En une phrase, Brand Radar traite chaque moteur d’IA comme un système susceptible de répondre différemment à chaque exécution : il lui soumet plusieurs fois les mêmes questions et mesure la fréquence à laquelle votre marque apparaît. Il ne suit ni le classement d’un mot-clé ni le trafic d’un site. Il répond à une autre question : « Lorsque des prospects demandent conseil à une IA, quelle place accorde-t-elle à votre marque et quel degré de confiance lui témoigne-t-elle ? » La fiabilité de toute la démarche dépend avant tout de la qualité de l’échantillon, pas de la technologie utilisée.
Commençons par préciser ce que mesure Brand Radar.
Un outil de référencement naturel classique peut vous indiquer qu’une URL occupe la première position sur Google. Un moteur d’IA, lui, n’attribue aucune place fixe. Demandez à ChatGPT : « Quelles agences GEO à Taïwan accompagnent les entreprises B2B SaaS ? » Il peut en proposer trois aujourd’hui, cinq demain, dans un ordre différent. La visibilité ne se résume donc pas à une position : elle correspond à la probabilité d’apparaître dans un grand nombre de requêtes répétées. Brand Radar décompose cette probabilité en indicateurs mesurables : taux de mention, taux de citation, position moyenne, tonalité et part de voix face à la concurrence.
Étape 1 : transformer les vraies questions des acheteurs en corpus de requêtes
L’erreur la plus fréquente consiste à partir des mots-clés sur lesquels vous souhaitez être trouvé. Or, un acheteur ne demandera pas forcément « service d’audit GEO ». Il formulera plutôt son problème ainsi : « Notre entreprise n’apparaît jamais dans les réponses des moteurs d’IA, à qui devons-nous faire appel ? » ou « Comment savoir si ChatGPT recommande mon produit ? » Nous constituons ce corpus à partir de trois sources : les questions réellement posées à l’entreprise par ses clients, les formulations exactes relevées dans les échanges commerciaux et les suggestions générées par différents moteurs. L’échantillon doit être assez large pour produire des ratios stables, sans diluer les véritables enjeux commerciaux. Dans une catégorie B2B de niche, 40 à 120 requêtes principales suffisent généralement pour couvrir les phases de découverte, de comparaison et de décision. L’essentiel est que chacune corresponde à une situation d’achat réelle.
Étape 2 : pourquoi répéter les mêmes tests ?
Les réponses d’un moteur d’IA comportent une part d’aléatoire. Pour une même question adressée au même modèle, dix exécutions peuvent produire huit formulations et des classements différents. Une seule réponse fournit une observation, pas un signal. Brand Radar répète donc chaque requête sur chaque moteur afin d’établir une distribution statistique. Si votre marque apparaît sept fois, son taux de mention est de 70 % : c’est ce ratio qui devient exploitable. L’échantillonnage couvre aussi plusieurs moteurs, car ChatGPT, Perplexity, Gemini et Google AI Overviews ne privilégient pas les mêmes sources. Une marque peut ainsi être très visible sur l’un et presque absente sur l’autre.
Étape 3 : collecter les réponses et distinguer « mention » et « citation »
Chaque réponse recueillie doit être analysée sous deux angles. D’abord, la mention : le nom de votre marque, de votre produit ou d’une personne clé apparaît-il dans le texte ? Ensuite, la citation : les liens sources, les notes de bas de page ou la liste de références renvoient-ils vers votre site ? Ces notions sont souvent confondues, alors qu’elles ne disent pas la même chose. Une mention indique que le modèle connaît votre marque ; une citation montre qu’il utilise votre contenu comme élément de preuve. Une marque en bonne santé obtient les deux. Si elle est mentionnée sans être citée, elle bénéficie souvent d’une notoriété ancienne, mais son contenu reste insuffisamment repris comme source. L’identification comporte aussi des pièges : noms de marque ambigus, homonymes, fautes d’orthographe produites par les modèles ou noms tronqués. Il faut donc définir des règles de désambiguïsation capables de séparer les véritables occurrences de la marque des simples ressemblances, sous peine de fausser tous les scores calculés ensuite.
Étape 4 : comment calculer le score de visibilité ?
Une fois les mentions et les citations nettoyées, elles sont converties en scores traçables. Le calcul repose sur une pondération, pas sur une simple moyenne :
- Taux de mention : proportion de l’ensemble des échantillons dans lesquels la marque apparaît dans le texte de la réponse.
- Taux de citation : proportion des réponses dont les sources renvoient vers votre site, ce qui indique dans quelle mesure votre contenu sert de preuve.
- Position : la marque apparaît-elle au début de la réponse ou dans une recommandation mise en avant ?
- Tonalité : l’IA présente-t-elle votre marque de façon positive, neutre ou défavorable ? Cette nuance détermine directement la valeur réelle de l’exposition.
- Part de voix : comparaison avec les principaux concurrents sur le même corpus de requêtes, afin d’identifier les marques que l’IA sélectionne le plus souvent.
Ces indicateurs sont ensuite pondérés selon la valeur commerciale des requêtes. Une question posée en phase de décision, avec une intention d’achat claire, pèse davantage qu’une question générale de découverte. Le résultat final est un score de visibilité synthétique, pratique pour communiquer. Mais les décisions se prennent surtout à partir du détail des indicateurs, car chacun appelle une action différente : un faible taux de citation signale un besoin de contenus et de données structurées plus probants ; une part de voix insuffisante révèle les sujets sur lesquels les concurrents sont plus souvent cités.
Étape 5 : passer d’un instantané à une tendance
Un score calculé à un instant donné décrit une situation, sans en expliquer les causes ni les effets. Pour suivre son évolution, il faut relancer les mêmes requêtes à une fréquence hebdomadaire fixe et représenter les scores sous forme de série chronologique. Vous pouvez alors relier « nous avons publié trois comparatifs le mois dernier » à « le taux de citation sur Perplexity a commencé à progresser deux semaines plus tard ». Cette tendance permet aussi de détecter les risques en amont : si la part de voix d’un concurrent augmente trois fois de suite et réduit votre présence dans les réponses, le signal apparaîtra avant d’être visible dans le trafic de votre site.
Comment exploiter ces données concrètement ?
Le score de visibilité n’est pas un indicateur flatteur destiné aux rapports. Il doit vous aider à choisir le sujet du prochain article, à repérer le moteur sur lequel votre déficit est le plus critique et à vérifier si vos efforts rendent réellement votre marque plus présente dans les réponses des IA.
En parcourant la logique de Brand Radar, on comprend qu’il s’agit d’une méthode de mesure appliquée à des moteurs d’IA conçus comme une matrice variable. La difficulté ne réside pas dans la collecte des données, mais dans la pertinence des requêtes, le nettoyage des résultats et la traduction des scores en actions concrètes. Si vous ignorez comment votre marque se situe sur les principaux moteurs d’IA et où se trouvent ses lacunes, réservez un diagnostic GEO de 30 minutes. Nous testerons une série de questions propres à votre activité afin d’identifier les points de décrochage et les optimisations prioritaires.
