Pourquoi ChatGPT ne cite pas votre établissement : plan 60 jours

Une Haute école bruxelloise invisible sur ChatGPT — alors que son concurrent apparaît trois fois

Un directeur marketing d'une Haute école de la Fédération Wallonie-Bruxelles ouvre ChatGPT lors d'une réunion com. Il saisit la requête que ses futurs étudiants posent chaque jour : « Quelle Haute école choisir pour un bachelor en commerce à Bruxelles ? » La réponse liste quatre établissements. Le sien n'y figure pas. Trois concurrents apparaissent, avec leurs évaluations AEQES et leurs taux d'insertion. Son institution est absente. Il n'a aucune donnée à soumettre à sa direction. Il ignore depuis combien de temps la situation dure.

Ce scénario se répète dans des dizaines de Hautes écoles et d'universités belges. La visibilité dans les moteurs IA n'est plus un détail technique — c'est un enjeu de recrutement étudiant concret, qui se joue dès la première requête d'un candidat. Et dans le paysage belge, où l'inscription se fait directement auprès de chaque établissement sans portail centralisé comme Parcoursup, l'absence de ChatGPT laisse le champ libre aux concurrents à un moment décisif du parcours prospect.

Ce guide présente les 5 raisons pour lesquelles votre établissement est absent des réponses IA, puis un plan d'action de 60 jours pour y remédier. Pour les fondements de la démarche GEO, consultez notre guide complet sur la visibilité IA des écoles.

Pourquoi l'absence dans ChatGPT coûte cher aux établissements belges

Le contexte belge amplifie l'impact de l'invisibilité IA. En l'absence d'un portail unique d'orientation, les candidats construisent leur short-list de façon autonome — et les moteurs IA jouent un rôle croissant dans cette construction. Un candidat qui pose à ChatGPT la question « quelle Haute école pour un bachelier en soins infirmiers à Liège ? » forme son opinion initiale en quelques secondes. Si votre établissement n'est pas cité, il n'existe pas dans son champ de décision à ce stade.

En moyenne européenne, seulement 19 % des réponses des moteurs IA mentionnent un établissement d'enseignement supérieur sur une requête sectorielle (Source : Skolbot GEO Monitoring, 500 requêtes × 6 pays × 3 moteurs IA, fév. 2026). Les établissements belges se situent globalement sous ce seuil — ce qui signifie que la majorité des Hautes écoles et des universités de la Fédération Wallonie-Bruxelles sont systématiquement absentes des réponses IA sur les requêtes d'orientation généralistes.

Ce n'est pas une fatalité. Les établissements qui ont structuré leurs données avec Schema.org EducationalOrganization gagnent en moyenne +12 points de visibilité dans les réponses IA. Les mécanismes sont identifiables et les actions sont planifiables.

Les 5 raisons techniques pour lesquelles ChatGPT ne cite pas votre établissement

Raison 1 : Vos pages ne sont pas des entités identifiables pour les LLM

ChatGPT et Perplexity ne lisent pas votre site comme un humain. Ils extraient des entités — des objets structurés avec des attributs clairs. Un bloc de texte narratif qui décrit votre institution n'est pas une entité : c'est du contenu brut. Un fichier JSON-LD avec les champs name, url, accreditation, numberOfStudents, address et educationalLevel est une entité que les moteurs IA peuvent identifier, croiser avec d'autres sources et citer avec confiance.

En Belgique, l'écosystème de données structurées est particulièrement favorable. Les habilitations de l'ARES, les évaluations de l'AEQES et les informations sur mesetudes.be constituent des sources tierces que les LLM utilisent pour valider les entités. Si votre site ne parle pas le même langage structuré que ces sources, le moteur IA ne peut pas faire le lien entre la source tierce et votre établissement.

Action : implémentez EducationalOrganization sur votre page d'accueil et Course sur chaque page programme. Renseignez systématiquement les champs accreditation (référence ARES) et recognizedBy (AEQES quand applicable). Consultez la documentation de Schema.org et le guide Google Search Central pour l'implémentation.

Raison 2 : Votre contenu manque de données vérifiables

Un LLM préfère citer un contenu factuel, chiffré et sourcé plutôt qu'un contenu narratif et qualitatif. « Notre Haute école est reconnue pour sa pédagogie innovante » ne sera jamais cité. « 87 % des diplômés 2025 du bachelier en marketing ont trouvé un emploi en moins de 6 mois, minerval 835 €, 180 crédits ECTS, enquête institutionnelle sur 238 répondants » sera cité, car chaque élément est vérifiable et directement exploitable dans une réponse.

Le paysage belge offre des données vérifiables exceptionnelles : habilitations ARES avec niveaux CEC, résultats d'évaluation AEQES, minervals réglementés, conditions d'accès standardisées (CESS, passerelles, CAPAES pour les enseignants). Ces données existent — elles ne sont souvent pas publiées dans un format exploitable sur les pages qui comptent.

Action : sur chaque page programme, publiez un tableau structuré avec minerval, durée, crédits ECTS, conditions d'accès, taux d'insertion, et référence ARES. Ne les laissez pas dans des PDFs ou des brochures téléchargeables : les moteurs IA exploitent le HTML, pas les documents cachés.

Raison 3 : Vos sources tierces ne pointent pas vers vos bonnes pages

Les LLM croisent ce qu'ils trouvent sur votre site avec ce qu'ils trouvent sur des sources tierces. En Belgique, les sources tierces clés sont l'ARES, l'AEQES, mesetudes.be et la presse spécialisée (L'Étudiant belge, magazines sectoriels). Si ces sources mentionnent votre établissement avec des informations qui divergent de votre site — nom légal différent, URL obsolète, programmes non mis à jour — le moteur IA perd confiance dans l'entité et l'exclut de ses réponses.

La mise à jour de vos fiches sur mesetudes.be et la cohérence entre vos données publiées et les données ARES sont des signaux de fiabilité critiques que la plupart des établissements belges négligent.

Action : vérifiez la cohérence entre vos pages programmes, votre fiche ARES et votre présence sur mesetudes.be. Les noms de programme, les niveaux CEC et les volumes ECTS doivent être identiques sur toutes ces sources.

Raison 4 : Vos pages FAQ répondent à des questions marketing, pas aux questions des étudiants

Les sections FAQ de la plupart des sites d'établissements belges contiennent des questions du type « Pourquoi choisir notre Haute école ? » ou « Quels sont nos atouts pédagogiques ? ». Ces questions n'existent pas dans ChatGPT. Les questions réelles que les candidats posent aux moteurs IA sont concrètes : « Quel est le minerval pour le bachelier en kinésithérapie à l'ULiège ? », « Comment se passe l'admission en master à l'ULB pour un bachelier étranger ? », « La Haute école Léonard de Vinci est-elle reconnue par l'ARES ? »

Un contenu qui répond à ces questions avec précision, balisé en FAQPage JSON-LD, a des chances élevées d'apparaître dans les réponses IA. Un contenu marketing générique, aucune.

Action : réécrivez vos FAQ avec les questions que vos prospects posent réellement — celles que vous observez dans vos formulaires de contact, dans vos chats, lors des Journées Portes Ouvertes. Balisez-les en FAQPage JSON-LD. La documentation Schema.org couvre l'implémentation complète.

Raison 5 : Vous bloquez les crawlers des moteurs IA

Certains établissements belges ont des configurations robots.txt qui bloquent des bots non répertoriés — dont PerplexityBot, ClaudeBot ou GPTBot. D'autres ont des pages importantes rendues en JavaScript dynamique, inaccessibles aux crawlers. D'autres encore enfouissent leurs données clés dans des PDFs de rapports AEQES que les LLM ne traitent pas comme du contenu HTML.

Action : vérifiez que votre robots.txt n'exclut pas les bots des moteurs IA. Testez l'accessibilité HTML de vos pages programmes clés. Assurez-vous que les données importantes — minerval, conditions d'accès, habilitation ARES — apparaissent en texte HTML et non uniquement dans des documents annexes.

Le plan 60 jours pour apparaître dans ChatGPT

Ce plan est structuré en trois phases de vingt jours. Il ne nécessite pas de budget externe mais exige une ownership claire au sein de la direction communication ou marketing de votre établissement.

Jours 1 à 20 : audit et fondations techniques

Jours 1–5 : diagnostic de l'état actuel

Soumettez 30 requêtes à ChatGPT et Perplexity — 10 requêtes marque (avec le nom de votre établissement), 10 requêtes programme (votre secteur + niveau + ville), 10 requêtes concurrentielles (votre ville + votre domaine sans votre nom). Notez pour chaque requête : votre établissement est-il cité, en quelle position, avec quelles informations, et quelles sources Perplexity liste-t-il ? Ce diagnostic de départ est votre base de mesure.

Vérifiez votre robots.txt et testez l'accessibilité HTML de vos cinq pages programmes les plus stratégiques via l'outil de test de résultats enrichis Google.

Jours 6–15 : implémentation Schema.org prioritaire

Implémentez EducationalOrganization sur votre page d'accueil avec les champs : name, url, logo, address, telephone, email, sameAs (vers vos profils ARES et mesetudes.be), accreditation, numberOfStudents. Implémentez Course sur vos cinq pages programmes les plus demandées avec : name, provider, educationalLevel (niveau CEC), numberOfCredits (ECTS), offers (frais), programPrerequisites (conditions d'accès).

Jours 16–20 : cohérence des sources tierces

Vérifiez et mettez à jour votre fiche sur mesetudes.be. Assurez-vous que chaque programme sur votre site correspond à une entrée ARES avec les mêmes intitulés. Publiez ou mettez à jour une page institutionnelle « À propos » avec des données chiffrées : ancienneté, nombre d'étudiants, nombre de programmes habilités ARES, évaluations AEQES reçues.

Jours 21 à 40 : contenu citable et FAQ structurées

Jours 21–30 : refonte des pages programmes prioritaires

Pour chacune de vos cinq pages programmes cibles, ajoutez un tableau structuré avec : durée, crédits ECTS, minerval, conditions d'accès (CESS, passerelles), taux d'insertion à 6 mois, salaire médian premier emploi, référence ARES et dernière évaluation AEQES si disponible. Intégrez ces données dans le corps de la page en HTML — pas uniquement dans un tableau accessible via un lien.

Jours 31–40 : création des FAQ actionnables

Rédigez et publiez une FAQ par programme prioritaire. Chaque FAQ doit contenir 5 à 8 questions que vos prospects posent réellement — conditions d'accès, minerval, débouchés, mobilité internationale, passerelles, reconnaissance professionnelle. Balisez chaque FAQ en FAQPage JSON-LD. Pour les programmes qui attirent des candidats en reconversion ou en formation continue, ajoutez une section spécifique sur les conditions d'accès adultes et le financement.

Jours 41 à 60 : signaux tiers et mesure

Jours 41–50 : renforcement des signaux tiers

Publiez deux articles de blog avec des données factuelles sourcées — par exemple, les résultats d'insertion de vos diplômés 2025 avec méthodologie, ou une analyse du marché de l'emploi dans vos secteurs de formation. Ces articles créent du contenu citable indépendant du marketing institutionnel. Soumettez ou actualisez votre profil sur les annuaires de référence belges : LinkedIn School Page, profil Facebook Page, Google Business Profile.

Jours 51–60 : premier audit de contrôle et ajustements

Répétez le panel de 30 requêtes de votre diagnostic initial. Comparez les résultats avec la baseline. Les effets Schema.org commencent à se matérialiser sur Perplexity après 3 à 6 semaines — vous devriez voir des premiers signaux. Sur ChatGPT, les effets prennent 6 à 10 semaines. Identifiez les requêtes où vous progressez et celles où la situation n'a pas bougé, et ajustez la priorisation de votre plan de contenu en conséquence.

Pour un plan plus complet et des jalons détaillés sur 90 jours, consultez notre guide en 90 jours pour être cité par ChatGPT et Perplexity.

Ce que votre tableau de bord doit montrer à la direction

Le suivi de votre visibilité IA doit être présenté à votre direction de façon synthétique et comparable dans le temps. Voici les trois indicateurs suffisants pour ce premier rapport à J+60 :

Le taux de citation mesure combien de vos 30 requêtes produisent une réponse qui mentionne votre établissement. Le score de contexte mesure la qualité de la mention : citation principale (3 pts), alternative (2 pts), liste simple (1 pt). Ces deux métriques suffisent à légitimer l'investissement en temps et en ressources éditoriales auprès de votre direction, du CRef ou du conseil d'administration.

Pour un protocole de suivi mensuel complet, notre article sur les KPI de visibilité IA pour les établissements belges détaille chaque métrique et le rituel de 90 minutes à cadencer en équipe.

Conformité APD et GEO : ce qu'il faut savoir

Le plan 60 jours décrit ici porte exclusivement sur la structuration de données publiques — habilitations, programmes, conditions d'accès, données institutionnelles. Il ne collecte aucune donnée personnelle et ne relève pas des obligations de l'APD (Autorité de protection des données).

En revanche, si votre démarche GEO s'accompagne d'outils d'IA pour personnaliser vos communications de recrutement ou analyser des comportements de prospects, les obligations RGPD s'appliquent : base légale, information des personnes, durées de conservation. La direction com doit articuler le pilotage de la visibilité IA avec la gouvernance des données personnelles établie par votre DPO.

FAQ

Combien de temps faut-il avant de voir les premiers résultats ?

Sur Perplexity, les effets des actions techniques (Schema.org, FAQ balisées) commencent à apparaître entre 3 et 6 semaines après implémentation. Sur ChatGPT, comptez 6 à 10 semaines. Les actions sur les sources tierces — mise à jour de la fiche ARES, publications dans la presse belge spécialisée — mettent 8 à 12 semaines à produire un signal mesurable. À J+60, vous devriez observer des premiers mouvements sur Perplexity ; les résultats complets sur ChatGPT se consolideront autour de J+90.

Mon établissement n'a pas encore été évalué par l'AEQES — puis-je quand même progresser ?

Oui. L'habilitation ARES est la donnée structurante prioritaire — elle est disponible pour tous les programmes ouverts en Fédération Wallonie-Bruxelles. Structurez votre habilitation ARES, le niveau CEC, les crédits ECTS et les conditions d'accès (CESS, passerelles). Ces éléments positionnent votre établissement sur les requêtes de niche où vos concurrents sont également absents — c'est là que le gain est le plus rapide.

Dois-je embaucher un prestataire technique pour ce plan ?

Pas nécessairement. L'implémentation Schema.org peut être réalisée par votre webmaster ou un prestataire CMS avec un accès au code source de votre site — quelques heures de travail suffisent pour les cinq pages prioritaires. La refonte du contenu des pages et la rédaction des FAQ sont en revanche du travail éditorial que votre équipe com doit prendre en charge directement : ce sont vos données institutionnelles, elles doivent être exactes et à jour.

Que faire si mes concurrents ont déjà agi ?

Vérifiez d'abord. Soumettez les requêtes concurrentielles de votre panel et analysez les pages des établissements cités. La plupart des Hautes écoles et universités belges n'ont pas encore structuré leur contenu pour les moteurs IA — vous avez probablement plus de temps qu'il n'y paraît. Si un concurrent a pris une avance réelle, concentrez-vous sur les requêtes de niche (programme + ville + niveau spécifique) où votre établissement est directement concerné et où la concurrence est plus faible.

Les informations que ChatGPT donne sur mon établissement sont fausses — comment les corriger ?

Les moteurs IA ne disposent pas de formulaire de correction. La seule façon de corriger les informations est de publier des données exactes sur votre site dans un format structuré et de renforcer les sources tierces (ARES, AEQES, mesetudes.be) pour que les LLM trouvent la version correcte lors de leur prochain cycle d'indexation. Publiez une page institutionnelle « Nos accréditations et habilitations » avec des données vérifiables. Les signaux fiables et cohérents finissent par prendre le dessus sur les informations erronées dans les corpus des LLM.

Pour un diagnostic structuré de vos signaux actuels, notre article sur les signaux LLM de recommandation pour les écoles détaille les mécanismes de validation utilisés par les moteurs IA.