ChatGPT ne cite pas votre école suisse : le plan 60 jours

Une HES romande invisible sur ChatGPT — pendant que l'EPFL et l'EPFZ captent toutes les mentions

Lors d'une séance de planification stratégique, la responsable communication d'une Haute école spécialisée de Suisse occidentale soumet une requête à ChatGPT : « Quelle école choisir pour un bachelor en génie civil durable en Suisse romande ? » La réponse mentionne l'EPFL, deux universités cantonales — et aucune HES. Son établissement, pourtant accrédité par l'AAQ et membre de swissuniversities, est absent. Elle n'a aucune donnée à soumettre à son directeur de campus. Elle ne sait pas si d'autres HES ont délibérément agi pour améliorer leur visibilité IA.

Ce scénario est courant dans le paysage suisse de l'enseignement supérieur. L'EPFL et l'EPFZ bénéficient d'une notoriété mondiale — elles apparaissent massivement dans les corpus d'entraînement des LLM sur toutes les requêtes liées aux sciences, à l'ingénierie et au management. Les HES, les universités cantonales et les établissements spécialisés qui opèrent dans leur ombre doivent construire leur visibilité IA de façon délibérée, sur les requêtes de niche où les EPF ne concurrencent pas directement.

Ce guide présente les 5 raisons pour lesquelles votre HES ou votre université cantonale est absente 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.

L'effet EPFL : pourquoi les HES suisses partent avec un désavantage structurel

La Suisse dispose de deux des universités les mieux classées au monde — l'EPFL (Lausanne) et l'EPFZ (Zurich) figurent systématiquement dans le top 20 des classements QS et THE. Cette excellente position internationale a un effet secondaire direct sur la visibilité IA des autres établissements suisses : les LLM, entraînés sur des corpus massifs anglophones et internationaux, ont une représentation très détaillée de l'EPFL et de l'EPFZ, et une représentation très partielle des HES, des universités cantonales et des écoles spécialisées.

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). Pour les HES suisses, ce chiffre est encore plus bas — à l'exception des programmes où l'EPFL n'est pas directement concurrente (travail social, santé, design, arts appliqués, économie régionale). Ces segments de niche sont précisément là où les HES peuvent gagner de la visibilité IA rapidement.

Les établissements qui ont structuré leurs données avec Schema.org EducationalOrganization gagnent en moyenne +12 points de visibilité dans les réponses IA. Dans le contexte suisse, ce gain est d'autant plus significatif que les HES partent d'une base très basse — le potentiel de progression est réel sur les segments non dominés par les EPF.

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

Raison 1 : Votre établissement n'est pas une entité reconnue par les LLM

ChatGPT et Perplexity extraient des entités — des objets structurés avec des attributs définis. Un bloc de texte descriptif sur votre HES 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 identifiable que les moteurs IA peuvent croiser avec d'autres sources et citer avec confiance.

En Suisse, les sources tierces que les LLM utilisent pour valider les entités incluent swissuniversities.ch, les listes d'accréditation de l'AAQ, et les classements internationaux (QS, THE) pour les établissements qui y figurent. Si votre site ne parle pas le même langage structuré que ces sources, les LLM peinent à établir le lien entre la source tierce et votre établissement.

Action : implémentez EducationalOrganization sur votre page d'accueil et Course sur chaque page programme. Renseignez les champs accreditation (référence AAQ), recognizedBy (swissuniversities) et sameAs avec des liens vers votre profil officiel. Consultez la documentation Schema.org et le guide Google Search Central.

Raison 2 : Votre contenu manque de données vérifiables

Un LLM préfère citer du contenu factuel, chiffré et sourcé. « Notre HES offre une formation appliquée de haut niveau » ne sera jamais cité. « 91 % des diplômés 2025 du bachelor en travail social ont obtenu un emploi dans leur domaine dans les 6 mois suivant l'obtention du diplôme, frais de formation CHF 720 par semestre, 180 crédits ECTS, accréditation AAQ, enquête institutionnelle sur 186 répondants » sera cité, car chaque élément est vérifiable.

La Suisse dispose de données spécifiques que les LLM valorisent : accréditations AAQ avec dates de renouvellement, frais en CHF (données rares et précieuses dans les réponses IA), conditions d'admission maturité / maturité professionnelle, programmes en plusieurs langues nationales. Le contexte multilingue de la Suisse est lui-même un signal de différenciation — un programme proposé en français et en allemand sur un campus romand est une information structurante que peu d'établissements publient clairement.

Action : sur chaque page programme, publiez un tableau structuré avec frais en CHF par semestre, durée, crédits ECTS, conditions d'admission (maturité gymnasiale, maturité professionnelle, passerelles), taux de placement, langues d'enseignement, et numéro d'accréditation AAQ. Publiez ces informations en HTML — pas uniquement dans des brochures PDF.

Raison 3 : Vos sources tierces sont incohérentes ou insuffisantes

Les LLM croisent votre contenu avec des sources externes. Si votre profil sur swissuniversities.ch diffère de votre site institutionnel — intitulés de programmes différents, données obsolètes, URL incorrectes — le moteur IA perd confiance dans l'entité et l'exclut de ses réponses. Si votre accréditation AAQ n'est pas clairement accessible sur votre site et ne renvoie pas à la fiche officielle de l'AAQ, le signal d'autorité est affaibli.

Le contexte multilingue suisse crée un risque supplémentaire : les informations en français sur votre site peuvent ne pas être synchronisées avec les informations en allemand ou en anglais sur les annuaires tiers. Les LLM anglophones — qui dominent le marché — exploitent principalement les contenus en anglais et en allemand pour les établissements suisses. Un site HES romande sans contenu en anglais ou avec un contenu anglais très lacunaire est structurellement moins visible dans les LLM.

Action : vérifiez la cohérence entre vos pages et votre profil swissuniversities. Ajoutez, si ce n'est pas encore fait, une page en anglais sur votre établissement avec vos données institutionnelles clés — c'est un investissement de quelques heures qui améliore significativement votre présence dans les corpus anglophones des LLM.

Raison 4 : Vos FAQ répondent aux mauvaises questions

Les sections FAQ de la plupart des sites de HES suisses contiennent des questions marketing plutôt que les questions que les étudiants posent réellement aux moteurs IA. Ces questions réelles sont concrètes : « Quelles HES offrent un bachelor en soins infirmiers en Suisse romande ? », « Peut-on entrer en HES avec une maturité professionnelle sans examen complémentaire ? », « Quels sont les frais de formation dans une HES suisse pour un étudiant frontalier ? »

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

Action : identifiez les 30 questions les plus posées par vos prospects — dans vos formulaires de contact, lors de vos journées portes ouvertes, dans vos échanges avec le service des admissions. Rédigez des réponses factuelles et précises. Balisez chaque FAQ en FAQPage JSON-LD via la documentation Schema.org.

Raison 5 : Vous bloquez les crawlers des moteurs IA ou rendez vos données inaccessibles

Certaines HES suisses ont des configurations robots.txt qui excluent des bots non répertoriés — dont PerplexityBot, GPTBot ou ClaudeBot. D'autres ont des pages importantes rendues en JavaScript dynamique, inaccessibles aux crawlers. D'autres encore publient leurs données clés uniquement dans des PDFs ou des formulaires de téléchargement que les LLM ne traitent pas comme du contenu HTML structuré.

Action : vérifiez que votre robots.txt n'exclut pas les bots des moteurs IA. Testez l'accessibilité HTML de vos pages programmes via l'outil de test de résultats enrichis Google. Assurez-vous que vos informations clés — frais, conditions d'admission, accréditation AAQ — apparaissent en texte HTML indexable.

Le plan 60 jours pour apparaître dans ChatGPT

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

Jours 1 à 20 : audit et fondations techniques

Jours 1–5 : diagnostic de départ

Soumettez 30 requêtes à ChatGPT et Perplexity — 10 requêtes marque (avec le nom de votre HES ou université), 10 requêtes programme (votre domaine + niveau + « Suisse romande »), 10 requêtes concurrentielles (votre domaine + niveau 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 relevé est votre baseline.

Vérifiez simultanément votre robots.txt et l'accessibilité HTML de vos cinq pages programmes les plus stratégiques.

Jours 6–15 : implémentation Schema.org prioritaire

Implémentez EducationalOrganization sur votre page d'accueil avec : name, url, logo, address, telephone, sameAs (vers votre profil swissuniversities.ch et votre fiche AAQ), accreditation, numberOfStudents. Implémentez Course sur vos cinq pages programmes les plus demandées avec : name, provider, educationalLevel, numberOfCredits (ECTS), offers (frais en CHF), programPrerequisites (maturité gymnasiale / professionnelle / passerelles), inLanguage.

Jours 16–20 : cohérence des sources tierces et présence anglophone

Vérifiez et mettez à jour votre profil swissuniversities.ch. Publiez ou actualisez une page institutionnelle « About » en anglais avec vos données clés : programmes, accréditation AAQ, nombre d'étudiants, domaines de recherche appliquée. C'est un investissement modeste à fort retour sur visibilité dans les LLM anglophones.

Jours 21 à 40 : contenu citable et FAQ structurées

Jours 21–30 : refonte des pages programmes prioritaires

Pour chacune de vos cinq pages cibles, ajoutez un tableau structuré avec : durée, crédits ECTS, frais par semestre en CHF (résidents suisses, frontaliers, internationaux si applicable), conditions d'admission, taux de placement, langue d'enseignement, et numéro de référence AAQ. Intégrez ces données en HTML directement dans le corps de la page.

Pour les programmes proposés dans plusieurs langues nationales, indiquez clairement les campus et les langues d'enseignement — c'est une information distinctive que les LLM valorisent pour les requêtes d'étudiants frontaliers ou romands cherchant un programme en allemand et vice-versa.

Jours 31–40 : création des FAQ actionnables

Rédigez et publiez une FAQ par programme prioritaire avec 5 à 8 questions réelles : conditions d'admission avec ou sans maturité professionnelle, frais pour frontaliers, stages en entreprise, reconnaissance du diplôme dans l'UE, possibilités de poursuite en master. Balisez chaque FAQ en FAQPage JSON-LD.

Pour les HES proposant des formations continues (CAS, DAS, MAS), créez une FAQ dédiée avec les conditions d'accès, les modalités de financement employeur et les délais de candidature — ces requêtes sont fréquentes dans ChatGPT et rarement bien couvertes.

Jours 41 à 60 : signaux tiers et mesure

Jours 41–50 : renforcement des signaux tiers

Publiez deux articles de contenu éditorial avec des données factuelles : résultats de placement de votre dernière promotion, analyse du marché régional dans vos domaines de formation, ou portraits de diplômés avec trajectoires professionnelles précises et secteurs d'activité. Ce contenu crée des pages citables indépendamment du marketing institutionnel.

Si votre établissement publie des résultats de recherche appliquée, assurez-vous que ces publications sont indexables en HTML et que les pages de projet mentionnent clairement l'accréditation AAQ et l'affiliation à swissuniversities.

Jours 51–60 : audit de contrôle et ajustements

Répétez le panel de 30 requêtes de votre diagnostic initial. Comparez avec votre baseline. Sur Perplexity, les effets des actions techniques devraient être visibles à partir de la semaine 5 ou 6. Sur ChatGPT, les effets se manifestent entre la semaine 8 et la semaine 12. Identifiez les requêtes où vous progressez — notamment les requêtes de niche sur des programmes spécifiques à votre HES — et ajustez vos priorités éditoriales.

Pour un plan plus complet 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

À J+60, présentez trois indicateurs comparables à votre baseline initiale :

Le taux de citation mesure la proportion de requêtes produisant une réponse qui mentionne votre établissement. Le score de contexte mesure la qualité de la mention : recommandation principale (3 pts), alternative (2 pts), liste simple (1 pt). Ces deux métriques permettent de suivre la progression dans le temps et de légitimer l'investissement devant votre direction ou votre conseil d'établissement.

Pour un protocole mensuel complet, notre article sur les KPI de visibilité IA pour les HES et universités suisses détaille chaque métrique et le rituel mensuel à cadencer en équipe.

nLPD, données personnelles et GEO : le cadre suisse

Le plan 60 jours décrit ici porte exclusivement sur la structuration de données publiques — programmes, conditions d'admission, frais, accréditations, données institutionnelles. Il ne collecte aucune donnée personnelle et ne relève pas des obligations de la nLPD (nouvelle Loi fédérale sur la protection des données), entrée en vigueur en septembre 2023.

Il est important de noter que la Suisse n'est pas membre de l'Union européenne : le cadre applicable est la nLPD, pas le RGPD européen. Le Préposé fédéral à la protection des données et à la transparence (PFPDT) est l'autorité de référence. Si votre démarche GEO s'accompagne d'outils d'IA utilisés pour personnaliser vos communications de recrutement, analyser des comportements de prospects ou automatiser des suivis de candidatures, les obligations nLPD s'appliquent : base légale de traitement, information des personnes, durées de conservation, et dispositions spécifiques aux transferts de données à l'étranger.

La Suisse n'est pas soumise à l'AI Act européen — toutefois, les établissements qui travaillent avec des partenaires ou accueillent des étudiants dans l'UE peuvent être indirectement concernés par certaines dispositions. Consultez votre juriste ou votre DPO si vous utilisez des outils d'IA tiers pour des processus d'admission ou de communication.

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. Pour les HES suisses, les premiers gains apparaissent généralement sur les requêtes de niche — programmes spécifiques à votre domaine en Suisse romande — avant de progresser vers les requêtes plus génériques. À J+60, vous devriez observer des premiers mouvements mesurables sur Perplexity.

Mon HES est dans l'ombre de l'EPFL — puis-je vraiment progresser ?

Oui, sur les segments où l'EPFL ne propose pas de formation. Les HES couvrent des domaines que les EPF n'adressent pas ou peu : travail social, santé, design, architecture d'intérieur, tourisme, arts appliqués, économie régionale. Sur ces requêtes, l'EPFL n'est pas concurrente et vous pouvez progresser rapidement. Concentrez votre plan 60 jours sur ces segments de niche — c'est là que le ratio effort / gain est le plus favorable.

La dimension multilingue complique-t-elle le plan ?

Elle le rend plus complexe mais aussi plus différenciant. Une HES romande qui publie des informations claires sur ses programmes en français, avec des informations complémentaires en anglais et éventuellement en allemand, couvre un espace sémantique que ses concurrentes monolingues ne couvrent pas. Les LLM valorisent les entités capables de répondre à des requêtes en plusieurs langues — c'est un avantage structurel à exploiter, pas un obstacle.

Faut-il un prestataire technique externe pour ce plan ?

Pas nécessairement. L'implémentation Schema.org peut être réalisée par votre webmaster ou votre prestataire CMS — quelques heures de travail pour les cinq pages prioritaires. La refonte du contenu et la rédaction des FAQ sont en revanche du travail éditorial interne : les données de frais en CHF, les conditions d'admission et les informations d'accréditation AAQ doivent être exactes et à jour. Ne déléguez pas la production de ces contenus à un prestataire qui ne connaît pas les spécificités du système suisse.

Comment articuler la visibilité IA avec les classements QS et THE ?

Les classements internationaux créent du signal d'autorité que les LLM exploitent — mais uniquement pour les établissements qui y figurent, ce qui exclut la plupart des HES. En revanche, vous pouvez mentionner dans votre contenu votre positionnement national selon les indicateurs disponibles (swissuniversities, données OFFT, résultats de recherche appliquée) pour construire un signal d'autorité sectoriel. Notre article sur les signaux LLM de recommandation pour les écoles détaille comment construire cette autorité sans dépendre des classements globaux.