Pour que votre restaurant soit recommandé par les assistants IA, il faut trois choses : une note supérieure au seuil de recommandation de la plateforme (environ 4,3 étoiles pour ChatGPT), des informations d'entreprise cohérentes sur tous les annuaires que lisent les systèmes IA, et des données structurées sur votre site que les machines peuvent extraire. La plupart des restaurants échouent sur les trois.

Nous l'avons testé directement. Nous avons posé à trois modèles d'IA différents — Kimi K3, DeepSeek et Qwen — une question qu'un client taperait réellement : « Quel est le meilleur restaurant italien de Hong Kong ? » Les trois ont répondu avec assurance. Les trois ont cité 8½ Otto e Mezzo Bombana en premier. Nous avons ensuite demandé à chaque modèle pourquoi il avait choisi ces noms.

Les réponses étaient révélatrices, et elles constituent le meilleur point de départ possible pour un restaurateur.

Comment les assistants IA choisissent-ils vraiment les restaurants qu'ils recommandent ?

Les assistants IA recommandent des restaurants via deux mécanismes totalement distincts : ce que le modèle a absorbé pendant son entraînement (sa « mémoire ») et ce qu'il récupère en direct sur le web lorsqu'il effectue une recherche. Ces deux mécanismes récompensent des choses entièrement différentes, et une tactique efficace pour l'un ne fait presque rien pour l'autre.

Quand nous avons demandé à Kimi K3 d'expliquer ses propres choix hongkongais, il a été étonnamment franc : « Je n'ai pas évalué ces restaurants — je ne peux ni goûter un plat ni me rendre quelque part. Ce qui s'est réellement passé, c'est que certains signaux ont rendu ces noms statistiquement saillants dans mes données d'entraînement. »

Cette distinction compte plus que tout le reste de cet article. Si vous optimisez uniquement votre site web, vous ne jouez qu'à l'un des deux jeux.

Quelle différence entre ce qu'une IA « sait » et ce qu'elle va chercher ?

La connaissance paramétrique est ce que le modèle a absorbé pendant l'entraînement : il peut répondre sans chercher, mais l'information est figée à la date d'entraînement et biaisée vers ce dont on a le plus écrit. La récupération, c'est ce qui se passe quand l'assistant interroge le web en direct au milieu de sa réponse, en tirant des pages, des fiches et des avis à jour.

	Ce que le modèle « sait » déjà	Ce qu'il va chercher en direct
D'où ça vient	Données d'entraînement : articles, classements, forums, guides	Recherche web en direct, fiches d'établissement, sites d'avis
Ce qui gagne	Volume et répétition des mentions sur des années	Exactitude, structure, fraîcheur, notes
Vitesse de changement	Lente — des années, via la presse et les citations	Rapide — de quelques jours à quelques semaines
Utilisé par	ChatGPT sans navigation, réponses hors ligne des modèles	Perplexity, Google AI Overviews, ChatGPT avec recherche

La plupart des restaurants peuvent réellement faire bouger la deuxième colonne ce trimestre. La première colonne est un jeu de longue haleine — mais elle n'est pas perdue d'avance, et nous y reviendrons plus bas.

Combien de restaurants une IA recommande-t-elle par requête ?

Les assistants IA ne citent généralement que trois à cinq restaurants par requête, et 83 % des établissements n'apparaissent jamais dans les recommandations générées par IA — alors même que 86 % sont présents sur Google, selon un rapport de référence Uberall de mai 2026 sur la découverte de restaurants par IA.

C'est le fait structurel le plus important de la recherche IA : il n'y a pas de page deux. Dans les résultats Google classiques, être onzième signifie encore exister — un client motivé peut faire défiler. Dans une réponse d'IA, être le sixième meilleur choix signifie que vous n'avez pas été mentionné, ce qui revient exactement à ne pas exister.

Le même rapport a établi que ChatGPT recommande environ 1,2 % des établissements, contre 35,9 % qui apparaissent dans le pack local de Google. Gemini atteint environ 11 %, Perplexity environ 7,4 %.

Quelle note faut-il pour qu'une IA recommande votre restaurant ?

Les différentes plateformes IA semblent appliquer des seuils de note différents. ChatGPT tend à recommander des restaurants affichant 4,3 étoiles ou plus, le seuil de Perplexity se situe autour de 4,1 et celui de Gemini autour de 3,9. Un restaurant à 4,0 peut très bien se positionner sur Google tout en passant sous la barre utilisée par ChatGPT.

C'est un mode d'échec véritablement nouveau. En SEO local classique, un restaurant à 4,0 étoiles avec de bons signaux de proximité et de pertinence reste compétitif. En recommandation IA, ce même restaurant peut être silencieusement écarté avant même que la comparaison commence.

Conséquence pratique : la note moyenne n'est plus un indicateur de vanité, c'est un critère d'éligibilité. Si vous êtes à 4,1, l'écart entre vous et 4,3 est l'écart entre figurer dans la réponse de ChatGPT et ne pas y exister.

Comment un restaurant entre-t-il dans la mémoire d'un modèle d'IA ?

Un restaurant entre dans la connaissance intégrée d'un modèle par la répétition, sur de nombreuses sources indépendantes et dans la durée : des récompenses citées en permanence, une présence dans les classements « les meilleurs de », et un volume de discussions soutenu sur les forums. Il s'agit moins d'une mention isolée que du même nom revenant dans le même contexte, de façon répétée, pendant des années.

Quand nous avons poussé les modèles à expliquer leurs choix hongkongais, quatre signaux précis sont ressortis :

La répétition d'une récompense avec une accroche lisible. Kimi l'a cité en premier : « "Premier restaurant italien hors d'Italie à décrocher trois étoiles Michelin" est l'un des faits les plus répétés dans la presse gastronomique hongkongaise. Cette référence unique et lisible est citée en permanence. » La récompense compte, mais le fait qu'elle se comprime en une phrase répétable compte tout autant.

La présence dans les classements. Les modèles ont cité des apparitions précises dans des listes comme un accélérateur — l'un d'eux a noté qu'une pizzeria était remontée devant des concurrents tout aussi bons précisément parce qu'un bon classement dans une liste régionale « 50 Top Pizza » avait généré une vague de couverture médiatique.

Le volume de discussion. Un modèle a expliqué directement la notoriété d'un bar à pâtes décontracté : il « revient constamment dans des contextes informels — fils Reddit, forums, recommandations d'expatriés… Un fort volume de bavardage est lu comme un signe d'importance. »

L'effet cumulé de l'ancienneté. Les restaurants plus anciens ont simplement accumulé plus de texte, et les médias gastronomiques s'auto-renforcent : les classements citent les classements précédents.

Quels biais sont inscrits dans les recommandations de restaurants par IA ?

Les recommandations de restaurants par IA héritent des biais de leurs sources : elles surreprésentent la presse gastronomique anglophone, les quartiers d'affaires centraux, les restaurants d'hôtel et les adresses de chefs stars, tout en sous-représentant les favoris en langue locale et les ouvertures récentes. Les modèles sont aussi en retard sur la réalité — ils peuvent recommander un restaurant pour un chef parti depuis des années.

Nous n'avons pas eu à le déduire. Kimi l'a dit spontanément : « Ma vision est fortement façonnée par SCMP, Tatler Asia, Time Out Hong Kong et Michelin — qui privilégient les adresses de Central, les restaurants d'hôtel et les lieux portés par des chefs stars. Les favoris locaux adorés dans les cercles cantonophones sont sous-représentés. »

Il est allé plus loin, en signalant son propre problème de fraîcheur : « La notoriété survit à la réalité. » Et il a nommé la distorsion en amont sans détour : « Les restaurants qui ont des attachés de presse et des budgets marketing d'hôtel sont davantage couverts. J'hérite de ce biais, je ne le corrige pas. »

Deux enseignements pour les exploitants. Si vous êtes un restaurant de quartier sans budget RP, le jeu de la mémoire des modèles est réellement biaisé contre vous — et c'est exactement pour cela que le jeu de la récupération en direct, décrit plus bas, est celui où vos efforts paient le plus vite. Et si vous êtes un restaurant reconnu, ne partez pas du principe que l'image que le modèle a de vous est à jour.

Qu'est-ce qui fait apparaître un restaurant dans une réponse IA en direct ?

Pour les réponses augmentées par la recherche, les systèmes IA s'appuient sur les mêmes signaux de confiance locaux que les résultats locaux de Google : une fiche d'établissement complète et exacte, un nom, une adresse et un numéro de téléphone cohérents partout sur le web, et des avis récents et authentiques. Ici, l'exactitude et la cohérence comptent plus que le budget marketing.

Votre Google Business Profile est la fondation. Pas seulement revendiquée — complète. Catégories correctes, horaires à jour y compris les jours fériés, vraies photos, description exacte, et un lien fonctionnel vers une page de réservation.

La cohérence NAP est la couche de confiance. Les établissements dont le nom, l'adresse et le téléphone sont cohérents sur les principales sources de citation ont environ 40 % de chances en plus d'apparaître dans le pack local de Google, et les fiches d'annuaire aux champs essentiels complets et exacts génèrent nettement plus d'engagement que celles aux informations périmées. Les plateformes IA ont besoin de cette cohérence pour être sûres que toutes ces fiches décrivent un seul et même établissement réel.

La fraîcheur et le volume des avis, pas seulement la moyenne. Une moyenne de 4,5 construite sur des avis vieux de deux ans ne se lit pas comme une moyenne de 4,5 alimentée par un flux régulier ce mois-ci.

De quel balisage schema un restaurant a-t-il besoin pour la recherche IA ?

Les restaurants devraient implémenter le schema Restaurant (un sous-type de LocalBusiness), plus les balisages Menu et FAQPage. Le schema Restaurant hérite de toutes les propriétés de LocalBusiness et ajoute des champs spécifiques à la restauration, dont servesCuisine, hasMenu, acceptsReservations, priceRange et openingHoursSpecification.

Les champs à soigner :

• name, address, telephone — strictement identiques à votre Google Business Profile
• servesCuisine — la réponse littérale aux requêtes « meilleur italien à… »
• priceRange — c'est par là que passent les filtres « abordable » et « haut de gamme »
• openingHoursSpecification — y compris les exceptions liées aux jours fériés
• acceptsReservations et hasMenu — avec une vraie carte en HTML, pas un PDF ni une image
• aggregateRating — là où c'est réellement applicable

Une réserve à énoncer clairement : le balisage schema ne garantit pas d'être inclus dans une réponse d'IA. Il lève l'ambiguïté pour qu'une machine puisse énoncer des faits vous concernant avec assurance — ce qui est une condition préalable à la recommandation, pas un achat de celle-ci.

Pourquoi Reddit revient-il sans cesse dans les réponses des IA sur les restaurants ?

Reddit est cité dans environ 40 % des citations des LLM sur ChatGPT, Perplexity, Gemini et Claude, et représente près de 21 % des citations des Google AI Overviews — la source la plus citée à cet endroit. La raison est structurelle : Reddit est la plus grande archive publique de réponses concrètes, fondées sur l'expérience, aux questions exactes que les gens posent aux IA.

Quand quelqu'un demande le meilleur italien d'une ville, Reddit contient des fils où de vrais clients comparent des restaurants précis avec des arguments. Aucune page marketing de restaurant ne rivalise avec ça, parce que le site d'un restaurant ne peut affirmer de façon crédible qu'une seule chose : qu'un seul restaurant est bon.

Ce que cela ne veut pas dire, c'est qu'il faut faire de l'astroturfing sur Reddit. Les fausses recommandations sont détectées, supprimées, et peuvent nuire durablement à la réputation d'un restaurant. Ce que cela veut dire :

• Méritez d'être mentionné dans les fils qui existent déjà sur votre quartier ou votre cuisine
• Si vous participez réellement aux forums locaux, faites-le en toute transparence en tant que propriétaire
• Les groupes Facebook locaux, les forums de restauration et les tableaux communautaires alimentent le même signal sur les marchés où Reddit est peu présent

Quels annuaires comptent le plus à Hong Kong et en Asie du Sud-Est ?

En Asie, Google Business Profile seul ne suffit pas. Les plateformes de découverte régionales pèsent lourd, aussi bien dans la récupération en direct que dans les données d'entraînement : OpenRice à Hong Kong, Macao et Singapour ; Dianping pour la clientèle sinophone ; le guide Michelin le cas échéant ; TripAdvisor pour les visiteurs ; et Chope, Klook et Eatigo pour les requêtes à intention de réservation.

La règle de cohérence s'applique à chacune d'entre elles. Le même nom de restaurant, orthographié de la même façon, à la même adresse, avec le même numéro de téléphone. Deux fiches du même restaurant avec des adresses différentes détruisent activement la confiance d'entité que vous cherchez à construire.

Zomato, Swiggy Dineout et EazyDiner jouent le rôle équivalent en Inde, et sont aussi de vrais canaux de réservation plutôt que de simples annuaires passifs.

Peut-on se faire recommander par une IA sans étoile Michelin ?

Oui — mais il vous faut une « accroche » : une affirmation précise, répétable et vérifiable que les journalistes gastronomiques et les clients peuvent reformuler en une seule phrase. Les modèles font remonter les restaurants attachés à des faits compressibles, pas les restaurants simplement bons. « D'excellentes pâtes fraîches maison » n'est pas une accroche. « Le seul restaurant de la ville à faire sa fregola sarde sur place » en est une.

Cela découle directement de ce que les modèles nous ont dit. Une référence trois étoiles Michelin fonctionne parce qu'elle se résume à une phrase répétée. Vous ne pouvez pas vous décerner une étoile, mais vous pouvez construire une affirmation qui a la même propriété structurelle :

• Le plus ancien restaurant de votre type encore en activité dans le quartier
• Le seul endroit qui sert un plat régional précis dans votre ville
• Un chef au parcours spécifique et vérifiable
• Une véritable première : premier à importer un ingrédient précis, première cuisine zéro déchet du district

Le test est simple : un journaliste peut-il la reformuler en une phrase sans nuance ni précaution ? Si oui, elle peut se propager. S'il lui faut un paragraphe de contexte, elle ne se propagera pas.

La checklist en 12 points de la visibilité IA pour les restaurants

1. Demandez à ChatGPT, Gemini et Perplexity le meilleur restaurant de votre catégorie et de votre quartier — notez si vous apparaissez. C'est votre point de départ.
2. Comparez votre note moyenne aux seuils des plateformes (4,3 / 4,1 / 3,9). Si vous êtes en dessous, c'est votre priorité numéro un.
3. Complétez chaque champ de votre Google Business Profile, y compris les horaires de jours fériés.
4. Auditez la cohérence NAP sur toutes les fiches que vous pouvez trouver, et corrigez ou supprimez les doublons.
5. Revendiquez et complétez vos fiches sur les annuaires régionaux — OpenRice, Dianping, TripAdvisor, et les plateformes de réservation utilisées sur votre marché.
6. Ajoutez le schema Restaurant à votre site, avec servesCuisine, priceRange, openingHoursSpecification et acceptsReservations.
7. Publiez votre carte en vrai texte HTML, pas en PDF ni en image. Une machine ne peut pas lire votre carte si c'est une photo.
8. Ajoutez une page FAQ qui répond aux questions que les clients posent réellement, chacune en 40 à 60 mots directement sous la question.
9. Mettez en place des demandes d'avis automatiques après la visite, pour que le flux d'avis soit continu plutôt que sporadique.
10. Répondez aux avis, y compris négatifs — les schémas de réponse sont un signal de qualité visible.
11. Définissez votre accroche et assurez-vous qu'elle figure sur votre propre site, dans vos descriptions d'annuaires et dans toute prise de contact presse.
12. Refaites l'étape 1 chaque trimestre. Les réponses des IA évoluent, et vous voulez le savoir avant vos concurrents.

Ce que Bistrochat apporte

Plusieurs points de cette liste sont des choses qu'un système de réservation fait pour vous — ou vous empêche de faire. Bistrochat envoie des demandes d'avis automatiques après la visite pour que le volume et la fraîcheur des avis restent stables au lieu de dépendre de quelqu'un qui pense à demander. Les réservations venues de Google Reserve, OpenRice, Dianping et du guide Michelin arrivent sur le même plan de salle en temps réel que vos réservations directes : être présent sur ces plateformes ne crée donc pas de casse-tête de rapprochement. Et comme les horaires d'ouverture sont définis dans un seul back-office puis diffusés de façon cohérente sur tous les canaux, les horaires que voit un client sont ceux que vous appliquez réellement — c'est exactement la cohérence que vérifient les systèmes IA.

Rien de tout cela ne remplace une bonne cuisine. Cela supprime simplement les raisons opérationnelles pour lesquelles un bon restaurant reste invisible.

FAQ : recherche IA et recommandations de restaurants

La recherche IA remplace-t-elle Google pour trouver un restaurant ? Pas encore, mais elle prend des parts. Le pack local de Google fait toujours remonter bien plus de restaurants que n'importe quel assistant IA. L'approche pragmatique consiste à traiter la visibilité IA comme un canal supplémentaire avec ses propres règles, et non comme un remplacement du SEO local.

Combien de temps faut-il pour apparaître dans les recommandations des IA ? Les améliorations côté récupération en direct — exactitude de la fiche, schema, annuaires — peuvent porter leurs fruits en quelques semaines. Entrer dans la connaissance intégrée d'un modèle prend beaucoup plus longtemps, puisque cela dépend d'une couverture accumulée sur de nombreuses sources et des futurs cycles d'entraînement.

Puis-je payer pour apparaître dans les recommandations de ChatGPT ou Gemini ? Non. Il n'existe aucun emplacement publicitaire à l'intérieur de ces recommandations organiques. C'est pour cela que les restaurants indépendants peuvent y concurrencer les chaînes bien plus efficacement que dans la recherche payante.

Les assistants IA savent-ils si mon restaurant a fermé ou changé de chef ? Souvent non. Les modèles entraînés sur des données anciennes recommandent fréquemment des restaurants sur la base d'informations dépassées — l'un des modèles que nous avons testés l'a lui-même signalé à propos de sa réponse. Maintenir des fiches exactes en direct, c'est ainsi qu'on corrige le tir.

Avoir un module de réservation sur mon site aide-t-il ma visibilité IA ? Indirectement, mais réellement. acceptsReservations est un champ schema que les systèmes IA lisent, et un restaurant réservable en ligne est une meilleure réponse à « où puis-je réserver ce soir » qu'un restaurant qui impose un appel téléphonique.

Les recommandations des IA diffèrent-elles selon la langue ? Oui, fortement. Les modèles entraînés principalement sur des sources anglophones portent le biais des médias anglophones : un restaurant célébré par la presse cantonaise ou thaïlandaise peut être invisible dans une réponse en anglais, et inversement.

Dois-je écrire des articles de blog pour être recommandé ? Seulement s'ils répondent vraiment aux questions que se posent les clients. Le contenu qui se fait citer est généralement structuré — question claire, réponse directe dès la première phrase, faits d'appui courts — plutôt qu'une prose promotionnelle sur votre passion de l'hospitalité.

Quelle est l'action la plus rentable à mener en premier ? Comparez votre note moyenne aux seuils. Tout le reste est de l'énergie perdue si vous êtes filtré avant même le début de la comparaison.

Si votre restaurant fait tout comme il faut et n'apparaît toujours pas quand des clients demandent à une IA où manger, contactez-nous — nous passerons en revue ce qui est réellement visible de vous.