Peut-on vraiment savoir si une marque est citée par ChatGPT, Gemini ou Perplexity ? Oui — mais pas comme en SEO. Entre réponses probabilistes, biais invisibles et scores trop flatteurs, voici ce que les outils de mesure ne vous disent pas, et la méthode pour mesurer malgré tout

Peut-on vraiment mesurer la visibilité d’une marque dans les IA ?

Pendant vingt ans, le search nous a vendu une certitude bien confortable : un mot-clé, une position, un suivi propre dans le temps. Même requête, mêmes conditions, même résultat. On dormait tranquille.

Sauf que les IA génératives n’ont pas lu le manuel. Posez votre question à ChatGPT. Reposez-la. Reposez-la encore. Trois réponses, trois fois différentes. Pas un bug : une IA est probabiliste là où un moteur reste déterministe.

Une marque qui sort une fois, c’est peut-être de la chance. La même marque qui sort six fois sur dix, c’est un signal. Toute la bascule est là.

On ne compte plus une position, on compte une fréquence.

Définition

GEO — Generative Engine Optimization

Discipline qui vise à optimiser et mesurer la présence d’une marque dans les réponses générées par les IA (ChatGPT, Gemini, Perplexity…), là où le SEO optimise le classement dans les liens d’un moteur.

Le GEO, c’est l’art de prendre des décisions sérieuses sur des données dont personne ne peut prouver l’existence. Comprendre cette incertitude, c’est le minimum vital avant de croire le moindre rapport de visibilité IA.

Pourquoi une même question ne donne jamais la même réponse

Une IA génère sa réponse mot après mot, en choisissant à chaque étape le terme le plus probable. C’est, au fond, un auto-complete sous stéroïdes : il ne récite pas une réponse stockée, il la recompose à chaque fois.

À la question « la meilleure assurance auto, c’est chez qui ? », le modèle ne voit pas un gagnant. Il voit une distribution de probabilités : 27 % de chances de commencer par AG, 22 % par Ethias, 19 % par AXA, et ainsi de suite. Chaque génération, c’est un tirage dans cette distribution.

D’où la conséquence qui désarçonne tout le monde : la réponse que vous lisez n’est pas la réponse. C’est une réponse, une parmi des dizaines de possibles. Mesurer une IA sur un seul passage revient à juger un dé sur un seul lancer.

Comment savoir ce que les gens demandent vraiment aux IA ?

Personne ne connaît les vrais prompts des utilisateurs. En SEO, Google Ads nous donnait le volume. Côté IA, ce chiffre n’existe pas : ce que les gens tapent réellement dans une IA reste une boîte noire.

Pas de data ne veut pas dire ne rien faire. Chez Universem, on génère les prompts, mais proprement, en quatre temps :

La méthode Universem pour générer des prompts crédibles

1. 1

   Partir des mots-clés

   Un mot-clé cache toujours un besoin : le point d’ancrage dans de la donnée réelle.

2. 2

   Greffer personas et People Also Ask

   Google transforme déjà les requêtes en questions ; on les croise avec les profils cibles.

3. 3

   Scraper Reddit quand le projet le permet

   Pour récupérer de vraies questions d’humains, formulées sans filtre.

4. 4

   Passer le tout dans un modèle entraîné

   On obtient des prompts crédibles, adossés à de la donnée réelle. Imparfait, assumé, mais infiniment mieux qu’un prompt inventé au doigt mouillé.

Découvrez notre approche GEO complète→

Ce que les outils de mesure ne voient pas

Au moment où un outil scrape une réponse, il empile une série de couches invisibles, et chacune déforme un peu plus le résultat. La plupart des outils ne vous en parlent jamais. Trois méritent qu’on s’y arrête.

1. Le modèle et sa version changent les résultats

ChatGPT, Gemini, Claude, Perplexity, Copilot : chacun a pénétré ses marchés. Mesurer « l’IA » sans préciser quel modèle n’a aucun sens. Et ça empire à l’intérieur d’un même modèle : un GPT-4o et un 5.5 donnent des réponses franchement différentes.

2. Logué, non-logué, API : l’utilisateur simulé n’est pas le réel

La plupart des solutions simulent un utilisateur non connecté. Or un modèle ne répond pas pareil à un compte loggé et à un visiteur anonyme, ni à un gratuit et à un payant. Ajoutez la géolocalisation, et un suivi local sur un modèle mal localisé devient une aberration.

3. Historique, personnalisation, grounding et conversation

L’historique personnalise les réponses : mon Claude sait que mes pipelines tournent sur BigQuery. Le grounding ensuite : le modèle génère ses propres recherches web, qui varient à chaque fois. Enfin la conversation : on reformule, on corrige.

Les outils mesurent un one-shot. Les humains, eux, discutent.

Mentions, citations, share of voice : ce que ces métriques disent vraiment

Un score de visibilité IA, seul, ne veut rien dire. Le GEO arrive avec son jargon et un joli 82 sur 100 suffit à rassurer un comité de direction. Sauf que ce chiffre, tant qu’on ne sait pas comment il est calculé, est au mieux décoratif.

Le vrai socle est double : la mention et la citation. La mention a le plus d’impact ; mais quand aucune marque n’est nommée, c’est la citation de votre source qui devient le seul terrain de jeu. Et quand les deux coexistent, c’est la mention qui prime.

Définition

Share of mentions

Nombre de mentions de votre domaine divisé par le total des mentions sur une catégorie donnée. Le danger n’est pas la formule, c’est la manière dont on la fait parler.

Comment mesurer malgré les biais : portée et stabilité

Alors on baisse les bras ? Non. On mesure, mais avec une méthode qui transforme le bruit en signal, et elle tient sur deux leviers.

La portée d’abord : au moins dix prompts par intention. La stabilité ensuite : chaque prompt rejoué de trois à dix fois. Une exécution unique donne un oui/non tiré au sort ; dix exécutions donnent un taux propre. Portée fois stabilité, toujours, avant la moindre conclusion.

Deux principes non négociables

1. 1

   Honnêteté sur les limites

   Tout ce que vous venez de lire se dit au client ; la transparence sur l’incertitude fait partie du délivrable, pas des petites lignes.

2. 2

   Transparence sur la méthode

   Le client est inclus dans la génération des prompts, et chaque mesure est documentée prompt par prompt, avec ses dates.

Ce papier n’est pas un plaidoyer du renoncement. C’est un plaidoyer de la lucidité.

Google ouvre peu à peu la Search Console au GEO, la pub débarque sur ChatGPT : l’écosystème va mûrir. En attendant, on avance à moitié aveugle. Mais on avance, curieux et critiques.

Questions fréquentes

Peut-on mesurer sa visibilité dans les IA ?+

Oui, mais en fréquence et jamais de façon exacte : une IA est probabiliste. On compte combien de fois une marque apparaît sur N exécutions, pas une position figée.

Pourquoi ChatGPT ne donne pas deux fois la même réponse ?+

Parce qu’il génère sa réponse mot après mot en tirant dans une distribution de probabilités. La réponse lue est une possibilité parmi des dizaines.

Combien de prompts pour une mesure fiable ?+

Au moins 10 prompts par intention (portée), chacun rejoué 3 à 10 fois (stabilité). En dessous, vous mesurez surtout du bruit.