Nous écrivions hier que les logs serveur sont la seule preuve fiable du passage des robots d'IA sur un site. Ils mesurent l'entrée du système : ce qui a été téléchargé, quand, par qui. Reste l'autre bout de la chaîne, celui dont tout le monde parle et que presque personne ne mesure proprement : la sortie. Est-ce que le moteur vous cite, à qui, sur quelles questions, et par rapport à qui.

C'est là que le marché du GEO produit ses chiffres les plus douteux. Un score sur cent, une courbe qui monte, une part de voix de 23 %. La question qu'il faut se poser avant d'acheter ou de construire quoi que ce soit est celle-ci : ce nombre est-il reproductible ? Si vous relancez la même mesure demain, sans avoir rien changé, obtenez-vous le même résultat ?

Pour la plupart des tableaux de bord vendus aujourd'hui, la réponse est non. Ce n'est pas un défaut d'outillage, c'est une propriété du matériau mesuré. Reste à savoir quoi en faire, parce qu'il existe malgré tout une façon honnête de suivre sa visibilité générative.

Trois choses différentes qu'on appelle « citation »

Le vocabulaire est flou, et le flou coûte cher au moment d'interpréter un rapport. Trois événements distincts se cachent derrière le mot.

La mention. Le moteur écrit le nom de votre marque dans sa réponse, sans lien. C'est un signal de notoriété, qui provient souvent des connaissances du modèle plutôt que d'une lecture de votre site. Il peut donc exister sans qu'aucun robot ne soit jamais passé chez vous.

La citation liée. Votre URL apparaît dans les sources de la réponse, cliquable. C'est l'événement qui a une valeur commerciale, parce que c'est le seul qui puisse produire une visite.

La part de voix. Sur un ensemble de questions donné, la proportion de réponses où vous apparaissez, rapportée à vos concurrents. C'est la seule des trois qui soit comparative, donc la seule qui réponde à la question que pose réellement un dirigeant.

Ces trois indicateurs ne bougent pas ensemble et ne se corrigent pas de la même façon. Une marque très mentionnée mais jamais citée a un problème de contenu accessible. Une marque citée mais absente des mentions a un problème d'ancrage d'entité. Un rapport qui les mélange dans un score unique vous prive du diagnostic.

Le chiffre bouge tout seul, et on sait maintenant de combien

Posez deux fois la même question à ChatGPT et vous n'obtiendrez pas la même réponse. Tout le monde le sait. Ce que l'on ignore généralement, c'est l'ampleur du phénomène par rapport aux autres sources de variation, et donc le nombre de mesures nécessaires pour qu'un écart entre deux marques veuille dire quelque chose.

Un travail publié le 14 juillet 2026 sur arXiv par Dmitrij Žatuchin, intitulé Where Does the Noise Come From? A Variance-Components Decomposition of Non-Determinism in LLM Brand Answers, s'attaque précisément à cette question. Le protocole est croisé : 20 marques d'Europe centrale et orientale, 8 langues, 3 moteurs (GPT-5.2 et Gemini 3 Flash interrogés sur leurs connaissances propres, Perplexity en mode récupération sur le web), 15 formulations de prompt, pour un total de 12 933 réponses.

Précision importante avant de citer les résultats : la variable mesurée n'est pas le taux de citation, mais la polarité du sentiment exprimé envers la marque, sur une échelle de -1 à 1. Les ordres de grandeur ne se transposent donc pas mécaniquement à un taux de présence. Ils décrivent en revanche la structure du bruit, et cette structure est la même pour toute métrique extraite d'une réponse générée.

Sur le sous-corpus dédié à la stabilité, 7 173 réponses réparties en environ 1 435 cellules répétées cinq fois chacune, la décomposition donne ceci. Le simple fait de reposer la même question au même modèle dans la même langue explique 34,8 % de la variance totale. La langue de la requête en explique environ 32 %. L'identité du modèle, 1,7 %. L'identité de la marque, 1,6 %.

Autrement dit : ce que vous cherchez à mesurer, la marque, pèse quarante fois moins dans le résultat que le hasard de la génération et le choix de la langue. Les auteurs le formulent sans ménagement en notant qu'une réponse isolée ne porte presque aucun signal discriminant sur la marque, avec un coefficient de corrélation intraclasse de 0,0146.

Deux conséquences pratiques.

Cinq répétitions suffisent, et c'est un plafond. L'usage du secteur s'est stabilisé sur cinq exécutions par prompt. L'étude confirme que c'est le bon ordre de grandeur, et surtout qu'aller au-delà ne sert pratiquement à rien : une répétition après la cinquième réduit la variance de l'erreur relative de 0,0003. Un outil qui vous vend vingt exécutions par prompt vous vend surtout de la consommation d'API.

Le budget doit partir ailleurs. Toujours selon ces calculs, ajouter trois langues réduit la variance environ quinze fois plus que cinq répétitions supplémentaires. Pour une entreprise française qui vend aussi à l'étranger, cela veut dire qu'un suivi en français seulement est structurellement plus fragile qu'un suivi réparti sur deux ou trois langues, à budget de requêtes constant.

Reste le résultat le plus inconfortable. Les auteurs évaluent la qualité du dispositif avec un coefficient de généralisabilité, noté Eρ², qui répond à une question précise : si je refaisais toute la campagne de mesure, obtiendrais-je le même classement des marques ? Une valeur de 1 signifie un classement parfaitement reproductible, une valeur de 0 un classement dû au hasard. Même avec le plan complet, huit langues, trois modèles, quinze formulations, ce coefficient plafonne autour de 0,36. Passer de une à vingt répétitions le fait monter de 0,347 à 0,365. Traduit en langage de tableau de bord : un écart de quelques points de part de voix entre vous et un concurrent, sur un mois, n'est pas un résultat. C'est du bruit avec un habillage.

Il n'y a pas un moteur, il y en a quatre qui ne lisent pas le même web

La deuxième erreur de méthode consiste à agréger les moteurs dans un indicateur unique de « visibilité IA ». Les données disponibles disent que ces moteurs ne se ressemblent pas assez pour que la moyenne ait un sens.

L'analyse la plus citée sur ce point vient de Profound, qui a comparé les domaines cités sur 100 000 prompts distincts. Entre ChatGPT et Perplexity, le recouvrement des domaines cités est de 11 %. Dans le détail, 37,4 % des domaines ne sont cités que par ChatGPT, 51,6 % ne le sont que par Perplexity. En élargissant aux autres moteurs, le recouvrement va de 6 % entre Google AI Overviews et Copilot à 16,4 % entre Perplexity et AI Overviews.

Le nombre de sources mobilisées diffère aussi : de l'ordre de 7,7 domaines par réponse pour AI Overviews, 7,3 pour Perplexity, 5,0 pour ChatGPT et 2,5 pour Copilot. Ces chiffres datent de juillet 2025 et les moteurs ont évolué depuis, mais l'écart structurel, lui, tient. Il s'explique par des architectures différentes : ChatGPT s'appuie davantage sur un index constitué, Perplexity interroge le web vivant à chaque requête.

Une marque peut donc être omniprésente dans Perplexity et invisible dans ChatGPT, et un score moyen entre les deux ne décrira aucune des deux situations. C'est aussi la raison pour laquelle nous traitons le référencement ChatGPT et le référencement Perplexity comme deux chantiers séparés, avec des leviers qui ne se recouvrent qu'en partie.

La règle qui en découle est simple : une part de voix se lit par moteur, jamais en agrégé. Un tableau à quatre colonnes est moins joli qu'un score unique, et beaucoup plus actionnable.

La source de première main que Google vous donne enfin

Tout ce qui précède décrit des mesures par simulation : on pose des questions à un moteur et on regarde ce qu'il répond. C'est un sondage, avec les incertitudes d'un sondage.

Depuis le 3 juin 2026, il existe une source de nature différente pour la partie Google, et elle est gratuite. Google a annoncé sur son blog Search Central le lancement des rapports de performance dédiés à l'IA générative dans la Search Console. Ce n'est plus une simulation : ce sont vos impressions réelles, comptées côté Google.

Ce que le rapport contient, précisément :

Impressions  : nombre de fois où une URL du site est apparue
               dans une fonctionnalité d'IA générative
Pages        : quelles URL sont apparues
Pays         : répartition géographique
Appareils    : ordinateur, tablette, mobile
Dates        : granularité horaire, quotidienne, hebdomadaire, mensuelle

Les surfaces couvertes sont AI Overviews et AI Mode côté Search, avec un rapport distinct pour les fonctionnalités génératives de Discover. Les expériences encore en cours dans Search Labs en sont exclues.

Ce que le rapport ne contient pas, et c'est la limite qu'il faut annoncer à toute équipe avant qu'elle n'ouvre l'onglet : ni clics, ni taux de clic, ni requêtes. Vous savez que vous êtes apparu, pas si quelqu'un a cliqué, ni sur quelle question. Google indique travailler à l'ajout de métriques supplémentaires, sans calendrier. Deuxième limite : le déploiement se fait sur un sous-ensemble de sites, donc l'onglet peut tout simplement ne pas exister chez vous. Troisième point à connaître, plus subtil : ces impressions restent également comptées dans le rapport de performance global. Ce n'est pas un flux à additionner au trafic organique, c'est une vue filtrée du même flux.

Malgré ces réserves, ce rapport a une qualité que n'aura jamais aucun outil de simulation : il est exhaustif sur son périmètre et il ne coûte rien. Pour la partie AI Overviews, qui reste la surface générative la plus exposée en France, il doit être votre point de départ avant toute dépense.

Construire un jeu de prompts qui veut dire quelque chose

Pour les moteurs que la Search Console ne couvre pas, il faut revenir à la simulation. Trois principes suffisent à la rendre défendable.

Figer le jeu de questions. Entre trente et cinquante questions, écrites une fois, versionnées, et modifiées le moins possible. Toute question ajoutée en cours de route casse la comparabilité avec les périodes précédentes. Quand vous devez en ajouter, ajoutez-les dans un lot séparé et suivez les deux lots distinctement pendant un trimestre.

Répartir les questions par intention. Un jeu utile mélange trois familles en proportions à peu près égales. Les questions de catégorie, où votre marque n'est pas nommée et où le moteur choisit qui citer : « quelle agence pour être visible dans ChatGPT ». Les questions de comparaison, qui font apparaître le champ concurrentiel : « alternatives à tel outil ». Les questions de marque, qui testent ce que le moteur raconte de vous quand on le lui demande directement. La première famille est celle qui mesure une conquête, les deux autres mesurent une réputation.

Rapporter une fourchette, pas un point. Cinq exécutions par question, et une présentation du résultat sous forme d'intervalle. Un taux de présence de 20 % sur cinq exécutions signifie une apparition sur cinq, ce qui est indiscernable de 0 % ou de 40 % en pratique. Écrire « entre une et deux apparitions sur cinq » est moins vendeur et beaucoup plus honnête.

Sur l'outillage, les grilles publiques donnent l'ordre de grandeur. Chez Otterly, relevé le 2 août 2026, l'entrée de gamme est à 29 dollars par mois pour 15 prompts sur ChatGPT, AI Overviews, Perplexity et Copilot, avec Claude, Gemini et Google AI Mode facturés en options ; le palier à 100 prompts est à 189 dollars, celui à 400 prompts à 489 dollars. Peec AI affiche quatre paliers sans publier ses tarifs sur sa page de prix. Profound se positionne sur le segment haut. Les suites classiques, Semrush et Ahrefs, proposent des modules de suivi de visibilité IA en complément d'un abonnement existant.

Le point d'attention à l'achat n'est pas le prix mais la transparence de la méthode : nombre d'exécutions par prompt, moteurs réellement interrogés par API ou par scraping, localisation et langue des requêtes, définition retenue pour « mention » et pour « citation ». Un fournisseur qui ne documente pas ces quatre points vend un chiffre ininterprétable, quel qu'en soit le montant.

Le tableau de bord minimal

Un suivi complet tient en trois lignes, dans cet ordre, et chacune répond à une question différente.

Le crawl, lu dans les logs serveur : le moteur a-t-il accès à ma matière. La citation, mesurée par la Search Console pour Google et par simulation ailleurs : le moteur me choisit-il quand il répond. Le référent, lu dans l'analytics sur les visites en provenance de chatgpt.com, perplexity.ai ou gemini.google.com : la citation produit-elle une visite.

L'intérêt de cet ordre est diagnostique. Un problème sur la première ligne est technique et se corrige en quelques jours. Un problème sur la deuxième ligne alors que la première est saine est un problème de contenu ou d'autorité, qui se corrige en quelques mois. Un problème sur la troisième ligne alors que les deux premières sont saines n'est pas un problème de GEO du tout : c'est une question de formulation de la citation et de promesse de la page d'arrivée.

Questions fréquentes

À quelle fréquence faut-il mesurer ? Une fois par mois pour la simulation, ce qui laisse le temps à un changement de produire un effet et évite de sur-interpréter le bruit hebdomadaire. Le rapport de la Search Console peut se regarder plus souvent, puisqu'il ne coûte rien et ne repose pas sur un échantillon.

Un score de visibilité IA à 0 % veut-il dire qu'il n'y a rien à faire ? Non, mais il faut d'abord vérifier d'où vient le zéro. Si les logs montrent qu'aucun robot de recherche n'est passé, le problème est en amont et aucun travail éditorial ne le résoudra. Si les robots passent et que rien ne sort, alors le sujet est bien la citabilité du contenu.

Peut-on suivre ses concurrents sans outil payant ? Oui, à petite échelle. Une feuille de calcul, dix questions, cinq exécutions manuelles par question, une fois par mois : cela représente une demi-journée et cela suffit à détecter un écart franc. L'outil devient nécessaire quand il faut plusieurs dizaines de questions, plusieurs marchés et un historique partageable.

Les réponses varient selon que je suis connecté ou non, est-ce grave ? C'est une source de variation supplémentaire, à neutraliser en mesurant toujours dans les mêmes conditions : même mode de connexion, même localisation déclarée, même langue. La valeur absolue compte moins que la constance du protocole.

Le rapport IA générative de la Search Console remplace-t-il un outil de suivi ? Pour Google, il est meilleur que n'importe quelle simulation, puisqu'il compte des impressions réelles. Pour ChatGPT, Perplexity et Copilot, il ne dit rien, et ces moteurs représentent une part de la demande que Google ne couvre pas.

Il y a une tentation permanente, dans ce métier encore jeune, à produire des chiffres rassurants. La recherche disponible indique plutôt que la mesure de visibilité générative est intrinsèquement bruitée, que les moteurs divergent trop pour être moyennés, et que la seule donnée exhaustive dont nous disposons se limite aujourd'hui à Google et aux impressions.

Cela ne rend pas la mesure inutile. Cela impose de la présenter pour ce qu'elle est : un sondage répété, lisible en tendance sur un trimestre, jamais en écart d'une semaine sur l'autre. C'est ainsi que nous cadrons le volet mesure de chaque audit GEO, avec un protocole écrit avant la première exécution, pour que personne n'ait à décider après coup de ce qui compte comme une bonne nouvelle.