Les deux chiffres qui comptent dans la recherche par IA : la confiance et la visibilité.
Les moteurs d’IA ne classent pas les marques. Ils les sélectionnent. Une fois qu’on a compris comment se fait cette sélection, l’essentiel de ce qu’on appelle « SEO pour l’IA » perd son intérêt, et il reste deux mesures.
Quand quelqu’un demande à ChatGPT, Gemini, Perplexity, Claude ou Grok quel produit choisir, le moteur ne consulte pas un classement. Il décide s’il doit chercher, reformule la question en ses propres requêtes, lit une poignée de pages, choisit lesquelles croire et rédige une réponse unique qui cite quelques noms. Une marque peut disparaître à chacune de ces étapes, et la correction diffère à chaque fois.
Tout le sujet tient dans cette chaîne. Le reste (fichiers schema, fichiers texte spéciaux pour les robots d’exploration, graphiques d’autorité de domaine) n’est qu’une petite partie d’une étape, ou rien du tout. Google dit clairement qu’il ne lit pas le fichier llms.txt et qu’aucun balisage particulier n’est nécessaire pour ses fonctionnalités d’IA. Ce qui fait bouger le résultat, c’est ce que le moteur peut récupérer, ce que dit ce contenu et qui d’autre le dit.
Mesurer deux choses, et les garder séparées
Les acheteurs posent aux moteurs deux types de questions très différents. Ils s’informent sur des marques qu’ils connaissent déjà, et sur des catégories dans lesquelles ils cherchent à choisir. Il faut deux chiffres distincts, car une marque peut être parfaitement décrite quand on la nomme et totalement absente quand l’acheteur ignore qu’il devrait la nommer.
L’acheteur demande « Qu’est-ce que la marque X ? Est-elle sûre ? »
- ·exacte et à jour
- ·des preuves, détenues par des tiers
- ·des risques présentés équitablement
- ·une recommandation assurée
L’acheteur demande « Meilleures options pour [catégorie] ? »
- ·mentionnée, tout simplement
- ·mentionnée dans la bonne catégorie
- ·recommandée, pas seulement listée
- ·part face aux concurrents
La confiance, c’est ce que dit le moteur quand un acheteur se renseigne sur vous nommément. Il ne s’agit pas de la tonalité. Une réponse peut paraître chaleureuse et dire tout de même « les preuves indépendantes sur sa sécurité sont limitées » : c’est un échec de confiance sur un ton positif. La bonne mesure consiste à vérifier si la réponse est exacte, à jour, étayée par des sources autres que vous, équitable sur les risques et assez assurée pour recommander.
La visibilité, c’est le fait d’entrer dans la liste des options envisagées quand un acheteur pose une question sur la catégorie sans citer votre nom. Le mot clé est qualifiée. Une mention dans la mauvaise catégorie, ou comme exemple de ce qu’il ne faut pas acheter, ne compte pas. Sous le chiffre principal se trouvent le taux de mention, le taux de recommandation, la part de premières recommandations et la part de voix face aux concurrents effectivement cités.
Les citations, ces liens affichés sous une réponse, servent au diagnostic et ne sont pas un objectif. Dans nos propres mesures, l’écart va toujours dans le même sens : les moteurs nomment une marque sans citer son site bien plus souvent qu’ils ne citent un site sans nommer la marque. Suivez les deux. Ne les additionnez jamais.
Les moteurs ne forment pas un seul système
La plus grosse erreur du secteur, c’est un plan d’action conçu pour « l’IA ». Chaque moteur a sa propre façon de lire le web et ses propres sources de prédilection : une même marque a donc besoin d’une présence légèrement différente pour chacun.
| Moteur | S’appuie sur | Sa façon de lire |
|---|---|---|
| ChatGPT | Wikipedia, la presse, votre documentation | deux requêtes reformulées ; peut répondre de mémoire |
| Google AI Mode | Reddit, YouTube, le Knowledge Graph | de nombreuses requêtes ; un tiers seulement recoupe le top 10 |
| Perplexity | Reddit, puis YouTube | récupération en direct, passage par passage |
| Claude | documentation, audits, publications | ne cherche que lorsqu’il en a besoin |
| Grok | le web, ainsi que les publications et les fils de discussion sur X | identifie votre compte X ; cite ce que lisent ses outils |
Deux conséquences en découlent. D’abord, présentez les résultats moteur par moteur : une part de voix agrégée masque un gain sur Perplexity derrière une perte sur ChatGPT. Ensuite, la présence hors de votre site compte davantage que le soin apporté au site lui-même. Sur 75 000 marques (Ahrefs), les mentions sur YouTube et ailleurs sur le web sont bien plus fortement corrélées à la visibilité IA que le Domain Rating ou la taille du site. Les moteurs font confiance à ce que les autres disent de vous.
Nommer la défaillance avant de corriger quoi que ce soit
Comme le processus comporte des étapes, l’absence d’une marque a une cause, et cette cause détermine le travail à faire. Nous utilisons douze catégories de défaillances. Voici les plus fréquentes :
- F1Retard du modèle. La réponse par défaut du moteur est dépassée, mais sa réponse avec recherche est juste. Le web, lui, est à jour ; le modèle n’a pas encore suivi. Alimentez l’écosystème, et ne promettez jamais de date.
- F2Éligibilité. Le robot de collecte propre au moteur ne peut pas lire vos pages. Chaque moteur a son propre robot et ses propres règles robots.txt ; vérifiez ce que chacun reçoit réellement.
- F4Sélection. Vous avez une page pertinente, mais les sources de vos concurrents continuent de l’emporter lors de la récupération des contenus. La correction se fait sur les sources que le moteur lit déjà, pas sur votre page.
- F6Corroboration. Vous êtes seul à l’affirmer. Vos propres pages l’énoncent ; des sources indépendantes le rendent crédible. C’est le mécanisme de confiance commun à tous les moteurs.
- F8Récit. Vous êtes cité, mais mal décrit, le plus souvent comme le produit que vous étiez autrefois. Corrigez-le à la source avec une page datée qui dit ce que vous êtes aujourd’hui et ce que vous n’êtes plus.
L’ordre du travail en découle. Établissez les faits sur la marque, preuves à l’appui. Assurez-vous que chaque moteur peut les récupérer. Faites concorder chaque représentation de la marque, sur votre site, dans les bases de données de la catégorie et sur les profils à partir desquels les moteurs établissent son identité. Repérez les dix ou vingt pages qui façonnent déjà les réponses sur la catégorie. Ensuite seulement, rédigez le plus petit ensemble de ressources qui couvre la décision de l’acheteur, et gagnez votre place dans les sources qui façonnaient les réponses sans vous.
Mesurer comme un scientifique, pas comme un tableau de bord
Les réponses sont aléatoires. La même question, posée cinq fois, ne donne pas cinq fois la même réponse. Un relevé isolé du lundi qui affiche 100 %, puis 0 %, ne vous a presque rien appris. Figez un ensemble de questions de référence, posez chacune plusieurs fois à chaque moteur, indiquez la variance avec le chiffre et ne retenez que les évolutions qui la dépassent durablement. Notez si le moteur a fait une recherche ou répondu de mémoire, car ce sont des résultats différents. Quand vous modifiez l’ensemble de questions, commencez une nouvelle série au lieu de faire comme si l’ancienne continuait.
Procédez ainsi, et les deux chiffres deviennent exploitables : un relevé de confiance qui vous indique quelle affirmation manque de preuves, et un relevé de visibilité qui vous indique dans quelles sources gagner votre place. C’est toute la méthode. Le reste, c’est faire le travail.
Où en êtes-vous ?
Nous mesurons ces deux chiffres chaque semaine, sur tous les grands moteurs d’IA, et faisons le travail qui les fait progresser.