Principe de base : mesurer des réponses, pas des positions
En SEO classique, on suit souvent une position sur une requête. En IA, la réponse est composée : elle peut citer plusieurs sources, mentionner plusieurs marques, reformuler les critères de choix et changer d’un run à l’autre. La bonne unité de mesure n’est donc pas la position, mais l’apparition dans une réponse.
Un reporting utile doit distinguer quatre niveaux : marque absente, marque mentionnée, source citée, marque recommandée. Ces niveaux n’ont pas la même valeur commerciale.
Les métriques utiles
AI Citation Rate
prompts avec citation / total promptsMesurer la fréquence absolue à laquelle une marque apparaît dans les réponses.
Share of Voice IA
mentions marque / mentions totalesComparer la présence d’une marque face aux concurrents sur un panel de prompts.
Share of Model
part de présence par moteurIdentifier les écarts entre ChatGPT, Perplexity, Gemini, AIO et Bing Copilot.
Citation Stability
citation répétée / runs multiplesDistinguer une apparition ponctuelle d’une présence robuste.
Sentiment IA
positif / neutre / réservé / négatifComprendre si la marque est recommandée, seulement mentionnée ou critiquée.
Protocole de mesure en 7 étapes
La rigueur compte plus que l’outil. Avant de chercher un dashboard parfait, il faut un panel de prompts stable et une grille de codage partagée.
- Définir 30 à 100 prompts représentatifs de la catégorie.
- Séparer les prompts informationnels, comparatifs, commerciaux, objectionnels et locaux.
- Exécuter les mêmes prompts sur les mêmes moteurs et noter la date.
- Archiver la réponse, les sources visibles et les marques concurrentes.
- Coder chaque réponse : citation source, mention de marque, rang d’apparition, sentiment.
- Relancer les mesures sur plusieurs runs pour évaluer la stabilité.
- Comparer les résultats par moteur avant de produire le score global.
Construire un prompt set représentatif
Un prompt set ne doit pas seulement contenir les mots-clés que vous visez déjà en SEO. Il doit couvrir les situations où un prospect demande une recommandation, compare des options ou cherche à comprendre un risque.
Lire les résultats sans surinterpréter
Une marque citée une fois sur Perplexity n’a pas « gagné le GEO ». Une marque absente d’un run ChatGPT n’a pas nécessairement perdu. Les moteurs sont volatils, les sources bougent, les interfaces évoluent et certains sujets déclenchent plus de prudence que d’autres.
Quels outils utiliser ?
Plusieurs outils suivent les citations IA, mais aucun ne dispense de définir le protocole. Bing Webmaster Tools AI Performance, des trackers multi-LLM et des exports manuels peuvent coexister dans un même reporting. Le plus important est de garder la méthode constante.
Le fichier llms.txt doit rester à sa place dans cette lecture. Les clarifications récentes autour de Lighthouse et des audits Agentic Browsing montrent qu’il peut aider certains agents à lire une documentation technique, mais il ne doit pas être vendu comme facteur de ranking ou comme raccourci pour gagner des citations IA.
Les outils doivent répondre à trois questions : quels prompts déclenchent une présence, quelles sources soutiennent cette présence, et quels concurrents captent la place quand votre marque est absente.
Passer de la mesure à l’action
Une mesure GEO n’a de valeur que si elle produit une décision : corriger une page, créer une définition, publier une étude, renforcer une entité, obtenir une source tierce ou tester un nouveau format. Le score seul ne suffit pas.
Pour comprendre pourquoi une source est sélectionnée, lire le dossier comment fonctionnent les citations IA.