Rapport de référence Share of Model

Share of Model : comparer la visibilité IA avec des définitions claires

Définir mentions, liens sources et recommandations, puis comparer les marques avec questions, dénominateurs et conditions cohérents.

v1.1 · Octobre 2026 · Tenten GEO Research

CH.01

Mesurer un périmètre défini

Compléter trafic, recherche client et résultats commerciaux par les observations IA.

Un nuage de particules violettes traverse une barre crème horizontale lumineuse et de fines lignes parallèles sur fond sombre. — Illustration conceptuelle de mesure, pas une performance observée.

Un échantillon de recherche, avis, conversations ou IA ne révèle pas toutes les listes d’achat. Demander ce qui figurait dans les réponses recueillies.

Share of Model est ici un libellé de rapport, pas une part de marché standard. Comparer les métriques dans les mêmes observations ; une colonne concurrent ne rend pas l’échantillon représentatif.

Vue	Description possible	Limite
Médias et communautés	Couverture, discussions et réponses sélectionnées	Définir couverture et exposition séparément
Réponses IA	Noms, sources et recommandations collectés	Échantillon différent de toute demande réelle
Comportement web	Visites et actions observées	Lien ne prouve pas clic
Résultats commerciaux	Demandes qualifiées, opportunités, revenus enregistrés	Attribution et causalité exigent plus de preuves

Vues complémentaires ; aucune métrique ne remplace toutes les autres.

Prochaine action

Choisir une décision, comme exactitude d’une description ou besoin du lecteur, puis recueillir les preuves adaptées.

CH.02

Lire les définitions du benchmark

Moyenne utile si population et mesure comparables, pas note de passage universelle.

Le PDF AthenaHQ State of AI Search 2026 téléchargé le 5 octobre indique 16.3% de mentions moyennes page 5. Page 18 : dénominateur des mentions limité aux réponses avec au moins une marque, share of voice fondé sur toutes les mentions. Les résumés indexés gardent 17.2% ; noter version et définition, pas une attente personnelle.

→Vérifier produits, questions, langues et dates.
→Taux conditionnel sans réponses dépourvues de marques différent du taux sur toutes les réponses admissibles.
→Faible taux ne prouve pas qualité médiocre ni opportunité linguistique.

Prochaine action

Garder nombres, conditions et historique ; benchmark insuffisant reste contexte non noté.

CH.03

Comparer les mêmes observations

Aligner collecte et comptage avant interprétation.

Extraire les marques du même ensemble ; séparer découverte et questions nommant une marque. Grand échantillon ne garantit pas représentativité.

Étape 1

Questions et périmètre

Tâches, produits, modes, langues, lieux et version ; aucun quota 100–300 requis.

Étape 2

Marques et correspondance

Noms, alias, ambiguïtés, liste ; séparer questions de marque et génériques.

Étape 3

Collecte documentée

Date, mode, UI/API, réglage de recherche, échecs et répétitions prévues ; pas seulement résultats favorables.

Étape 4

Dénominateurs

Nombres et taux ensemble. Réponse manquante n’est pas zéro ; aucune observation admissible signifie indisponible.

Métrique	Définition ici	Règle
Taux de mention	Réponses admissibles nommant au moins une fois la marque / toutes les réponses admissibles collectées	Une fois par marque et réponse ; nombres et exclusions
Écart entre marques	Écart en points de pourcentage de taux comparables	Ratio supplémentaire indéfini si taux comparé nul ; montrer nombres
Recommandation explicite	Réponses de tâche recommandant la marque / réponses admissibles de cette tâche	Définir ; première position ou mention seule ne suffit pas
Lien source du domaine	Réponses avec lien du domaine autorisé / réponses admissibles collectées	Règles de domaine et rôle ; lien n’est pas visite

Définitions de ce guide ; métriques fournisseurs peuvent différer.

Prochaine action

Plusieurs marques par réponse : somme des taux possible au-delà de 100%. Part normalisée des mentions différente. Changement de questions, modèle ou liste = série modifiée.

CH.04

Distinguer noms, sources et clics

Observations différentes, aucune ne prouve seule l’achat.

Mention favorable ou non ; un lien ne soutient pas toute la réponse. Examiner contexte et affirmations importantes sans poids commerciaux fixes.

Taux de liens externes quelconques différent de la probabilité de citation de votre marque. Séparer produits et méthodes avant agrégation expliquée.

Signal	Observable	Preuves séparées
Mention	Marque nommée	Exactitude, sentiment, recommandation, exposition réelle
Citation source	Information attribuée	Source soutient-elle le propos ?
Lien	URL présentée	Clics, visites qualifiées, suites

Signaux liés, sens différents, sans classement universel.

Prochaine action

Garder exemples et classifications ouvertes avec les dossiers de trafic et d’affaires disponibles.

CH.05

Choisir selon la mesure nécessaire

Vérifier collecte, couverture et sortie avant coût total ; prix ne prouve pas exactitude.

Consulter plans officiels, distinguer base de recherche et suivi personnalisé. Au 5 octobre 2026, Otterly Lite US$29 mensuels, Profound essai et Enterprise sur devis. Exemple daté, pas comparaison exhaustive ni recommandation.

Besoin	Questions	Preuves	Coût
Base ciblée	Produits et questions pertinents ?	Export, conditions, définitions	Limites, configuration, analyste
Comparaisons répétables	Questions, marques et méthodes suivies ?	Historique, échecs, versions	Fréquence, options, revue
Équipes ou marchés	Accès, export et langues adaptés ?	Documentation et démonstration autorisée	Périmètre, personnel, support, contrat

Cadre d’achat, pas classement ni couverture garantie de tout produit.

→Distinguer interfaces consommateurs, API et index existant.
→Examiner réponses brutes, règles, données manquantes et ambiguïtés si autorisé.
→Choisir les fonctionnalités utiles au budget et à l’équipe.
→Convenir évaluation et résiliation ; durée ne prouve pas qualité.

Prochaine action

Choisir des résultats explicables et utilisables ; clarifier le besoin avant de dépenser davantage.

CH.06

Une page pour décider

Montrer périmètre, observation, incertitude et action, y compris maintenir ou arrêter.

Associer nombres et taux avec méthodes cohérentes. Hausse sur petite base ou nouvelles questions ne signifie pas exposition élargie.

Bloc 1

Périmètre et observation

Produits, modes, questions, période, nombre admissible, dénominateur et comparaison.

Bloc 2

Changement comparable

Nombres avant/après, configuration, manques et incertitude.

Bloc 3

Exemples et besoins

Réponses et lacunes ; absence d’une liste n’impose pas réécriture.

Bloc 4

Décision et ressources

Continuer, modifier ou arrêter, raison et coût ; séparer bénéfices proposés et mesurés.

Partie	Inclure	But
Périmètre	Définition, dates, produits, nombres, dénominateur	Comprendre la mesure
Comparaison	Historique ou marques comparables, changements	Interpréter sans précision excessive
Exemples et limites	Réponses, lacunes, inconnues	Portée des nombres
Décision	Action ou maintien, responsable, coût, déclencheur	Choix pratique

Quatre parties ; cadence selon décision, pas quota.

Prochaine action

Expliquer observation et décision sans transformer taux échantillonné en marché, préférence ou revenu garanti.

Sources et méthodologie

Révision du 5 octobre 2026. PDF AthenaHQ actuel pages 5, 17, 18 : moyenne 16.3%, millions de réponses, sept modèles, mentions conditionnelles distinctes du share of voice. Décembre 2025–mars 2026 dans la section suivi des sources ne définit pas toutes les fenêtres ou N. Sources : https://athenahq.ai/reports/Athena-State-of-AI-Search-Report-2026.pdf; https://otterly.ai/pricing; https://www.tryprofound.com/pricing. Versions avec ancien 17.2% ne prouvent pas un recul du marché. Retrait comparaison 100% attendue, graphique Spotlight 77%/31% non vérifié et multiples tarifaires sans correspondance. Définitions et cadre Tenten, pas parts standard ni conversions auditées.

Discutons de vos priorités en recherche IA

Demander une interprétation du benchmark en 30 minutes

Envoyez votre demande. Nous confirmerons un créneau par e-mail sous 24 heures.