Ce que mesurent les études sur les publicités
ChatGPT, où elles divergent et comment lire leurs chiffres avant de modifier votre stratégie publicitaire.

Sur cette page
En bref
Les publicités ChatGPT sont des emplacements sponsorisés qu'OpenAI affiche aux adultes connectés des offres Free et Go. Trois études publiées entre août et novembre 2026 ont mesuré à quelle fréquence ces publicités apparaissent, si elles correspondent à la question et à qui elles s'adressent. Aucune ne prouve qu'elles modifient la réponse elle-même, et la plupart des échantillons sont petits ou courts.
Pour aller plus loin, demandez à
Quiz rapide
Comment être cité par ChatGPT et les autres IA ?
Sorank correspond à vos réponses
Testez-le 3 jours sur votre propre site et voyez où vous en êtes sur Google, ChatGPT et les autres IA.
Commencer mes 3 jours offerts3 jours offerts, puis vous arrêtez quand vous voulez. Garantie résultats 90 jours, sous conditions.
Les publicités ChatGPT sont des emplacements sponsorisés clairement signalés, affichés à côté de la réponse de l'assistant. Elles touchent les adultes connectés des offres Free et Go, et aucune offre payante ne les voit. Chaque étude ci-dessous part de ces règles, il faut donc les connaître avant de lire le moindre chiffre.
OpenAI a publié l'annonce de son test le 9 février 2026. Sa page indique que le test concerne « les utilisateurs adultes connectés des offres Free et Go », tandis que Plus, Pro, Business, Enterprise et Education n'ont aucune publicité. Les publicités sont « toujours clairement signalées comme sponsorisées et visuellement séparées de la réponse organique ». OpenAI affirme aussi que « les publicités n'influencent pas les réponses que ChatGPT vous donne », et que les annonceurs reçoivent des données de performance globales, comme les vues ou les clics, et non vos conversations ni vos informations personnelles. L'annonce d'OpenAI sur le test des publicités dans ChatGPT est la référence que citent tous les articles sur le sujet, lisez-la en premier.

La règle des offres compte pour la mesure. Une étude menée sur un compte Plus ne trouvera aucune publicité, et cela ne dit rien du marché. Cela reflète l'offre. Si vous voulez une vue d'ensemble de la façon dont l'assistant construit ses réponses, commencez par comment fonctionne ChatGPT, de l'entraînement à la recherche web et aux citations, et par la page du modèle ChatGPT. Côté acheteur, notre guide des publicités ChatGPT et du gestionnaire de publicités OpenAI couvre la configuration et la mesure.
Trois études publiées entre août et novembre 2026 sont les mesures publiques les plus détaillées des publicités ChatGPT que nous ayons pu retrouver jusqu'à la page de leur éditeur. Elles posent des questions différentes, elles ne donnent donc pas les mêmes chiffres. Le tableau montre ce que chacune a mesuré et ce qu'elle laisse de côté.
| Étude | Publiée le | Données | Ce qu'elle mesure | Ce qu'elle laisse de côté |
|---|---|---|---|---|
| SE Ranking | 10 août 2026 | 50006 requêtes commerciales sur 20 niches américaines, données collectées le 23 juillet 2026 | Taux de publicités par requête, pertinence des publicités par rapport à la requête, comparaison avec le Mode IA de Google | Les offres Plus et autres offres payantes, l'effet des publicités sur les réponses, toute tendance (un seul instantané) |
| Seer Interactive | 12 novembre 2026 | 161 sessions de recherche IA enregistrées lors de neuf études d'utilisabilité non modérées, de mars à septembre 2026 | Si de vrais utilisateurs ont vu des publicités à l'écran, et si elles correspondaient à la requête | Un échantillon représentatif d'utilisateurs (seules deux des neuf études interrogeaient sur les publicités) |
| Brookings | début octobre 2026 | 91 comptes connectés fictifs, plus de 3600 publicités collectées, comptes créés de janvier à mars 2026 | Qui reçoit des publicités, testé selon le revenu et selon la race ou l'origine ethnique | La taille des groupes (quelques comptes seulement par combinaison), et toute période après l'arrêt de l'envoi de nouvelles publicités aux comptes |
Les échantillons derrière les études
Sources : SE Ranking, 10 août 2026 ; Seer Interactive, 12 novembre 2026 ; Brookings, octobre 2026
Les autres articles sur ce sujet viennent d'outils GEO, et nous n'avons pas pu vérifier leurs chiffres auprès d'une source primaire, nous les avons donc laissés de côté. Ne citez que les chiffres que vous pouvez retrouver sur la page de l'éditeur, et vérifiez la ligne d'échantillon avant de les répéter.

Dans l'échantillon de SE Ranking, 25,94 % des requêtes commerciales ont affiché une publicité sur ChatGPT, contre 29,45 % sur le Mode IA de Google. Le taux dépend fortement du sujet, donc un taux global unique vous apprend peu sur les réponses que voient vos propres acheteurs.
SE Ranking a utilisé 50006 requêtes commerciales issues de 20 niches américaines, soit environ 2500 par niche. Pour chaque requête, l'étude a relevé la réponse générée, ses sources citées et tout emplacement sponsorisé. Au total, 12974 requêtes ont affiché une publicité. Les requêtes venaient d'une étude précédente de même éditeur sur le Mode IA, ce qui rend les deux plateformes comparables. Les données ont été collectées le 23 juillet 2026, et l'étude a été publiée le 10 août 2026 (SE Ranking, étude sur les publicités ChatGPT, 10 août 2026).
L'écart selon le sujet est bien plus grand que l'écart entre plateformes. En santé, l'étude relève des publicités sur 28,69 % des requêtes ChatGPT contre 2,64 % en Mode IA, soit plus de dix fois plus. Pour l'actualité et la politique, le chiffre atteint 28,76 % sur ChatGPT contre 6,8 % en Mode IA. Les taux globaux se ressemblent, c'est la répartition des sujets qui différencie les plateformes.
Exemple
Imaginez qu'un acheteur demande à ChatGPT quel logiciel de comptabilité convient à un indépendant. La réponse organique cite trois outils, et une carte sponsorisée pour un quatrième produit apparaît à côté. C'est la situation que mesure le taux : une publicité dans la même réponse que la recommandation organique, et non une publicité qui la remplace. C'est une illustration, pas un cas mesuré.
Seer Interactive a choisi une autre méthode. Son article du 12 novembre 2026 rapporte 161 sessions de recherche IA enregistrées pendant que des participants utilisaient leurs propres assistants en pensant à voix haute. Dans l'étude sur l'assurance, 34 réponses sur 76 observables (45 %) comportaient une publicité. Ce chiffre porte sur un seul secteur avec 16 sessions, ce n'est donc pas un taux pour ChatGPT en général.
Seer signale aussi une tendance au niveau des utilisateurs : la part des utilisateurs de ChatGPT dans ses sessions qui ont vu une publicité dans une réponse est passée de 2 sur 22 en mars à 12 sur 19 de juillet à septembre 2026. Il s'agit de personnes, pas de réponses : cela montre que davantage de participants ont vu une publicité, pas combien de réponses en comportaient une. Cette tendance est le signal le plus utile des trois études, et le moins précis, parce que les groupes changent d'un mois à l'autre. Les réponses et les publicités changent d'une semaine à l'autre, c'est pourquoi une seule mesure est un instantané, pas un verdict.
Souvent, mais pas toujours. SE Ranking estime que 14,35 % des impressions publicitaires n'étaient pas plus liées à leur requête qu'une publicité associée au hasard. Seer a constaté que chaque publicité de son étude sur l'assurance était pertinente pour la requête. Les deux résultats viennent d'échantillons et de tests différents, ils décrivent donc des choses différentes plutôt que de se contredire.
Le test de SE Ranking fonctionne ainsi. Il calcule la similarité cosinus basée sur les embeddings entre la requête, la publicité et la réponse, puis compare chaque couple réel requête-publicité à des couples mélangés au hasard. Une publicité n'est considérée hors sujet que si sa similarité se situe dans la plage produite par les couples aléatoires. Un échantillon des cas signalés a ensuite été relu à la main. Voici une lecture simplifiée de la logique :
sim_reelle = cos(embed(requête), embed(publicité))
sim_aleatoire = cos(embed(requête), embed(publicité_d_une_autre_requête)) # couples mélangés
hors_sujet = sim_reelle se situe dans la plage produite par sim_aleatoire
C'est un test prudent. Une publicité doit paraître aussi peu liée qu'une publicité au hasard pour être signalée, donc les publicités faiblement pertinentes qui semblent un peu liées passent comme étant dans le sujet. Les auteurs disent que 14,35 % est probablement une sous-estimation, car la relecture manuelle a trouvé plus de publicités faiblement pertinentes que le test n'en a détecté. L'écart selon les sujets est large : 2,6 % pour les animaux de compagnie, 51,1 % pour les relations et 54,2 % pour l'actualité et la politique.
Deux mesures de pertinence et d'exposition, issues de deux études
Sources : SE Ranking, 10 août 2026 ; Seer Interactive, 12 novembre 2026

Seer ajoute un point qui compte pour les marques. Dans cinq des six secteurs où la tâche portait sur une marque, la carte sponsorisée concernait une autre entreprise que la marque citée par l'utilisateur. Une requête qui nomme votre entreprise peut donc afficher la publicité de votre concurrent dans la même réponse. L'article de Seer note aussi que les annonceurs changent selon la question, ce qui signifie que les annonceurs que vous voyez dépendent de la façon dont la requête est formulée.
L'audit de Brookings montre que les comptes à revenu plus faible étaient nettement plus susceptibles de recevoir des publicités, et ne trouve aucune preuve que la race ou l'origine ethnique change la probabilité d'en recevoir une. Les auteurs préviennent que l'échantillon est petit, donc le résultat sur la race, qui est une absence d'effet, doit être pris avec prudence dans les deux sens. Considérez le résultat sur le revenu comme le plus solide.
La conception mérite d'être connue, car c'est la seule des trois études qui contrôle le profil. Les chercheurs ont créé 91 comptes connectés répartis entre trois groupes raciaux ou ethniques (Noirs, Hispaniques et Blancs) et trois tiers de revenu, avec au moins neuf comptes pour chaque combinaison de race et de revenu. Comme les plateformes n'exposent ni le revenu ni la race, ils ont utilisé la région géographique comme indicateur, en accédant à chaque compte depuis des codes postaux présentant ces caractéristiques. Chaque jour, les comptes ont reçu des requêtes dans de nombreuses catégories. Certaines étaient des catégories où des publicités sont plausibles, comme une recette de lasagnes, d'autres des catégories où OpenAI a dit ne pas diffuser de publicités, comme la santé mentale. L'étude a collecté plus de 3600 publicités (Brookings, « Understanding the beginning of advertising on ChatGPT », début octobre 2026).
Comment l'audit avec comptes fictifs a été mené
Le résultat sur le revenu provient de 53 comptes qui ont reçu au moins une publicité. Leur revenu se regroupait autour d'un mode proche de 60000 dollars, tandis que les comptes qui n'en ont jamais reçu culminaient vers 80000 dollars. Le résultat est significatif au sens de l'étude, mais il décrit un petit ensemble de comptes issus d'une seule période précoce.
L'étude s'est aussi arrêtée tôt. Un mois environ après le début, tous les comptes ont cessé de recevoir de nouvelles publicités. Les auteurs disent qu'OpenAI a peut-être détecté les comptes. C'est un avertissement pour quiconque voudrait reprendre la méthode : une plateforme qui repère les comptes d'audit peut modifier ce qu'ils voient, les données produites ne sont donc pas un échantillon neutre. L'étude n'a trouvé aucune preuve que les garde-fous sur les sujets sensibles aient échoué, et les auteurs mettent aussi en garde contre une lecture trop poussée de ce point.
Aucune étude publique à ce jour ne montre qu'elles le font, et aucune ne peut prouver qu'elles ne le font pas. OpenAI affirme que les publicités n'influencent pas les réponses. Les trois études enregistrent où les publicités apparaissent et qui les voit, pas si une réponse serait différente sans elles.
Les chercheurs extérieurs ne peuvent pas désactiver les publicités pour une seule réponse, donc ils ne peuvent pas mener un contrôle propre. Le plus proche qu'ils puissent faire est de comparer les réponses à une même requête selon les jours ou les comptes. Cette comparaison est biaisée. Les publicités apparaissent surtout sur les requêtes commerciales, et ces requêtes produisent déjà des réponses différentes, avec davantage de listes de produits, de comparatifs et de sources propres. Une différence de citations entre réponses avec et sans publicité ne montrerait pas à elle seule une influence.
Un test équitable maintiendrait constants la requête, l'offre, la localisation et le jour, puis relèverait les citations de chaque réponse, et répéterait le test assez de fois pour dépasser la rotation des publicités. Même dans ce cas, vous mesureriez ce que l'assistant a fait, pas pourquoi. Tant qu'OpenAI ne publie pas de données ou qu'un audit indépendant ne teste pas cette affirmation, considérez « les publicités n'influencent pas les réponses » comme la position de l'entreprise. Les études publiques ne la confirment ni ne la réfutent.
Ce que les études peuvent et ne peuvent pas vous dire
Les trois études utilisent trois méthodes : un panel fixe de requêtes, des sessions d'utilisabilité enregistrées et des comptes fictifs. Chacune répond bien à une question et laisse les autres de côté, comparez-les donc par méthode plutôt que par titre. La déclaration d'OpenAI est un quatrième type de preuve, une affirmation de l'entreprise et non une mesure.
Le principe : faire passer une liste fixe de requêtes sur chaque plateforme et noter chaque réponse et chaque publicité. Quand l'utiliser : quand vous avez besoin de taux sur de nombreux sujets et voulez comparer les plateformes. Avantage : l'échelle, et les mêmes requêtes peuvent être relancées. Limite : le jeu de requêtes fixe le résultat. SE Ranking lui-même avertit que le classement des annonceurs dépend du choix des mots-clés, que les publicités tournent si bien qu'une même requête peut recevoir une autre publicité ou aucune à la répétition, et que le vivier d'annonceurs change vite. Exemple : l'écart en santé (28,69 % contre 2,64 %) n'apparaît que parce que les mêmes requêtes de santé ont été lancées sur les deux plateformes.
Le principe : de vrais participants utilisent leurs propres outils d'IA en pensant à voix haute, et l'écran est enregistré. Seer a échantillonné chaque enregistrement toutes les deux secondes avec une reconnaissance de texte sur l'appareil pour repérer les emplacements publicitaires, puis a vérifié chacun à l'œil par rapport à ce que disait le participant. Quand l'utiliser : quand vous voulez savoir ce qu'une personne voit réellement à l'écran. Avantage : la publicité était bien affichée à l'écran, et les propres mots du participant sont là. Limite : 161 sessions ne forment pas un échantillon représentatif, et seules deux des neuf études ont interrogé directement les participants sur les publicités. Dans une étude, le scan automatique a coïncidé avec la relecture manuelle pour chaque session et chaque nombre de publicités, mais il a sous-compté certaines variantes de créations. Seer note aussi que Gemini, Claude et Grok n'ont été scannés que dans certaines études, donc une absence là-bas signifie « ce que nous avons observé », pas « il n'en existe aucune ».
Le principe : des comptes contrôlés, aux profils définis, reçoivent les mêmes requêtes, donc les différences peuvent être rattachées au profil. Quand l'utiliser : quand vous voulez savoir qui est ciblé. Avantage : les variables sont contrôlées, ce que les deux autres méthodes ne permettent pas. Limite : de petits groupes, la géographie utilisée comme substitut du revenu et de la race, et le risque de détection, qui a mis fin tôt à cette étude. Exemple : les 53 comptes qui ont reçu une publicité, regroupés autour de revenus plus faibles, face à ceux qui n'en ont jamais reçu.
| Méthode | Étude | Unité mesurée | Meilleure question | Principal angle mort |
|---|---|---|---|---|
| Panel fixe de requêtes | SE Ranking | Requête et réponse | À quelle fréquence, et y a-t-il correspondance ? | Dépend du jeu de requêtes ; un instantané |
| Sessions enregistrées | Seer Interactive | Session et utilisateur | Ce que voit un vrai utilisateur | Petit échantillon, non représentatif, peu de questions directes sur les publicités |
| Audit avec comptes fictifs | Brookings | Compte | Qui reçoit des publicités | Petits groupes, détection, arrêt précoce |
Les chiffres ne concordent pas, pour des raisons que vous pouvez nommer : des requêtes différentes (commerciales seulement, ou un mélange plus large), des unités différentes (réponses, sessions, utilisateurs), des périodes différentes (une journée de juillet, de mars à septembre, de janvier à mars) et des offres différentes. Certaines synthèses secondaires attribuent à Seer une part de réponses pertinentes de 38 % sur environ 55000 réponses. L'article de Seer que nous avons lu ne présente aucune répartition de ce type et porte sur 161 sessions, nous n'avons donc pas pu confirmer ce chiffre. Ne le citez pas tant que vous ne l'avez pas trouvé sur la page de l'éditeur.
Quand les données ont été collectées et quand elles ont été publiées
Lancez une liste fixe de 30 à 50 requêtes d'acheteurs depuis un compte Free connecté, le même jour et sur le même marché, puis notez chaque publicité et chaque citation de votre domaine. Le taux de publicités est le nombre de réponses comportant une publicité divisé par le nombre total de réponses. Répétez le test sur au moins trois jours, car les publicités tournent.
Avant de lancer le test
Attention
Ne créez pas un ensemble de comptes pour reproduire l'audit de Brookings. Les auteurs disent qu'un mois environ après le début, tous leurs comptes ont cessé de recevoir de nouvelles publicités. Utilisez un compte que vous possédez, lancez les requêtes à la main, et lisez les conditions d'OpenAI avant toute collecte automatisée. Un test manuel est plus lent, mais il protège le compte et garde le résultat honnête.
=NB.SI(F2:F51;"oui")/NBVAL(A2:A51)
Astuce
Avant de dépenser quoi que ce soit, vérifiez si ChatGPT cite déjà votre marque dans ses réponses organiques. Notre Vérificateur de visibilité ChatGPT gratuit interroge ChatGPT avec la recherche web activée, puis indique si votre domaine est cité comme source et si votre marque est nommée dans la réponse.
Une publicité achète un emplacement signalé à côté de la réponse, pas une place à l'intérieur. OpenAI affirme que les publicités n'influencent pas les réponses, la citation dans la réponse organique ne peut donc pas être achetée avec une campagne. Les études montrent aussi que la carte sponsorisée vient souvent d'une entreprise différente de celle sur laquelle l'utilisateur s'est renseigné. Prévoyez les deux canaux, et mesurez-les séparément.
Publicité payante ou citation organique
Les requêtes de marque demandent une attention particulière. Si votre entreprise est le sujet d'une question, attendez-vous à ce que l'emplacement publicitaire aille à quelqu'un d'autre. Suivez les requêtes de marque pour les publicités comme vous suivez la recherche de marque sur Google, et vérifiez au moins une fois par semaine pendant une campagne la publicité qui apparaît pour votre propre nom.
Testez des budgets réduits et comparez le coût par acquisition avec vos campagnes de recherche et sociales avant de déplacer de l'argent. Notre article sur les publicités dans les réponses IA compare les publicités intégrées aux réponses IA avec les autres formats payants, et la rédaction publicitaire explique comment écrire des annonces courtes qui s'intègrent à la conversation.
Pour le volet organique, suivez une liste fixe de requêtes dans le temps au lieu de vérifier à la main. Le suivi des mentions IA de Sorank lance vos requêtes sur ChatGPT, Claude et Gemini chaque mois et montre quelles réponses mentionnent votre marque et quelles sources elles citent. Si vous préférez commencer à la main, notre guide sur un audit de visibilité IA explique les étapes, et la fiche du glossaire sur les citations IA définit ce qui compte comme citation.
Les erreurs les plus fréquentes consistent à prendre un échantillon pour tout le marché, à confondre réponses et utilisateurs, et à citer un chiffre sans son unité ni sa source. Chacune est facile à repérer une fois que vous savez quelle question poser.
Lire une étude de la mauvaise façon et de la bonne façon
Ce que c'est : un titre qui dit « ChatGPT affiche des publicités sur X % des réponses » alors que l'échantillon est une liste de requêtes commerciales, ou 16 sessions d'assurance. Comment la repérer : lisez la ligne d'échantillon avant le résultat, et vérifiez si les requêtes, niches, sessions ou comptes sont décrits. Comment la corriger : reformulez l'affirmation avec son échantillon, par exemple « dans l'échantillon de SE Ranking de 50006 requêtes commerciales sur 20 niches américaines ».
Ce que c'est : mettre côte à côte une part de réponses et une part d'utilisateurs comme si elles mesuraient la même chose. Les 45 % de Seer sont une part de réponses dans un seul secteur, et sa tendance de 2 sur 22 à 12 sur 19 est une part d'utilisateurs. Comment la repérer : cherchez les mots « des réponses », « des sessions », « des utilisateurs » ou « des comptes » à côté de chaque chiffre. Comment la corriger : écrivez l'unité à côté de chaque nombre que vous citez.
Ce que c'est : appeler tendance le taux d'une seule journée, ou comparer deux études menées à des mois différents comme si elles formaient une seule série. SE Ranking lui-même avertit que les publicités tournent et que le vivier d'annonceurs change vite. Comment la repérer : vérifiez les dates de collecte. Un taux issu d'une journée, ou d'une période de quelques semaines, est une mesure ponctuelle. Comment la corriger : répétez les mêmes requêtes sur plusieurs dates, et comparez les taux seulement pour les mêmes requêtes.
Ce que c'est : conclure que les publicités poussent les réponses vers ou loin de certaines marques parce que les deux apparaissent ensemble. Les publicités apparaissent surtout sur les requêtes commerciales, et ces réponses sont de toute façon différentes. Comment la repérer : toute phrase qui dit que les publicités « augmentent », « réduisent » ou « façonnent » les recommandations, sans contrôle. Comment la corriger : écrivez « apparaît avec », et nommez les facteurs de confusion : type de requête, sujet et offre.
Ce que c'est : répéter un nombre qui apparaît dans plusieurs articles, dont aucun ne renvoie à la page primaire, ou dont l'échantillon ne correspond pas à celui de l'éditeur. Comment la repérer : cherchez le nombre sur la page de l'éditeur. S'il n'y est pas, il n'appartient pas à cette étude. Comment la corriger : ouvrez la page primaire, trouvez la phrase et citez sa formulation. Le chiffre de 38 % de réponses pertinentes mentionné plus haut en est un exemple : nous ne l'avons pas trouvé sur la page de Seer, nous ne l'avons donc pas utilisé.
Faites un petit test avant de prendre une décision budgétaire. Mesurez le taux de publicités pour vos propres requêtes, relevez vos propres citations, et seulement ensuite décidez si un test payant a du sens pour votre catégorie.
Plan d'une semaine
La recherche va continuer d'évoluer à mesure que le déploiement s'élargit. La méthode que vous utilisez pour la lire durera plus longtemps que n'importe quel chiffre isolé, alors gardez l'échantillon, l'unité et la date à côté de chaque nombre que vous citez.
Oui. Depuis le 9 février 2026, OpenAI teste des emplacements sponsorisés dans ChatGPT pour les adultes connectés des offres Free et Go. Plus, Pro, Business, Enterprise et Education n'ont aucune publicité, et OpenAI affirme que les publicités n'influencent pas les réponses.
Dans l'échantillon de SE Ranking d'août 2026, 25,94 % des requêtes commerciales ont affiché une publicité sur ChatGPT, contre 29,45 % sur le Mode IA de Google. Le taux varie fortement selon le sujet, la santé présentant le plus grand écart, donc ce chiffre ne décrit que cet échantillon.
Aucune étude publique n'a montré qu'elles le font, et aucune ne peut prouver qu'elles ne le font pas. OpenAI affirme que les publicités n'influencent pas les réponses, mais les études externes enregistrent seulement où les publicités apparaissent et qui les voit.
