Comment mesurer sa visibilité dans ChatGPT et les IA

Qu'est-ce que la visibilité dans les IA ?

Quatre variables se cachent derrière le mot « visible », et elles ne se recouvrent pas. Une mention nomme la marque. Une recommandation la présente comme une option adaptée au besoin. Une citation rattache la réponse à une source, souvent avec un lien. Un lien vers le domaine pointe vers votre site. On peut être mentionné sans être recommandé, cité via une page tierce sans que votre site soit la source, ou recommandé sans aucune citation visible. Interpréter ces écarts renvoie aux causes analysées dans pourquoi votre entreprise est invisible dans les réponses des IA.

Pourquoi une seule réponse ne mesure rien

Une capture d'écran reste utile : elle documente une réponse datée, conserve une preuve, illustre une erreur. Ce qu'elle ne permet pas, c'est l'inférence : estimer une probabilité d'apparition, généraliser à tous les utilisateurs, comparer deux périodes, attribuer une cause à un changement. Le problème n'est jamais la capture, c'est ce qu'on lui fait dire.

Construire le panel de requêtes

Les requêtes doivent refléter les questions réelles de vos acheteurs, formulées comme ils les posent et non comme des mots-clés de référencement. Puisez-les dans les entretiens clients, les appels commerciaux, les tickets de support, la Search Console, les appels d'offres et les forums. Segmentez-les par intention : catégorie, besoin métier, secteur, taille d'entreprise, fonctionnalité, comparaison, alternative, contrainte, prix, requête de marque.

Exécuter : conditions, répétitions, archivage

Figer les formulations et documenter la session

Chaque question reçoit un identifiant et une version. Ponctuation, langue, longueur, demande de sources, nombre de recommandations demandées : tout est fixé. Pour chaque relevé, enregistrez le moteur, le modèle affiché, le mode (avec ou sans recherche), la date et l'heure, le pays, la langue, l'appareil, le statut connecté ou non, la mémoire activée ou non, et un identifiant d'exécution.

Exécuter en session neuve

La langue et la localisation se fixent pour la même raison : elles modifient les sources que les moteurs mobilisent. Une mesure conduite en anglais depuis un autre pays observe un autre écosystème de sources. Une réponse constitue une observation : une marque nommée plusieurs fois dans la même réponse compte une seule fois, et le rang retenu est celui de sa première apparition. Sans cette règle, une réponse bavarde produirait mécaniquement un meilleur résultat qu'une réponse concise.

Répéter, sans seuil magique

Cinq répétitions par requête sont un minimum opérationnel, pas une loi. Cinq observations laissent une incertitude large, dix la réduisent modérément. Le bon nombre dépend de la précision recherchée et du budget : il faut arbitrer entre couvrir plus de requêtes et répéter davantage. Pour mesurer une stabilité, répartissez les relevés sur des jours et des heures différents.

Archiver et annoter

Conservez le texte complet de chaque réponse, les liens et citations, la date, la question exacte, le moteur, le mode et un identifiant unique, dans un format réanalysable. Puis annotez selon un guide écrit : marque citée et ses variantes, rang, présence dans les trois premiers, recommandation explicite, exactitude de la description, lien vers le domaine, sources citées, concurrents présents. Contrôlez la qualité par une double annotation sur un sous-échantillon. L'archive est ce qui permet, si la définition d'un indicateur est affinée, de recalculer la série entière sans refaire les relevés.

Les indicateurs à suivre

Chaque indicateur est détaillé, avec son piège de lecture et sa cadence, dans les KPI du GEO ; la part de voix, son calcul et ses variantes dans Share of Voice IA : définition, calcul et limites.

Quelques indicateurs avancés éclairent la robustesse : la stabilité des réponses (variation entre répétitions, dans le temps, entre moteurs), la concentration des recommandations (combien de marques distinctes, domination d'un petit groupe), la fraîcheur des informations reprises (anciens prix, fonctions disparues) et, quand les citations sont visibles, la part de voix des sources : quels domaines et quels types de sources reviennent.

Quantifier l'incertitude

• Publiez un taux et sa fourchette. Pour une proportion sur petit échantillon, préférez un intervalle adapté (l'intervalle de Wilson, par exemple) à l'intervalle normal naïf, qui se comporte mal près de 0 ou de 100 % et sur les petits effectifs.
• Tenez compte de la dépendance. Des relevés faits le même jour, avec la même question et la même version de modèle, ne sont pas indépendants ; les traiter comme tels surestime la précision.
• Méfiez-vous des comparaisons multiples. Sur des dizaines de requêtes et d'indicateurs, certains écarts apparaissent par hasard. Un écart isolé n'est pas un résultat.
• Distinguez détectable et important. Un changement statistiquement détectable peut n'avoir aucune portée commerciale, et n'est pas forcément attribuable à votre action.

Chaque moteur se mesure différemment

Un écart entre moteurs (visible sur Perplexity, absent de ChatGPT) est un signal de diagnostic, pas de la malchance : il pointe une différence de sources. Chaque moteur a son guide sur ce point : ChatGPT, Claude, Gemini, Perplexity, Google AI Mode, Microsoft Copilot. La cartographie des familles de sources est dans où les IA puisent leurs recommandations.

Le protocole Evocia, paramètre par paramètre

Les six secteurs suivis sont la relation client, les ressources humaines, la gestion et les ERP, la cybersécurité, les logiciels financiers et la legaltech, à raison de trois ou quatre requêtes par secteur. Chaque éditeur est mesuré sur les requêtes de son secteur, soit 30 à 40 relevés par moteur et 150 à 200 relevés au total. Les archives sont conservées vingt-quatre mois au format brut, et chaque campagne porte sa date.

Nous comptons une mention plutôt qu'une recommandation, et nous assumons ce choix : un programme détecte de façon fiable la présence d'un nom dans un texte, là où juger d'une recommandation exige une règle de codage et un annotateur humain. C'est possible dans un audit sur mesure ; cela ne se transpose pas à une mesure répétée à grande échelle. Nous préférons mesurer précisément une chose modeste plutôt qu'approximativement une chose ambitieuse. Le rang moyen accompagne la fréquence ; quand un éditeur n'est jamais nommé, il reste vide, jamais ramené à zéro.

VOLUME D'UNE CAMPAGNE

  20 requêtes  ×  10 répétitions  ×  5 moteurs  =  1 000 relevés

FRÉQUENCE DE CITATION (par moteur)

  fréquence = relevés où l'éditeur est nommé ÷ relevés effectués × 100

SCORE DE VISIBILITÉ (sur 100, tous moteurs)

  score = 100 × (relevés où l'éditeur est nommé, tous moteurs ÷ relevés effectués, tous moteurs) × p

  p = 1     si le rang moyen est inférieur ou égal à 3
  p = 0,8   si le rang moyen est compris entre 3 et 6
  p = 0,6   si le rang moyen est supérieur à 6

  Égalités : meilleur rang moyen, puis nombre de moteurs où l'éditeur est nommé, puis ex aequo.

Un classement dont la méthode n'est pas publiée est un argument d'autorité. En publiant le panel, le nombre de répétitions, les définitions et la formule, nous acceptons que la mesure soit vérifiée, refaite et contestée. Cette exigence a un coût : elle expose nos arbitrages, qui sont discutables. Compter une mention plutôt qu'une recommandation en est un. Fixer le palier à trois en est un autre. Vingt requêtes, c'est peu. Nous préférons publier ces arbitrages plutôt que de laisser croire à une objectivité qui n'existerait pas. Aucun résultat d'éditeur n'est publié à ce jour : aucune campagne complète n'a encore été validée.

Lire un résultat sans le sur-interpréter

De la mesure à l'action, et la question de la causalité

• Groupes témoins : des familles de requêtes travaillées et d'autres non travaillées, sur la même période et le même protocole.
• Déploiement progressif : agir par lots pour observer l'effet, plutôt que tout changer d'un coup.
• Journal des interventions : dater chaque contenu publié, chaque modification, chaque mention obtenue, chaque mise à jour de profil.

La visibilité a progressé après les interventions, selon le protocole défini. Cela est compatible avec un effet des actions, sans exclure toutes les causes externes.

Mesure manuelle ou outil automatisé ?

Les critères détaillés, l'arbitrage entre mesure manuelle et automatisée selon le volume, et les sources gratuites fournies par les éditeurs de moteurs sont dans outils de mesure de visibilité IA : comment choisir.

Les erreurs qui rendent une mesure inutilisable