Depuis l’arrivée de ChatGPT, Claude ou Google AI Overviews dans les habitudes de recherche, une nouvelle génération d’outils a fait son apparition. Ils promettent de mesurer la “visibilité” d’une marque dans les réponses générées par l’IA. Sur le papier, l’idée séduit. Dans les faits, ces scores méritent d’être pris avec beaucoup de recul.

Un score qui dépend surtout du prompt choisi

Pour résumer leur fonctionnement, on donne à ces outils une liste de prompts, ils interrogent plusieurs IA génératives avec ces requêtes, puis ils calculent un pourcentage d’apparition de la marque dans les réponses. Ce chiffre est ensuite présenté comme un indicateur de performance comme le serait une position moyenne sur Google.

Le problème, c’est que ce pourcentage dépend presque entièrement de la façon dont les prompts ont été rédigés. Si un prompt de test contient déjà le nom de l’entreprise, il y a de fortes chances que la réponse le mentionne aussi. Cela peut donner un score de visibilité de 100%, alors que la requête ne reflète en rien ce qu’un utilisateur taperait naturellement dans ChatGPT ou Perplexity.

D’allieurs, certaines agences ne s’en privent pas. Elles construisent des jeux de prompts favorables pour gonfler artificiellement les scores présentés à leurs clients. Le chiffre final impressionne dans un rapport mensuel, mais il ne dit rien de la manière dont une marque est réellement perçue par les IA sur des recherches génériques, celles que tapent les vrais internautes.

Pour qu’un score de visibilité ait un minimum de valeur, il faudrait qu’il repose sur des prompts proches du langage courant, sans nom de marque injecté artificiellement dedans. C’est rarement le cas aujourd’hui, et c’est bien là que le bât blesse.

Lire Aussi : Faut-il bloquer les robots IA sur votre site ?

Les domaines les plus cités, une piste plus solide

Plutôt que de courir après un score global peu fiable, il est plus utile de regarder quels domaines reviennent le plus souvent dans les citations des IA génératives, tous prompts confondus. Cette approche change complètement la logique de travail. Au lieu de vouloir apparaître coûte que coûte sur chaque prompt lié à son secteur, on cherche à comprendre quels types de sites les modèles considèrent comme fiables et citent en priorité.

Cette analyse fait souvent ressortir trois catégories de sites qui reviennent régulièrement.

Les plateformes de contenu généré par les utilisateurs et les réseaux sociaux, qui pèsent bien plus lourd qu’on ne le pense dans les réponses des IA. Reddit en particulier ressort très souvent, tout comme certains forums spécialisés selon les secteurs.

Les médias et publications qui bénéficient d’une autorité reconnue par les modèles de langage, ce qui rejoint en partie la logique de la fiabilité éditoriale déjà valorisée par Google depuis des années.

Les concurrents cités fréquemment, qu’il vaut la peine d’étudier de près pour comprendre pourquoi les IA les mettent en avant plutôt que soi.

Étudier ce que font les concurrents bien cités

Les outils de suivi de visibilité IA ont quand même un mérite, celui de révéler des trous dans le contenu d’un site, au-delà de la seule logique des mots-clés. Un site qui ne répond pas à une question précise que se posent ses prospects a peu de chances d’apparaître dans une réponse générée, même si ce site est bien positionné sur Google pour les mots-clés associés.

La méthode consiste à repérer les concurrents qui apparaissent souvent dans les réponses des IA sur des prompts liés à son activité, puis à regarder de près leurs pages qui traitent ces sujets. Dans la majorité des cas, on retrouve des contenus qui répondent de façon directe et complète à une question précise, avec des informations concrètes, des chiffres, des comparatifs ou des retours d’expérience.

Ce travail débouche naturellement sur une stratégie de contenu construite autour des vraies attentes de l’audience, plutôt que sur une liste de mots-clés à caser dans des articles.

Lire Aussi : Humaniser un texte IA : pourquoi ça ne suffit plus à tromper Google ni vos lecteurs en 2026

Citations visibles et citations invisibles, une nuance qui change tout

Un point mérite d’être clarifié, car il sème souvent la confusion chez les personnes qui découvrent le sujet. Il existe deux types de citations dans les réponses des IA génératives.

Les citations invisibles sont des liens intégrés dans la réponse ou affichés dans un panneau latéral, sans que le nom de la marque ou du site soit mentionné dans le texte généré. L’utilisateur peut cliquer dessus s’il le remarque, mais dans la pratique, ces liens génèrent très peu de trafic. Les chiffres qui circulent sur le sujet montrent un écart énorme entre le trafic provenant de Google et celui provenant des plateformes IA, largement en défaveur de ces dernières.

Les citations visibles, à l’inverse, nomment explicitement une marque ou une entreprise dans le corps de la réponse. Ce sont elles qui influencent réellement les décisions d’achat, d’après les retours de terrain observés sur plusieurs secteurs. Un internaute qui lit “la marque X est reconnue pour…” dans une réponse ChatGPT retient ce nom bien plus facilement qu’un simple lien perdu au milieu d’une liste de sources.

Cela dit, les citations invisibles ne sont pas à jeter. Elles indiquent qu’une page a été jugée pertinente par le modèle, même sans que le nom de la marque ait été repris. C’est souvent le signe qu’il manque, sur cette page, une réponse claire et bien formulée à la question posée, celle qui permettrait au modèle de citer directement la marque plutôt que de se contenter d’un lien discret.

Les prompts de marque, l’indicateur le plus fiable au final

S’il ne fallait retenir qu’une seule méthode pour évaluer sa présence dans les IA génératives, ce serait celle des prompts de marque. Contrairement aux scores globaux, ces prompts donnent une lecture concrète et actionnable de ce que les modèles savent, ou ne savent pas, sur une entreprise.

Quatre types de questions permettent de tester cela efficacement:

  • Qu’est-ce que [nom de l’entreprise] ? Cette question basique révèle souvent des surprises, avec des descriptions approximatives, datées ou carrément erronées.
  • [Nom de l’entreprise] versus [nom d’un concurrent] :La comparaison montre comment le modèle positionne une marque par rapport à ses rivaux directs, et sur quels critères.
  • [Nom de l’entreprise] avis et réclamations : Cette requête permet de repérer si des contenus négatifs, parfois anciens ou non représentatifs, dominent la perception que l’IA renvoie.
  • [Nom de l’entreprise] est-elle fiable ? Une question qui touche directement à la confiance, un sujet sur lequel les IA génératives s’appuient beaucoup sur les avis clients, les articles de presse et les mentions tierces.

En passant ces prompts régulièrement dans plusieurs outils IA, on obtient une image bien plus fidèle de sa présence réelle qu’avec n’importe quel score de synthèse. Et surtout, chaque réponse pointe vers une action concrète à mener, que ce soit corriger une information erronée, publier un contenu plus complet ou travailler la e-réputation sur des plateformes tierces.

Les scores de visibilité proposés par les outils de suivi IA donnent une impression de mesure précise, mais reposent sur des bases fragiles dès lors que les prompts utilisés ne reflètent pas les recherches réelles des internautes. Mieux vaut orienter son analyse vers des indicateurs plus concrets, les domaines les plus cités, les pages des concurrents qui performent bien, la distinction entre citations visibles et invisibles, et surtout les prompts de marque, qui restent à ce jour la méthode la plus fiable pour savoir ce que les IA disent réellement d’une entreprise.