Demander un devis Devis

Mesurer sa visibilité dans les LLM

Les positions Google ne prédisent pas vos citations dans les réponses générées. Le protocole de relevé, quatre indicateurs, et les pièges de méthode.

· · révisé le · 11 min de lecture

Un tableau de bord de suivi affiché sur un écran dans un bureau.

Prenons une direction marketing qui présente deux courbes au même comité trimestriel. La première descend : les sessions organiques reculent sur l’année. La seconde monte : les requêtes de marque progressent. Le comité retient la première et conclut que le programme ne fonctionne pas.

Dans cet exemple, les deux courbes peuvent être justes en même temps. C’est leur lecture qui pose problème, pour une raison de construction : le tableau de bord n’a aucune place pour une hypothèse qu’il faudrait pouvoir examiner, celle d’une marque qui gagne en influence au moment où elle perd des clics.

Cet article décrit le dispositif qui permet de représenter cette situation : quatre indicateurs, un corpus de prompts, un protocole de relevé, et les trois décisions de méthode qui déterminent vos chiffres plus sûrement que votre performance.

Pourquoi vos positions ne prédisent pas vos citations

Parce que les assistants n’interrogent pas votre requête. Ils en fabriquent d’autres, les lancent en parallèle, et composent une réponse à partir des résultats de ces dérivées — un mécanisme décrit sous le nom de query fan-out. La page qui se classe sur votre requête n’est donc pas celle que le système a eu l’occasion de voir.

Ahrefs a chiffré l’écart. En interrogeant 15 000 requêtes de longue traîne dans Google et Bing, puis en posant les mêmes questions aux assistants, l’éditeur a retrouvé en moyenne 12 % des URL citées par quatre assistants dans le top 10 de Google pour le prompt d’origine. Sans Perplexity, le recouvrement tombe autour de 8 % pour ChatGPT, Gemini et Copilot.

Part des URL citées qui figurent dans le top 10 de Google AI Overviews 76 pour cent, Perplexity 28,6 pour cent, ChatGPT Gemini et Copilot autour de 8 pour cent. AI Overviews 76 % Perplexity 28,6 % ChatGPT, Gemini, Copilot ≈ 8 % 0 25 50 75 100 % Recouvrement moyen avec le top 10 de Google, pour le prompt d’origine
Source : Ahrefs, 15 000 prompts, 2025. Le chiffre des AI Overviews vient d’une étude antérieure du même éditeur.

La hiérarchie du graphique dit l’essentiel : plus un système est adossé à un index de recherche classique, plus ses citations ressemblent à un classement. Les AI Overviews, construites sur l’index de Google, puisent 76 % de leurs URL dans le top 10. Perplexity, qui exploite son propre index, se situe à 28,6 %. Les assistants généralistes, eux, décrochent presque complètement.

La conséquence opérationnelle est simple : deux surfaces, deux dispositifs de mesure. Votre suivi de positions reste valable pour la recherche classique et conserve une valeur prédictive sur les AI Overviews. Il n’en a pratiquement aucune sur les assistants. Un reporting qui mélange les deux produit mécaniquement des conclusions fausses.

Les quatre indicateurs qui remplacent la position moyenne

Aucun indicateur unique ne couvre le sujet. Quatre mesures distinctes sont nécessaires, et leur intérêt vient précisément de ce qu’elles ne disent pas la même chose.

Le taux de citation

La proportion des prompts de votre corpus dont la réponse vous cite. C’est votre taux de présence : il répond à « sommes-nous dans la conversation ? ». Il se calcule par plateforme, jamais en moyenne agrégée — les plateformes ne puisent pas aux mêmes sources, le graphique ci-dessus le montre, et une moyenne efface cet écart.

La part de citations

La proportion des emplacements de sources que vous occupez sur l’ensemble du corpus. C’est l’équivalent fonctionnel de la part de voix, et c’est le seul des quatre indicateurs qui situe votre marque par rapport aux autres. Le dénominateur compte : AI Mode affiche en moyenne sept domaines uniques par réponse, les AI Overviews environ trois. À taux de citation égal, votre part de citations sera donc structurellement plus faible sur AI Mode. Voir la définition détaillée.

Le taux de recommandation

La proportion des réponses qui vous citent et vous recommandent. Être mentionné dans un comparatif comme l’option à éviter compte dans votre taux de citation. Un taux de citation seul ne distingue pas ces deux cas : c’est pourquoi le taux de recommandation se suit à part.

La tonalité

La qualification de ce qui est dit de vous : factuelle, favorable, défavorable, erronée. La quatrième catégorie est la plus utile à suivre. Une erreur factuelle récurrente sur votre offre dans les réponses générées se traite — et ne se verra sur aucun indicateur quantitatif.

Les plateformes du marché agrègent volontiers ces mesures en un « score de visibilité IA ». Nous ne le faisons pas, pour une raison pratique : un score composite masque exactement l’information dont on a besoin, c’est-à-dire sur quels prompts on perd et pour quelle cause. Un score qui baisse de 62 à 58 n’indique aucune action. Un taux de citation stable avec un taux de recommandation en baisse en indique une, immédiatement.

Construire le corpus de prompts

Vingt prompts choisis avec les commerciaux valent mieux que cent tirés d’un outil de mots-clés. C’est contre-intuitif pour une équipe habituée à raisonner en volumes, et c’est la décision qui détermine la validité de tout le reste.

La raison est que les gens ne parlent pas à un modèle comme ils tapaient dans un champ de recherche. Une requête de quelques mots devient une question entière, avec un contexte, une contrainte et un critère de choix. Un corpus bâti sur vos mots-clés mesure donc une activité qui n’a pas lieu.

  • Les questions que vos commerciaux entendent en rendez-vous, reprises textuellement, y compris maladroites.
  • Les objections récurrentes, formulées comme un prospect les formulerait à un assistant.
  • Les demandes entrantes de votre support et les tickets d’avant-vente.
  • Les comparaisons avec vos concurrents nommés : ce sont les prompts où la réponse doit choisir entre vous et un autre.
  • Les questions sur votre secteur sans mention de marque, qui mesurent votre capacité à entrer dans une conversation que vous ne dominez pas encore.

Une fois arrêté, le corpus se fige. Vous ne pourrez comparer deux relevés que s’ils portent sur les mêmes prompts : toute addition crée une rupture de série qu’il faut documenter. Prévoyez une révision annuelle, pas trimestrielle. La constitution du corpus est détaillée au chapitre mesurer la visibilité générative du manuel.

Le protocole de relevé

Même corpus, même cadence, mêmes règles de comptage. Sans ces trois invariants, vous produisez une série de photographies sans lien, pas une mesure.

  1. Fixez la cadence : nous retenons un relevé par mois. Une cadence ne vaut que si elle est tenue dans la durée, et c’est ce critère qui la fixe.
  2. Répétez chaque prompt : cinq exécutions par plateforme au minimum, dans des sessions distinctes et sans historique de conversation.
  3. Journalisez la réponse complète, pas seulement le verdict. Vous aurez besoin du texte pour qualifier la tonalité et pour expliquer un décrochage six mois plus tard.
  4. Relevez les sources citées, y compris celles de vos concurrents. Cette liste montre qui occupe les emplacements de sources sur vos prompts ; rien ne garantit qu’elle recoupe celle que vous auriez dressée.
  5. Notez la version du modèle et la date. Un décrochage peut tenir à un changement de modèle, et vous ne pourrez l’examiner qu’avec cette information.

Les quatre premières étapes sont automatisables ; la cinquième est une note prise à la main à chaque relevé. C’est elle qui permet, plus tard, d’expliquer une rupture de série.

La variance n’est pas du bruit, c’est la mesure

Une réponse générée n’est pas déterministe. Le même prompt, posé deux fois, produit deux réponses et parfois deux listes de sources différentes. Un relevé unique n’est donc pas une position : c’est un tirage.

La conséquence est qu’il faut cesser de compter en présence binaire pour compter en fréquence. Sur cinq exécutions, une marque citée trois fois obtient 0,6 — et non « présente ». Cette fréquence est une donnée en soi : un prompt où vous passez de 0,2 à 0,8 vous apprend davantage qu’un prompt où vous êtes stable à 1,0, parce qu’il indique une position en train de se consolider.

Pour le reporting, cela change la forme de ce qu’on présente. Un point unique sur un graphique est trompeur ; une fourchette est honnête. C’est aussi ce qui permet de répondre à la question qu’un comité est en droit de poser : « est-ce que la hausse est réelle ? ». Avec une fréquence sur cinq exécutions, vous pouvez le dire. Avec un relevé unique, non.

Définir « cité » avant de compter

Le choix de la règle de comptage déplace vos chiffres sans que votre performance ait changé. Il faut donc l’écrire, la dater, et s’y tenir.

  • L’URL en source : votre page figure dans les liens affichés. Règle la plus stricte et la plus reproductible ; c’est celle que nous retenons par défaut.
  • La marque nommée dans le texte : votre nom apparaît dans la réponse, avec ou sans lien. Règle plus généreuse, et plus proche de la réalité perçue par l’utilisateur.
  • Le domaine affiché dans une carte de sources : votre domaine apparaît dans le panneau latéral. Règle intermédiaire, mais dépendante de l’interface, donc fragile dans le temps.

Un même corpus ne donne pas le même taux de citation selon celle des trois règles que vous adoptez, puisqu’elles ne comptent pas les mêmes occurrences. C’est la première chose à vérifier quand deux études publiées se contredisent, et la première à exiger d’un prestataire qui vous présente un chiffre.

Relier la visibilité au pipeline

Un indicateur de visibilité qui ne se raccorde à rien ne pèse pas dans un arbitrage budgétaire. C’est la partie la plus difficile du dispositif, et celle sur laquelle il faut être le plus honnête.

Le raccord direct est partiel. Une visite venue d’un assistant se reconnaît à son référent quand il est transmis : Google Analytics 4 en fait un canal par défaut, « AI Assistant », alimenté quand le référent correspond à une liste d’assistants. La documentation donne pour exemples ChatGPT, Gemini, Deepseek, Copilot et Grok, et range les AI Overviews et AI Mode dans « Organic Search ». Ce canal compte des visites, pas des expositions : la personne qui lit une réponse où vous figurez sans cliquer n’y apparaît pas, et une visite arrivée sans référent se confond avec les accès directs. Les données de clics indiquent par ailleurs que le trafic lui-même se contracte. Ahrefs, en comparant 150 000 mots-clés déclenchant une AI Overview à 150 000 mots-clés informationnels sans AI Overview, mesure un taux de clic inférieur de 58 % pour la page la mieux classée. Le Pew Research Center observait de son côté, en juillet 2025, que 8 % des visites donnaient lieu à un clic sur un résultat classique lorsqu’un résumé généré était affiché, contre 15 % sans.

  • Le volume de requêtes de marque, suivi en parallèle de votre présence générative : deux courbes à lire côte à côte, sans conclure que l’une cause l’autre.
  • La question d’origine déclarée en formulaire, à condition d’y ajouter explicitement les assistants comme réponse possible.
  • Le taux de transformation des sessions issues de requêtes de marque, qui peut signaler des prospects déjà convaincus en amont.
  • La mention spontanée en rendez-vous commercial, relevée par les commerciaux eux-mêmes — une donnée qualitative, à consigner telle quelle.

Aucun de ces raccords n’est une attribution. Ce sont des corrélations qu’il faut présenter comme telles. Un dispositif qui promet d’attribuer un euro de chiffre d’affaires à une citation dans ChatGPT promet quelque chose que personne ne sait faire aujourd’hui. Le chapitre attribution du manuel détaille ce que la Search Console, l’analytics et les journaux serveur montrent du trafic des assistants, et ce que rien n’attribue.

Pour revenir au comité de l’exemple : la même présentation, refaite avec un taux de citation par plateforme, une part de citations face à trois concurrents nommés et le volume de requêtes de marque, montre les deux mêmes courbes. Seule leur lecture change — et c’est ce qu’on attend d’un dispositif de mesure.

Sources

  1. Ahrefs — Only 12% of AI Cited URLs Rank in Google’s Top 10 for the Original Prompt Publié le 11 août 2025. 15 000 requêtes de longue traîne, données Brand Radar. La moyenne de 12 % du titre inclut Perplexity (28,6 %) ; l’article écrit « around 8% » pour les autres assistants. Le chiffre de 76 % pour les AI Overviews vient d’une étude antérieure du même éditeur (juillet 2025).
  2. Semrush — How Google’s AI Mode Compares to Traditional Search and Other LLMs 5 000 mots-clés, plus de 150 000 citations ; recouvrement mesuré en domaines et en URL.
  3. Ahrefs — Update: AI Overviews Reduce Clicks by 58% Publié le 4 février 2026. 150 000 mots-clés avec AI Overview contre 150 000 sans, données de décembre 2025. Ahrefs présente le résultat comme une corrélation, non comme une causalité établie.
  4. Pew Research Center — Google users are less likely to click on links when an AI summary appears in the results Publié le 22 juillet 2025. 900 adultes américains ayant accepté de partager leur navigation ; relevé de mars 2025. Google a contesté la méthode.
  5. Analytics Help — [GA4] Default channel group Source primaire. Définition du canal « AI Assistant », alimenté quand le référent correspond à une liste d’assistants ; les AI Overviews et AI Mode sont rangés dans « Organic Search ». La liste complète des référents reconnus n’y figure pas. Consultée le 19 novembre 2026.

Passer à la pratique

Appliquer cela à votre site ?

Décrivez votre situation : nous répondons par écrit, avec une première lecture de ce qu’il faudrait regarder d’abord.

Voir le diagnostic

Vous recevez un premier avis écrit et le prix du diagnostic.
4,9/5 sur 34 avis Google. Réponse écrite, sans relance commerciale. Vos données ne servent qu’à vous répondre.