Mesurer sa visibilité dans les réponses des assistants IA

1. Choisir les questions

On part des questions que les clients posent réellement, écrites dans leurs mots. Une question inventée pour flatter la marque ne mesure rien : elle mesure la question.

Les questions se séparent en trois intentions qui ne se mélangent jamais. La découverte ne nomme aucune marque — c’est la seule qui dise si une entreprise est trouvée par quelqu’un qui ne la connaît pas. La marque porte le nom de l’entreprise dans la question : elle dit comment l’assistant la décrit, pas si on la découvre. L’examen soumet le site lui-même à l’assistant.

Chaque question est figée avec un identifiant et une langue. Une question reformulée devient une autre question : comparer les deux reviendrait à comparer deux mesures différentes en les présentant comme une évolution.

2. Enregistrer les réponses

Chaque question est posée sur une interface identifiée — une API nommée, un modèle nommé — et la réponse entière est conservée.

Avec elle : la date, le modèle interrogé, les sources citées, le mode de recherche demandé dans la requête et l’état de la recherche réellement exécutée. Ce dernier point compte autant que la réponse : une recherche peut être demandée et ne pas avoir lieu. Trois états sont distingués — confirmée, absente, et inconnue lorsque l’interface ne le dit pas.

Une réponse interrompue est marquée non mesurée. Elle n’entre dans aucun total : une panne n’est ni une présence ni une absence, et la compter au dénominateur ferait baisser un taux pour une raison technique.

3. Calculer les indicateurs

Trois constats distincts, jamais additionnés : la marque est-elle nommée dans la réponse, est-elle recommandée, et la réponse cite-t-elle une page du site. Une mention n’est pas une recommandation, et une citation de page n’est pas une mention.

Chacun s’écrit avec son dénominateur : le nombre de réponses mesurées du même segment. Un segment est la combinaison d’une interface, d’une langue, d’une intention et d’un état de recherche. Deux segments ne s’additionnent pas.

Exemple, entièrement fictif, donné pour la forme et non comme un résultat : sur un segment de 12 réponses mesurées, 4 nomment la marque, 1 la recommande, 2 citent une page du site. On écrit « 4 sur 12 », jamais « 33 % de visibilité ».

Une part de voix se calcule par rapport à une liste de concurrents que l’on a écrite soi-même : un acteur absent de cette liste n’y pèse rien. Ce n’est donc pas une part de marché.

4. Comparer deux campagnes

On compare les mêmes questions, sur la même interface, dans le même mode de recherche, et on affiche les deux dénominateurs. Si l’un des paramètres a changé, la comparaison est présentée comme non établie plutôt que comme une évolution.

Un total accumulé sur plusieurs campagnes ne sert pas de dénominateur à la suivante : il décrirait une période plus longue que celle qu’on juge.

Une comparaison avant/après ne suffit pas, à elle seule, à attribuer une variation à une modification du site. Les plateformes changent leurs modèles et leurs sources sans nous le dire, et une même question peut rendre deux réponses différentes le même jour.

5. Ce qui reste hors de portée

La cause. Une page souvent citée n’est pas la raison démontrée d’une recommandation, et aucun chiffre de cette méthode n’est une probabilité d’être cité.

Les plateformes décident de l’indexation, du classement et des citations. Aucune position ni citation ne peut être garantie, par personne.

Une réponse d’API n’est pas une réponse d’application grand public : l’application tient compte d’un compte, d’un historique et d’une personnalisation que l’API n’a pas. Les deux sont mesurées séparément et ne se comparent pas.