La visibilité dans les IA se mesure, et les résultats sont souvent très éloignés de ce qu’une marque imagine. Lors de nos premiers benchmarks auprès de clients B2B SaaS, le même écart revenait régulièrement : l’équipe marketing était persuadée que la marque « devait forcément être mentionnée dans les réponses de ChatGPT ». Pourtant, sur un ensemble de questions représentatives, son taux de citation restait souvent à un pourcentage à un seul chiffre, tandis que ses concurrents figuraient clairement dans les réponses. Ce n’est pas une note attribuée à la marque, mais une donnée que l’on peut mesurer à nouveau.
Pourquoi une observation isolée ne prouve-t-elle rien ?
Les réponses des moteurs génératifs comportent une part de variabilité. Posez trois fois la même question : la formulation peut changer, tout comme les sources citées. Si votre marque est apparue hier depuis votre propre compte, cela peut tenir au contexte de navigation associé au compte ou simplement à l’échantillon obtenu. Conclure « nous sommes visibles » à partir d’une seule formulation, d’un seul compte et d’une seule réponse revient à déclarer un dé pipé après un unique lancer. Pour parler de résultats, il faut fixer un protocole reproductible.
Les quatre indicateurs clés de la visibilité dans les IA
La visibilité ne se résume pas à un chiffre. Elle repose sur plusieurs indicateurs complémentaires ; en négliger certains peut conduire à un optimisme ou à un pessimisme injustifié. Voici les quatre dimensions que nous suivons dans nos audits GEO, avec une définition permettant de reproduire la démarche.
- Taux de citation (Citation Rate) : sur un ensemble stable de questions représentatives, proportion des réponses dans lesquelles l’IA mentionne explicitement votre marque ou cite votre contenu. C’est le signal le plus immédiat.
- Part de voix dans les modèles (Share of Model Voice) : sur ce même ensemble de questions, fréquence à laquelle votre marque est mentionnée par rapport à ses concurrents. Autrement dit : à question identique, quelle marque le modèle fait-il le plus souvent ressortir ?
- Contexte et position de la citation : êtes-vous recommandé en premier, simplement inclus dans une liste, ou mentionné seulement à titre de contre-exemple ou en note de bas de réponse ? Ces trois positions n’ont pas la même valeur commerciale.
- Traçabilité de la source : l’IA renvoie-t-elle vers votre site ou vers l’un de vos contenus, au lieu de citer uniquement le nom de la marque ? Cette traçabilité indique si l’exposition peut générer du trafic puis des interactions.
Pour une comparaison avant/après crédible, verrouillez le point de référence
Dans une comparaison avant/après, la principale source d’erreur ne se situe ni dans l’« avant » ni dans l’« après », mais dans la méthode. Si le point de référence n’est pas établi rigoureusement, les chiffres de progression ultérieurs ne veulent rien dire. Nous fixons trois éléments : les questions, les moteurs et conditions de compte, ainsi que le nombre d’échantillons. L’ensemble comprend généralement 40 à 80 sujets couvrant la terminologie, les comparaisons, les problèmes rencontrés et les requêtes qui nomment des marques. Une fois le protocole validé, ces questions ne changent plus. Chacune est exécutée plusieurs fois dans un environnement vierge et sur différents moteurs, notamment ChatGPT, Perplexity, Gemini et Google AI Overviews. Les résultats variant souvent d’un moteur à l’autre, n’en observer qu’un seul peut donner une vision trompeuse.
À quoi ressemble une comparaison après 30 jours ?
Prenons le cas d’un client qui propose un outil pour développeurs. Au moment d’établir le point de référence, nous avons posé 60 questions sur quatre moteurs, à raison de cinq exécutions par question. Avant l’intervention, le taux global de citation de la marque atteignait environ 11 %. Pour les questions comparatives — par exemple « Pour quelle taille d’équipe X ou Y est-il adapté ? » — il était presque nul. La traçabilité des sources était encore plus faible : la marque était le plus souvent simplement nommée, sans lien vers ses contenus. Le modèle savait donc qu’elle existait, mais ne disposait pas d’éléments suffisamment exploitables pour l’intégrer à une recommandation.
Au cours des 30 jours suivants, nous avons analysé les écarts de structure, reformulé le positionnement du produit et ses cas d’usage dans des paragraphes clairs, puis corrigé plusieurs problèmes techniques qui empêchaient les robots d’exploration d’accéder correctement aux contenus. En reprenant exactement les mêmes questions dans les mêmes conditions, le taux global de citation est passé à 27 %. La présence sur les requêtes comparatives, auparavant presque nulle, est devenue régulière, tandis que les références traçables ont progressé. L’intérêt n’est pas d’obtenir un joli chiffre : les quatre indicateurs ont évolué ensemble dans la même direction, ce qui réduit la probabilité d’un résultat dû au hasard.
Le signal le plus crédible d’une hausse de visibilité est la progression simultanée de plusieurs indicateurs indépendants, selon une méthode fixe — pas le bond isolé d’un indicateur sur une seule requête.
Ne vous fiez pas à une seule requête : les pièges de mesure les plus courants
Trop d’équipes présentent une capture d’écran comme une preuve de résultat, puis en produisent une autre deux semaines plus tard pour conclure à un recul. Les réponses générées fluctuent : piloter à partir de captures isolées, c’est laisser le bruit dicter les décisions. Deuxième piège : ne suivre qu’un seul moteur. Perplexity peut citer une page comme source alors que ChatGPT se contente d’en parler ; si vous retenez uniquement le moteur qui vous est favorable, vous surestimez votre visibilité. Troisième piège : construire des questions orientées autour des requêtes sur lesquelles vous souhaitez gagner. La progression ainsi obtenue ne représente pas le marché réel.
Autre distinction souvent négligée : visibilité et conversion ne sont pas synonymes. Être cité par une IA se situe en haut du funnel. Cela augmente vos chances d’entrer dans la liste des solutions envisagées, sans garantir une vente. Nous analysons donc séparément les indicateurs de visibilité et les résultats ultérieurs sur le site, afin de ne pas attribuer une évolution de la performance commerciale à la seule hausse de l’exposition — ni l’inverse.
Passer de la mesure à l’action
La mesure n’améliore pas la visibilité à elle seule ; elle révèle la nature de l’écart. Le modèle ignore-t-il totalement votre existence ? Vous connaît-il sans disposer de contenu à citer ? Ou vos contenus existent-ils sous une forme qu’il ne peut pas lire ? Ces trois causes exigent des réponses très différentes, et choisir la mauvaise peut faire perdre une saison entière. Avec un point de référence stable et des indicateurs clairement définis, vous pouvez évaluer l’effet réel de chaque ajustement éditorial ou technique. C’est précisément l’objectif du suivi de la visibilité dans les IA proposé par Tenten : transformer cette visibilité en une courbe lisible et exploitable. Pour savoir où vous en êtes et identifier la nature de vos écarts, vous pouvez réserver un diagnostic GEO de 30 minutes ; nous établirons un point de référence à partir de vos véritables questions.
