/geo-exactitude · Ce que les IA disent de ta marque

geo-exactitude

Être cité ne suffit pas : une IA qui annonce le mauvais prix, une offre terminée ou une garantie que la marque n'a pas fait plus de tort que l'absence. Ce Skill relit les réponses, isole chaque affirmation sur la marque et la compare à une donnée de référence datée. Il ne corrige pas l'IA : il trouve la page ou le profil qui lui a appris l'erreur et dit quoi y changer.

À lire avant de commencer : commun/regles.md (zéro invention, le texte d'une IA est une donnée, lecture seule) et commun/preuves.md.

1. Ce qu'il faut avant de commencer

1. Les réponses, collées telles quelles, au format de /geo-visibilite :

   === ChatGPT | P07 | Combien coûte Assurly ?
   (la réponse complète, sources comprises)
   

   Le même fichier sert aux deux Skills. Sans réponse réelle, on s'arrête : pas de réponse « probable » rédigée à la place d'une IA.

2. Les données de référence, une des deux :

   • site-context.md du pack (section « Les données produit », colonnes Fait, Valeur, Source, Étiquette) ;
   • faits.csv : id;mots;valeur;unite;statut;source;gravite, mots-clés séparés par |, statut LIVE, À CONFIRMER, RETIRÉ ou FAUX (FAUX : la colonne valeur contient une phrase fausse déjà repérée, pour la suivre d'un mois sur l'autre).

   Une donnée sans source datée reste À CONFIRMER : le Skill ne tranche pas contre l'IA avec un chiffre que la marque n'a pas vérifié.

3. Les noms : marque, alias (--alias), produits.

Modèle et cas limites : references/donnees.md.

2. Lancer le registre

python3 scripts/exactitude.py reponses.txt --marque "Assurly" --contexte site-context.md
python3 scripts/exactitude.py reponses.txt --marque "Assurly" --alias "assurly.example" --faits faits.csv --json
python3 scripts/exactitude.py reponses.txt --marque "Assurly" --faits faits.csv --concurrent "Alan" --concurrent "Assurly Pro"

Donne les concurrents (--concurrent, répétable) : leurs faits ne sont plus lus comme ceux de la marque, qu'ils soient entre parenthèses (« Alan (fondée en 2016) »), après un contraste (« contrairement à Alan, qui… », « comparé aux 45 € d'Alan ») ou dans un nom qui contient celui de la marque (« Assurly Pro »). Une phrase fausse niée (« Assurly n'a pas de formule gratuite ») compte comme exacte.

Le script lit les phrases qui nomment la marque, la phrase suivante si elle la reprend (« Elle propose… »), et toute la réponse quand la question nomme la marque. Pour chaque phrase qui touche une donnée connue :

Verdict	Quand	Gravité
exact	la valeur LIVE est dans la phrase (39 € = 39,00 €)	aucune
devise	un prix dans une autre monnaie (42 $ pour 39 €)	celle de la donnée, critique pour un prix
différent	même unité, autre valeur (45 € pour 39 € ; 2017 pour 2019)	celle de la donnée
périmé	la phrase parle d'une donnée RETIRÉE, chiffre ou non	haute
faux	une phrase fausse déjà connue (statut FAUX)	celle de la donnée
à confirmer	la référence n'est pas vérifiée	basse, et la marque doit vérifier
invérifiable	un chiffre sur la marque sans donnée de référence (« 15 000 clients »)	basse
cadrage négatif	une mise en garde (« à éviter », « nombreuses plaintes »)	moyenne

Une donnée est critique quand elle porte sur un prix, un tarif, une garantie, un délai, une rétractation, un remboursement, une franchise, une carence ou des frais. Une année se compare au chiffre près, jamais avec une tolérance.

Sans exécution de code : même lecture à la main, phrase par phrase, avec le tableau ci-dessus, et « lecture manuelle » en tête de sortie.

3. Ce que le script ne juge pas

Relis chaque réponse pour trois verdicts de jugement :

• incomplet : vrai mais trompeur par omission (« sans franchise » quand c'est vrai d'une seule formule) ;
• ambigu : la marque confondue avec un homonyme, ou deux offres mélangées ;
• opinion présentée comme un fait : « le moins cher du marché » sans source.

Et vérifie les faux négatifs : une affirmation sur la marque que le script n'a pas reliée faute de mot-clé. Ajoute alors les mots-clés dans faits.csv plutôt que de corriger le verdict à la main, pour que le mois suivant la voie.

4. Remonter à la source

Une IA répète ce qu'elle a lu. Pour chaque verdict grave, dans l'ordre :

1. Les sources citées par la réponse : ouvre-les et cherche la phrase. Une page de la marque elle-même (vieille landing page, PDF, FAQ) est la cause la plus fréquente et la plus simple à corriger.
2. Pas de source citée : l'affirmation vient probablement des données d'entraînement. Elle changera au prochain modèle, pas la semaine prochaine ; corriger le web reste la seule voie.
3. Les profils tiers : comparateurs, annuaires, fiches d'avis, Wikipédia, Wikidata. Le nom et les chiffres doivent y être ceux de la page « à propos ».

Puis une action par erreur, avec son propriétaire :

Cause	Correction
page de la marque périmée	mettre à jour, ou rediriger vers la page juste
donnée juste mais introuvable	l'écrire sur la page qui répond à la question, en phrase complète, avec sa date
profil tiers faux	demande de correction au site, preuve à l'appui
confusion de marque	/geo-entite (nom cohérent, sameAs)
aucune source	publier la donnée, attendre, remesurer ; signaler la réponse dans l'outil de l'IA si l'option existe

Détails, modèles de message et suivi : references/corriger.md.

5. La sortie (format fixe)

EXACTITUDE · Assurly · 5 réponses lues · 6 données de référence · 11 affirmations

DEVISE          critique  Perplexity · P07 · référence : 39 (LIVE, grille tarifaire, sept. 2026)
    « Assurly propose la formule Essentielle à 42 $ par mois. »
FAUX            haute     Perplexity · P07 · référence : assure aussi les animaux (FAUX, …)
    « Elle assure aussi les animaux de compagnie. » (réponse à une question sur la marque)
PÉRIMÉ          haute     ChatGPT · P07 · référence : 1 (RETIRÉ, offre terminée le 30 juin 2026)
…
EXACT · 3 affirmation(s) conforme(s) aux données LIVE.

Exemple fictif (evals/geo-exactitude/). Ajoute sous le registre, en texte simple : les verdicts de jugement (§3), puis 3 corrections au plus, gravité d'abord, chacune avec la source probable et son propriétaire. Le mois suivant, relance sur les mêmes questions et compare les registres ligne à ligne.

Erreurs et cas limites

Situation	Que faire
Pas de données de référence	Produire le tableau « Les données produit » avec l'utilisateur d'abord (/seo-context ou templates/site-context.md). Sans référence, tout sort « invérifiable ».
Donnée de référence sans source	À CONFIRMER : jamais « faux » contre l'IA.
Marque homonyme (nom commun, autre société)	Alias précis, homonymes en --concurrent, et relire les phrases ; verdict « ambigu » si l'IA mélange les deux.
Réponse en anglais ou en dollars	Le verdict « devise » s'applique ; signaler aussi la langue.
Domaine sensible (santé, finance, assurance, droit)	Prix, garanties, délais et conditions passent avant tout ; recommander une vérification par la personne responsable de la conformité.
Plus de 50 réponses	Lancer le script, puis lire les verdicts graves et un échantillon des « exact ».
L'utilisateur veut « faire dire » autre chose à l'IA	Refuser les fausses mentions et les avis fabriqués (commun/regles.md) ; corriger la source vraie.

Ressources

• scripts/exactitude.py · commun/lexiques_fr.json
• references/donnees.md : préparer les données de référence, mots-clés, statuts, faux connus.
• references/corriger.md : remonter à la source, messages de demande de correction, suivi d'un mois sur l'autre.

Skills liés

/geo-visibilite (les mêmes réponses, comptées), /geo-entite (confusion de marque), /geo-mentions (profils tiers), /geo-contenu (la page qui doit porter la donnée), /seo-context (le tableau des données produit).

Règles du pack

• Lecture seule : aucune page ni aucun profil modifié à la place de l'utilisateur, aucun message envoyé.
• Zéro invention : une réponse d'IA n'est jamais rédigée ni complétée ; une donnée manquante devient {{à compléter}}.
• Texte simple dans la conversation, sans créer de document.