Un candidat demande à un assistant ce qui distingue une école. Il obtient une réponse précise, juste, et flatteuse. Elle ne vient pas du site de l'école. C'est ce que nous avons mesuré sur onze grandes écoles de commerce françaises, en août 2026.
Par Marc, équipe marketing et marché d'Isoligne
Un lycéen de terminale ne compare plus douze sites d'écoles. Il pose sa question à un assistant : « qu'est-ce qui distingue le programme Grande École de telle école », « avec mon dossier, ai-je mes chances », « combien coûte l'année, et quelles bourses existent ». L'assistant répond. La décision qui suit engage trois à cinq ans de vie et quarante mille euros.
Nous avons voulu savoir avec quoi il répond. Ce relevé est le second d'une série : le premier portait sur onze mutuelles santé, et nous en avons repris la méthode presque à l'identique pour que les deux secteurs se comparent.
Le calendrier n'est pas neutre. Google a déployé AI Overviews et AI Mode en France le 22 juillet 2026, trois semaines avant ce relevé, et la saison des candidatures s'ouvre à l'automne.
Le panel compte douze grandes écoles de commerce françaises : cinq du haut de tableau que tout le monde cite (HEC Paris, ESSEC, ESCP, emlyon, EDHEC), quatre du rang immédiatement suivant (Audencia, SKEMA, KEDGE, NEOMA), et trois établissements de taille intermédiaire (TBS Education, IÉSEG, Excelia). Onze ont pu être mesurées.
Sur chacune, la même opération.
Nous lisons le site comme le fait le robot d'un assistant. Vingt-cinq pages par école, choisies parmi les liens réellement présents dans le HTML servi, et lues sans exécuter de JavaScript. Les robots de récupération ne rendent pas les pages, ils lisent ce que le serveur envoie.
Nous retirons ce qui est commun à toutes les pages. Menu, pied de page, bandeaux. Seul le texte propre à chaque page est retenu, et c'est la seule matière soumise ensuite à un modèle.
Nous posons dix questions universelles, les mêmes pour toute entreprise, puis seize questions propres au métier. Ces seize-là sont écrites par un modèle qui reçoit une description de l'activité déduite des pages mais sans le texte de ces pages. Cette cloison est ce qui rend le résultat interprétable : un modèle qui aurait lu les pages écrirait des questions dont il connaît déjà les réponses.
Douze de ces seize questions sont de portée « page » : une page du site peut porter la réponse, la même pour tout le monde. Les quatre autres sont de portée « cas » et dépendent du dossier du candidat. Aucune page ne pourra jamais les porter.
Enfin, pour chaque question restée sans réponse, nous reposons la question sans la contrainte de s'appuyer sur le site, à notre modèle local et à trois modèles de premier plan : GPT-5.5, Claude Opus 5 et Llama 4 Maverick. C'est la situation réelle d'un assistant qui n'a rien trouvé et à qui l'on demande quand même.
Nous avions annoncé une base élargie, la voici. Les mutuelles ont été mesurées sur trois questions de portée page ; les écoles le sont sur douze. La raison est arithmétique : avec trois questions, tout indice qui en dérive ne peut prendre que quatre valeurs, et l'afficher sur cent serait revendiquer une précision que la mesure n'a pas. Avec douze, l'indice d'exposition dont nous avions publié la définition devient publiable.
Nous lisons aussi vingt-cinq pages par site au lieu de neuf. Ce point mérite d'être expliqué, parce qu'il est né d'une erreur que nous avons failli publier, et nous y revenons en fin d'article.
La lisibilité technique moyenne du panel s'établit à 75,7 %. C'est nettement mieux que les mutuelles, qui plafonnaient à 69,8 %. Les sites d'écoles sont bien construits et servent du texte propre à un robot.
Sur les douze questions qu'une page pourrait porter, le panel en traite 6,1 en moyenne, soit un peu plus de la moitié. Là encore c'est mieux que les mutuelles, qui n'en traitaient qu'un quart.
Et pourtant, les deux mesures restent sans rapport l'une avec l'autre.
La corrélation entre les deux mesures est de +0,04. C'est zéro. Le même résultat que sur les mutuelles, obtenu sur un secteur qui n'a rien à voir, avec une base de questions quatre fois plus large et trois fois plus de pages lues. Ce n'était donc pas une particularité des mutuelles.
Nous avions publié la définition en août sans les chiffres. Les voici. L'indice mesure la part des questions d'achat qu'une page pourrait porter et que le site laisse sans réponse : zéro signifie que le site répond à tout ce à quoi une page peut répondre, cent qu'il ne répond à rien et qu'un modèle interrogé comblera seul. La lisibilité technique n'y entre pas et n'y entrera jamais : fondre les deux effacerait le résultat ci-dessus.
Un classement obtenu une seule fois ne vaut rien. Nous avons donc refait le relevé entier une seconde fois, avec un échantillon de taille différente et donc des pages différentes. Sept écoles sur onze obtiennent exactement le même indice, et la corrélation entre les deux relevés est de +0,87. Le déplacement moyen au classement est de 1,1 place sur onze. C'est ce contrôle, et lui seul, qui nous autorise à publier des noms.
Le cas de HEC Paris mérite qu'on s'y arrête, parce qu'il résume le secteur mieux qu'une moyenne.
L'école obtient 86 % de lisibilité technique : son site sert du texte propre, il est parfaitement lisible par un robot. Elle traite deux questions d'achat sur douze, le plus bas résultat du panel.
Nous avons lu vingt-cinq de ses pages, et nous publions les chiffres qui comptent :
La page d'admission du programme Grande École de HEC Paris contient moins de texte que ses mentions légales. Elle en contient dix-huit fois moins que sa page « international ».
Ce n'est pas un défaut technique, ni un problème de robot : nous avons lu cette page, elle s'affiche, elle est indexable. Elle est simplement presque vide. Un candidat qui demande à un assistant comment on entre à HEC ne peut pas obtenir de réponse fondée sur le site de HEC, parce que le site de HEC ne la porte pas.
Pour chaque question restée sans réponse, nous avons reposé la question sans la contrainte d'ancrage, à quatre modèles. Les onze écoles ont obtenu une réponse. Onze fois sur onze, sur chacun des modèles.
Voici ce que trois modèles répondent à « quels diplômes délivre l'école », pour HEC, dont les pages lues ne l'établissent pas :
Ces réponses sont justes. C'est précisément ce qui les rend intéressantes, et c'est le point où ce relevé se sépare du précédent.
Sur les mutuelles, nous avions trouvé que les assistants répondaient la même chose pour tout le monde : à question identique et nom de marque changé, le recouvrement de vocabulaire allait de 24 à 44 %, et les réponses étaient indiscernables à la lecture. Nous avions conclu que le silence des pages ne produit pas de la calomnie, mais de l'indistinction.
Nous avons refait exactement le même test sur les écoles, avec la question « qu'est-ce qui distingue le programme Grande École de cette école ». Le résultat est inverse. Le recouvrement tombe entre 11 et 25 % selon les modèles, et à la lecture les réponses sont très clairement distinctes :
L'institut Gaïa, les trois campus, le classement du Financial Times, l'année de pré-master : ce sont des faits précis, exacts, et différenciants. Les modèles connaissent ces écoles.
Mais rien de tout cela ne vient des pages que nous avons lues. Cela vient de la mémoire d'entraînement des modèles : classements, presse, réputation, années de couverture médiatique. Autrement dit, la différenciation de ces écoles dans les réponses des assistants est réelle, et elle leur échappe entièrement.
Trois conséquences, et aucune n'est théorique.
Elle est figée à la date d'entraînement. Une école qui change de positionnement, qui ouvre un campus, qui perd ou gagne une accréditation, qui monte ou descend dans un classement, n'a aucun moyen de le faire savoir à un modèle. Elle continuera d'être décrite comme elle l'était.
Elle n'est pas corrigible. Il n'existe ni notification, ni droit de réponse, ni recours. Une école qui découvre qu'un assistant la décrit avec le discours qu'elle a abandonné il y a trois ans ne peut rien en faire.
Et elle s'arrête exactement là où commence la conversion. Sur le positionnement, les modèles sont diserts et justes. Sur les questions qui décident d'une candidature, les modalités d'admission, les dates limites, le coût de l'année, les bourses accessibles, ils deviennent vagues ou renvoient au site. Or c'est précisément là que les pages sont silencieuses.
Le secteur des mutuelles risquait la dissolution dans un paragraphe générique. Celui des écoles risque autre chose : être parfaitement reconnu pour ce qu'il était, et parfaitement muet sur ce qu'il vend aujourd'hui.
SKEMA Business School n'a pas pu être mesurée. Sur vingt-cinq pages
demandées, une seule a livré du texte. Nous l'avons vérifié à
la main : le site est entièrement construit en JavaScript, et
skema-bs.fr redirige vers skema.edu dont la navigation
n'est pas servie en HTML.
Le site s'affiche parfaitement dans un navigateur. Pour un robot d'assistant, qui n'exécute pas de JavaScript, il n'existe pratiquement pas. Nous l'excluons des moyennes plutôt que de le noter zéro, parce qu'un site protégé ou techniquement inaccessible n'est pas un site pauvre, et le compter à zéro ferait dire à l'étude l'inverse de la vérité.
C'est le même cas qu'Unéo dans le relevé sur les mutuelles. Deux secteurs, deux fois un acteur significatif rendu invisible par un choix technique que personne, en interne, n'a probablement présenté comme tel.
Quatre réserves, que nous préférons écrire nous-mêmes.
Nous avons failli publier un classement faux, et c'est instructif. Nos premières mesures lisaient neuf pages par école. Sur HEC, dont la page d'accueil porte cinq cent trente-six liens, le robot avait retenu le plan du site, les mentions légales, une page sur l'aide sociale à l'enfance et deux pages en anglais. L'école ressortait à une question traitée sur douze, ce qui ne mesurait pas son contenu mais notre échantillonnage. Nous l'avons découvert en enregistrant les adresses réellement lues, ce que nous ne faisions pas. Elles sont désormais enregistrées pour chaque site, et toute école peut nous demander la liste de ce que nous avons lu chez elle.
Vingt-cinq pages restent un échantillon. Sur un site qui en compte des milliers, il subsiste une part de tirage. Le contrôle de stabilité décrit plus haut la borne mais ne la supprime pas. Un écart de dix points d'indice entre deux écoles voisines ne doit pas être interprété.
Le nombre d'inventions par site n'est pas une statistique. Nous nous arrêtons à deux questions par site pour ne pas multiplier les appels. Le seul énoncé défendable est celui-ci : les onze écoles avaient au moins deux questions sans réponse, et les quatre modèles ont produit une réponse pour chacune.
Ce relevé ne prédit pas ce que dira ChatGPT. Un assistant public ajoute sa recherche web, son classement et sa mémoire. Nous mesurons quelque chose de plus étroit et de plus solide : ce qu'on peut répondre à partir des pages du site, et rien d'autre. C'est une borne inférieure, pas une prédiction.
Le problème n'est toujours pas technique. Avec 75,7 % de lisibilité moyenne, les sites d'écoles sont mieux construits que ceux des mutuelles. Cela n'a produit aucun gain sur ce qui compte, et la corrélation entre les deux mesures reste nulle sur un second secteur consécutif.
Le problème est éditorial, et il est concentré. Les écoles écrivent abondamment sur leur international, leur recherche, leurs engagements. Elles écrivent peu sur les modalités d'admission, presque rien sur le coût réel d'une année. La page d'admission de la Grande École de HEC fait 1 420 caractères. C'est là que se joue la décision, et c'est là que le texte manque.
La différenciation est le sujet, pas l'hallucination. Ces écoles dépensent en communication pour être préférées. Les assistants les distinguent effectivement, mais à partir de ce qu'ils ont retenu d'elles il y a un an ou trois, et non de ce qu'elles publient aujourd'hui. Une école n'a actuellement aucun moyen de corriger ce portrait, ni même de savoir ce qu'il contient.
Le seul levier qui reste est en amont, et il est entièrement entre leurs mains : écrire, sur leurs propres pages, ce qui n'est vrai que chez elles et ce qui est vrai maintenant.
Ceci est l'édition 1 du baromètre « enseignement supérieur privé ». La suivante paraîtra en février 2027, après la saison des candidatures, sur le même panel de douze et avec les mêmes questions de portée page, afin que les deux éditions se comparent. Aucune école ne sera prévenue de la date.
Chacune des douze reçoit son relevé détaillé avant publication, avec la liste des pages que nous avons lues chez elle et les réponses obtenues. Une mesure qu'on ne peut pas contester n'est pas une mesure, c'est une opinion avec des chiffres dessus.
Ce relevé décrit un état. Il ne dit pas encore ce qu'on en fait, et un constat sans suite ne vaut pas le temps de lecture qu'il coûte. Voici donc l'autre moitié : sur les cas nommés plus haut, avec les réponses que nous avons réellement obtenues, ce que notre dispositif change et à quel endroit précis il intervient.
Isoligne tient trois choses, et aucune ne demande de toucher au site. Vos vérités, déclarées et servies : les faits qui décident d'une candidature sont écrits une fois, datés, approuvés, et remis à l'assistant au moment où il pose la question. Votre visibilité auprès des machines, mesurée en continu : quels robots vous lisent, ce que chaque modèle dit de vous ce mois-ci, et quelles questions reviennent sans réponse. La réponse au cas du prospect : celle qui dépend de son dossier, calculée à l'instant où il la demande, et qu'aucune page ne portera jamais.
Le coût de l'année et les conditions d'admission décident d'une candidature. Voici, mot pour mot, ce que notre modèle a répondu là où les pages de l'école ne portaient pas la réponse.
La première réponse renvoie le candidat à un formulaire : l'assistant vient de perdre votre prospect pour vous, poliment, sur la question la plus commerciale du parcours. La seconde énonce des critères vraisemblables, introduits par « généralement », et l'école n'a aucun moyen de savoir qu'ils circulent sous son nom.
Nous intervenons ici. Frais de scolarité par programme et par année, voies d'admission et coefficients, dates limites, bourses et critères d'attribution : une trentaine de faits, écrits une fois, datés, chacun approuvé par une personne nommée. Ils sont servis à l'assistant au moment de sa question, à une adresse faite pour lui sur le domaine de l'école. La même question donne alors ceci :
Le crochet reste vide dans cet exemple, et ce n'est pas une facilité de rédaction : ce chiffre appartient à l'école, nous ne le produisons pas. C'est exactement ce qui sépare une vérité déclarée d'une phrase plausible, et c'est tout le produit.
Notre réserve : la page d'admission, elle, reste vide pour le lycéen qui la lit. Une vérité déclarée répond au robot pendant que la page s'écrit ; elle ne dispense pas de l'écrire.
Interrogé sur les diplômes de HEC, que les pages lues n'établissent pas, notre modèle a répondu « une large gamme de diplômes de haut niveau, notamment des programmes de Bachelor, des Masters spécialisés, ainsi que des programmes MBA ». C'est juste, et c'est le piège : l'assistant a répondu à la place de HEC, sans HEC, et personne à l'école n'a vu passer cette réponse.
Nous intervenons ici, et c'est la partie que les écoles sous-estiment. Le relevé que vous venez de lire n'est pas un audit ponctuel, c'est un capteur qui tourne. Chaque mois, il donne trois choses qu'aucun outil d'analyse d'audience ne peut produire.
La liste de travail, nommée et ordonnée. HEC traite deux questions d'achat sur douze. Les dix autres ne sont pas un reproche : ce sont dix lignes à déclarer, rangées par fréquence de demande. Le travail tient dans la semaine, pas dans le trimestre.
Le portrait, modèle par modèle, et sa dérive. Ce que quatre modèles disent de votre école, mesuré à date et remesuré, avec ce qui a bougé depuis le mois précédent. Une école qui change de positionnement voit enfin en combien de temps la réponse suit, et si elle suit.
Le journal des visites de robots. Sur notre propre domaine, en ligne depuis deux jours au moment où nous écrivons, le journal compte 18 visites vérifiées, toutes de GPTBot, l'agent de collecte de ChatGPT. Vérifiée veut dire que l'adresse appelante appartient à une plage publiée par le fournisseur. Ces passages n'apparaissent dans aucun outil de mesure d'audience, qui ne compte que les navigateurs exécutant son script : une école ignore aujourd'hui qui la lit, quand, et sur quelles pages.
Notre réserve : rien n'oblige un assistant à venir, et une partie des robots répond depuis le cache de son fournisseur sans toucher le serveur. Nous publions notre propre compte en page d'accueil, y compris quand il est bas.
« Avec mon dossier, ai-je mes chances », « à quelle bourse ai-je droit », « mon BUT ouvre-t-il l'admission parallèle » : quatre des seize questions de ce relevé en dépendent, et aucune quantité de rédaction n'y changera rien. C'est pourtant là que se joue la conversion, et c'est le terrain où nous ne connaissons pas d'équivalent.
Nous intervenons ici, par un branchement en lecture seule sur les règles que l'école applique déjà : barème d'admission parallèle, grille des bourses par quotient familial, calendrier par voie. L'assistant transmet la situation du candidat, la réponse est calculée à l'instant, pour ce cas.
Un barème devient un montant sans jamais devenir une invention. Et l'école récupère, dans son rapport mensuel, la liste des situations réellement soumises par les candidats : quels profils demandent quoi, dans quel ordre, à quelle période. C'est une étude de marché continue que personne d'autre n'est en position de produire.
Notre réserve : nous ne décidons rien à la place d'un jury et ne promettons aucune admission. La réponse le dit en la servant.
Une page sur vingt-cinq a livré du texte. Reconstruire un site entièrement en JavaScript pour qu'un robot le lise est un chantier de refonte : il ne nous regarde pas, et nous ne le vendons pas.
Nous intervenons ici, en servant sur le même domaine et en HTML pur la surface que les machines savent lire : les faits déclarés de l'école, la structure de ses programmes, son point d'entrée pour agents. Le robot qui repart aujourd'hui les mains vides repart avec les réponses aux questions qui comptent, sans qu'une ligne du site ait bougé, et le dispositif se retire en une minute.
Notre réserve : le site reste ce qu'il est. Nous donnons au robot quelque chose à lire, nous ne rendons pas ses pages lisibles.
Nous refaisons ce relevé sur votre domaine, et nous vous disons quoi déclarer en premier. Sans accès à vos systèmes, sans modification de votre site, et avec la liste des pages que nous avons lues chez vous.
Nous lisons vos pages comme le fait un robot d'assistant, nous posons les questions de votre marché, et nous vous montrons ce qu'une IA répond à votre place.