Mesurez votre visibilité IA sans vous raconter d’histoires.
Un chiffre de visibilité est la part des réponses qui vous mentionnent, mesurée sur un échantillon. Ce chapitre explique quelles questions poser, combien de fois les poser, quoi enregistrer et comment lire le résultat honnêtement.
Chapitre 2 sur 6 du guide de la visibilité IA
Quelles questions d’achat devriez-vous suivre ?
Suivez les questions qu’un acheteur pose avant de connaître votre nom : « quel est le meilleur X pour Y », « alternatives à X », « X vs Y », « quel X propose un essai gratuit ». C’est là que se forment les listes restreintes.
- Commencez petit. Cinq ou six sujets avec jusqu’à trois questions chacun suffisent pour voir le schéma. Ajouter des questions vaut la peine une fois que vous avez agi sur le premier ensemble.
- Séparez les questions de marque. Une question qui vous nomme vous mentionnera, que le moteur sache ou non qui vous êtes : elle dit donc peu de chose de votre visibilité. Servez-vous-en plutôt pour vérifier l’exactitude.
- Rédigez-les comme les acheteurs, en phrases complètes, avec les contraintes qui comptent pour eux : prix, taille de l’équipe, intégrations.
Mélanger des questions qui nomment une marque fait beaucoup bouger le chiffre. Dans notre propre benchmark de 220 réponses, le leader de la catégorie était mentionné dans 59 % des réponses au total et dans 40 % des réponses aux 16 questions qui ne nommaient aucune marque (le benchmark).
Pour construire la liste, voir comment trouver les questions d’achat pour lesquelles l’IA vous recommande; pour la formuler, comment tester les façons dont les acheteurs formulent une question; et pour lire les résultats, couverture des Prompts.
La formulation d’une question change-t-elle la réponse ?
Plus que de la reposer. Sur 13 994 réponses pour 96 marques, une marque mentionnée sur une formulation d’une décision d’achat était mentionnée sur une formulation sœur le même jour dans 55 % des cas. La même formulation, reposée plus tard, a conservé la marque dans 78 % des cas (l’étude sur les formulations).
L’exemple public de Tesla montre l’écart (analyses des 4, 8 et 15 oct. 2026). Sur cinq formulations d’une même décision de stockage réseau, deux ont mentionné Tesla dans 12 réponses sur 12 et deux ne l’ont mentionné dans aucune. Ces deux-là portaient sur le coût par MWh et les critères d’achat, et les moteurs ont répondu par des prix et des listes de contrôle, sans mentionner aucun des fournisseurs que citaient les autres formulations. Présentez chaque formulation séparément avant d’en faire la moyenne ; un score par sujet qui mêle 12 sur 12 et 0 sur 12 ne décrit ni l’une ni l’autre.
L’intervalle à 95 % d’une seule vérification qui vous a mentionné : compatible avec un moteur qui vous mentionne une fois sur cinq.
Le calcul, 20 sept. 2026Changements quotidiens dans une réponse isolée qui se sont inversés le lendemain, sur 40 questions d’achat et quatre moteurs.
Du 5 au 13 oct. 2026Nombre de fois où deux entreprises au même taux de mention de 44 % ont été mentionnées en premier dans les mêmes 160 réponses.
Du 4 au 9 oct. 2026Pourquoi une seule vérification ne suffit-elle pas ?
Posez deux fois la même question au même moteur et vous pouvez obtenir deux réponses différentes. Une réponse est un échantillon, pas un fait, et une poignée d’échantillons peut induire en erreur. Une seule réponse qui vous mentionne a un intervalle à 95 % de 20,7 % à 100 % ; une seule absence, de 0 % à 79,3 % (pourquoi une réponse en dit si peu).
La façon honnête de présenter un taux issu d’un petit échantillon, c’est avec un intervalle. Dans l’exemple de Tesla, ChatGPT a mentionné Tesla dans 16 réponses sur 25, soit 64 %, mais l’intervalle de Wilson à 95 % va d’environ 45 % à 80 %. Les 10 sur 25 de Perplexity vont d’environ 23 % à 59 %. Les deux plages se chevauchent : même cet écart ne prouve donc pas encore qu’un moteur favorise Tesla. Davantage de réponses resserrent la plage : 60 sur 200 va d’environ 24,1 % à 36,7 %. Un changement ne veut dire quelque chose que s’il dépasse le bruit ; le chapitre 6 explique comment le vérifier, et ce que signifie l’intervalle à 95 % explique la plage elle-même.
La méthode complète se trouve sur la page méthodologie, et les termes dans le glossaire.
Que devriez-vous enregistrer, en plus du fait d’avoir été mentionné ?
- Où vous avez été mentionné. Les réponses aux questions d’achat mentionnent généralement plusieurs entreprises ; dans notre échantillon, la médiane était de cinq. Deux entreprises mentionnées chacune dans 70 des mêmes 160 réponses ont été mentionnées en premier 38 et 15 fois (la position, pas seulement la présence).
- Si le moteur a cherché. Une réponse qui n’a jamais rien cherché ne peut refléter aucune modification de page (chapitre 1).
- Quelles pages il a citées, et quels concurrents il a mentionnés à votre place. C’est la matière première du chapitre 3.
- Chaque moteur séparément. Un score combiné masque le moteur sur lequel vous devez travailler. Le cadre de mesure de l’IAB d’août 2026 place la position à côté du taux de mention parmi les indicateurs de marque essentiels et considère comme exploratoire toute analyse de moins de 50 requêtes.
Les pages part de voix IA et score de visibilité IA montrent comment ces éléments se résument en un seul chiffre, et ce que chacun masque.
À quelle fréquence devriez-vous mesurer ?
Les réponses isolées changent chaque jour ; un ensemble fixe de questions bouge beaucoup moins. Sur 40 questions d’achat posées chaque jour à quatre moteurs, environ un nom sur cinq présent dans une réponse avait disparu le lendemain, et 47 % de ces changements s’étaient inversés un jour plus tard. Pourtant, le taux d’une seule journée se situait à une médiane de 3,6 points de la moyenne de la semaine (l’étude sur la fréquence).
- Pour suivre une tendance sur un ensemble large et fixe de questions : une fois par semaine suffit généralement.
- Si vous suivez 20 questions ou moins : des exécutions quotidiennes moyennées sur la semaine donnent un intervalle bien plus étroit.
- Pour vérifier un changement que vous venez de publier : le quotidien montre quel jour les réponses ont bougé et si le mouvement a tenu.
Plus de détails sur cet arbitrage dans suivi quotidien de la visibilité IA.
Continuer la lecture
Chaque chapitre
À lire aussi
- IAB : Measuring Visibility in the AI Era (août 2026) www.iab.com/wp-content/uploads/2026/07/IAB_Measuring_Visibility_in_the_AI_Era_August_2026-1.pdf
- Brown, Cai et DasGupta : Interval Estimation for a Binomial Proportion, Statistical Science 16(2), 2001 projecteuclid.org/journals/statistical-science/volume-16/issue-2/Interval-Estimation-for-a-Binomial-Proportion/10.1214/ss/1009213286.full
- Intervalle de score de Wilson en.wikipedia.org/wiki/Binomial_proportion_confidence_interval#Wilson_score_interval
Les chiffres de Proofsource renvoient à l’article ou à l’étude qui les a mesurés, avec ses dates et sa méthode. Dites-le-nous si quelque chose ici n’est plus à jour.
Découvrez où l'IA vous oublie. Et corrigez-le.
Voyez quelles questions d’achat nomment votre marque, qui est nommé à votre place et quoi corriger. 200 réponses. 25 Prompts/question. Les meilleurs moteurs d’IA. 2 jours. Gratuit. Sans carte bancaire.