Audit GEO : comment auditer sa visibilité dans les IA, en neuf étapes
Une entreprise peut être première sur Google et absente des réponses générées, connue des modèles et jamais recommandée, citée sur son nom et invisible sur les requêtes qui décident d'un achat, ou décrite avec un tarif obsolète dans la mauvaise catégorie. Chaque situation a sa cause et sa correction ; aucune ne se détecte en demandant à ChatGPT s'il vous connaît.
Ce manuel de l'audit GEO, en interne ou confié à un cabinet, couvre le cadrage, le panel de requêtes, les analyses, le livrable, la priorisation et les limites. Le protocole de mesure (répétitions, sessions neuves, incertitude) est décrit dans mesurer sa visibilité dans ChatGPT et les IA. Les exemples viennent des éditeurs de logiciels ; la méthode vaut pour toute entreprise. Le coût d'un audit, le choix d'un cabinet et celui d'un outil sont traités dans les guides pour décider.
L'essentiel en 60 secondes
- Un audit GEO mesure six dimensions distinctes : découvrabilité, présence, positionnement, préférence, autorité et exactitude. Un chiffre unique de « visibilité » les écrase toutes.
- Sa qualité tient d'abord au corpus de requêtes, qui doit couvrir les intentions du parcours d'achat, pas les mots-clés du référencement.
- Chaque requête est posée plusieurs fois, sur plusieurs moteurs, depuis des sessions neuves : les réponses sont probabilistes et la personnalisation les modifie.
- Deux analyses distinguent un audit d'un relevé : la cartographie des sources (d'où vient l'information reprise) et l'audit d'exactitude (ce que les moteurs disent de faux).
- Les résultats sont segmentés par intention et par moteur : présente sur les requêtes informationnelles, une marque peut être absente des requêtes d'achat.
- Le livrable utile n'est pas un score : c'est une liste de causes probables, hiérarchisée par impact, effort et confiance du diagnostic.
Ce qu'est un audit GEO, et ce qu'il n'est pas
En bref
Un audit GEO est l'analyse systématique de la présence, du positionnement, de la représentation et des sources associées à une marque dans les réponses des moteurs génératifs, sur les requêtes stratégiques de son marché. Il repose sur un corpus de requêtes figé, des observations répétées et une grille d'annotation stable, ce qui le rend comparable dans le temps.
Audit GEO, audit de notoriété GEO, audit de visibilité IA ou audit LLM désignent le même travail : mesurer, sur un panel de questions d'acheteurs, si une marque est nommée, recommandée et citée par les moteurs génératifs, face à ses concurrents, et pourquoi. Ce n'est ni une capture d'écran de conversation, ni un audit de référencement augmenté d'un chapitre sur l'IA.
Les six dimensions d'un audit GEO
En bref
Un audit complet couvre six dimensions : la découvrabilité (le moteur dispose-t-il d'information sur vous), la présence (à quelle fréquence apparaissez-vous), le positionnement (dans quelles catégories et pour quels usages), la préférence (êtes-vous nommé ou réellement recommandé), l'autorité (quelles sources soutiennent votre présence) et l'exactitude (ce qui est dit de vous est-il vrai).
Cadre Evocia, pas un standard du secteur : chaque dimension a ses indicateurs et ses leviers, et un audit qui les mélange produit un score, pas un diagnostic. C'est la liste de référence du site, à laquelle combien coûte un audit GEO renvoie.
Étape 1 : cadrer le périmètre avant de tester quoi que ce soit
En bref
Le cadrage écrit ce que l'audit mesure et ce qu'il ignore : marque et produits, catégories, segments, marchés et langues, concurrents de référence, cas d'usage. Sans lui, le corpus est arbitraire et les résultats incomparables, entre concurrents comme dans le temps.
Étape la plus vite expédiée et la plus déterminante : sans périmètre écrit, personne ne saura six mois plus tard pourquoi telle requête figurait dans le corpus. C'est aussi la première étape de l'audit de visibilité IA d'Evocia : un échange de cadrage, puis une proposition écrite dimensionnée sur le périmètre.
| Élément à figer | Ce qu'il faut écrire | Erreur courante |
|---|---|---|
| Marque et produits | Nom exact, graphies, homonymes connus | Compter comme mentions des réponses qui parlent d'autre chose |
| Catégories | La catégorie telle que les acheteurs la nomment | Auditer une catégorie inventée que personne n'emploie |
| Segments et personas | Taille d'entreprise, fonction du décideur, secteurs | Mesurer une moyenne qui ne correspond à aucun acheteur |
| Marchés et langues | Pays et langue de test, langue des requêtes | Tester en anglais un marché francophone |
| Concurrents de référence | Trois à cinq noms figés pour toute la durée du suivi | Changer la liste entre deux audits : part de voix incomparable |
| Cas d'usage | Les problèmes que le produit résout, formulés comme un acheteur | Partir des fonctionnalités |
| Périmètre exclu | Ce que l'audit ne couvre pas, écrit | Laisser croire que l'audit couvre tout |
Les sept éléments du cahier de périmètre, relus avec le client puis figés pour toute la durée du suivi.
Le SaaS fil rouge de cet article
Quenzalis (nom fictif) est un éditeur imaginé pour rendre la méthode concrète : CRM pour des équipes commerciales de vingt à deux cents personnes, marché français, catégorie revendiquée « CRM pour PME », trois concurrents fictifs A, B et C. Tous ses chiffres sont inventés et signalés comme tels : ils illustrent une lecture, pas une mesure.
Étape 2 : construire le corpus de requêtes
En bref
Le corpus couvre sept familles de requêtes, de la découverte du problème au choix final, formulées comme les acheteurs les posent à une IA : longues, contextualisées, porteuses de contraintes. Un corpus bâti sur des mots-clés de référencement rate l'essentiel.
| Famille | Ce qu'elle teste | Exemple pour le SaaS fil rouge |
|---|---|---|
| Catégorie | Votre présence dans la définition du marché | « Quels sont les meilleurs CRM pour une PME ? » |
| Problème | La découverte par le besoin, avant la catégorie | « Comment suivre nos relances commerciales sans en oublier ? » |
| Cas d'usage | Votre couverture des situations concrètes | « Quel outil pour répartir automatiquement les prospects entre commerciaux ? » |
| Comparaison | Ce qui est dit du duel, et d'après quelles sources | « Quelle différence entre le concurrent A et le concurrent B ? » |
| Alternatives | Votre capture des parcours de remplacement | « Quelles alternatives au concurrent A pour cinquante commerciaux ? » |
| Marque | Ce que le moteur sait et dit de vous | « Que fait Quenzalis et à qui s'adresse cet outil ? » |
| Conversationnelle longue | Le comportement réel d'un décideur | « Nous sommes 150 salariés en France, nos vingt commerciaux suivent leurs opportunités dans un tableur et nous perdons des relances. Quels CRM considérer ? » |
Sept familles, rattachées aux cinq intentions de l'étude Evocia : Problème (problème), Découverte (catégorie, cas d'usage), Recommandation (catégorie, conversationnelle longue), Comparaison (comparaison, alternatives), Décision (marque, conversationnelle longue). La septième reproduit la forme d'une question posée à un assistant : longue, contextualisée, chargée de contraintes.
Un corpus se juge à sa couverture, pas à son volume : listez les intentions dont la réponse influence un achat, puis mesurez la part testée.
Étape 3 : choisir les moteurs et fixer les conditions
En bref
Un audit sérieux couvre ChatGPT et, selon vos acheteurs, Claude, Gemini, Perplexity et Copilot, plus les surfaces génératives de Google Search quand elles comptent pour le marché. Chaque moteur a ses conditions d'observation ; les comparer sans le savoir mesure le protocole, pas la visibilité.
| Moteur | Ce que l'on observe | Condition à noter dans le protocole |
|---|---|---|
| ChatGPT | Mentions, recommandations, sources en ligne ou dans le panneau | Recherche web déclenchée ou non, état de la mémoire, session neuve |
| Claude | Mentions, recommandations, citations systématiques avec recherche | Recherche web activée ou non, réglage administrateur sur les offres professionnelles |
| Gemini | Mentions et bouton Sources, présent seulement si des sources existent | Ne pas confondre l'application Gemini avec les surfaces de Google Search |
| Perplexity | Mentions et citations numérotées sur chaque réponse | Mode de recherche employé, langue de l'interface |
| Copilot | Mentions et sources affichées dans la réponse, issues de l'index de Bing | Mode de conversation employé, compte Microsoft connecté ou non |
| Surfaces IA de Google Search | Lien cité dans le résumé génératif ou l'expérience conversationnelle | Unité d'observation différente : une requête de recherche, pas une conversation |
Vérifié le 21 septembre 2026. Les moteurs se mesurent séparément : un chiffre par moteur, jamais une moyenne.
OpenAI documente que, mémoire activée, la réécriture de la requête envoyée aux fournisseurs de recherche peut s'appuyer sur les conversations précédentes. D'où la règle la plus importante du protocole : un relevé se fait depuis une session neuve, jamais depuis le compte de l'équipe qui parle du produit toute la journée.
Ce que chaque éditeur publie sur ses agents, ses citations et ses conditions d'inclusion est dans comment rendre un SaaS visible dans ChatGPT, Claude, Gemini et Perplexity.
Étape 4 : le protocole d'exécution
En bref
Le protocole fixe ce qui reste constant entre deux campagnes : formulation exacte des requêtes, langue, pays, état du compte, moteur et mode, répétitions, date, archivage de la réponse brute. Tout ce qui n'est pas figé peut expliquer une variation. C'est le protocole du pilier Mesure, plus une règle de codage écrite.
La règle de codage, pièce la plus négligée
Écrivez d'abord ce qui compte comme une recommandation : par exemple, la marque est proposée comme solution à retenir ou nommée dans une liste de solutions conseillées ; une simple évocation dans une phrase de contexte ne compte pas. Sans cette règle, deux annotateurs produisent deux résultats sur le même corpus, et l'écart d'un trimestre à l'autre peut n'être qu'un changement d'annotateur.
Règles d'exécution (session neuve, répétitions, archivage, annotation), indicateurs et quantification de l'incertitude sont détaillés dans mesurer sa visibilité dans ChatGPT et les IA ; le nombre de répétitions suit la règle unique du site, rappelée dans la FAQ. Un audit le reprend à l'identique : ses résultats deviennent comparables à un suivi ultérieur.
Étape 5 : mesurer la présence et la préférence
En bref
Cinq indicateurs décrivent la présence d'une marque : taux de citation au sens de mention, taux de recommandation, taux de présence en tête, part de voix et Share of Model, la part des réponses où la marque apparaît, tous modes confondus. Chacun a son dénominateur, qui décide de ce que le chiffre signifie.
| Indicateur | Terme anglais courant | Formule | Ce qu'il ne dit pas |
|---|---|---|---|
| Taux de citation (mention) | Mention Rate | Réponses mentionnant la marque ÷ réponses analysées × 100 | Si la mention est positive ou une recommandation |
| Taux de recommandation | Recommendation Rate | Réponses recommandant la marque ÷ réponses analysées × 100 | Rien sans une règle de codage écrite |
| Taux de présence en tête | First Mention Rate, Top 3 Presence | Réponses citant la marque dans les trois premières ÷ réponses où elle apparaît × 100 | Ce qui détermine cette place (non publié) |
| Part de voix | Share of Voice | Mentions de la marque ÷ mentions de toutes les marques suivies × 100 | L'évolution du marché : elle dépend de la liste de concurrents figée |
| Share of Model | Share of Model | Réponses où la marque apparaît ÷ réponses analysées × 100, tous modes confondus (avec et sans recherche web), moteur par moteur | Ce qui relève de la mémoire du modèle : la part de mémoire se mesure sur les seules réponses sans recherche |
Vocabulaire français de nos guides précédents ; termes anglais des outils du marché. Aucune de ces mesures n'est un standard officiel.
Toujours publier le dénominateur
Un taux de présence en sources calculé sur toutes les réponses ou sur les seules réponses affichant des sources donne deux chiffres très différents, tous deux défendables. Ce qui ne l'est pas : taire lequel on a retenu. Chaque indicateur d'un rapport porte son dénominateur en toutes lettres.
Un score agrégé : pour communiquer, jamais pour décider
Un chiffre unique masque le moteur ou l'intention où la marque est absente : les indicateurs séparés, avec dénominateur et effectif, restent la référence, et Evocia n'en publie pas dans ses rapports. Si vous en construisez un pour vos présentations internes, publiez sa formule et ses poids, le détail à côté.
Étape 6 : le benchmark concurrentiel
En bref
Le même corpus, codé pour vous et pour trois à cinq concurrents, transforme une inquiétude en plan de travail. L'intérêt n'est pas l'écart, mais ce qui rend un concurrent plus facilement sélectionnable : sur quelles familles de requêtes il domine, et d'après quelles sources.
| Marque (exemple fictif) | Taux de mention | Taux de recommandation | Présence en tête | Taux de présence en sources |
|---|---|---|---|---|
| Quenzalis (audité) | 21 % | 13 % | 9 % | 7 % |
| Concurrent A | 61 % | 44 % | 38 % | 12 % |
| Concurrent B | 38 % | 22 % | 14 % | 9 % |
| Concurrent C | 17 % | 6 % | 3 % | 4 % |
Exemple entièrement fictif, destiné à illustrer une lecture. Ces chiffres ne sont pas des mesures.
La règle pour comparer sa visibilité à celle de ses concurrents (concurrents figés au cadrage, panel, période et mode identiques) est posée dans le pilier Mesure. La lecture utile n'est pas « A a quarante points d'avance », c'est la structure de l'écart : A convertit ses mentions en recommandations dans près des trois quarts des cas, contre moins des deux tiers pour le SaaS audité, il est donc plus souvent conseillé quand il est connu ; C, presque aussi mentionné mais rarement recommandé, a une notoriété sans arguments de sélection ; et la présence en sources est faible pour tous, la matière venant d'autres sites d'éditeurs et d'institutions.
Le rapport mention sur recommandation
Le ratio le plus instructif du benchmark. Très mentionnée mais peu recommandée, une marque a un problème de différenciation ou de preuves, pas de visibilité : elle est connue et écartée. Peu mentionnée mais fortement recommandée quand elle apparaît, il lui manque de la matière, pas des arguments : problème plus facile à traiter. Pour remonter de l'écart à sa cause, voyez les neuf causes possibles d'un concurrent recommandé à votre place, chacune avec le test qui la confirme.
Étape 7 : cartographier les sources
En bref
La cartographie des sources relie chaque réponse aux domaines qu'elle cite, puis classe ces domaines par type. Elle répond à la question qu'aucun indicateur agrégé ne traite : quand un moteur recommande une solution de votre catégorie, sur quoi s'appuie-t-il, et cette matière existe-t-elle pour vous ?
Pour chaque réponse affichant des sources, on note la requête, la marque recommandée, le domaine cité, son type et la page. La page compte : dans le secteur CRM ci-dessous, la majorité des citations de ChatGPT vont à des pages de tarifs. La table se lit par type de source (le paysage de la catégorie), puis par marque (la place du SaaS audité). Première lecture, sur une catégorie réelle de l'étude Evocia, le CRM :
| Type de source cité (secteur CRM et ventes) | Part des citations |
|---|---|
| Site d'éditeur ou d'entreprise | 84,6 % |
| Documentation officielle d'éditeur | 14,5 % |
| Institution publique, régulateur | 0,9 % |
| Comparateurs, communautés et forums, médias, analystes, places de marché, réseaux sociaux, encyclopédies | 0,0 % |
Cartographie réelle : les 220 citations de ChatGPT dans les 80 réponses du secteur CRM et ventes de l'AI Sources Index 2026 (20 questions posées 4 fois, collecte du 14 septembre 2026 via l'API OpenAI avec recherche web). 17 domaines cités, dont dix font 93,2 % des citations. Un moteur, une date, un secteur : ailleurs, le paysage peut différer.
Sur les 2 259 citations de l'étude (AI Sources Index 2026) : 71,8 % au site d'un éditeur, 17,0 % à sa documentation, 8,5 % à des institutions, 1,6 % à des tiers, 0 sur 2 970 aux comparateurs G2 et Capterra. ChatGPT lit 27 pages par réponse et en cite 3,4. Le paysage varie fortement d'une catégorie à l'autre : voir dix secteurs B2B comparés.
Lecture par marque, exemple fictif : sur les requêtes qui portent son nom, 62 % des citations vont au site de Quenzalis ; sur les familles catégorie, cas d'usage, comparaison et alternatives, aucune : le SaaS audité n'est cité que là où le résultat est acquis.
Deux indicateurs issus de la cartographie
| Indicateur | Formule | Lecture |
|---|---|---|
| Taux de sources propres | Citations pointant vers votre domaine ÷ citations associées à votre marque × 100 | Élevé et part de citations faible : cité seulement sur vos requêtes de marque |
| Part de citations | Citations associées à votre marque ÷ citations associées à l'ensemble des marques suivies × 100 | Élevée et taux de sources propres faible : des tiers parlent de vous, votre site ne sert pas de référence |
| Les deux faibles | Lecture croisée | Il manque de la matière |
Indicateurs proposés dans ce guide. Un taux de sources propres élevé n'est pas un objectif en soi : sur ChatGPT, sites et documentation d'éditeurs reçoivent 89 % des citations, mais l'étude n'a pas mesuré si le site cité est celui de l'éditeur recommandé. La question n'est pas « tiers ou pas », mais « quel éditeur, et quelle page ».
Étape 8 : auditer l'exactitude, la tonalité et repérer les affirmations fausses
En bref
L'audit d'exactitude vérifie chaque affirmation factuelle produite sur le SaaS et la classe en cinq niveaux : exacte, partiellement exacte, obsolète, invérifiable, fausse. Correctement décrite dans quatre-vingts pour cent des cas, une entreprise peut perdre des ventes sur les vingt pour cent restants sans le savoir.
| Élément vérifié | Question posée | Source de vérité |
|---|---|---|
| Catégorie | Le produit est-il rangé dans la bonne catégorie ? | Positionnement écrit au cadrage |
| Fonctionnalités | Les fonctions citées existent-elles ? | Documentation produit à jour |
| Tarifs | Le prix annoncé est-il le prix public actuel ? | Page de tarifs |
| Intégrations | Les intégrations citées existent-elles, dans ce périmètre ? | Pages d'intégration et documentation |
| Cible | Le segment décrit est-il le segment servi ? | Positionnement écrit au cadrage |
| Disponibilité | Pays, langues et hébergement annoncés sont-ils exacts ? | Pages produit et conformité |
| Concurrents associés | Les alternatives citées sont-elles comparables ? | Analyse concurrentielle du cadrage |
| Existence | Une fonctionnalité, certification ou partenariat inventé apparaît-il ? | Toutes les sources internes |
Huit éléments vérifiés sur chaque réponse qui décrit le produit, par quelqu'un qui le connaît : seule partie de l'audit qui ne se délègue pas sans validation interne.
| Niveau | Définition |
|---|---|
| Exacte | Conforme à la source de vérité |
| Partiellement exacte | Vraie mais incomplète ou mal cadrée |
| Obsolète | Vraie à une date antérieure |
| Invérifiable | Ni confirmable ni infirmable publiquement |
| Fausse | Contredite par la source de vérité |
Score d'exactitude (%) = affirmations exactes ÷ affirmations vérifiables analysées × 100 (indicateur proposé dans ce guide). Les affirmations invérifiables sortent du dénominateur : comptées fausses, elles gonfleraient le taux d'erreur ; comptées exactes, elles le masqueraient.
Le traitement dépend de l'origine. Une information obsolète dans une réponse qui affiche des sources se retrouve en général dans une page périmée : corriger la source ; sans source, elle vient de la connaissance apprise du modèle. Une confusion avec un homonyme : lever l'ambiguïté partout où vous contrôlez le nom. Une fonctionnalité inventée sans source identifiable relève d'une génération sans fondement documentaire : le seul levier est de publier l'information exacte, de façon vérifiable, pour qu'elle soit récupérée à la place. Le test qui sépare une erreur de récupération d'une erreur de connaissance apprise, et ce qui agit sur chacune, est détaillé dans corriger les fausses informations des IA sur votre entreprise.
Étape 9 : prioriser les constats
En bref
Chaque constat reçoit trois évaluations : impact potentiel sur la visibilité, effort de correction, confiance dans le diagnostic. Cette troisième colonne est la plus utile : c'est elle qui empêche d'engager un chantier lourd sur une hypothèse fragile.
| Constat | Impact | Effort | Confiance | Priorité | Indicateur de suivi |
|---|---|---|---|---|---|
| Agent de recherche bloqué sur un moteur | Très fort | Faible | Élevée | 1 | Visites de l'agent dans les journaux |
| Page de tarifs illisible sans JavaScript | Fort | Moyen | Élevée | 1 | Contenu présent dans le HTML servi |
| Tarif obsolète repris par les moteurs | Fort | Faible | Élevée | 1 | Score d'exactitude sur l'item tarif |
| Pages de cas d'usage absentes ou non indexables | Fort | Moyen | Moyenne | 2 | Présence en sources sur les requêtes de cas d'usage |
| Absence de pages comparatives | Fort | Moyen | Moyenne | 2 | Mention sur les requêtes comparatives |
| Positionnement décrit comme grand compte | Moyen | Faible | Élevée | 2 | Alignement de positionnement |
| Aucune donnée originale publiée | Fort | Élevé | Faible | 3 | Mentions éditoriales indépendantes |
Exemple fictif. La « confiance » traduit la solidité du lien entre constat et résultat mesuré : élevée si le mécanisme est documenté, faible s'il repose sur une corrélation observée.
Règle de décision : d'abord ce qui combine impact fort, effort faible et confiance élevée ; jamais un chantier à effort élevé sur une confiance faible sans l'avoir présenté comme un pari, avec son indicateur de vérification.
La structure du livrable
En bref
Un rapport d'audit GEO utile tient en une vingtaine de sections, du résumé exécutif d'une page à la feuille de route datée, chaque analyse étant présentée avec sa méthode, ses données et ses limites, faute de quoi le lecteur ne peut ni vérifier ni reproduire.
- 1Résumé exécutif : trois constats, trois priorités, une page.
- 2Méthodologie : corpus, moteurs, répétitions, conditions, dates, règle de codage.
- 3Périmètre et exclusions.
- 4Corpus de requêtes (en annexe).
- 5Résultats globaux : cinq indicateurs de présence, avec dénominateurs.
- 6Résultats par moteur, écarts et causes probables.
- 7Résultats par famille de requêtes et par étape d'achat.
- 8Benchmark concurrentiel, avec le rapport mention sur recommandation.
- 9Contexte des mentions, par statut.
- 10Alignement de positionnement : revendiqué contre observé.
- 11Cartographie des sources.
- 12Écart de sources par famille.
- 13Audit d'exactitude et inventaire des affirmations fausses.
- 14Audit d'accès et de lisibilité, constats techniques datés.
- 15Audit de couverture éditoriale : pages présentes et manquantes.
- 16Audit d'autorité externe.
- 17Indicateurs de visibilité mesurée, séparés, par moteur et par intention.
- 18Constats priorisés : impact, effort, confiance, indicateur de suivi.
- 19Feuille de route 30, 60, 90 jours, avec responsables.
- 20Limites de l'audit et conditions de reproduction.
Le test du rapport honnête
Un rapport d'audit doit permettre à un tiers de refaire le travail et d'obtenir des résultats comparables. Sans corpus, dates, conditions et règle de codage, ce n'est pas un audit, c'est une présentation. Ce critère suffit à écarter un livrable : un rapport qu'un tiers ne peut pas refaire ne se vérifie pas.
La structure du rapport livré par Evocia est décrite sur la page de l'audit GEO d'Evocia, avec ce qui fait varier son périmètre.
Vous voulez un audit mené selon cette méthode, sur vos moteurs et votre panel ? Evocia commence par un échange de cadrage, puis remet une proposition écrite dimensionnée sur votre périmètre.
Découvrir l'audit de visibilité IACe qu'un audit GEO ne peut pas établir
En bref
Un audit mesure des observations, pas des mécanismes. Il ne permet ni de connaître les critères de sélection des moteurs, ni d'attribuer une variation à une action isolée, ni de garantir une citation. Écrire ces limites dans le rapport est une condition de sa validité, pas une précaution rhétorique.
Restent inconnus : les critères de sélection des passages dans les moteurs, la composition des corpus d'entraînement, le volume réel de questions par catégorie, la part d'audience de chaque type de requête, et l'effet causal isolé de la quasi-totalité des corrections qu'un audit recommande.
Questions fréquentes
Comment réaliser un audit GEO, en résumé ?
En neuf étapes : cadrer le périmètre, construire un corpus couvrant les intentions du parcours d'achat, choisir les moteurs, exécuter le relevé avec répétitions et sessions neuves, analyser présence, benchmark, sources et exactitude, segmenter par intention et par moteur, puis hiérarchiser les constats par impact, effort et confiance dans une feuille de route.
Combien de requêtes faut-il tester ?
Pas de nombre universel : cela dépend du nombre d'intentions réelles de votre marché. Ordre de grandeur d'un audit standard : trente à cinquante requêtes, trois répétitions et quatre moteurs, soit trois cent soixante à six cents réponses. Sous une quinzaine de requêtes, la segmentation devient impossible.
Combien de fois faut-il répéter chaque requête ?
Au minimum trois fois ; l'étude Evocia en a fait quatre ; davantage quand la stabilité mesurée de la catégorie l'exige. La génération est probabiliste : une réponse unique ne distingue pas une présence stable d'un accident. Dans l'AI Sources Index 2026, 38 % des couples requête-domaine n'apparaissent qu'une fois sur quatre répétitions et 27 % quatre fois sur quatre ; d'un relevé unique à l'autre, la part du premier domaine cité d'un secteur varie de 3,5 à 10,3 points selon le secteur (section amplitude des données ouvertes), et 6 secteurs sur 10 changent de leader sur au moins un relevé. Un audit à relevé unique confond présence et hasard.
Peut-on automatiser un audit GEO ?
Partiellement. La collecte et le comptage des mentions peuvent passer par les interfaces de programmation des éditeurs, qui ne reproduisent pas exactement le produit grand public (configuration, outils activés, personnalisation), à documenter. Le codage de la recommandation, du positionnement et de l'exactitude demande un jugement humain qui connaît le produit.
Quels outils utiliser ?
Un tableur et un protocole écrit suffisent pour un premier audit, et valent mieux qu'un tableau de bord dont vous ignorez la méthode ; les outils du marché apportent volume, automatisation et historique. Avant d'en choisir un, demandez son corpus, son nombre de répétitions et sa définition de la recommandation : sans ces trois réponses, ses chiffres ne sont pas interprétables. Les sept critères pour en choisir un sont dans outils de mesure de visibilité IA : comment choisir.
Existe-t-il un audit GEO gratuit ?
Un test gratuit donne une première observation, pas un audit : trois questions de votre catégorie, posées plusieurs fois sur ChatGPT et un ou deux autres moteurs, avec les solutions citées et les sources. Il dit si vous êtes nommé et qui l'est à votre place ; il ne segmente pas par intention, ne compare pas vos concurrents sur un panel complet et n'analyse pas l'exactitude. Ce premier niveau est le test de visibilité IA ; l'audit complet est décrit sur la page de l'audit.
Sources
- Documentation officielle : OpenAI, « ChatGPT Search » (conditions d'inclusion, réécriture de requête, rôle de la mémoire, absence de garantie de placement)
- Documentation officielle : OpenAI, « Bots » (OAI-SearchBot, GPTBot, ChatGPT-User, OAI-AdsBot)
- Documentation officielle : Anthropic, exploration du web et contrôle par les propriétaires de sites
- Documentation officielle : Anthropic, outil de recherche web (citations toujours activées, métadonnées de fraîcheur)
- Documentation officielle : Perplexity, « PerplexityBot et Perplexity-User »
- Documentation officielle : Google Search Central, « AI features and your website » (éligibilité, absence d'exigence technique supplémentaire, absence de balisage dédié)
- Documentation officielle : Google, sources et liens associés dans l'application Gemini
- Evocia, AI Sources Index 2026 : sources citées par ChatGPT en recherche B2B (1 000 réponses, 14 septembre 2026)
- Publication scientifique : Aggarwal et al., « GEO: Generative Engine Optimization », ACM SIGKDD 2024 (arXiv 2311.09735)
- Publication scientifique : Puerto et al., « C-SEO Bench: Does Conversational SEO Work? » (arXiv 2506.11097)
- Publication scientifique : Liu, Zhang et Liang, « Evaluating Verifiability in Generative Search Engines » (arXiv 2304.09848, EMNLP 2023)
Transparence et méthode
Auteur
Evocia · Cabinet français de visibilité dans les IA
Evocia est un cabinet français spécialisé dans la mesure et l'amélioration de la visibilité des éditeurs de SaaS B2B dans les réponses des IA. Ce guide décrit la méthode d'audit employée par le cabinet, y compris ses limites, afin qu'elle puisse être reproduite et critiquée.
Comment cet article a été réalisé
- Sources primaires vérifiées le 21 septembre 2026 : documentations d'OpenAI, d'Anthropic, de Perplexity et de Google Search Central, plus trois publications scientifiques sur les moteurs génératifs et la vérifiabilité des citations. Ce qu'un éditeur ne documente pas est signalé comme inconnu.
- Les six dimensions, la couverture des intentions, l'alignement de positionnement, la cartographie et l'écart de sources, le score d'exactitude, le taux de sources propres, la part de citations et les indicateurs de visibilité mesurée sont des cadres proposés dans ce guide, pas des standards du secteur. Le vocabulaire des indicateurs de présence est celui de nos guides précédents ; le traitement statistique de l'incertitude est dans notre guide dédié à la mesure.
- Le SaaS fil rouge Quenzalis (nom fictif, CRM comme partout sur le site) et tous les chiffres qui lui sont associés sont fictifs, signalés comme tels à chaque apparition : ni une mesure, ni un cas client, ni une donnée d'Evocia.
- Les seules données Evocia de ce guide sont celles de l'AI Sources Index 2026 (étape 7 et FAQ sur les répétitions) : fichier de résultats publié avec l'étude (1 000 réponses de ChatGPT via l'API, collecte du 14 septembre 2026), ChatGPT seul. La cartographie du secteur CRM et ventes est lue dans les parts par type de source de ce fichier (220 citations, 80 réponses) ; aucun chiffre n'est saisi à la main.
- Limites assumées : un audit mesure des observations et non des mécanismes ; l'effet causal isolé des corrections recommandées n'est pas démontrable avec les données publiques ; les fonctionnalités décrites évoluent vite et la méthode doit être revérifiée à chaque campagne. Aucune citation ni recommandation ne peut être promise.
Historique des mises à jour
- 13 octobre 2026Introduction : une phrase renvoie vers les guides pour décider (coût d'un audit, choix d'un cabinet ou d'un outil). Structure du livrable : le lien vers l'offre porte désormais sur « la page de l'audit GEO d'Evocia » au lieu de « la page de l'audit ».
- 13 octobre 2026Étape 6 (benchmark concurrentiel) : l'encadré sur le rapport mention sur recommandation se termine par une phrase de renvoi vers le diagnostic des neuf causes possibles d'un concurrent recommandé à votre place (ancre reformulée le même jour : C01 présente des causes possibles, pas certaines).
- 13 octobre 2026Étape 7 (cartographie des sources) : une phrase rappelle que la page citée compte autant que le domaine, avec un lien vers la page de données sur les pages de tarifs citées par ChatGPT, qui porte sur les mêmes 220 citations du secteur CRM.
- 5 octobre 2026Chapô : il n'annonce plus une section sur les erreurs d'audit, retirée le 13 septembre. Quatre affirmations sur le marché des audits, sans donnée, sont reformulées en critères vérifiables (un rapport qu'un tiers ne peut pas refaire ne se vérifie pas ; la septième famille de requêtes reproduit la forme d'une question posée à un assistant). La FAQ sur les outils renvoie au guide des sept critères de choix. Le Share of Model est défini comme dans notre guide du LLMO : la part des réponses où la marque apparaît, tous modes confondus (avec et sans recherche web), calculée moteur par moteur et non tous moteurs confondus ; la part de mémoire du modèle, mesurée sur les seules réponses sans recherche, en est distinguée. L'exemple fictif de Quenzalis sort de l'encadré qui présente les données réelles de l'étude. Une information obsolète n'est plus attribuée « presque toujours » à une source tierce : dans une réponse qui affiche des sources, elle se retrouve en général dans une page périmée ; sans source, elle vient de la connaissance apprise du modèle.
- 21 septembre 2026Réduction sans perte de substance, de 24 à 20 minutes : redites entre l'introduction, la définition et la FAQ supprimées (la question « Qu'est-ce qu'un audit GEO ? », copie de la première section, est retirée), tableaux et paragraphes resserrés ; aucune étape, donnée, source ni lien retirés. Étape 7 : le tableau fictif est remplacé par la cartographie réelle du secteur CRM et ventes de l'AI Sources Index 2026 (parts par type de source, 220 citations), l'exemple fictif ne servant plus qu'à la lecture par marque ; les deux blocs de formules deviennent des tableaux ; légendes manquantes ajoutées. Copilot ajouté au tableau des moteurs, vérification datée du 21 septembre 2026. Les sept familles de requêtes sont rattachées aux cinq intentions de l'étude. Le SaaS fil rouge Quenzalis devient un CRM, son identité unique sur le site ; le constat « fiches comparateurs » de la priorisation est remplacé, l'étude ne mesurant aucune citation de comparateur.
- 21 septembre 2026Cohérence avec la position du site sur le score unique : le score agrégé est présenté comme un outil de communication interne, jamais de décision, les indicateurs séparés restant la référence ; le livrable ne liste plus un score de visibilité mesurée mais des indicateurs séparés avec leur décomposition. FAQ sur les répétitions : l'amplitude de 3,5 à 10,3 points se lit d'un relevé unique à l'autre et renvoie à la section amplitude des données ouvertes.
- 21 septembre 2026Nom du SaaS fil rouge remplacé par Quenzalis (nom fictif, vérifié sans homonyme). Légende des formules de l'étape 7 corrigée : l'étude Evocia n'a pas mesuré si le site cité est celui de l'éditeur recommandé. Règle de répétition écrite une seule fois, dans la FAQ. Les six dimensions de cet article deviennent la liste de référence du site ; l'article sur le prix d'un audit y renvoie.
- 21 septembre 2026Titre et première section alignés sur le vocabulaire des lecteurs (audit de notoriété GEO, auditer sa visibilité dans les IA). Données de l'étude AI Sources Index 2026 ajoutées : répartition réelle des sources citées par ChatGPT à l'étape 7, effet du nombre de relevés dans la FAQ sur les répétitions ; lecture du benchmark fictif et légende des formules mises en cohérence avec ces données ; tableaux fictifs signalés dans leur en-tête. Une seule règle de répétition, identique aux autres guides. Résumé de la FAQ aligné sur les neuf étapes, phrase orpheline sur le score retirée, question sur l'audit gratuit ajoutée. Liens vers la page de l'audit Evocia (cadrage, livrable, bloc d'appel). Correction de l'entrée du 11 septembre : le cas fictif n'avait pas été retiré.
- 13 septembre 2026Seconde passe : l'étape sur le contexte des mentions est fondue dans l'audit d'exactitude et de tonalité (neuf étapes), cadrage et limites resserrés.
- 13 septembre 2026Raccourci de 30 à une vingtaine de minutes : les erreurs qui rendent un audit inutilisable sont retirées (traitées par le pilier Mesure), et les sections de définition, de dimensions, de corpus et de mesure sont resserrées.
- 13 septembre 2026Refonte éditoriale : titre et périmètre élargis à toute entreprise, étapes renumérotées de 1 à 10, protocole d'exécution renvoyé au pilier Mesure (plus de doublon), score de visibilité mesurée intégré à l'étape de mesure, introduction réécrite pour un lecteur qui audite en interne ou choisit un prestataire.
- 11 septembre 2026Étapes renumérotées de 1 à 10 après la fusion des étapes retirées. Réduction de 50 à une trentaine de minutes, longueur conservée pour un guide de méthode. Retirés : l'écart de sources et la segmentation, fondus dans les étapes voisines ; l'audit du site et de l'écosystème, traité par le guide de structuration ; la feuille de route, traitée par le monitoring ; la checklist de quarante contrôles, redondante avec les étapes. Conservés : le cas fil rouge fictif, ramené à trois apparitions (note de cadrage, benchmark, cartographie), la définition, les six dimensions, les étapes de cadrage, de corpus, de protocole, de mesure, de benchmark, de contexte, de sources et d'exactitude, le score, la priorisation, le livrable, les erreurs et les limites. FAQ ramenée à six questions.
- 15 août 2026Publication initiale : méthode d'audit en treize étapes, six dimensions, corpus en sept familles, protocole d'exécution, cartographie et écart de sources, audit d'exactitude, segmentation, score de visibilité mesurée, priorisation par impact, effort et confiance, structure du livrable, checklist de conduite d'audit en quarante contrôles et feuille de route.