Quand quelqu'un demande à ChatGPT un restaurant italien pour dîner ce soir, une adresse kids friendly près de lui ou le meilleur brunch du quartier, il obtient trois ou quatre noms. Si ton restaurant n'apparaît pas, tu perds une intention d'achat déjà chaude. Le problème n'est pas forcément ta cuisine : c'est souvent que ton établissement est trop difficile à comprendre pour une IA.
ChatGPT
Claude
Perplexity
Gemini
GrokUn restaurant peut être excellent et rester absent des réponses IA. Les blocages viennent rarement d'un seul détail. Ils viennent d'un ensemble de signaux locaux trop faibles, trop flous ou contradictoires.
"Cuisine maison dans une ambiance conviviale" ne suffit pas. Une IA doit savoir si tu es un bistrot de quartier, une table italienne familiale, une adresse date night, un spot brunch ou un restaurant gastronomique accessible.
Menu en PDF lourd, photos non textuelles, carte Instagram uniquement, plats sans prix ou sans contexte : les IA comprennent mal ce que tu proposes. Un menu crawlable aide autant le client que les modèles.
Horaires différents entre ton site, Google Business, TheFork et Instagram. Adresse écrite de plusieurs façons. Quartier jamais nommé. Ces incohérences rendent la recommandation risquée pour une IA.
Pas de page brunch, groupe, terrasse, végétarien, privatisation, anniversaire ou déjeuner rapide. Pourtant, ce sont les requêtes qui déclenchent une décision. Sans pages dédiées, tu laisses l'IA deviner.
Tes avis mentionnent peut-être le service, la terrasse, les cocktails ou les plats signature. Si ces preuves ne sont pas reprises sur ton site, l'IA doit les découvrir seule et les relier à ton offre.
Peu d'articles locaux, peu de guides restaurant, peu de citations presse, pas d'annuaires métier cohérents. Les IA cherchent des confirmations hors de ton site avant de te recommander.
Sans schema Restaurant, LocalBusiness, menu, horaires, adresse, cuisine et priceRange, tu demandes aux IA de reconstruire ton établissement à la main. C'est possible, mais beaucoup moins fiable.
Le scan Trakora applique tous les critères standards plus une grille restaurant. L'objectif : savoir si ton établissement est assez clair pour être cité par ChatGPT sur des recherches locales et transactionnelles.
On vérifie si une IA peut résumer ton restaurant sans hésiter : type de cuisine, quartier, fourchette de prix, ambiance, meilleurs moments pour venir et occasions où te recommander.
On cherche les pages qui répondent aux prompts d'achat : brunch à Montmartre, restaurant romantique, groupe de 12, terrasse au soleil, dîner avant spectacle, menu végétarien ou réservation dimanche.
On compare les signaux visibles : nom, adresse, téléphone, horaires, liens de réservation, catégorie, photos, menu, quartier et informations pratiques. Les divergences font baisser la confiance.
On regarde les guides locaux, articles presse, annuaires, plateformes de réservation et avis clients. L'audit repère les preuves que les IA peuvent citer pour justifier ton restaurant.
On vérifie les données structurées essentielles : adresse, cuisine, menu, priceRange, openingHours, acceptsReservations, aggregateRating si disponible et liens sameAs cohérents.
On prépare les pages clés à exposer aux IA : menu HTML, réservation, privatisation, accès, avis, presse, pages quartier et pages occasions. Le llms.txt restaurant ne remplace rien, il rend le plan lisible.
Un bon restaurant peut rester invisible dans ChatGPT si ses signaux sont dispersés : menu, avis, horaires, pages locales, mentions presse et données structurées doivent raconter la même histoire.
Le diagnostic ne reste pas au stade du constat. Le rapport complet reprend la logique de l'app Trakora : une vue d'ensemble, un problème prioritaire, puis un parcours d'actions dans le bon ordre.
Le site montre l'ambiance et les plats, mais il ne relie pas assez clairement cuisine, quartier, horaires et occasions d'achat.
Commence par rendre ton menu crawlable, puis crée deux pages d'intention locale : dîner italien à Pigalle et restaurant pour groupe à Paris 9.
Tes pages disent que l'adresse existe. Elles ne disent pas encore assez clairement pour quelle cuisine, quelle occasion, quel quartier et quelle intention de réservation l'IA doit te citer.
Tes photos de plats sont cohérentes.
Les IA voient une cuisine identifiable et une ambiance lisible, ce qui aide à répondre aux requêtes occasion.
Tu as des avis récents et détaillés.
Ils confirment des thèmes concrets, terrasse, service, plats signature, que les IA peuvent citer comme preuves.
Ta réservation en ligne est accessible.
C'est un signal d'achat direct. Les IA préfèrent recommander les adresses où le passage à l'acte est simple.
Le but n'est pas de refaire ton marketing. Le but, c'est de rendre ton restaurant recommandable par une IA quand le client cherche déjà une table.
Quand quelqu'un demande à une IA où manger ce soir, elle cite d'autres adresses. Pas forcément parce qu'elles sont meilleures, mais parce qu'elles sont plus faciles à comprendre et à justifier. Ton restaurant dépend alors surtout de Google Maps, du bouche à oreille et des plateformes de réservation.
Cuisine, quartier, menu, horaires, réservation et occasions sont lisibles. Les pages locales répondent aux prompts. Les avis et mentions externes renforcent la preuve. À ce niveau, ton restaurant devient un candidat crédible dans les réponses IA sur tes intentions cibles.
On ne promet pas une place garantie dans ChatGPT. On rend ton établissement plus clair, plus vérifiable et plus facile à recommander quand l'IA doit choisir quelques adresses.
Une URL. Soixante secondes. Tu sors avec tes 2 scores, le problème qui bloque le plus, puis tu peux débloquer le parcours complet pour corriger.
Ce que les IA répondent vraiment quand quelqu'un cherche où manger
Quand une IA recommande un restaurant, elle ne liste pas tout le quartier. Elle choisit quelques adresses qu'elle comprend, qu'elle peut situer et qu'elle peut justifier.
Pour améliorer ta visibilité IA restaurant, il faut regarder les questions que les clients posent déjà. Ces prompts mélangent cuisine, quartier, moment, budget et contexte. C'est exactement là que ChatGPT, Perplexity ou Gemini construisent une short list.
→« Un restaurant italien sympa pour dîner à Lyon ce soir ? »
L'IA privilégie les adresses faciles à catégoriser : cuisine claire, ville claire, avis visibles, menu lisible et mentions externes cohérentes.
→« Où manger un bon brunch près de République à Paris ? »
Perplexity s'appuie beaucoup sur les sources. Sans pages locales, articles tiers, avis récents ou fiche Google Business lisible, ton restaurant sort rarement.
→« Un restaurant adapté aux enfants à Bordeaux dimanche midi ? »
La requête n'est pas seulement culinaire. Elle demande un contexte : horaires, ambiance, terrasse, réservation, accès poussette, menu enfant ou espace.
→« Un restaurant végétarien pour un rendez-vous pro à Nantes ? »
Claude reformule souvent le besoin avant de citer. Si ton positionnement ne relie pas cuisine, occasion et quartier, il choisit une adresse plus explicite.
→« Le meilleur restaurant japonais autour de moi avec réservation en ligne ? »
La disponibilité, les plateformes de réservation et la cohérence des horaires deviennent des signaux d'achat. Une IA évite de recommander une adresse incertaine.
Le point commun des restaurants cités : une IA peut expliquer en une phrase quoi manger, où, pour quelle occasion, et pourquoi l'adresse est crédible. C'est ce que ton audit doit rendre évident.