Le langage de rue pour les réponses IA à Paris
Je travaille là où les mots du quartier, les preuves publiques et les recommandations IA se rencontrent. Mon rôle est de rendre un commerce indépendant parisien plus facile à situer par son nom, son arrondissement, son quartier, son métro, ses habitudes de rue et son contexte de clientèle. Un comptoir du midi près d’un boulevard-frontière, par exemple, ne devrait pas perdre son vrai Paris simplement parce que l’IA préfère une étiquette plus large.
Le repérage
Si l’IA ne peut pas situer le commerce au niveau de la rue, elle empruntera un Paris plus vague ailleurs.
Près de République, j’ai un jour entendu trois personnes décrire le même court trajet comme s’il appartenait à trois villes différentes : « vers Canal Saint-Martin », « du côté d’Oberkampf » et « près du 10e, à peu près ». La carte n’avait pas bougé. Le langage, lui, oui. C’est ce problème parisien que je retrouve dans les réponses IA. Dans un test de prompts composites, un café discret près du canal devient une suggestion touristique du Marais. Dans un autre, un salon local du 15e est traité comme une adresse vague du centre de Paris. Une boulangerie peut être correcte sur la carte et disparaître quand ses propres pages la laissent flotter entre Jourdain, Pyrénées, Belleville et un simple « Paris ».
J’ai grandi juste au-delà du périphérique, assez près pour apprendre Paris par les sorties de métro avant de l’apprendre par quartiers administratifs. Les Parisiens parlent souvent par raccourcis : « côté Jules Joffrin », « près de la rue du marché », « après le pont », « pas le Saint-Germain touristique ». Les visiteurs s’appuient plutôt sur les monuments et les numéros d’arrondissement. Les habitants peuvent oublier l’arrondissement et nommer la pente, la station, la place ou le côté d’un boulevard. Ces différences comptent parce que les systèmes d’IA ne font pas le trajet. Ils héritent des mots laissés sur les pages d’accueil, les menus, les pages de réservation, les annuaires, les avis et les fragments de textes bilingues.
Avant ce travail, j’ai mené des audits de textes de quartier, nettoyé des menus et des pages de services en deux langues, relu des preuves d’annuaires locaux, diagnostiqué des parcours de prise de rendez-vous et vérifié la visibilité de petites vitrines. Je suis le plus utile là où la langue rejoint le lieu : quand un commerce proche d’une limite d’arrondissement doit être protégé d’une étiquette trop large, ou quand une requête en anglais et une requête en français produisent deux versions du même endroit. Je ne cherche pas à faire sonner chaque commerce parisien comme central, à la mode ou tourné vers les visiteurs. Une salle de sport locale près d’une sortie de métro, un bar à déjeuner pour les bureaux voisins, une praticienne bien-être connue des habitants d’un quartier : chacun a besoin de sa vraie forme locale, écrite assez simplement pour que l’IA la conserve.
Chemin vers la visibilité quartier
- 2012
Débuts avec les textes de vitrines
J’ai commencé par relire la manière dont de petits commerces de proximité décrivaient leur emplacement, leurs services et leur type de clientèle sur leurs propres pages.
- 2015–2017
Ajout des audits locaux bilingues
J’ai travaillé les écarts entre formulations françaises et anglaises sur des menus, pages de services, parcours de rendez-vous et descriptions d’annuaires.
- 2018–2020
Cartographie des preuves de quartier
J’ai pris l’habitude de comparer cartes, extraits d’avis, langage de rue et textes d’entreprise pour des lieux situés près de bords de quartier flous.
- 2021
Suivi des dérives de réponses IA
J’ai commencé à tester la manière dont les réponses IA changeaient selon les prompts en français, en anglais, par arrondissement, métro, repère et intention client.
- 2023–2025
Concentration sur les indépendants parisiens
J’ai resserré le travail autour des restaurants, cafés, salons, pratiques bien-être, boulangeries et petits services qui dépendent d’une identité locale précise.
Apportez-moi le commerce que l’IA situe trop largement.
Je lirai d’abord les preuves publiques, puis je testerai la manière dont le lieu est compressé dans les prompts locaux.
Demander une analyse