manière dont le produit y est présenté. Une ancienne formule encore affichée chez un revendeur, ou une allégation reprise sans son contexte, peut suffire à créer une contradiction entre plusieurs sources.
À ce stade, il reste toutefois difficile d’identifier les sources que les IA privilégient. Pour les requêtes sur les tendances d’un secteur, 46 % des réponses citent des médias en ligne, soit plus de deux fois le taux relevé pour les requêtes de type « comment faire » ou comparatives.
Les règles du jeu restent mouvantes, puisque les modèles, leurs sources et les facteurs qui influencent la visibilité évoluent encore rapidement. Malgré cette instabilité, les exigences qui se dessinent rejoignent une évolution déjà engagée dans le secteur de la beauté, où les marques accordent de plus en plus de place aux preuves, aux données et à la transparence sur ce qu’un produit contient et la manière dont il agit. Or, ce sont aussi des informations que les IA peuvent exploiter pour comprendre et comparer les produits. Se rendre lisible pour une machine revient donc, en partie, à répondre à une exigence que le secteur s’imposait déjà.
