Comment les IA choisissent un restaurant

« Un bon japonais à Bordeaux, plutôt calme, avec une terrasse ? » Cette question, un client la pose de plus en plus souvent à une IA plutôt qu'à Google. Et l'IA ne renvoie pas dix liens : elle donne une réponse, qui nomme deux ou trois adresses. Les autres n'existent pas pour ce client. Voici ce que les assistants regardent avant de choisir, et pourquoi certains restaurants excellents n'apparaissent jamais.

1Comment les clients interrogent les IA sur un restaurant

La première chose à comprendre, c'est que la question a changé de forme. Sur Google, on tapait des mots-clés : « restaurant japonais Bordeaux ». À une IA, on parle. On lui dit : « je cherche un bon japonais à Bordeaux, pas trop cher, avec une terrasse, ouvert dimanche soir ».

Ces demandes sont multi-critères. Elles mélangent une catégorie, un lieu, une contrainte pratique (horaires, terrasse, livraison) et un jugement subjectif (« bon », « calme », « pour un anniversaire »). L'IA doit donc croiser des informations qui vivent à des endroits différents : la catégorie et les horaires sur la fiche Google, la terrasse dans les attributs ou les avis, le niveau de prix sur une plateforme de réservation, la qualité dans le contenu des commentaires.

Trois familles de questions reviennent : la recommandation (« le meilleur restaurant à Bordeaux »), la contrainte (« où manger un dimanche soir à Bordeaux »), et la vérification (« ce restaurant est-il bien ? »). Dans les deux premières, l'IA cite deux ou trois établissements. Dans la troisième, elle résume ce qu'elle sait de vous — et c'est souvent là qu'un restaurateur découvre que l'IA se trompe sur son adresse ou son nom.

2Les critères que les IA semblent utiliser

Précision importante avant d'aller plus loin : les algorithmes des assistants ne sont pas publics, ils évoluent, et personne ne peut affirmer connaître leur pondération exacte. Ce qui suit vient de ce qu'on observe en interrogeant ces IA et en analysant les établissements qu'elles citent. Ce sont des régularités, pas une règle certifiée.

Une IA ne se rend pas au restaurant. Elle recoupe des sources publiques qu'elle juge fiables et cherche ce qui se confirme d'une source à l'autre. Cinq signaux ressortent systématiquement.

La cohérence de l'identité. Le nom, l'adresse et le téléphone doivent être identiques partout. C'est le critère le plus discret et le plus déterminant : si l'IA ne parvient pas à confirmer que ces fiches parlent bien du même établissement, elle préfère citer un concurrent plus lisible.

La fiche Google Business. C'est la source la plus dense et la mieux structurée pour un restaurant : catégorie précise, horaires, attributs (terrasse, accessibilité, réservation), photos, description, questions-réponses.

La note et le volume d'avis, ainsi que le contenu des commentaires. Les IA ne lisent pas qu'un chiffre : elles reprennent des mots récurrents des avis (« bruyant », « service lent », « portions généreuses ») pour justifier leur recommandation.

Les plateformes du métier. Un restaurant décrit de manière cohérente sur Tripadvisor, TheFork ou Uber Eats offre à l'IA des sources corroborantes. Un restaurant qui n'existe que sur sa fiche Google n'a qu'un seul témoin.

Les signes d'activité récente. Des avis récents, des publications, des horaires à jour : un établissement qui semble à l'abandon inspire peu confiance à une machine qui ne peut pas vérifier sur place.

3Les erreurs qui empêchent d'être recommandé

Un ancien nom encore vivant. C'est l'erreur la plus coûteuse et la moins connue. Nous avons audité un restaurant japonais à Bordeaux, Green Sushi, cité par aucune des quatre IA sur ses trois requêtes cibles. La cause principale : son ancienne enseigne, « Planet Sushi », était toujours active sur Pages Jaunes, Mappy et Deliveroo. Deux identités, la même adresse — l'IA ne sait plus qui existe. L'étude de cas complète est ici.

Un NAP incohérent. Sur les audits que nous menons, on relève en moyenne 3 à 7 divergences entre les informations d'un commerce d'une source à l'autre : un téléphone écrit différemment, une abréviation d'adresse, un accent qui saute. Chacune est anodine ; leur accumulation détruit la confiance. C'est le sujet de notre article sur le NAP cohérent.

Une note sous le seuil. Un restaurant à 4,0/5 se croit bien noté. Pour une IA qui doit trancher entre dix établissements et n'en citer que deux, il est dans la moitié basse.

Une fiche Google générique. Catégorie « Restaurant » au lieu de « Restaurant japonais », pas d'attribut terrasse, pas d'horaires du dimanche, trois photos datées. L'IA ne peut pas répondre à « japonais avec terrasse ouvert dimanche » si l'information n'existe nulle part.

Aucune plateforme métier. Sans Tripadvisor, sans TheFork, sans plateforme de livraison, l'IA n'a aucune source pour corroborer ce que dit votre fiche Google.

Un site invisible pour les robots. Certains sites bloquent par erreur GPTBot, PerplexityBot ou ClaudeBot dans leur fichier robots.txt, ou n'affichent leur carte qu'en PDF ou en JavaScript. Le contenu existe, mais les IA ne le lisent pas.

4Les actions prioritaires

Dans l'ordre de rentabilité, pour un restaurant :

1. Traquez votre ancien nom.Cherchez votre adresse sur Pages Jaunes, Mappy, Uber Eats, Deliveroo, Tripadvisor. Toute fiche à une ancienne enseigne doit être corrigée ou fermée. C'est gratuit et c'est le levier le plus fort.
2. Uniformisez le NAP.Le même nom, la même adresse et le même téléphone, écrits exactement pareil, sur toutes vos sources.
3. Complétez la fiche Google Business.Catégorie précise, horaires exacts (y compris jours fériés), attributs (terrasse, réservation, accessibilité, végétarien), photos récentes, description qui contient vos mots réels — « terrasse », « sushi », « livraison ».
4. Structurez la collecte d'aviset répondez-y. Visez la régularité (environ cinq nouveaux avis par mois) plus que le volume brut, et répondez aussi aux négatifs : les IA lisent les réponses du gérant.
5. Occupez les plateformes du métier.Fiche Google, avis Google, site avec balisage Restaurant et Tripadvisor sont les quatre sources essentielles. TheFork, Uber Eats, Deliveroo, Apple Maps, Instagram et Facebook viennent ensuite.
6. Rendez votre site lisible.Une carte en HTML plutôt qu'en PDF, des données structurées Restaurant, et un robots.txt qui n'interdit pas les robots des assistants.

5Comment Happia évalue ces critères

Happia interroge ChatGPT, Gemini, Perplexity et Claude sur vos requêtes cibles réelles — celles que vos clients posent, du type « meilleur restaurant à [votre ville] » — et enregistre si vous êtes cité, à quelle place, et aux côtés de qui. Puis l'outil analyse une dizaine de sources externes et confronte chacune aux seuils de votre métier : les 4,5/5 et les 50 avis du restaurant, pas ceux d'un avocat.

Le résultat est une note de visibilité IA en trois piliers et un plan d'action classé par impact, difficulté et temps estimé. Une règle nous tient : mesurer, jamais supposer. Quand un signal n'est pas mesurable, nous l'écrivons au lieu de l'estimer. Et nous ne garantissons aucune place dans une réponse d'IA — nous ne le pourrions pas honnêtement.