Comment construire un tableau de bord GEO pour suivre sa visibilité IA ?
Un tableau de bord GEO se construit en quatre tables et une vue. Les quatre tables enregistrent ce qui s'est passé : les requêtes du panel (avec leur intention), les relevés (une ligne par réponse obtenue, avec le moteur, le mode, la répétition et la date), les mentions (quelle marque est nommée dans quelle réponse, à quel rang) et les sources (quel site est cité dans quelle réponse). La vue calcule des fréquences à partir de ces tables : taux de mention, part de voix, taux de citation du domaine, stabilité, par moteur et par intention, toujours avec le nombre d'observations. Tout le reste, graphiques, alertes, rapports, en découle.
Cette architecture n'est pas une théorie : c'est celle des données ouvertes de l'Evocia AI Sources Index 2026, qui a enregistré 1 000 réponses de ChatGPT dans exactement ces tables avant d'en tirer ses résultats. Elle tient dans un tableur, elle s'automatise sans être réécrite, et elle évite les trois défauts qui rendent la plupart des tableaux de bord de visibilité IA illisibles : un score sans dénominateur, des moteurs et des modes mélangés, une variation commentée sans savoir si elle dépasse le bruit. Cet article donne le modèle table par table, les trois façons de le remplir, les formules, les sources gratuites à brancher, la cadence et les erreurs à éviter. Le choix des indicateurs est traité dans quels KPI suivre pour une stratégie GEO ; le protocole de collecte dans mesurer sa visibilité dans ChatGPT et les IA.
L'essentiel en 60 secondes
- Quatre tables, une vue : requêtes, relevés, mentions, sources ; puis une page de fréquences par moteur, par mode et par intention, avec le nombre d'observations à côté de chaque chiffre.
- Une ligne par réponse dans la table des relevés, avec le moteur, le mode (recherche web ou non), la répétition et la date. Sans cette granularité, ni la stabilité ni l'incertitude ne se calculent.
- Trois façons de remplir les tables : à la main depuis l'interface, par l'API des moteurs, ou par un outil de suivi. Dans l'étude Evocia, 1 000 réponses de ChatGPT par l'API ont coûté 40 dollars, soit quatre centimes par réponse.
- Les rapports gratuits des plateformes (impressions IA de la Search Console, citations de Bing Webmaster Tools, trafic utm_source=chatgpt.com) ont chacun leur onglet et ne se mélangent jamais aux fréquences du panel.
- Une variation ne se commente que si elle dépasse l'amplitude observée entre vos propres répétitions : dans l'étude, la part du premier site d'un secteur varie de 3,5 à 10,3 points selon le relevé retenu.
- Un score composite unique, un panel qui change, deux outils comparés, un taux sans effectif : quatre façons courantes de rendre un tableau de bord faux.
Qu'est-ce qu'un tableau de bord GEO, et à qui sert-il ?
En bref
Un tableau de bord GEO est la vue régulière de la présence d'une marque dans les réponses des moteurs d'IA, calculée sur un panel de requêtes figé, posées plusieurs fois à chaque moteur, et comparée à des concurrents choisis. Il sert trois lecteurs : la direction, qui veut trois chiffres et une tendance ; le marketing, qui veut savoir sur quelles intentions et quels moteurs agir ; les équipes qui produisent, qui veulent les sources citées et les écarts à combler.
| Lecteur | Ce qu'il regarde | Découpage | Fréquence |
|---|---|---|---|
| Direction | Taux de mention global, part de voix face aux concurrents suivis, tendance sur trois mois | Par moteur | Mensuelle |
| Marketing | Taux de mention et part de voix par intention (problème, découverte, recommandation, comparaison, décision), présence en tête | Moteur × intention × mode | Mensuelle |
| Contenu, produit, relations presse | Sources citées par famille, écart de sources avec le concurrent dominant, pages du site citées, exactitude des descriptions | Par requête | À chaque relevé |
Trois lectures d'un même jeu de données. La vue de direction est un résumé des deux autres, jamais une source différente.
La différence avec un tableau de bord de référencement tient à l'origine des données. Les positions et les impressions de Google sont fournies par la plateforme ; les fréquences de mention dans les réponses des IA sont produites par celui qui mesure, à partir de réponses qu'il a lui-même provoquées. Le tableau de bord GEO doit donc enregistrer ses conditions de mesure avec ses résultats : c'est ce que font les quatre tables.
Le modèle de données : quatre tables suffisent
En bref
Quatre tables normalisées : les requêtes (une ligne par question du panel, avec son intention), les relevés (une ligne par réponse obtenue, avec le moteur, le mode, la répétition, la date et le texte), les mentions (une ligne par marque nommée dans une réponse, avec son rang) et les sources (une ligne par site cité dans une réponse). Une cinquième, la liste des marques suivies avec leurs variantes de nom, fixe le dénominateur de la part de voix. Tout indicateur se calcule à partir de ces tables sans jamais les modifier.
| Table | Une ligne par | Colonnes indispensables | Ce qu'elle permet |
|---|---|---|---|
| Requêtes | Question du panel | id_requete, texte, intention, famille (catégorie ou marque), statut (active, témoin, retirée), date d'entrée | Découper par intention ; isoler les requêtes de marque ; garder un groupe témoin |
| Relevés | Réponse obtenue | id_reponse, id_requete, moteur, mode (recherche web oui ou non), répétition, date et heure, texte intégral, nombre de sources affichées | Compter les réponses éligibles ; séparer les modes ; recalculer plus tard |
| Mentions | Marque nommée dans une réponse | id_reponse, marque (nom canonique), rang de première apparition, recommandée (oui, non, non codé) | Taux de mention, part de voix, rang moyen, présence en tête |
| Sources | Site cité dans une réponse | id_reponse, url, domaine, famille de source (éditeur, documentation, institution, presse, forum, comparateur), position | Taux de citation du domaine, part des sources par famille, écart de sources |
| Marques suivies | Marque | nom canonique, variantes et noms de produits, concurrent (oui, non), date d'entrée | Dénominateur figé de la part de voix ; rattachement des variantes |
Le modèle des données ouvertes de l'Evocia AI Sources Index 2026 (requetes.csv, reponses.csv, citations.csv, domaines.csv), simplifié pour un tableur. Les identifiants relient les tables ; rien n'est recopié d'une table à l'autre.
Deux règles d'enregistrement conditionnent tout le reste. Une marque nommée plusieurs fois dans une réponse donne une seule ligne dans la table des mentions, avec le rang de sa première apparition. Et le texte intégral de chaque réponse est conservé : c'est lui qui permet de recompter avec une autre règle, de vérifier une mention contestée, ou de coder les recommandations après coup. Un tableau de bord qui ne garde que ses agrégats ne peut ni être audité ni être corrigé.
Pourquoi une ligne par réponse, et pas une ligne par requête
Parce que la stabilité et l'incertitude se calculent sur les répétitions. Si la table des relevés ne contient qu'une ligne par requête et par mois, vous ne saurez jamais si un « 40 % » repose sur une réponse ou sur quatre, ni si la variation du mois suivant dépasse ce que le moteur produit tout seul en changeant de session.
Les sources gratuites à brancher, chacune dans son onglet
En bref
Trois rapports gratuits complètent le panel, et aucun ne le remplace : les impressions de vos URL dans les fonctionnalités d'IA générative de Google (Search Console, depuis le 3 juin 2026, tous les sites depuis le 31 août), les citations de vos pages dans Copilot et Bing (Bing Webmaster Tools, AI Performance, depuis le 10 février 2026), et les sessions référées par ChatGPT, reconnaissables au paramètre utm_source=chatgpt.com. Ils mesurent des URL et des visites, pas des mentions de marque : ils vont dans des onglets séparés.
| Onglet | Source | Colonnes | Ce qu'il ajoute au panel | Ce qu'il ne dit pas |
|---|---|---|---|---|
| Impressions IA Google | Search Console, rapport « IA générative » (export mensuel) | date, page, pays, appareil, impressions | Vos pages apparaissent-elles dans les Aperçus IA et le Mode IA, et lesquelles | Ni clics, ni requêtes, ni mention de marque, ni concurrents |
| Citations Copilot et Bing | Bing Webmaster Tools, AI Performance (export) | date, page, citations, requêtes d'ancrage (échantillon), intentions, thèmes | Quelles pages Copilot lit et cite, avec les formulations qui les déclenchent | Ni placement dans la réponse, ni mention sans lien |
| Trafic référé | Outil d'analyse d'audience, segment utm_source=chatgpt.com et référents des assistants | date, sessions, pages d'entrée, conversions | Ce que les citations produisent en visites, minorant | Les recommandations sans clic ; les visites sans référent |
Trois onglets fournis par les plateformes, à côté des quatre tables du panel. Ils partagent la colonne date, rien d'autre : ne les additionnez jamais aux fréquences de mention.
Google indique que ses rapports d'IA générative montrent « la fréquence à laquelle les URL de votre site sont apparues » dans les Aperçus IA, le Mode IA et les fonctionnalités d'IA de Discover, avec les pages, les pays, les appareils et les dates, et que d'autres métriques seront ajoutées. Microsoft précise que les citations totales de son rapport sont comptées « sans indiquer le placement ou la présentation dans une réponse » et que les requêtes d'ancrage sont « un échantillon ». OpenAI écrit que ChatGPT « inclut automatiquement le paramètre UTM utm_source=chatgpt.com » dans les URL de renvoi de ses résultats de recherche.
Les calculs : des fréquences, jamais des moyennes de scores
En bref
Chaque indicateur est un rapport entre deux comptages sur les tables, filtré par moteur, mode et intention : taux de mention, part de voix, taux de citation du domaine, rang moyen conditionnel, stabilité, amplitude. Les formules tiennent en un COUNTIFS. Ce qui compte est de publier le dénominateur et l'effectif à côté de chaque résultat, et de ne jamais moyenner des scores déjà agrégés.
| Indicateur | Numérateur (table) | Dénominateur (table) | Filtres obligatoires | Lecture |
|---|---|---|---|---|
| Taux de mention | Réponses où la marque a une ligne dans Mentions | Réponses de la table Relevés | Moteur, mode, intention, période, requêtes de catégorie seulement | Probabilité d'être nommé |
| Part de voix | Mentions de la marque | Mentions de toutes les marques suivies | Idem, liste des marques figée | Poids face aux concurrents choisis |
| Présence en tête | Réponses où le rang de la marque est 1 à 3 | Réponses de la table Relevés | Idem | Visibilité forte |
| Taux de citation du domaine | Réponses où le domaine a une ligne dans Sources | Réponses avec au moins une source | Moteur, mode avec recherche seulement | Présence documentaire |
| Part des sources par famille | Lignes de Sources d'une famille | Lignes de Sources | Moteur, intention | Où le moteur puise |
| Stabilité d'une présence | Répétitions où la marque est nommée | Répétitions de la requête | Par requête | Présence acquise ou occasionnelle |
| Amplitude d'un relevé | Écart max. entre l'indicateur calculé sur une seule répétition et sur toutes | Par indicateur | Seuil en dessous duquel une variation est du bruit |
Les formules sont celles du pilier Mesure, exprimées en comptages de lignes. Chaque cellule de la vue affiche le résultat et l'effectif (n réponses, n mentions).
L'incertitude se calcule une fois pour toutes dans une colonne. Une proportion mesurée sur cent réponses a une fourchette à 95 % d'environ plus ou moins dix points ; sur quatre cents, plus ou moins cinq. C'est une approximation, et elle suppose des réponses indépendantes, ce que les répétitions d'une même requête ne sont qu'en partie : l'amplitude mesurée entre vos propres répétitions est le seuil le plus honnête. Dans l'Evocia AI Sources Index 2026, la part de citations du premier site de chaque secteur, calculée sur une seule répétition, s'écarte de 3,5 à 10,3 points de sa valeur sur quatre répétitions, et 38 % des couples requête et domaine cité n'apparaissent que dans une réponse sur quatre. Le détail est dans Share of Voice IA : mesurer sa part de voix dans ChatGPT.
Attention
Ne calculez jamais un score en faisant la moyenne de pourcentages déjà calculés sur des populations différentes (trois moteurs, cinq intentions). Recomptez toujours depuis les tables, avec les filtres, sinon un moteur mesuré sur dix réponses pèse autant qu'un moteur mesuré sur cent.
La vue : une page, huit lignes, trois découpages
En bref
La page de synthèse tient huit lignes : impressions IA Google, citations Copilot et Bing, taux de mention, présence en tête ou taux de recommandation, part de voix, taux de citation du domaine, exactitude descriptive, stabilité. Chaque ligne se découpe par moteur, puis par intention, puis par mode, et affiche la valeur du mois, celle du mois précédent, l'effectif et l'amplitude. Une variation n'est signalée que si elle dépasse l'amplitude.
| Colonne de la vue | Contenu | Pourquoi |
|---|---|---|
| Indicateur | Nom et définition en une ligne | Le lecteur de direction ne connaît pas la formule |
| Découpage | Moteur, intention, mode | Un chiffre agrégé cache le moteur ou l'intention où vous êtes absent |
| Valeur | Fréquence du cycle, en pourcentage | L'indicateur |
| n | Réponses et mentions comptées | Sans effectif, le pourcentage n'est pas interprétable |
| Cycle précédent | Même indicateur, même découpage | La comparaison à protocole constant est la seule qui vaille |
| Amplitude | Écart max. entre répétitions du cycle | Seuil de bruit propre à cette série |
| Signal | Hausse, baisse ou stable, uniquement si l'écart dépasse l'amplitude | Empêche de commenter le hasard |
| Action liée | Renvoi au journal des actions du cycle | Rapprocher, sans conclure à une cause |
Huit colonnes pour huit lignes. Les graphiques viennent après : une courbe par indicateur et par moteur, avec l'amplitude en bande, jamais un score unique.
Exemple de lecture mensuelle (marques et chiffres fictifs)
| Indicateur | Découpage | Septembre | n | Août | Amplitude | Signal |
|---|---|---|---|---|---|---|
| Taux de mention | ChatGPT · recommandation · avec recherche | 35 % | 80 réponses | 28 % | 6 pts | Hausse |
| Taux de mention | ChatGPT · problème · sans recherche | 10 % | 40 réponses | 12 % | 8 pts | Stable |
| Part de voix | ChatGPT · toutes intentions | 22 % | 310 mentions | 20 % | 4 pts | Stable |
| Taux de citation du domaine | ChatGPT · avec recherche | 9 % | 120 réponses avec sources | 3 % | 5 pts | Hausse |
| Stabilité | ChatGPT · marque | 0,55 | 20 requêtes | 0,40 | Hausse |
Exemple rédactionnel pour un éditeur fictif de logiciel de centre de contact, avec des valeurs inventées : il montre la forme de la lecture, pas un résultat. Deux signaux réels dans cet exemple (mention en recommandation, citation du domaine), un écart qui n'en est pas un (problème, sans recherche : 2 points pour 8 d'amplitude).
La cadence, le journal des actions et le groupe témoin
En bref
Un cycle par mois, à date fixe, sur le même panel, les mêmes moteurs, les mêmes modes et le même nombre de répétitions ; un audit complet par trimestre ; un journal daté des actions engagées entre deux cycles ; un groupe de requêtes témoin sur lequel on n'agit pas. Sans ces quatre éléments, aucune variation ne peut être rapprochée d'une cause.
- Le cycle : même semaine du mois, mêmes conditions. Un changement de modèle par défaut chez un moteur se note dans le journal, avec sa date : il redistribue les réponses de mémoire, et le cycle qui suit ne se compare pas au précédent sans cette mention.
- Le journal : chaque action datée, avec les requêtes qu'elle visait. C'est la colonne « action liée » de la vue.
- Le témoin : un cinquième des requêtes de catégorie, choisies au cadrage, sur lesquelles vous ne publiez rien. Si elles bougent autant que les autres, la cause est externe.
- Le panel : figé. Une requête ajoutée ouvre une série nouvelle ; une requête retirée reste dans les tables avec son statut, pour que les cycles passés restent recalculables.
La lecture d'une variation suit alors une règle simple : elle dépasse l'amplitude, elle ne touche pas le témoin, elle suit une action du journal. Les trois conditions réunies autorisent la formulation « compatible avec un effet de l'action, sans exclure d'autres causes ». Aucune n'autorise « nos actions ont fait passer le taux de 28 à 35 % ». Les indicateurs à refuser, dont le score composite et l'avant-après sans témoin, sont listés dans quels KPI suivre pour une stratégie GEO.
Les six erreurs qui rendent un tableau de bord GEO faux
En bref
Un score composite unique ; des moteurs ou des modes additionnés ; un panel qui change d'un mois à l'autre ; des pourcentages sans effectif ; des relevés de deux outils dans une même série ; des requêtes de marque mêlées aux requêtes de catégorie. Chacune produit un chiffre qui bouge pour de mauvaises raisons.
| Erreur | Ce qu'elle produit | Correction |
|---|---|---|
| Un score unique « visibilité IA » de 0 à 100 | Un chiffre qui monte quand un moteur peu mesuré bouge, sans qu'on sache lequel | Huit lignes découpées, pas un score |
| Moteurs additionnés | La moyenne d'un moteur où vous êtes présent et d'un moteur où vous êtes absent : une présence moyenne qui n'existe nulle part | Un chiffre par moteur |
| Modes mélangés dans ChatGPT | Un taux qui dépend du hasard du déclenchement de la recherche | Colonne mode dans les relevés, deux lignes dans la vue |
| Panel qui change | Une hausse qui vient des nouvelles requêtes, pas du moteur | Panel figé, statuts, nouvelle série en cas d'ajout |
| Pourcentage sans effectif | Un 50 % sur deux réponses lu comme un 50 % sur deux cents | Colonne n obligatoire |
| Deux outils, une série | Deux règles de comptage, deux panels, deux chiffres incomparables | Une voie de collecte par série ; export brut vers vos tables |
Six erreurs, six corrections structurelles : elles se règlent dans le modèle de données, pas dans la mise en forme.
Vous préférez que le tableau de bord soit construit, alimenté et lu pour vous ? Le monitoring Evocia relève votre panel chaque mois, sur les moteurs de votre marché, avec le nombre de répétitions qu'exige votre catégorie, et vous remet les tables, la vue et une lecture écrite des écarts. Le point de départ reste le même : trois requêtes de votre catégorie, testées gratuitement.
Tester ma visibilité IAQuestions fréquentes
Quels outils faut-il pour construire un tableau de bord GEO ?
Un tableur suffit pour les quatre tables et la vue, avec des formules de comptage conditionnel. La collecte se fait à la main, par l'API des moteurs ou par un outil de suivi dont vous exportez les réponses brutes. Un outil de tableau de bord ne devient utile que lorsque les tables existent et que la série dépasse quelques mois.
Combien de requêtes et de répétitions faut-il dans le tableau de bord ?
Vingt requêtes de catégorie au minimum, réparties par intention, plus un groupe témoin, et quatre répétitions par requête et par moteur. Dans l'étude Evocia, un relevé unique s'écarte de la valeur sur quatre relevés de 3,5 à 10,3 points selon le secteur ; avec moins de répétitions, l'amplitude dépasse la plupart des variations que vous voudrez commenter.
Peut-on suivre la visibilité IA avec la Search Console seulement ?
Non. Le rapport d'IA générative de la Search Console donne les impressions de vos URL dans les Aperçus IA et le Mode IA, sans clics ni requêtes, et ne dit pas si votre marque est nommée dans une réponse ni qui l'est à votre place. C'est un onglet du tableau de bord, pas le tableau de bord.
À quelle fréquence mettre à jour un tableau de bord GEO ?
Un cycle mensuel du panel, à date fixe, et un audit complet trimestriel. Les onglets fournis par les plateformes se relèvent au même rythme. Un cycle hebdomadaire n'apporte rien tant que l'amplitude entre répétitions dépasse les variations d'une semaine à l'autre.
Comment présenter le tableau de bord à une direction ?
Trois chiffres par moteur (taux de mention, part de voix, tendance sur trois mois), chacun avec son effectif, puis la liste des écarts qui dépassent l'amplitude et l'action du journal qui leur correspond. Sans score composite : un chiffre unique masque le moteur ou l'intention où l'entreprise est absente, qui est précisément ce que la direction doit décider de traiter.
Sources
- Evocia, AI Sources Index 2026 : données ouvertes (requetes.csv, reponses.csv, citations.csv, domaines.csv) et dictionnaire des données, 14 septembre 2026
- Evocia, dictionnaire des données de l'AI Sources Index 2026 (structure des tables, définitions)
- Google Search Central Blog, Présentation des rapports sur les performances dans l'IA générative dans la Search Console, 3 juin 2026 (tous les sites depuis le 31 août 2026)
- Bing Webmaster Blog, Introducing AI Performance in Bing Webmaster Tools Public Preview, 10 février 2026
- Bing Search Blog, New AI Visibility Insights in Bing Webmaster Tools: Intents, Topics, Citation Share, Compare, 16 juin 2026
- OpenAI, Publishers and Developers FAQ (paramètre utm_source=chatgpt.com)
- OpenAI, Searching the web with ChatGPT (centre d'aide : déclenchement de la recherche, réécriture des requêtes, localisation, mémoire)
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 entreprises dans les réponses des IA. Le modèle de données décrit ici est celui de ses relevés et de son AI Sources Index 2026.
Comment cet article a été réalisé
- Article rédigé le 21 septembre 2026, satellite du pilier Mesure, après lecture des guides francophones et anglophones sur les tableaux de bord de visibilité IA et relecture des documentations de Google, de Microsoft et d'OpenAI le jour même.
- Le modèle de données est celui des données ouvertes de l'AI Sources Index 2026, simplifié pour un tableur ; le coût de collecte par l'API et les chiffres de stabilité viennent du JSON de la même étude. Aucun chiffre n'a été saisi à la main.
- L'exemple de lecture mensuelle est une illustration rédactionnelle avec un éditeur fictif et des valeurs inventées, signalées comme telles. Aucune donnée client n'est publiée.
- Aucun lien de causalité n'est affirmé entre une action et une variation d'indicateur ; les formulations autorisées et interdites sont explicitées.
Historique des mises à jour
- 21 septembre 2026Publication initiale : trois lecteurs, modèle en quatre tables, trois voies de collecte avec coût mesuré, sources gratuites, formules, vue en huit lignes avec exemple fictif, cadence et témoin, six erreurs.
Comment remplir les tables : à la main, par l'API ou par un outil
En bref
Trois voies, compatibles entre elles à condition de ne jamais mélanger leurs relevés dans une même série. À la main depuis l'interface des moteurs, en session neuve et mémoire désactivée : fidèle à ce que voit un acheteur, lent, sans accès aux sources consultées. Par l'API, quand elle existe : conditions constantes, texte et citations structurés, coût connu. Par un outil de suivi : rapide, mais avec un panel, une règle de comptage et des répétitions à vérifier avant de lui confier la série.
Les trois voies produisent des réponses différentes pour la même question. Une série se construit avec une seule voie ; en changer ouvre une nouvelle série.
Ordre de grandeur du coût par l'API, mesuré dans l'Evocia AI Sources Index 2026 : 1 000 réponses de ChatGPT avec recherche web (250 requêtes × 4 répétitions, modèle de l'époque) ont coûté 40,11 dollars, soit quatre centimes par réponse. Un panel mensuel de 20 requêtes, 4 répétitions et un moteur revient donc à quelques dollars par mois en appels API ; le coût réel est le temps de lecture des réponses, pas la collecte.
Pour la collecte manuelle dans ChatGPT, OpenAI documente que la recherche web peut se déclencher automatiquement ou à la demande, que la question est réécrite en une ou plusieurs requêtes envoyées à des partenaires de recherche, qu'une localisation approximative issue de l'adresse IP peut être partagée, et que la mémoire, si elle est activée, peut influencer cette réécriture. La colonne « mode » de la table des relevés et la désactivation de la mémoire découlent de ces trois points.