Mesurer la visibilité IA sans se faire d'illusions

Pour mesurer la visibilité IA, construisez un panel fixe de prompts fondé sur de vraies questions d'audience, exécutez-le régulièrement sur ChatGPT, Gemini, Perplexity et Google AI Overviews, et notez si votre marque est mentionnée, citée ou liée, et comment elle est décrite. Répétez les exécutions, car les réponses varient, et rendez compte de tendances plutôt que de résultats isolés.

Pourquoi la visibilité IA est-elle difficile à mesurer ?

Pour trois raisons, et il est utile de les énoncer avant que quiconque ne construise un tableau de bord.

• Les réponses ne sont pas déterministes. Posez deux fois la même question et vous pourrez obtenir des marques, des sources et des formulations différentes.
• Les réponses sont personnalisées et contextuelles. Le lieu, l'historique du compte, le contexte de la conversation et la version du modèle font tous varier les résultats.
• Il n'existe pas de « position » publiée. Contrairement à un classement de recherche, il n'y a pas de rang officiel à consulter, et la plupart des plateformes d'IA fournissent peu d'analyses aux marques.

Toute capture d'écran isolée d'un assistant qui nomme votre marque, ou qui ne la nomme pas, n'est donc qu'une anecdote. Mesurer, c'est échantillonner.

Que faut-il mesurer ?

Chez SNMRush, nous suivons quatre niveaux, à l'image de notre nom : Search, Neural answers et Mentions.

1. Présence : la part des prompts dans lesquels votre marque est mentionnée.
2. Citation : la part dans laquelle l'une de vos pages est affichée comme source ou liée.
3. Exactitude : la description est-elle correcte (catégorie, offre, lieu, aucune confusion avec d'autres marques) ?
4. Part de mentions : la fréquence à laquelle vous apparaissez par rapport aux concurrents nommés sur le même panel.

En parallèle, conservez les indicateurs de recherche classiques, car de nombreuses réponses d'IA s'ancrent dans les résultats de recherche : classements sur les mêmes questions, impressions dans Search Console et trafic référent provenant des outils d'IA dans vos analytics (des sources comme chatgpt.com ou perplexity.ai apparaissent désormais dans de nombreux rapports de référents).

Comment construire un panel de prompts ?

Le panel est le cœur de la méthode, et sa qualité détermine si les chiffres veulent dire quelque chose.

La plupart des équipes commencent par imaginer des prompts en réunion. Le résultat est une liste des questions que l'équipe marketing poserait, ce qui correspond rarement à ce que demandent les clients. Nous construisons plutôt nos panels à partir de preuves. SNMRush utilise SOMIN, une plateforme de recherche d'audience par IA, pour faire émerger les questions et tensions que les gens expriment sur une catégorie dans les vraies conversations sociales, et nous formulons les prompts dans le langage propre à l'audience. La méthode est décrite dans trouver les questions que pose votre audience.

Un panel équilibré comprend généralement :

• Questions de catégorie : « Quelle est la meilleure façon de… », « Quels outils aident à… »
• Questions de problème : les tensions derrière la recherche, formulées comme les gens les formulent.
• Questions de comparaison : « X ou Y », « alternatives à X ».
• Questions de marque : « Qu'est-ce que [marque] ? », « [marque] est-elle adaptée pour… »
• Des variantes locales si vous opérez sur plusieurs marchés.

Cinquante à cent cinquante prompts, c'est une fourchette réaliste pour la plupart des marques. Figez le panel pendant un trimestre pour que les tendances soient comparables.

À quelle fréquence l'exécuter ?

Une fois par mois suffit pour la plupart des marques, chaque prompt étant exécuté plusieurs fois par moteur pour lisser les variations. Notez la date, le moteur, le mode (par exemple avec ou sans recherche web), le lieu et la réponse complète. Conservez les réponses brutes ; vous voudrez les relire quand un chiffre bougera.

Définitions

• Panel de prompts : une liste fixe de questions utilisée pour échantillonner les réponses d'IA dans le temps.
• Taux de présence : pourcentage des exécutions du panel qui mentionnent votre marque.
• Taux de citation : pourcentage des exécutions qui affichent votre domaine comme source.
• Part de mentions : vos mentions en proportion de l'ensemble des mentions de marques suivies dans le panel.

Quelles sont les erreurs courantes ?

• Rendre compte d'une seule exécution. Une réponse est un échantillon de un.
• Changer de panel chaque mois. Vous perdez la comparabilité.
• Compter les mentions sans les lire. Une mention qui vous décrit mal est un problème, pas une victoire.
• Revendiquer une causalité. Si la présence augmente après la publication d'une page, c'est encourageant, pas une preuve. Les modèles se mettent à jour, les concurrents changent et les moteurs ajustent leur récupération.
• Ignorer l'argent. La visibilité est un moyen. Reliez-la aux demandes et au chiffre d'affaires dès que possible.

Ce dernier point mérite d'être souligné. Notre application sœur FMedia montre, pour le paid media, qu'un ROAS de façade masque la rentabilité réelle ; l'équivalent en visibilité IA, c'est un nombre de mentions croissant qui ne se transforme jamais en conversation avec un acheteur. Suivez les conversions assistées et l'origine des demandes avec les indicateurs de visibilité.

Comment présenter les résultats ?

Un bilan mensuel d'une page fonctionne le mieux : les quatre taux principaux avec leurs courbes de tendance, les prompts qui ont le plus bougé, trois exemples de réponses citées mot pour mot, les sources que les moteurs d'IA citent le plus dans votre catégorie, et une courte liste d'actions. La page Reporting SOMIN montre une philosophie similaire appliquée plus largement au reporting marketing : chaque chiffre doit pouvoir être rattaché aux preuves qui le sous-tendent.

Pour voir comment des agences intègrent un reporting fondé sur les preuves dans la relation client, l'étude de cas Analytic Partners vaut le détour.

À quoi ressemble une bonne base de référence ?

Il n'existe pas de benchmark universel, et vous devriez vous méfier de quiconque en cite un. Une bonne base de référence, c'est simplement votre propre premier trimestre de données, mesuré de manière cohérente. Dès lors, les questions deviennent concrètes : quels prompts ne nous mentionnent jamais, quelles sources les moteurs citent-ils à notre place, et que faudrait-il pour devenir la meilleure source ?

Un autre conseil pratique : notez le modèle ou le mode que chaque moteur indique, lorsqu'il est visible. Quand une plateforme lance un nouveau modèle, les résultats peuvent changer du jour au lendemain, et vous voudrez distinguer cela de l'effet de votre propre travail.

C'est là que la mesure redevient du travail : les réponses indiquent les contenus qui commencent par la réponse à rédiger, les entités à clarifier et les mentions à obtenir. Mesurez honnêtement, agissez sur les manques, et mesurez à nouveau.