Un tableau de bord affiche 43,7. C’est votre score de visibilité IA.
Il a gagné 6,2 points ce mois-ci.
Le concurrent le plus proche est à 51,4. Position moyenne dans ChatGPT : 2,8. Sentiment positif. Part de voix en hausse. Quelques pages commencent à apparaître comme citations.
L’interface rassure. Flèches vertes. Pourcentages. Classements. Tableaux de concurrents. Courbes.
On dirait de l’analytique.
Il reste une question, et elle gêne.
43,7 pour cent de quoi ?
Pour la recherche web classique, la réponse n’était pas parfaite. Elle avait au moins un sens. Google savait quelles requêtes avaient eu lieu. Il savait quels résultats avaient été montrés. Il savait quand une page recevait une impression et quand quelqu’un cliquait. Search Console ouvrait aux éditeurs une partie de cette télémétrie de première main.
Les chiffres étaient incomplets. La position moyenne n’a jamais été aussi simple qu’elle en avait l’air. Personnalisation, géographie, blocs de résultats, échantillonnage : tout cela brouillait la lecture.
Mais il y avait un observateur.
Quelqu’un faisait tourner le système et pouvait compter ce qui s’y passait.
La recherche générative a rompu cet arrangement.
Quand quelqu’un demande à ChatGPT quel logiciel de comptabilité acheter, quand un voyageur demande à Gemini où dormir à Kyoto, quand un ingénieur demande à Claude de comparer des technologies de bases de données, ou quand un consommateur demande à Perplexity les meilleures chaussures de course, l’éditeur du web ouvert, en général, ne voit pas la requête.
Il ne voit pas comment la question a été réécrite.
Il ne voit pas chaque recherche menée derrière la réponse.
Il ne voit pas chaque document récupéré.
Il ne peut pas forcément dire quels documents récupérés ont vraiment pesé sur le texte généré.
Il ne voit pas la population entière des réponses.
Et il ne voit certainement pas combien d’utilisateurs privés ont été exposés à une marque, à travers toutes ces conversations.
Pourtant une industrie est née, qui prétend mesurer exactement ce monde.
Elle appelle le résultat visibilité IA.
La question intéressante n’est pas de savoir si cette industrie est une fraude.
Dans l’ensemble, elle ne l’est pas.
Sous les tableaux de bord, il y a de l’ingénierie réelle. De vrais prompts, de vraies réponses, de vraies citations, de vrais robots d’exploration, de vrais jeux de données, et des tentatives de plus en plus savantes d’estimer la demande.
Ce qui compte davantage, c’est de ne pas confondre ce qu’on a observé, ce qu’on a estimé, et ce qu’on voudrait que le chiffre veuille dire.
Cette distinction ne décide pas seulement si les nouveaux indicateurs servent à quelque chose.
Elle peut décider du web qu’on construira autour d’eux.
La recherche avait un observateur
L’optimisation pour les moteurs de recherche a toujours contenu une part d’ingénierie inverse.
Google n’expliquait pas aux éditeurs, dans le détail, le fonctionnement de ses classements. Les praticiens du SEO inféraient des relations à partir de la documentation, d’expériences, de positions observées et de grands jeux de données.
Mais le système de mesure autour d’eux avait des ancrages d’une solidité inhabituelle.
Une requête avait lieu. Un résultat s’affichait. Une page recevait une impression. L’utilisateur cliquait — ou non. Google détenait la télémétrie de première main de ces événements, et en exposait une part importante via Search Console.
Cela n’a pas fait du SEO une science exacte. Cela distinguait toutefois deux familles d’information.
D’un côté, la télémétrie de la plateforme : requêtes, impressions, clics, taux de clic, pages indexées, canonisation, exploration, et diverses apparitions dans la recherche.
De l’autre, les estimations de tiers : volumes de mots-clés, classements mesurés depuis l’extérieur, bases de rétroliens, estimations de trafic, scores d’autorité, indices de visibilité concurrentielle.
Les bons praticiens savaient que ce n’était pas la même chose.
Une estimation de trafic Semrush n’était pas Google Analytics. La base de mots-clés d’un robot n’était pas Search Console. Un score d’autorité de domaine n’était pas une variable que Google aurait secrètement livrée.
Cette frontière était plus facile à garder en vue.
La recherche générative rend beaucoup plus simple de l’oublier.
L’économie de la réponse a fait disparaître l’observateur
Une réponse générative n’est pas une page de résultats rédigée en paragraphes.
C’est la sortie d’un pipeline.
La question d’origine peut déclencher une recherche web — ou non.
S’il y a recherche, la question peut d’abord être réécrite en une ou plusieurs requêtes différentes.
OpenAI documente ce comportement pour ChatGPT Search. ChatGPT search réécrit d’habitude une requête en une ou plusieurs requêtes ciblées. Il recueille aussi une localisation générale à partir de l’adresse IP, et peut la partager avec des fournisseurs de recherche tiers. Si la mémoire est activée, ChatGPT peut s’appuyer sur des souvenirs enregistrés pertinents au moment de réécrire une requête de recherche. [1]
Google décrit un mécanisme voisin sous le nom de query fan-out : un ensemble de requêtes concurrentes et liées, générées par le modèle pour demander davantage d’information et récupérer d’autres résultats pertinents. [2] Le fan-out est une technique de récupération à l’intérieur de Google Search. Ce n’est pas une tactique d’éditeur. Le même guide d’optimisation est net sur le geste inverse : créer beaucoup de pages pour des requêtes de fan-out, surtout afin de manipuler les réponses d’IA générative, constitue un abus de contenu à grande échelle.
Les documents qui en résultent peuvent alors être récupérés, filtrés, réordonnés, versés dans un contexte limité, synthétisés par un modèle génératif, et cités de façon sélective.
La chaîne va de la question à la décision de chercher, à la réécriture ou au fan-out, à la récupération, au réordonnancement, à l’allocation de contexte, à la génération, à l’absorption factuelle, à la citation, à la recommandation, et enfin au comportement de l’utilisateur.
Chaque étape peut changer le résultat. La plupart des systèmes d’analytique externe n’en voient que des fragments.
D’où un problème épistémique.
Supposons qu’une marque apparaisse dans cinq réponses ChatGPT sur dix.
Cela, on peut l’observer.
Supposons qu’un prestataire transforme ces observations en visibilité IA = 50 %.
Cela reste parfaitement raisonnable si l’indicateur est clairement défini comme la part de l’échantillon mesuré dans laquelle la marque est apparue.
Mais l’interprétation psychologique dérive.
Le chiffre se met à sonner comme : la moitié des utilisateurs qui posent des questions pertinentes voient cette marque.
Rien, dans l’expérience, ne l’a montré.
Ce n’est pas du pédantisme philosophique. C’est la différence entre une statistique d’échantillon et une affirmation sur une population.
Une fenêtre, pas une console
Il y a une complication importante.
Le 3 juin 2026, Hillel Maoz et Moshe Samet ont annoncé, dans Search Console, des rapports dédiés à la performance de l’IA générative. [3] Ce billet n’est pas de John Mueller. Le texte apparenté de Mueller, publié le 15 mai 2026, est un autre objet : le guide d’optimisation de Google pour les fonctions d’IA générative dans Search. [32]
Le rapport Search couvre les impressions générées par AI Overviews et AI Mode. Les éditeurs peuvent les examiner par page, pays, date et appareil. Google a aussi introduit un rapport génératif pour Discover. Au 31 août 2026, ces données ont été déployées auprès des sites du monde entier. [3][4]
Cela change l’argument.
Il serait désormais faux de dire qu’il n’existe nulle part, dans la recherche générative, de télémétrie de visibilité de première main.
Il en existe. Google a commencé à l’exposer.
Il a même créé, dans Search Console, une commande qui permet à un éditeur d’inclure ou d’exclure son site des fonctions génératives de Search, y compris AI Overviews, AI Mode et les fonctions génératives de Discover. [5] La commande est au niveau de la propriété. Ce n’est pas un interrupteur par URL ni par requête, et Google indique qu’elle ne sert pas de signal de classement ou d’inclusion pour le reste de Search.
Pour au moins un grand écosystème, une part de la boîte noire devient observable.
Mais regardons de près ce que le rapport Search dédié fournit aujourd’hui.
Des impressions.
Pas la transcription complète des questions. Pas chaque réponse générée. Pas chaque requête de fan-out. Pas l’ensemble complet de récupération. Pas un graphe de provenance disant quelle phrase a été influencée par quelle source. Pas une position de classement universelle. Et certainement pas une télémétrie équivalente pour ChatGPT, Claude, Perplexity, Grok et tous les autres moteurs de réponse.
La Search Console qui n’existe pas n’est donc plus, au sens strict, inexistante.
Mieux vaudrait dire : il n’existe pas de Search Console transversale pour l’économie de la réponse.
Google a ouvert une fenêtre sur une partie du système. Le reste du bâtiment reste largement dans le noir.
Même la télémétrie de première main ne doit pas être prise pour une vérité de terrain parfaite. Google tient un journal d’anomalies qui documente des défaillances occasionnelles de sa propre infrastructure de rapports. Entre le 13 et le 17 août 2026, une erreur de journalisation a diminué les impressions du rapport de performance Search de l’IA générative ; les données manquantes ont été rétablies le 21 août. Une autre erreur de journalisation, le 13 août, a touché Discover et l’IA générative dans Discover. [6] C’étaient des défaillances de rapports, pas des chutes de classement, et ce n’était pas « tout le mois d’août ».
La mesure de première main a une valeur énorme.
Ce n’est pas l’infaillibilité.
Ce qu’on peut vraiment mesurer
La façon la plus utile de penser la visibilité générative, c’est de commencer par ce qui exige le moins d’hypothèses.
On peut observer un prompt. Un chercheur peut soumettre : quels gestionnaires de mots de passe conviennent le mieux à une entreprise de 20 personnes ? Le texte exact est connu. L’heure est connue. On peut noter le moteur. On peut contrôler le pays ou le proxy. On peut documenter le compte ou la configuration d’API. C’est une entrée expérimentale.
On peut observer une réponse. On peut archiver ce qui en sort : quelles marques ont été nommées, où elles apparaissent, quelles URL sont visiblement citées, quels domaines apparaissent, la longueur de la réponse, s’il y a des recommandations explicites, s’il y a des affirmations positives ou négatives. Ce sont des observations.
On peut mesurer la répétition. Relancer le même prompt cent fois. Si la marque A apparaît dans 63 de ces 100 passages, ce nombre n’a rien de douteux. La lecture correcte est simplement : la marque A est apparue dans 63 pour cent de ces cent réponses mesurées, dans ces conditions expérimentales.
C’est déjà utile.
Ce qui devient problématique, c’est d’effacer les six derniers mots.
On peut mesurer les citations. Si une réponse lie visiblement une page, la citation existe. Sur des observations répétées, on peut calculer la fréquence de citation, la diversité des domaines, le recouvrement des citations et le changement dans le temps. C’est l’une des mesures les plus robustes dont disposent les chercheurs extérieurs.
On peut mesurer le trafic d’apport. OpenAI documente que ChatGPT inclut automatiquement le paramètre UTM utm_source=chatgpt.com dans les URL d’apport. [7] Un éditeur peut donc mesurer au moins une part du trafic réel en aval qui vient de ChatGPT. Ce n’est plus de la visibilité synthétique. C’est du comportement.
On peut mesurer les requêtes des robots. Les journaux de serveur web enregistrent les robots qui demandent des pages. La FAQ éditeurs d’OpenAI traite OAI-SearchBot comme l’agent pertinent pour les résumés et extraits dans ChatGPT, s’il n’est pas bloqué. GPTBot apparaît dans une question distincte, comme un contrôle lié à l’entraînement, et non comme le robot d’inclusion dans la recherche. [7] Google publie sa propre documentation sur les robots. Les réglages indépendants des robots sont documentés à part. [7a]
Là encore, c’est de la télémétrie réelle. Mais une exploration signifie qu’un robot a récupéré une ressource. Cela ne veut pas dire automatiquement que la ressource a été indexée, récupérée pour une question ultérieure, absorbée dans une réponse, citée, montrée à un utilisateur, ou responsable d’un achat.
Les étapes doivent rester séparées.
Ce qu’on infère
La catégorie suivante n’est pas fausse.
Elle dépend simplement d’un modèle.
Part de voix. Si notre corpus de prompts produit 1 000 réponses, que la marque A reçoit 400 mentions et que ses concurrentes en reçoivent collectivement 600, on peut construire un indicateur de part de voix. Peec, par exemple, définit la visibilité comme le pourcentage de réponses d’IA dans lesquelles une marque apparaît, et la part de voix comme les mentions de cette marque divisées par toutes les mentions des marques suivies. [30] Le chiffre décrit une représentation relative à l’intérieur du corpus expérimental. Cela peut servir. Mais sa validité externe dépend presque entièrement de la ressemblance entre le corpus de prompts et la population qui nous intéresse. Une part de voix mesurée sur mille prompts mal choisis n’est qu’une description précise d’une mauvaise expérience.
Position moyenne. Plusieurs outils calculent l’ordre moyen d’une marque lorsqu’elle apparaît dans une réponse. Mathématiquement, c’est possible. Le problème conceptuel, c’est qu’une réponse générée n’est pas forcément une liste classée.
Prenons : Acme est l’option classique, et probablement le choix le plus sûr. Foo et Bar sont aussi courants. Pour les organisations aux exigences de souveraineté particulièrement strictes, toutefois, Baz peut convenir nettement mieux.
Quelle est la position de Baz ? Quatrième, parce qu’il a été nommé en quatrième ? Première, parce qu’il a reçu la recommandation conditionnelle la plus forte ? Deuxième, parce qu’il occupait le plus long paragraphe ?
C’est au chercheur de définir la réponse. Cette définition peut encore servir. Mais ce n’est pas une variable native de classement, extraite en secret du modèle. C’est une opérationnalisation créée par le système d’analytique.
Sentiment. On peut classer le langage généré en positif, neutre ou négatif. Les modèles de langue modernes sont de très bons classifieurs de sentiment. Un score peut donc décrire le ton qui entoure les mentions d’une marque dans les réponses observées. Mais une formule du type « l’IA perçoit votre marque positivement » fait passer une affirmation plus forte. Le système n’expose pas une variable interne durable appelée brand_trust = 78. L’indicateur veut dire : les énoncés générés observés à propos de cette marque ont été classés comme majoritairement positifs, selon cette méthode. Utile, encore. Différent, encore.
Volume de prompts. C’est le problème commercial le plus dur. Si une entreprise dit à un marketeur que 18 700 personnes posent cette question à ChatGPT chaque mois, d’où vient ce chiffre ? La réponse ne peut pas être simplement le journal privé mondial des requêtes d’OpenAI, sauf si OpenAI l’a fourni.
Les prestataires construisent donc des approximations différentes.
Ahrefs ancre son univers de prompts dans sa base de mots-clés et dans les données People Also Ask de Google, élargit le corpus sémantiquement, exécute les questions via des interfaces publiques d’IA, et décrit les impressions estimées comme une visibilité potentielle, non comme une portée d’audience réelle. Utiliser le volume de recherche Google comme pondération de la demande d’IA est, selon les propres mots d’Ahrefs, un choix de modélisation plutôt qu’une relation mesurée. [8]
C’est méthodologiquement honnête.
Semrush prend un autre chemin. Elle dit que ses jeux de données de visibilité IA combinent des observations clickstream à grande échelle du comportement réel de recherche IA et des données de mots-clés Google, organisées en sujets. La base en production compte plus de 317 millions de prompts et de réponses : ce n’est pas un recensement d’une audience. Semrush indique aussi qu’aucune plateforme ne peut fournir des chiffres exacts sur la visibilité. [9][10]
Profound licence des prompts auprès de panels de consommateurs à double opt-in, applique anonymisation et modélisation probabiliste, et met les volumes à l’échelle d’une population plus large. [11] C’est analogue à une mesure d’audience. Cela peut produire des estimations précieuses. Cela reste une estimation.
Une projection de panel peut être très bonne.
Ce n’est toujours pas le journal de requêtes d’OpenAI.
L’univers des prompts est la variable cachée
Le problème central n’est peut-être pas du tout le modèle de langue.
Ce sont peut-être les questions.
Imaginons trois entreprises qui mesurent la même marque.
L’entreprise A part des mots-clés Google.
L’entreprise B demande à un LLM de générer des questions d’acheteur plausibles.
L’entreprise C recueille de vraies questions : appels de vente, tickets d’assistance, panels de consommateurs.
Les trois mènent ensuite des expériences parfaites.
Leurs réponses pourraient être : visibilité 31 pour cent. Visibilité 47 pour cent. Visibilité 68 pour cent.
Aucun de ces chiffres n’a à être frauduleux.
Ils peuvent simplement décrire trois populations différentes.
AirOps rend ce problème inhabituellement explicite. Son système Prompt Discovery, annoncé le 30 avril 2026, combine des données de panel, des motifs People Also Ask, l’intention de recherche et des conversations de première main venues de systèmes tels que Gong, Zendesk et Intercom. Prompt Mining, annoncé le 25 mars 2026, traite le langage d’acheteur de première main comme un univers de prompts continuellement mis à jour. AirOps soutient qu’aucune source unique ne capture la façon dont les gens posent des questions, et que le langage d’acheteur de première main diffère des signaux de marché larges. Les volumes qu’elle fait apparaître sont des estimations. [12][13]
C’est un aveu important.
L’univers des prompts fixe la frontière de la mesure. Il détermine quels sujets existent, quelles intentions comptent, quel langage les représente, quelle part de demande commerciale ou informationnelle est présente, quelles niches sont surreprésentées, et quelles questions n’entrent jamais dans l’expérience.
Un tableau de bord peut calculer dix décimales après cette décision.
Le plus gros choix de modélisation a déjà eu lieu.
Le problème est familier en recherche par enquête. Une enquête parfaitement analysée, sur une population non représentative, ne devient pas représentative parce que l’intervalle de confiance est étroit.
Il en va de même ici.
Répéter ne rend pas représentatif
L’un des meilleurs progrès des outils de visibilité IA, c’est de reconnaître davantage que les réponses génératives ne sont pas déterministes.
Gumshoe le dit directement : poser la même question au même modèle, plusieurs fois, et les marques, les recommandations et les citations peuvent changer. Ses audits agrègent donc à travers prompts, personas et modèles. L’entreprise rapporte environ ±5 points de pourcentage à 95 pour cent de confiance pour sa mesure globale de visibilité par défaut. Cette affirmation vaut pour le score global par défaut, pas pour les tranches par sujet ou par persona, où les intervalles s’élargissent. Le cadre est uniquement API, et persona d’abord. [14]
C’est un progrès méthodologique substantiel par rapport aux captures d’écran. On traite la sortie comme une distribution.
Mais un intervalle de confiance répond à une question précise. Il estime l’incertitude, conditionnellement au plan expérimental.
Supposons qu’on génère des personas synthétiques : un fondateur de startup sensible au coût, un DSI d’entreprise, un directeur des achats allemand, un étudiant, une famille soucieuse de vie privée. Puis qu’on les échantillonne abondamment. La confiance statistique peut devenir extrêmement élevée. Mais l’expérience n’a toujours pas montré que ces personas existent, dans la population réelle d’utilisateurs, aux proportions supposées.
La validité interne demande : étant donné les prompts, personas et modèles choisis, le résultat est-il stable ?
La validité externe demande : cette population expérimentale représente-t-elle les gens dont le comportement nous importe vraiment ?
La répétition aide la première.
Elle ne résout pas automatiquement la seconde.
On peut mesurer la mauvaise population avec une précision exquise.
Les modèles eux-mêmes ne s’accordent pas
Avant même de relancer le même moteur, des moteurs différents récupèrent des mondes différents.
Le 22 juillet 2026, Samanyou Garg a publié, sur le blog de Writesonic, une analyse de 161 286 prompts à travers ChatGPT, Gemini, Perplexity et Google AI Overviews. Le jeu central à quatre voies — prompts avec citations des quatre moteurs — comptait 70 879 éléments. Avec une similarité de Jaccard au niveau du domaine, le recouvrement par paires allait de 0,119 à 0,237. La paire la plus haute était Perplexity et Google AI Overviews, à 0,237. Le recouvrement de ChatGPT avec les autres systèmes était particulièrement bas. [15]
C’est de la recherche d’un fournisseur, et il faut la traiter comme telle.
Mais le jeu de données est large, la méthode est divulguée, et le constat s’aligne sur l’architecture plus large de ces systèmes : des fournisseurs de recherche, des modèles, des mécanismes de réordonnancement et des stratégies de sélection de contexte différents doivent, en toute logique, produire des populations de sources différentes.
Il se peut qu’il n’existe pas de variable universelle significative appelée rang IA.
Il se peut qu’il y ait, à la place, la probabilité qu’une marque apparaisse, étant donné le moteur, le prompt, le libellé, la géographie, le contexte et le moment.
C’est un objet très différent.
Une organisation peut être très visible dans Perplexity, faiblement représentée dans ChatGPT et fortement citée dans Google AI Mode. Compresser ces états en un chiffre d’accroche peut être commode commercialement. Cela peut aussi effacer l’information la plus utile.
La visibilité est une distribution, pas une position
Des travaux universitaires récents donnent désormais à cette intuition un ancrage empirique plus fort.
Une étude de 2026 de Ronald Sielinski a échantillonné de façon répétée des systèmes de recherche générative, sur plusieurs sujets, et a trouvé une variabilité substantielle des citations à travers des mesures identiques ou équivalentes. Les intervalles de confiance bootstrap montraient que beaucoup de différences apparentes entre domaines tombaient dans le bruit statistique du processus de mesure. L’instabilité de classement traversait les distributions de citations, pas seulement la queue. [16]
L’implication est directe.
Un tableau de bord qui affiche la marque A à 43,7 et la marque B à 47,2 invite à conclure que B s’en sort mieux. Mais si les intervalles d’incertitude se recouvrent largement, la conclusion défendable peut plutôt être : pour l’instant, on ne peut pas distinguer leur visibilité avec assez de confiance.
Les tableaux de bord d’entreprise n’aiment pas ce genre de phrase.
La science en dépend.
Un score sans taille d’échantillon cache combien de preuves l’ont produit. Un score sans incertitude cache combien de mouvement pourrait n’être que du bruit. Un score sans cadre de prompts cache la population qu’il décrit vraiment. Un score sans moteur ni contexte cache où l’observation a eu lieu.
La virgule décimale est souvent la pièce d’information la moins importante à l’écran.
Citer n’est pas établir la provenance
Il y a un autre raccourci tentant.
Un système cite une page. On en conclut : cette page a causé la réponse.
Cette relation n’est pas garantie.
Un modèle de langue avec recherche peut visiter plusieurs pages, récupérer de l’information qui se recoupe, s’appuyer sur une source pour informer sa synthèse interne, et citer visiblement une autre.
Une recherche qui s’appuie sur 13 929 journaux de conversation LMArena avec recherche a documenté ce que ses auteurs appellent un écart d’attribution entre les pages apparemment consommées par le système et les pages réellement créditées en sortie. Le titre complet de cet article inclut Estimating Ecosystem Exploitation. [17]
Cela suggère au moins trois phénomènes distincts.
Récupération : le système a accédé à une source.
Absorption : de l’information issue de la source est entrée de façon matérielle dans la réponse générée.
Citation : la source a reçu une attribution visible.
Ce n’est pas interchangeable.
Une source peut être récupérée et non citée. Une affirmation peut apparaître sans provenance complète. Une citation peut accompagner un paragraphe sans prouver que la page citée, à elle seule, a causé le libellé.
Cela compte commercialement, parce que beaucoup de stratégies GEO optimisent déjà vers les citations.
Si la citation devient l’indicateur, les éditeurs optimiseront pour la citation. Mais la fréquence de citation n’est pas la même chose que l’influence informationnelle. L’influence informationnelle n’est pas forcément la même chose qu’une recommandation. Une recommandation n’est pas forcément la même chose qu’une issue commerciale.
La chaîne de mesure doit rester ouverte.
Le GEO est réel. Ses affirmations les plus fortes ne sont pas encore établies
L’article fondateur Generative Engine Optimization de Pranjal Aggarwal et de ses collègues a formalisé le GEO comme un problème et a montré que modifier un contenu pouvait augmenter sa visibilité dans des expériences contrôlées de moteurs génératifs. Le résumé indique des hausses allant jusqu’à 40 pour cent. Ces gains ont été mesurés dans un contexte top-5 déjà récupéré, non comme une découvrabilité organique à travers le web ouvert. [18]
Ce résultat compte. Les caractéristiques d’un contenu peuvent affecter une sortie générative.
L’erreur, c’est de convertir ce résultat en une proposition plus forte : donc on sait comment faire monter organiquement une page web quelconque dans ChatGPT.
L’expérience ne l’établit pas.
Une grande enquête critique de 2026, portant sur 45 études GEO, par Olivier Martinez, trace exactement cette distinction. Elle décrit la visibilité générative comme un pipeline stochastique, partiellement observable, impliquant l’activation de la recherche, l’exploration et l’indexation, la récupération, le réordonnancement, l’allocation de contexte, la citation, la saillance, l’absorption factuelle, la fidélité et le comportement de l’utilisateur. [19]
Selon l’enquête, les constats fondateurs du GEO valent dans leur cadre expérimental, mais concernent souvent un contenu déjà disponible dans un contexte contrôlé. Les gains sont conditionnels à la présence de la source déjà dans le contexte. C’est autre chose que de prouver toute la chaîne organique : publier, explorer, indexer, récupérer, réordonner, entrer dans le contexte, influencer la réponse, recevoir une citation, recevoir une recommandation, générer du trafic, générer une issue commerciale.
L’enquête a trouvé des preuves qu’un contenu déjà récupéré peut causer un effet sur la façon dont il est cité ou utilisé. Elle n’a pas trouvé de technique revue démontrant un effet causal stable, longitudinal et transversal sur la découvrabilité organique et le comportement en aval. [19]
La position correcte en 2026 n’est ni « le GEO marche » ni « le GEO est une fiction ».
C’est : certaines interventions affectent de façon démontrable les réponses génératives, dans des conditions contrôlées. La preuve s’affaiblit progressivement à mesure que l’effet revendiqué descend plus loin dans la chaîne causale réelle.
C’est l’allure normale d’un champ de recherche immature.
Certains prestataires sont plus prudents que d’autres
L’industrie de la visibilité IA n’est pas méthodologiquement uniforme.
Cela mérite d’être reconnu.
Ahrefs dit explicitement à ses utilisateurs que ses impressions estimées sont modélisées et ne doivent pas être lues comme une portée d’audience réelle. [8]
Otterly, dans un article d’aide du 17 juillet 2026, dit qu’elle interroge les interfaces web publiques plutôt que de s’appuyer surtout sur les API de modèles — Claude est l’exception API documentée — et qu’elle surveille quotidiennement les prompts suivis. Elle prévient qu’un résultat ChatGPT personnel peut différer à cause de la session, du lieu et des réglages de compte. [20]
Gumshoe retient l’échantillonnage répété et l’affichage de l’incertitude, mais choisit un cadre expérimental fondé sur l’API et porté par les personas. [14]
Trakkr décrit ouvertement son produit Research large comme un échantillonnage. Il génère environ 500 questions de découverte et échantillonne chacune une fois. Les prompts suivis à part sont observés contre les huit modèles, chaque jour. [21]
Semrush ancre une part de son univers de prompts dans des données clickstream qui représentent un comportement réel d’utilisateurs. [9]
Profound s’appuie sur des panels de consommateurs opt-in, plus une extrapolation probabiliste. [11]
AirOps combine des sources de prompts de marché et de première main. [12]
Ce sont des objets scientifiques matériellement différents.
Un acheteur qui ne compare que des cases à cocher — ChatGPT, Gemini, sentiment, citations — rate facilement les questions plus importantes. D’où viennent les prompts ? Quelle interface a été mesurée ? Combien de fois chaque condition a-t-elle été répétée ? Quelle population le score qui en sort est-il censé représenter ? Où s’arrête l’observation et où commence la modélisation ?
Les prestataires les plus dignes de confiance tendent à expliquer ces frontières.
L’indicateur le moins fiable n’est pas forcément celui dont l’algorithme est le plus faible.
Ce peut simplement être celui dont la description marketing s’est le plus éloignée de son protocole de mesure.
Un exemple concret : pourquoi la précision technique compte
Orchly est le produit qui a déclenché, à l’origine, cette recherche.
Sa proposition centrale est techniquement plausible. La plateforme dit qu’elle lance des prompts contre des interfaces d’IA, enregistre mentions, citations, sentiment et concurrents, et rapporte la visibilité à travers des systèmes dont ChatGPT, Perplexity, Gemini et les expériences d’IA Google. [22]
Rien de cela n’exige de magie.
Mais une part de la documentation montre à quelle vitesse la précision peut glisser.
Orchly indique que les prompts partent de lieux et d’adresses IP différents, et que les mesures qui en résultent reflètent « geography and personalization included ». [22]
On peut certainement introduire, par l’expérience, une variation géographique.
La personnalisation est un concept plus fort.
OpenAI documente que ChatGPT Search peut incorporer la mémoire enregistrée au moment de réécrire une requête. [1] Une session synthétique propre depuis Zurich n’est donc pas automatiquement l’équivalent d’un compte ChatGPT réel, de longue durée, à Zurich. Un système peut contrôler la géographie sans reproduire l’histoire personnelle.
Il ne faut pas confondre les deux.
Il y a un exemple encore plus net.
La documentation trafic d’Orchly classe Google-Extended aux côtés de robots qui peuvent apparaître comme des entités au niveau de la requête dans les journaux de trafic, et le décrit, dans la taxonomie d’Orchly, comme une visite « AI Chatbot ». [23]
La documentation technique de Google elle-même, dernière mise à jour le 14 juillet 2026, indique que Google-Extended n’a pas de chaîne User-Agent HTTP séparée. C’est un jeton de produit robots.txt, utilisé pour contrôler certains usages du contenu exploré via les agents utilisateur Google existants. [24]
Cela ne prouve pas que le produit sous-jacent d’Orchly soit invalide.
Cela montre pourquoi une vérification indépendante compte.
Quand une catégorie vend de l’observabilité dans des systèmes déjà difficiles à observer, des erreurs de vocabulaire en apparence petites peuvent créer de fausses histoires causales.
Une ligne dans un journal d’accès est une preuve.
Ce que cette ligne veut dire demande nettement plus de soin.
L’avertissement de Google est d’une clarté rare
Google a désormais publié ses propres conseils sur les outils SEO, AEO et GEO de tiers.
Il ne dit pas qu’ils ne servent à rien.
Il dit quelque chose de plus précis.
Google n’évalue pas ces services de tiers. Ils n’ont pas accès aux données internes de classement de Google ni à ses systèmes d’IA. Ils ne peuvent pas garantir une performance. Les prédictions sont les leurs, et les éditeurs devraient évaluer les affirmations à l’aune des conseils officiels et des données Search Console de première main. [25]
C’est presque exactement la frontière dont l’industrie a besoin.
La mesure de tiers a toujours eu de la valeur. Ahrefs n’avait pas besoin de la base interne PageRank de Google pour devenir utile. Semrush n’avait pas besoin des journaux complets de requêtes de Google pour produire une intelligence concurrentielle précieuse.
Mais une observation de tiers utile devient dangereuse quand l’objet modélisé est présenté comme s’il s’agissait de télémétrie de plateforme.
La solution n’est pas d’arrêter de mesurer.
La solution est d’étiqueter correctement les mesures.
Un meilleur objet que la visibilité IA
L’enquête critique sur le GEO propose une vue en plusieurs étapes, qui sépare découvrabilité, citation, absorption et issues. [19]
En s’appuyant sur ce cadrage, un observatoire pratique devrait résister à l’effondrement du système en un seul score.
Une représentation utile est un vecteur : découvrabilité, récupération, citation, absorption, saillance, issue économique.
La découvrabilité demande si le système peut trouver ou accéder au contenu, tout court. Les preuves possibles incluent l’accès des robots, l’éligibilité à l’index, l’état Search Console, une récupération directe réussie, et les contrôles robots.
La récupération demande, sous des conditions de requête définies, à quelle fréquence la source ou la marque entre dans l’ensemble observable de récupération ou de réponses. C’est souvent latent hors des API qui exposent des traces de recherche : la méthode doit donc dire quand la récupération est observée et quand elle est inférée.
La citation demande à quelle fréquence la source reçoit une attribution visible. C’est directement observable dans les réponses qui exposent des citations.
L’absorption demande à quelle fréquence une information distinctive d’une source apparaît de façon matérielle dans la réponse générée. C’est plus dur. Cela peut exiger des marqueurs factuels contrôlés, une comparaison sémantique et une validation humaine.
La saillance demande à quel point la réponse qui en résulte met en avant la marque ou la source. Les mesures possibles incluent la première mention, le statut de recommandation, l’ordre textuel, la part de la réponse et la force de l’endossement. Aucune ne devrait prétendre être un rang natif universel.
L’issue économique demande ce qui s’est finalement passé : apport, visite, session engagée, piste, achat, abonnement, ou une autre action qui compte. C’est là que la visibilité devient commercialement pertinente.
Tous les projets n’ont pas besoin de chaque dimension.
L’important, c’est de refuser de substituer l’une à l’autre.
Une citation n’est pas une vente. Une exploration n’est pas une citation. Une mention n’est pas une part de marché. Une impression n’est pas de la persuasion.
Il faut mesurer la mesure
À ce stade, un autre essai qui critique les tableaux de bord GEO ne suffirait pas.
L’étape utile suivante est empirique.
Pas : comment faire monter le score de visibilité IA du Studio ?
Mais : à quel point les mesures dont un tel score serait construit sont-elles stables, représentatives et causalement significatives ?
La première question commence par accepter l’indicateur.
La seconde demande si l’indicateur mérite de devenir un objectif.
Ce que nous allons réellement mener
L’observatoire proposé ici est un ensemble de mesures, pas un produit de tableau de bord. Rien ci-dessous n’est un résultat. C’est un protocole qui n’a pas encore été exécuté.
Partir d’une question d’intention commerciale — quels gestionnaires de mots de passe conviennent le mieux à une petite entreprise ? — et refuser l’idée de « la réponse ChatGPT ». La relancer. Pas une fois. Pas trois captures d’écran. Peut-être cinquante ou cent fois par moteur. Enregistrer les marques mentionnées, l’ordre de recommandation, les URL et domaines cités, l’activation de la recherche là où elle est observable, la longueur de la réponse, les affirmations factuelles, l’horodatage, la région, et le modèle ou la surface produit. Ce qu’on obtient, c’est une distribution de réponses. La marque A pourrait être recommandée en premier dans 31 pour cent des passages, en second dans 18, mentionnée ailleurs dans 22, et absente dans 29. C’est un objet plus riche qu’un rang IA moyen : 2,4.
Puis tenir le besoin sous-jacent constant et changer les mots. Quel est le meilleur gestionnaire de mots de passe pour une petite entreprise ? Quel gestionnaire de mots de passe recommanderiez-vous à une société de 20 personnes ? Quels bons outils de gestion de mots de passe pour les PME ? Si je dirige une petite entreprise, quel gestionnaire de mots de passe dois-je acheter ? L’intention sémantique est voisine. Le libellé n’est pas identique. Si les issues de marques et de citations bougent nettement, la formulation du prompt elle-même est une source majeure d’incertitude de mesure. Un prestataire n’observe pas seulement votre visibilité. En choisissant le phrasé du prompt, il définit en partie le monde dans lequel votre visibilité est mesurée.
Trois univers de prompts
Construire trois corpus de prompts indépendants pour les mêmes catégories : l’un issu des mots-clés classiques et des données People Also Ask ; l’un généré de façon systématique par des modèles de langue pour couvrir des intentions d’acheteur pertinentes ; l’un dérivé du langage d’acheteur réel — panels de consommateurs, forums là où c’est approprié, tickets d’assistance, appels de vente, demandes de première main. Mesurer les mêmes marques et les mêmes moteurs contre chaque corpus. Si les prompts issus de la recherche donnent 42 pour cent, la couverture synthétique 58 pour cent, et les questions d’acheteur observées 31 pour cent, les trois résultats peuvent être mathématiquement corrects. La différence montrerait que le score d’accroche est inséparable de son cadre d’échantillonnage. Cela pourrait être l’expérience commercialement la plus importante de tout le projet.
Surfaces, géographie, et cause
Beaucoup de prestataires choisissent les API parce qu’elles sont stables, permises, extensibles et reproductibles. D’autres interrogent délibérément les interfaces publiques, parce qu’ils soutiennent que les API ne reproduisent pas ce qu’un utilisateur ordinaire voit. Il faut tester cela plutôt que d’en débattre : condition API et condition produit pour les particuliers, prompts et géographie équivalents autant que possible, puis recouvrement de marques, recouvrement de citations, recouvrement de recommandations, similarité de Jaccard des sources, distributions de sortie. S’ils s’accordent fortement, la mesure par API gagne en crédibilité comme proxy. S’ils divergent de façon systématique, « nous mesurons ChatGPT » devient une description incomplète, sauf si le prestataire précise quelle surface ChatGPT.
La faisabilité technique n’est pas la même chose qu’une permission contractuelle. Les Conditions d’utilisation d’OpenAI, en vigueur au 1er janvier 2026, s’appliquent à ChatGPT, DALL·E et d’autres services pour les particuliers. Elles interdisent d’extraire automatiquement ou de façon programmatique des données ou de l’Output. [26] Cette interdiction ne doit pas, par un tour de passe-passe, être appliquée aux conditions API ou Enterprise. Tout observatoire du produit pour les particuliers a donc besoin d’une décision de conformité, plateforme par plateforme. Pour ChatGPT sous ces conditions, l’étude devrait recourir à une collecte manuelle ou à une autorisation explicite, plutôt qu’à du moissonnage automatisé, sauf si les conditions applicables changent. La méthode inclut la légalité.
Lancer des prompts équivalents depuis la Suisse, l’Allemagne, le Royaume-Uni, les États-Unis et le Japon. Là où les produits permettent de contrôler l’état du compte ou les conditions de mémoire, séparer une session propre d’un compte établi, mémoire désactivée de mémoire activée. Le but n’est pas d’imiter chaque être humain réel. Ce serait impossible. Le but est de quantifier jusqu’où ces effets de contexte peuvent aller. Si la marque A apparaît dans 72 passages suisses sur 100 et dans 18 américains sur 100, un score de visibilité mondial dissimule activement de l’information.
Créer un contenu contenant des éléments factuels distinctifs, traçables avec une haute confiance. Poser des questions pour lesquelles ces faits sont pertinents. Classer chaque passage dans une grille simple : cité et absorbé ; cité sans absorption claire ; absorption non attribuée ; aucune influence observée. Une validation humaine resterait nécessaire. L’expérience commencerait à séparer un phénomène que l’analytique actuelle mélange trop souvent : être cité, et façonner la réponse. Un monde où votre travail informe une réponse mais où quelqu’un d’autre reçoit la citation est, économiquement et culturellement, différent d’un monde où votre travail est à la fois utilisé et crédité.
Enfin, tester la promesse au cœur du GEO. Choisir des pages web comparables. Créer des groupes appariés de traitement et de contrôle. Un traitement améliore la hiérarchie sémantique, le nommage explicite d’entités, des énoncés factuels concis, des liens de preuve, des métadonnées canoniques, des données structurées et une présentation lisible par les machines. Un autre applique des techniques de recherche générative couramment recommandées. Un troisième fournit délibérément une interface machine plus claire : contenu sémantique stable, ressources structurées, balisage accessible, capacités explicites. Puis observer les deux groupes avant et après. Ne pas soustraire l’avant de l’après et appeler cela une causalité. Comparer le changement du groupe traité au changement du groupe témoin. Cela n’élimine toujours pas chaque facteur de confusion. Les modèles changent. Les index se rafraîchissent. Les concurrents publient. Les systèmes de récupération évoluent. Mais un plan traitement/contrôle est nettement plus solide que : on a réécrit la page et le tableau de bord est devenu vert.
Une première vague gérable pourrait être cinq catégories commerciales, dix intentions sous-jacentes, trois formulations sémantiques, dix répétitions et cinq moteurs : 7 500 observations. Si le protocole tient, la même discipline peut s’étendre. L’échelle compte moins que l’enregistrement. Chaque observation devrait conserver l’identifiant d’expérience, l’horodatage, le moteur, la surface produit, le modèle là où il est disponible, la région, l’état de compte ou de session, la famille de prompts, le texte exact du prompt, la réponse brute, les citations, les mentions extraites, les métadonnées de recherche observées là où elles sont disponibles, et la version du logiciel ou du protocole. Les enregistrements bruts devraient être immuables. Les scores dérivés devraient toujours pouvoir être reconstruits à partir d’eux. Aucun chiffre de tableau de bord ne devrait exister sans un chemin de retour vers ses preuves.
L’étude devrait commencer par tenter de se falsifier
Un projet de recherche sérieux ne devrait pas commencer par : les tableaux de bord de visibilité IA sont du non-sens.
Il devrait commencer par des hypothèses qui pourraient prouver le contraire.
Par exemple :
H₀ : des mesures répétées de visibilité IA sont assez stables pour que les estimations ponctuelles soient opérationnellement utiles.
H₁ : des prompts identiques produisent une variation matérielle d’un passage à l’autre.
H₂ : la paraphrase sémantique introduit une variance plus grande que la simple répétition identique.
H₃ : le choix du moteur explique davantage de variance que le libellé du prompt.
H₄ : les observations API et celles du produit pour les particuliers diffèrent de façon matérielle.
H₅ : le « rang » apparent est moins stable que la simple présence d’une marque.
H₆ : la probabilité de citation est moins stable que la probabilité de mention.
H₇ : le choix du corpus de prompts change de façon matérielle les scores de visibilité comparatifs.
H₈ : des interventions contrôlées sur des sites produisent des effets plus petits ou moins stables que ce qu’impliquent les tableaux de bord naïfs avant/après.
Certaines de ces hypothèses peuvent échouer.
Ce serait précieux.
Si une mesure de visibilité particulière se révélait remarquablement stable, reproductible et prédictive des issues de première main, alors la thèse sceptique devrait changer.
Un bon observatoire est capable de donner tort à son auteur.
L’intervalle de confiance appartient au tableau de bord
L’analyse statistique devrait traiter la famille d’intention, et non chaque paraphrase ou chaque appel répété, comme le groupe fondamental là où c’est approprié. Cinq paraphrases de la même question, observées de façon répétée, ne sont pas cinq intentions humaines indépendantes.
Parmi les méthodes utiles : intervalles de confiance par bootstrap en grappes, modèles hiérarchiques ou à effets mixtes, GEE pour des issues binaires répétées, similarité de Jaccard pour les ensembles de sources, mesures de Kendall ou de Spearman pour la stabilité de rang, décomposition de la variance à travers moteur, intention, libellé et temps, correction des tests multiples, et doubles différences pour les interventions.
La méthode exacte peut évoluer.
Le principe, non.
Au lieu de visibilité IA : 43,7, afficher une probabilité de mention de 44 pour cent, un intervalle à 95 pour cent de 39–49 pour cent, 82 familles d’intention, 1 640 observations, Suisse, condition produit ChatGPT pour les particuliers, protocole v1.2, dernier échantillonnage le 31 août 2026.
La seconde interface a l’air moins magique.
Elle est beaucoup plus utile.
Google nous donne une expérience de calibration
Il y a désormais une occasion inattendue.
Parce que Google a commencé à fournir, dans Search Console, des impressions génératives de première main, on peut comparer des mesures de visibilité synthétique à la télémétrie réelle de la plateforme.
C’est potentiellement l’une des expériences les plus précieuses disponibles.
Pour les pages du Studio qui y participent : enregistrer les impressions génératives de première main depuis Search Console ; mener indépendamment une veille synthétique d’AI Mode et d’AI Overviews contre un jeu de prompts gelé ; comparer les tendances ; tester si la visibilité synthétique prédit les changements d’impressions réelles ; examiner si les proxies de citation et de mention corrèlent avec le trafic d’apport et l’engagement.
La question devient : la chose que mesurent les prestataires de visibilité prédit-elle la chose qu’une plateforme peut réellement compter ?
C’est le problème de calibration qui manque aujourd’hui au marché.
La réponse pourrait innocenter certaines méthodologies. Elle pourrait en exposer d’autres.
L’un ou l’autre résultat serait utile.
La mesure ne reste pas neutre
Il y a une raison plus large de s’en soucier.
Les indicateurs ne se contentent pas de décrire des systèmes. Une fois que des institutions les récompensent, ils changent ces systèmes.
La loi de Goodhart se paraphrase d’habitude ainsi : quand une mesure devient une cible, elle cesse d’être une bonne mesure. La formulation vient de l’article de Charles Goodhart de 1975, « Problems of Monetary Management: The UK Experience », publié dans Papers in Monetary Economics de la Reserve Bank of Australia. [27]
La formulation voisine de Donald Campbell insiste sur la façon dont les indicateurs quantitatifs utilisés pour décider subissent des pressions qui distordent les processus qu’ils étaient censés surveiller. La source est « Assessing the impact of planned social change », Dartmouth Occasional Paper n° 8 (décembre 1976), puis Evaluation and Program Planning 1979. [28] L’essai de Jeffery Rodamar dans Significance en 2018 retrace le rapport entre les deux formulations. [29]
Le SEO en fournit une démonstration historique.
Une fois le classement dans la recherche devenu économiquement précieux, les sites ont changé. Les titres ont changé. Les structures de pages ont changé. Les calendriers de publication ont changé. Des catégories entières d’articles sont nées parce que des outils de mots-clés montraient une demande. Le contenu d’affiliation s’est étendu. Des marchés de rétroliens se sont formés.
L’appareil de mesure n’a pas seulement observé le web.
Il a aidé à le façonner.
Les indicateurs de visibilité IA commencent le même processus.
Si l’indicateur récompense les mentions, les éditeurs fabriqueront des mentions. S’il récompense la fréquence de citation, le contenu sera conçu pour les citations. Si les listicles sont trop souvent visibles, il y aura davantage de listicles. Si des structures factuelles simplistes produisent des scores propriétaires plus élevés, le web adoptera de plus en plus ces structures. Si les mentions de tiers pèsent plus que l’expertise de première main, les entreprises achèteront une présence de tiers. Si des résumés lisibles par les machines surpassent un argument nuancé, la nuance acquiert une pénalité économique. Et si un score synthétique unique devient un KPI marketing, les équipes optimiseront pour le score, qu’il prédise ou non une valeur humaine.
Ce n’est plus un problème de mesure.
C’est un problème de conception d’incitations.
Le danger n’est pas que les indicateurs soient faux
Traiter tout le champ de fausse science serait satisfaisant, et en grande partie faux.
L’ingénierie est réelle. Les observations sont réelles. Les problèmes statistiques sont familiers. Les meilleurs prestataires divulguent des parts significatives de leur méthode. Certains jeux de données sont vraiment impressionnants.
Le danger est plus subtil.
C’est que l’industrie adopte une certitude prématurée.
Une séquence du type : on a échantillonné ce système. Devient : on a mesuré la visibilité IA. Puis : la visibilité IA est de 43,7. Puis : la visibilité IA a augmenté parce qu’on a changé cette page. Puis : cette technique améliore votre position dans l’IA. Puis : optimiser chaque page pour l’indicateur.
Chaque phrase exige une inférence plus large que la précédente.
À la fin, le tableau de bord a voyagé beaucoup plus loin que les preuves.
Un système de mesure crédible pour l’économie de la réponse devrait répondre à cinq questions avant d’afficher un score. Qu’a-t-on observé — un prompt réel, une réponse, une citation, une requête de robot, une impression ou un apport ? Qu’a-t-on échantillonné — quels moteurs, prompts, lieux, sessions et dates ? Qu’a-t-on modélisé — demande de prompts, pondération de population, sentiment, part de voix, récupération inférée ? Quelle est l’incertitude — taille d’échantillon, variation, intervalle de confiance, dérive longitudinale ? Quelle affirmation causale est faite — corrélation, intervention contrôlée, ou simplement un graphique avant/après séduisant ?
Cette exigence ne tuerait pas l’analytique de visibilité IA.
Elle rendrait la catégorie meilleure.
La console manquante
Search Console de Google nous a peut-être habitués à trop attendre.
Pendant une brève période historique, un système de découverte dominant a fourni aux éditeurs une fenêtre partielle de première main sur la machinerie qui distribuait leur travail.
La découverte générative fragmente à nouveau cette visibilité.
Des moteurs différents cherchent différemment. Des modèles différents citent différemment. Les conversations privées restent privées. Les prompts sont, en pratique, sans borne. Le contexte personnel altère la récupération. La chaîne complète de provenance est rarement exposée.
Il se peut qu’il n’y ait jamais une Search Console canonique pour cet écosystème.
Cela ne rend pas la mesure impossible.
Cela rend la discipline épistémique plus importante.
On peut lancer des prompts. On peut archiver des réponses. On peut mesurer la variation. On peut inspecter des citations. On peut suivre des robots. On peut observer des apports. On peut utiliser des données de panel. On peut comparer des moteurs. On peut mener des interventions. On peut calculer l’incertitude. On peut corréler des indicateurs synthétiques avec les premiers fragments de télémétrie générative de première main qui apparaissent maintenant.
Il y a largement de quoi mesurer.
Il faut simplement cesser de prétendre que chaque proxy mesurable est la chose elle-même.
L’économie de la réponse n’a pas besoin de moins d’indicateurs.
Elle a besoin d’indicateurs qui se souviennent d’où ils viennent.
Parce qu’à la fin, ces chiffres deviendront des cibles.
Et une fois devenus des cibles, ils commenceront à reconstruire le web à leur image.
La question importante n’est donc plus seulement : peut-on mesurer la visibilité IA ?
C’est : qu’est-ce qu’on choisit exactement de mesurer — et que deviendra le web quand tout le monde se mettra à optimiser pour cela ?
Sources
[1] OpenAI. Searching the web with ChatGPT. OpenAI Help Center. Documente que ChatGPT search réécrit d’habitude une requête en une ou plusieurs requêtes ciblées ; recueille une localisation générale à partir de l’IP ; et, si la mémoire est activée, peut s’appuyer sur des souvenirs enregistrés pertinents au moment de réécrire une requête de recherche. https://help.openai.com/en/articles/9237897
[2] Google Search Central. Optimizing your website for generative AI features on Google Search. Publié le 15 mai 2026 ; dernière mise à jour le 10 juillet 2026. Documente la génération augmentée par récupération et le query fan-out comme des requêtes concurrentes et liées, générées par le modèle. Créer des pages pour des requêtes de fan-out surtout afin de manipuler les réponses d’IA générative constitue un abus de contenu à grande échelle. https://developers.google.com/search/docs/fundamentals/ai-optimization-guide
[3] Hillel Maoz et Moshe Samet. Introducing Search Generative AI performance reports in Search Console. Google Search Central Blog, 3 juin 2026. https://developers.google.com/search/blog/2026/06/gen-ai-performance-reports — et Google Search Console Help. Generative AI performance report (Search). Impressions pour AI Overviews et AI Mode. Monde entier au 31 août 2026. https://support.google.com/webmasters/answer/16984139
[4] Google Search Console Help. Generative AI performance report (Discover). Monde entier au 31 août 2026. https://support.google.com/webmasters/answer/16983858
[5] Google Search Console Help. Search generative AI control. Inclusion/exclusion au niveau de la propriété pour AI Overviews, AI Mode et les fonctions génératives de Discover. Pas un signal de classement pour le reste de Search. Monde entier au 31 août 2026. https://support.google.com/webmasters/answer/16908024
[6] Google Search Console Help. Data anomalies in Search Console. Erreur de journalisation des impressions Search d’IA générative du 13 au 17 août 2026, rétablie le 21 août ; erreur de journalisation Discover et IA générative dans Discover le 13 août. Journalisation seulement. https://support.google.com/webmasters/answer/6211453
[7] OpenAI. Publishers and Developers — FAQ. Documente utm_source=chatgpt.com sur les URL d’apport, et (dans des questions distinctes) OAI-SearchBot pour les résumés et extraits s’il n’est pas bloqué, et GPTBot comme un contrôle lié à l’entraînement. https://help.openai.com/en/articles/12627856
[7a] OpenAI. Crawlers overview. Contrôles robots.txt indépendants pour chaque robot. https://developers.openai.com/api/docs/bots
[8] Rebekah Bek / Ahrefs. Ahrefs Brand Radar Methodology: How we collect and model AI visibility data. Mis à jour le 26 février 2026. Impressions estimées comme visibilité potentielle, non comme portée d’audience réelle ; volume Google comme un choix de modélisation, non une relation mesurée. https://ahrefs.com/blog/brand-radar-methodology/
[9] Semrush. Where does the data in Semrush's AI Visibility Toolkit come from? Clickstream plus données de mots-clés Google ; plus de 317 millions de prompts ; aucune plateforme ne peut fournir des chiffres exacts sur la visibilité. https://www.semrush.com/kb/1607-semrush-ai-visibility-data
[10] Semrush. Semrush data (2026 glance). Appuie le chiffre de plus de 317 millions de prompts d’IA. https://www.semrush.com/kb/997-semrush-data
[11] Profound. Prompt Volumes. Panels de consommateurs à double opt-in, anonymisation, modélisation probabiliste, volumes mis à l’échelle pour refléter la population entière. https://www.tryprofound.com/features/prompt-volumes
[12] AirOps. Prompt Discovery: Build a Prompt Universe You Can Actually Trust. 30 avril 2026. Données de panel, People Also Ask, intention de recherche et conversations de première main ; les volumes sont des estimations. https://www.airops.com/blog/announcing-prompt-discovery
[13] AirOps. Prompt Mining: Take action on the questions your buyers already ask you. 25 mars 2026. Langage d’acheteur de première main ; aucun jeu de données unique ne capture le tableau entier. https://www.airops.com/blog/announcing-prompt-mining
[14] Gumshoe. How Gumshoe Works: Methodology, Data Integrity, and Why It Matters. Mis à jour en avril 2026. API seulement, persona d’abord ; sorties non déterministes agrégées à travers des relances ; visibilité globale par défaut ±5 points de pourcentage à 95 pour cent de confiance. https://gumshoe.ai/resources/gumshoe-methodology/
[15] Samanyou Garg / Writesonic. Do AI Engines Cite the Same Sources? We Studied 161,286 Prompts Across 4 Platforms. 22 juillet 2026. 161 286 prompts ; noyau à quatre voies 70 879 ; Jaccard de domaine 0,119–0,237 ; max Perplexity × Google AI Overviews 0,237. https://writesonic.com/blog/ai-citation-source-overlap-study
[16] Ronald Sielinski. Quantifying Uncertainty in AI Visibility: A Statistical Framework for Generative Search Measurement. arXiv:2603.08924, 2026. Échantillonnage répété, intervalles de confiance bootstrap et instabilité du rang de citation. https://arxiv.org/abs/2603.08924
[17] Ilan Strauss, Jangho Yang, Tim O'Reilly, Sruly Rosenblat, Isobel Moure. The Attribution Crisis in LLM Search Results: Estimating Ecosystem Exploitation. arXiv:2508.00838, 2025. n = 13 929 journaux LMArena ; écart d’attribution entre pages consultées et pages créditées. https://arxiv.org/abs/2508.00838
[18] Pranjal Aggarwal, Vishvak Murahari, Tanmay Rajpurohit, Ashwin Kalyan, Karthik Narasimhan, Ameet Deshpande. GEO: Generative Engine Optimization. arXiv:2311.09735, 2023. Hausses de visibilité jusqu’à 40 pour cent dans un contexte top-5 déjà récupéré, non une découvrabilité organique. https://arxiv.org/abs/2311.09735
[19] Olivier Martinez. Optimizing Visibility in Generative Engines: A Critical Survey of Generative Engine Optimization (2023–2026). arXiv:2607.14035, 2026. Passe en revue 45 études ; gains conditionnels à un contenu déjà dans le contexte. https://arxiv.org/abs/2607.14035
[20] OtterlyAI. How OtterlyAI collects data. 17 juillet 2026. Agrégation d’interfaces publiques ; exception API Claude ; prompts quotidiens. https://help.otterly.ai/how-otterlyai-collects-data
[21] Trakkr. Research. Environ 500 questions de découverte, chacune échantillonnée une fois ; les prompts suivis tournent contre les huit modèles chaque jour. https://trakkr.ai/learn/docs/features/research
[22] Orchly. How to track AI visibility in Orchly. Mis à jour le 13 juin 2026. Visibilité, citations, sentiment, suivi des concurrents ; « geography and personalization included ». https://orchly.ai/help/track-ai-visibility/
[23] Orchly. How to read AI traffic analytics and logs. Mis à jour le 13 juin 2026. La taxonomie d’Orchly place Google-Extended sous AI Chatbot. https://orchly.ai/help/read-ai-traffic-and-audit-logs/
[24] Google Crawling Infrastructure. Google's common crawlers — Google-Extended. Dernière mise à jour le 14 juillet 2026. Google-Extended est un jeton de produit robots.txt, sans User-Agent HTTP séparé. https://developers.google.com/crawling/docs/crawlers-fetchers/google-common-crawlers
[25] Google Search Central. Google Search's guidance on using third-party SEO tools, services, and advice. Mis à jour le 5 juin 2026. Google ne les évalue pas ; pas de données internes de classement ; pas de garantie de performance. https://developers.google.com/search/docs/fundamentals/third-party-seo
[26] OpenAI. Terms of Use. En vigueur au 1er janvier 2026. Portée : services pour les particuliers. Interdit d’extraire automatiquement ou de façon programmatique des données ou de l’Output. Ne régit pas, à elle seule, l’API ni Enterprise. https://openai.com/policies/terms-of-use/
[27] Charles Goodhart. Problems of Monetary Management: The UK Experience. In Papers in Monetary Economics, Vol. I. Reserve Bank of Australia, 1975. (La réimpression Palgrave de 1984 est une édition ultérieure, pas l’année d’origine.)
[28] Donald T. Campbell. Assessing the impact of planned social change. Occasional Paper n° 8, Public Affairs Center, Dartmouth College, décembre 1976 ; Evaluation and Program Planning 1979, 2(1): 67–90. DOI: 10.1016/0149-7189(79)90048-x
[29] Jeffery Rodamar. There ought to be a law! Campbell versus Goodhart. Significance, 2018. DOI: 10.1111/j.1740-9713.2018.01205.x
[30] Peec AI. Metrics overview. Visibilité = pourcentage de réponses d’IA où une marque apparaît ; part de voix = mentions de la marque divisées par toutes les mentions des marques suivies. https://docs.peec.ai/metrics-overview
[32] John Mueller. A new resource for optimizing for generative AI in Google Search. Google Search Central Blog, 15 mai 2026. Guide d’optimisation ; ce n’est pas l’annonce des rapports Search Console du 3 juin. https://developers.google.com/search/blog/2026/05/a-new-resource-for-optimizing
Statut de la recherche : observatoire proposé. Le travail empirique décrit dans ce brouillon est une expérience proposée. Aucun résultat de pilote multi-moteurs, aucun effet d’intervention sur des sites, aucune conclusion de visibilité transversale n’est revendiqué ici tant que ces mesures n’ont pas réellement été collectées et analysées.
Ce fichier est un original français, pour relecture seulement. Il n’est pas en ligne.