Emmanuel Dollé, CEO de Bubbling : décrypter l’influence invisible des IA conversationnelles sur les marques

Propos recueillis par Pascale Caron

Dans l’économie numérique, certaines ruptures technologiques modifient silencieusement les chaînes de valeur avant même que les entreprises n’en perçoivent les conséquences stratégiques. Après le référencement web, les réseaux sociaux puis l’économie algorithmique des plateformes, une autre couche d’intermédiation s’impose peu à peu : celle des modèles conversationnels d’intelligence artificielle.

Pour Emmanuel Dollé, CEO de Bubbling, cette mutation ne relève pas d’un simple effet de mode. Elle transforme déjà la manière dont les consommateurs découvrent, évaluent et sélectionnent les marques. Ancien dirigeant chez Renault, Google et Meta, passé par Paris, Dublin, New York et plusieurs marchés européens, il observe aujourd’hui l’émergence d’un nouveau territoire stratégique : le GEO ou Generative Engine Optimization. Son parcours lui donne une lecture rare de l’évolution des mécanismes d’acquisition numérique, depuis le référencement classique jusqu’aux systèmes conversationnels génératifs.

Son analyse est structurée par une conviction forte : les grands modèles de langage deviennent désormais un point de passage dans le parcours d’achat. À l’inverse des moteurs de recherche classiques, ils fonctionnent dans une relative opacité.

« Contrairement à Google ou Meta, on ne sait pas vraiment ce qui se passe dedans. Ils ne communiquent pas l’information et, parfois, ne comprennent pas eux-mêmes complètement comment fonctionne l’algorithme qui produit les réponses. » Cette opacité ouvre autant de risques que d’opportunités.

D’un parcours corporate international à l’entrepreneuriat IA

Le parcours d’Emmanuel Dollé illustre une trajectoire typique des dirigeants ayant traversé plusieurs cycles technologiques majeurs. Sa première carrière s’est construite chez Renault, où il évolue pendant une décennie dans des fonctions marketing B2B et B2C, en France et à l’international.

« Quand j’ai quitté Renault, je m’occupais du marketing monde de la gamme Mégane. »

Il décrit cette période comme extrêmement formatrice. Croatie d’après-guerre, Allemagne, Portugal, siège parisien : chaque poste lui donne l’impression de « changer d’entreprise tout en restant dans le même réseau ». Mais au fil du temps, un autre phénomène apparaît : la stagnation intellectuelle.

« Je me suis aperçu que la courbe d’apprentissage et le fait d’être challengé étaient quelque chose de super important pour moi. »

Cette quête permanente d’apprentissage devient un fil conducteur de sa carrière. Comme de nombreux cadres issus des grandes organisations, il évoque également la structuration très linéaire des parcours internes. Ce constat le pousse à rejoindre Google, après une longue série d’entretiens. Il y construit le business automobile français avant de partir à Dublin pour superviser l’activité publicitaire de Google France. Quelques années plus tard, il rejoint Meta afin de piloter les activités d’Europe du Sud.

Cette expérience constitue selon lui un tournant majeur. Il y découvre une organisation extrêmement internationale, une forte culture produit, et surtout un lien direct avec l’écosystème américain de l’innovation. Israël, intégré au périmètre Europe du Sud chez Meta, lui donne également accès à l’univers des startups technologiques à très forte croissance.

Le retour en France et la remise en question

Pour de nombreux cadres internationaux de la tech, la période du Covid a provoqué une remise en question profonde des trajectoires personnelles et professionnelles. Alors qu’il travaille de nouveau pour Google à New York sur des problématiques mondiales de stratégie commerciale et produit liées aux agences médias, Emmanuel Dollé revient en France pour des raisons familiales.

Installé à Saint-Paul-de-Vence, il mesure la difficulté d’un modèle hybride entre la Silicon Valley et la Côte d’Azur. Il quitte alors Google avec une interrogation existentielle fréquente chez les anciens dirigeants des Big Tech : comment passer du confort des grandes plateformes à l’incertitude entrepreneuriale ?

« Après un parcours comme le mien, j’avais vraiment la peur de me lancer et de me planter. »

Alors avant de lancer sa propre entreprise, il rejoint une scale-up française spécialisée en intelligence artificielle vocale. Cette étape intermédiaire lui permet de tester sa capacité à opérer dans un environnement entrepreneurial plus instable et moins structuré que les géants américains.

Bubbling : comprendre ce que les IA disent réellement des marques

C’est dans ce contexte qu’émerge Bubbling, créée fin 2025 avec un associé issu du monde de la data financière et de l’entrepreneuriat technologique.

Le positionnement de la société s’appuie sur un constat simple : les entreprises ne maîtrisent plus totalement la manière dont leur image est construite dans les IAs génératives. Pour Emmanuel Dollé, les LLM grand public, de ChatGPT à Gemini en passant par Claude, deviennent des intermédiaires décisionnels.

« La manière dont je considère les LLM grand public, c’est comme un nouveau point de passage dans le purchase funnel des consommateurs. »

Cette progression suit une dynamique extrêmement rapide. En moins de deux ans, les usages conversationnels sont passés d’un phénomène expérimental à une pratique de masse. Selon les chiffres évoqués dans l’entretien, ChatGPT approcherait désormais les 900 millions d’utilisateurs hebdomadaires. Les interfaces conversationnelles figurent ainsi parmi les plateformes numériques connaissant la croissance la plus rapide de l’histoire récente. Pour Bubbling, cette évolution fragilise les indicateurs historiques du marketing digital. Les entreprises ne doivent plus uniquement optimiser leur visibilité dans les moteurs de recherche classiques, mais comprendre comment les IA génératives interprètent, reformulent et recommandent leurs marques dans des conversations de plus en plus complexes.

Selon lui, nous assistons à une extension du modèle historique du search, mais avec des dynamiques radicalement différentes. Ce déplacement est majeur : pendant des années, le modèle économique du web reposait précisément sur la captation et la mesure du trafic. Les IA conversationnelles, elles, tendent à retenir l’utilisateur dans un environnement fermé.

« Les gens vont avoir tendance à faire des conversations complètes dans ChatGPT. » Ce basculement remet en cause les métriques marketing traditionnelles.

« On constate beaucoup moins de trafic sur les sites web. » Autrement dit, une marque peut influencer fortement une décision d’achat sans même voir passer l’utilisateur sur son site.

Une nouvelle économie de l’influence algorithmique

Le cœur technologique de Bubbling consiste à simuler massivement des conversations entre des profils consommateurs et différents LLM afin d’analyser la manière dont les marques apparaissent dans les réponses. L’approche repose sur la modélisation fine des personas marketing.

« On recrée les conversations de leur cible avec le LLM. » L’objectif est de comprendre quels prompts sont réellement utilisés par les clients et comment les IA structurent ensuite leurs recommandations.

« On est capable de fournir des milliers de conversations sur leur cible clientèle. » Cette logique transforme les IA génératives en gigantesques laboratoires comportementaux. L’objectif n’est pas uniquement d’observer les réponses des modèles, mais de reconstruire les logiques conversationnelles qui façonnent progressivement les préférences des consommateurs. Bubbling fonctionne aujourd’hui en environnement multi-LLM et analyse simultanément plusieurs moteurs conversationnels afin d’identifier les écarts de perception entre plateformes. Cette approche permet notamment de détecter des incohérences de narration, des biais de recommandation ou des fragilités réputationnelles invisibles dans les outils marketing classiques.

La portée du modèle dépasse largement le simple SEO conversationnel. Bubbling cherche en réalité à construire une cartographie dynamique des représentations algorithmiques. Autrement dit, comprendre ce que les IA associent spontanément à une marque lorsqu’un utilisateur demande un conseil, un produit ou une recommandation. Quels attributs sont associés à une marque ? Quels concurrents émergent dans les réponses ? Quels critères influencent les recommandations ? Et quels biais apparaissent dans les modèles ?

Pour Emmanuel Dollé, l’enjeu est autant stratégique que réputationnel.

« Si, dans une conversation sur le shampoing, Garnier n’est pas mentionné, la personne va probablement acheter L’Oréal, et Garnier ne saura même pas pourquoi il n’a pas été choisi. » Cette invisibilité décisionnelle constitue selon lui une rupture majeure.

Le GEO : au-delà du référencement traditionnel

Le référencement dans les IA conversationnelles diffère profondément du SEO historique. Les moteurs de recherche classiques reposaient sur des logiques relativement explicables : backlinks, architecture technique, mots-clés, autorité de domaine.

Les modèles génératifs fonctionnent différemment. Ils agrègent des signaux complexes, parfois non déterministes, issus de multiples sources. Cette hybridation rend les stratégies classiques insuffisantes. D’où l’émergence du GEO.

L’idée n’est plus uniquement d’être visible dans Google, mais d’être correctement interprété et recommandé par les IA conversationnelles. Bubbling cherche ainsi à identifier les écarts entre l’image souhaitée par une entreprise et la représentation produite par les modèles. Dans certains cas, les résultats peuvent révéler des surprises positives. « Certaines entreprises possèdent de véritables forces différenciantes sans toujours mesurer à quel point elles sont perçues positivement. » Dans d’autres situations, les risques réputationnels deviennent critiques.

De l’étude de marché conversationnelle au fact-checking algorithmique

L’un des aspects les plus intéressants du modèle Bubbling réside dans la diversité des cas d’usage. Au-delà du marketing traditionnel, Emmanuel Dollé évoque des usages en études de marché, réputation, influence informationnelle ou même détection d’ingérences narratives.

Il cite notamment un projet lié au secteur de l’hôtellerie autour des femmes préménopausées et ménopausées. L’objectif consistait à comprendre les attentes exprimées par ces clientes à travers les IA conversationnelles pour construire une offre adaptée.

« Voilà les mots à utiliser, et ceux à ne pas utiliser. »

L’intérêt économique est immédiat : remplacer certaines études qualitatives lourdes et coûteuses par des simulations conversationnelles à grande échelle. Mais les applications les plus sensibles concernent probablement les enjeux de désinformation et de réputation.

« On est capable de faire du fact checking pour voir si les réponses des LLM sont orientées. »

L’entretien a également fait émerger un autre sujet sensible : celui du Shadow AI.

L’usage croissant d’IA génératives gratuites au sein des entreprises soulève désormais des enjeux de gouvernance informationnelle et de protection des données stratégiques. Derrière des usages quotidiens parfois perçus comme anodins, reformulation de documents, structuration de contenus ou assistance rédactionnelle, certaines organisations commencent à prendre conscience des risques potentiels liés à l’exposition involontaire d’informations confidentielles dans les modèles conversationnels.

Au fil de l’échange, cette problématique apparaît comme une piste particulièrement intéressante pour l’évolution future de solutions capables d’analyser les réponses produites par les LLM. Ces outils pourraient progressivement devenir des instruments d’audit réputationnel, informationnel et sécuritaire pour les entreprises, ouvrant potentiellement de nouveaux champs d’application pour des acteurs comme Bubbling.

La transformation du marketing par les IA génératives

Au fond, la vision portée par Bubbling dépasse la seule question du référencement génératif. Elle annonce une transformation plus profonde de la discipline marketing elle-même. Pendant vingt ans, les entreprises ont appris à optimiser leur présence dans les moteurs de recherche puis sur les réseaux sociaux. Elles doivent désormais apprendre à exister dans des environnements conversationnels probabilistes.

Cette mutation pose plusieurs questions stratégiques : comment structurer un récit de marque intelligible pour les LLM ? Comment maîtriser son positionnement face à la diversité des modèles ? Comment détecter les biais algorithmiques ? Comment préserver les informations confidentielles intégrées aux outils génératifs ? Et comment évaluer leur impact concret sur les décisions d’achat ? Le défi devient d’autant plus complexe que les plateformes évoluent rapidement. Google incorpore désormais des réponses génératives dans son moteur de recherche. Les frontières entre moteur de recherche, assistant conversationnel et agent IA deviennent de plus en plus poreuses. Dans ce contexte, les entreprises risquent de perdre une partie de leur maîtrise historique sur la relation client.

PME, grands groupes et cabinets de conseil : trois marchés clés

Bubbling structure actuellement son développement autour de trois typologies de clients. D’abord les PME et ETI disposant de petites équipes marketing et cherchant à comprendre rapidement leur visibilité conversationnelle. Ensuite les grands groupes souhaitant mener des analyses avancées sur des problématiques précises de réputation, d’image ou de concurrence. Enfin les agences et cabinets de conseil qui peuvent utiliser les données produites par Bubbling pour enrichir leurs propres recommandations stratégiques.

Cette logique de plateforme hybride, à la fois outil technologique et couche d’analyse stratégique, reflète une tendance plus large de l’écosystème IA européen : proposer des solutions verticalisées plutôt que concurrencer frontalement les grands modèles américains.

Une mutation encore sous-estimée

L’entretien met finalement en lumière une réalité encore peu intégrée par de nombreuses organisations : les IA génératives ne sont plus uniquement des outils de productivité. Elles deviennent des infrastructures cognitives intermédiaires entre les marques et les individus.

Ce déplacement du pouvoir informationnel pourrait transformer profondément les stratégies digitales. La question centrale n’est plus seulement : « Comment être visible sur Internet ? » Elle devient : Comment une intelligence artificielle parle-t-elle de votre entreprise lorsqu’aucun humain ne vous regarde ?

Dans cette nouvelle économie conversationnelle, l’absence de visibilité peut devenir invisible… jusqu’au moment où les ventes commencent à décroître sans explication apparente. Pour Emmanuel Dollé, cette transition rappelle les débuts du référencement web au début des années 2000. Mais la différence majeure, c’est que les LLM ne se contentent plus d’indexer l’information, ils la reformulent, la hiérarchisent et parfois la synthétisent sans transparence complète sur leurs mécanismes internes. Cette évolution pourrait déplacer une partie du pouvoir d’influence des marques vers des systèmes conversationnels, dont les règles restent encore largement mouvantes.

Pour les entreprises, le défi n’est plus uniquement d’être visibles sur Internet. Elles doivent désormais comprendre comment les intelligences artificielles interprètent, reformulent et racontent leur marque à leur place.