Mesurer la visibilité IA : mentions, part de voix

Pour completer cette boite a outils, consultez aussi Panne Shopify : comment distinguer incident plateforme et problème SEO et Crawler un reseau de sites satellites : les controles SEO a faire avant de publier.

Pourquoi vos métriques SEO classiques ne suffisent pas pour l’IA (et ce que Semrush dit avoir constaté)

Si vous voyez votre marque citée dans des réponses d’IA mais que cela ne se traduit ni en trafic ni en préférence de marque, vous n’êtes pas face à un « problème de SEO » au sens habituel. Vous êtes face à un problème de mesure : influence possible sans clic, réponses instables, et difficulté à comparer votre position à celle des concurrents sur des questions d’achat.

Dans un billet publié par Semrush (29 mai 2026), l’équipe explique avoir vécu exactement ce décalage : leurs contenus étaient souvent repris (ils parlent de « citations »), tandis que le trafic de blog baissait — et surtout, l’IA pouvait s’appuyer sur un contenu Semrush tout en recommandant un concurrent. Cette observation est utile comme signal méthodologique : « être utilisé comme source » ne dit pas « être choisi ».

Même source, même prudence : Semrush insiste sur le caractère non déterministe des réponses (la même question peut produire des listes différentes dans la journée) et sur la nécessité de lire les résultats comme une plage, pas comme un score exact. Ils citent aussi une étude interne sur 230 000 prompts où la part de citations de Reddit par ChatGPT aurait chuté rapidement (de ~60% à ~10%). Faute d’éléments publics ici (période, protocole, reproductibilité), prenez ce point comme une alerte sur la volatilité des sources, pas comme une statistique à reprendre telle quelle dans un reporting externe.

Conséquence opérationnelle : pour piloter votre visibilité dans les réponses d’IA, vous devez d’abord décider ce que vous mesurez, sur quels prompts, et avec quelles règles — puis seulement choisir un outil pour industrialiser la collecte.

Décision 1 — Qu’est-ce qu’on mesure exactement : citations, mentions, exactitude, ou part de voix ?

Le premier piège est de mettre « visibilité IA » derrière un seul compteur. Vous avez au moins quatre signaux distincts, qui ne racontent pas la même histoire et n’appellent pas les mêmes actions.

Les unités de mesure utiles (et ce qu’elles permettent de décider)

Mention (binaire) : votre marque (ou produit) apparaît / n’apparaît pas dans la réponse à un prompt donné. C’est simple à compter et robuste au bruit, à condition d’avoir des règles de normalisation.
Part de voix (comparative) : fréquence à laquelle votre marque est mentionnée, rapportée aux concurrents, sur un panel de prompts. Dans son billet, Semrush appelle cela « share of voice » et le présente comme le cœur de la mesure concurrentielle. Sans la dimension concurrentielle, une hausse de mentions peut masquer un marché où tout le monde progresse.
Citation / source : la réponse pointe vers une page ou un domaine comme support. C’est actionnable (vous pouvez améliorer la page, corriger une erreur, travailler un domaine tiers), mais ce n’est pas équivalent à une recommandation.
Exactitude : quand la réponse parle de vous, est-ce vrai (fonctionnalités, pricing, positionnement, cas d’usage) ? C’est un sujet à part entière, car une inexactitude peut se propager et dégrader la préférence de marque même si vous êtes « visible ».

Dans l’article Semrush, les deux métriques mises en avant sont « visibility » (être mentionné ou non) et « share of voice » (mentionné à quelle fréquence vs concurrents). Ces définitions sont celles déclarées par Semrush ; selon les plateformes suivies et le niveau d’outil, la granularité peut varier (par exemple, présence de sources, différenciation AI Mode vs AI Overviews, etc.). Si vous formalisez vos KPI en interne, écrivez vos définitions noir sur blanc plutôt que de reprendre un libellé d’outil.

Deux précisions qui évitent des interprétations dangereuses : (1) une mention n’est pas une recommandation, et (2) une citation peut coexister avec un verdict défavorable (« Semrush explique X, mais choisissez plutôt Y »). Votre pilotage doit pouvoir distinguer ces situations, même si vous commencez avec une mesure minimaliste (mention + part de voix).

Données d’entrée : le minimum viable pour lancer un suivi (prompts, concurrents, plateformes, règles de comptage)

Avant de parler d’outils, préparez vos entrées. C’est ce qui rend vos chiffres comparables dans le temps — et défendables face à un dirigeant qui demande « on gagne quoi ? ».

Ce que vous devez décider (et documenter)

Votre panel de prompts : un noyau « achat » (comparatifs, “best X for Y”, “outil pour…”, “alternative à…”, “pricing”, “avis”) + un sous-ensemble informationnel pour tester l’autorité. Acceptez que l’informationnel pur génère peu de marques : c’est normal, et ce n’est pas un échec.
Vos concurrents de référence : 3 à 6 noms maximum au départ. Trop large, vous diluez la lecture ; trop étroit, vous ratez des acteurs réellement cités.
Les plateformes : au minimum 2 (par exemple ChatGPT et Perplexity). Ajouter Google (AI Overviews/AI Mode) change la nature des réponses et la manière d’observer les sources ; si vous l’ajoutez, gardez un périmètre stable.
Les règles de comptage : marque corporate vs nom de produit, variantes orthographiques, abréviations, et gestion des mentions multiples dans une même réponse (une mention = 1, ou bien compter des occurrences ?). Pour un monitoring, la règle « mention binaire par réponse » est souvent la moins discutable.
Le statut de la mention : si vous le pouvez, notez « neutre », « recommandé » ou « négatif ». Même un tag manuel léger évite de célébrer une hausse de mentions défavorables.

Point de vigilance concret : si votre marque est aussi un mot commun (ou un acronyme), la normalisation devient une condition de validité. Exemple : décider si vous comptez uniquement les mentions avec un contexte explicite (ex. “NomDeMarque (outil SEO)”) ou si vous excluez les occurrences ambiguës. Sans cette règle, votre part de voix peut monter simplement parce que le modèle “devine” un autre sens.

Méthode de mesure reproductible : répétitions, fréquence, et lecture en “plage”

Le second piège est de mesurer une fois par mois et de commenter des variations qui relèvent du hasard. Si les réponses changent d’un run à l’autre, votre protocole doit absorber ce bruit.

Protocole minimal (reproductible)

Répétitions par prompt : 5 itérations est un bon point de départ pour constater la variabilité sans exploser le temps de saisie. Si vous n’avez le temps que pour 2 itérations, assumez une marge d’erreur plus large.
Fréquence : idéalement quotidien si vous automatisez ; sinon hebdomadaire avec répétitions (mieux que mensuel). L’objectif est de détecter une tendance, pas d’obtenir un score « exact ».
Lecture en plage : reportez une fourchette (ex. “30% ± 10”) plutôt qu’un pourcentage unique. Semrush recommande cette lecture en plage dans son billet, précisément pour éviter la surinterprétation.
Rebaselining : si vous changez votre panel (nouveaux prompts, prompts plus “durs”, ajout d’une plateforme), vous créez une nouvelle ligne de base. Comparer avant/après sans rebaselining produit des graphiques séduisants mais faux.

Mini-cas 1 — Protocole sans outil payant (tableur)

Contexte : PME SaaS B2B, catégorie “logiciel de reporting marketing”. Vous voulez savoir si vous entrez dans la short-list quand un acheteur demande une recommandation, sans promettre du trafic.

Construisez un panel de 20 prompts bas de funnel (ex. “meilleur outil de reporting marketing pour PME”, “alternative à [concurrent A]”, “outil dashboard marketing avec connecteurs X”, “comparatif [concurrent A] vs [concurrent B]”).
Choisissez 3 concurrents directs (pas 10) et définissez vos variantes de nom (marque et produit).
Exécutez 5 itérations par prompt sur 2 plateformes (ex. ChatGPT + Perplexity), le même jour, en gardant le prompt strictement identique.
Pour chaque réponse : cochez mention oui/non pour vous et pour chaque concurrent. Optionnel : taggez “recommandé” si la réponse vous conseille explicitement.
Calculez (a) visibilité = % de réponses où vous êtes mentionné et (b) part de voix = # réponses où vous êtes mentionné / (# réponses où au moins une marque du panel est mentionnée), à définir clairement.
Restituez une plage : par exemple, si selon les runs vous êtes entre 20% et 40% de part de voix, rapportez “~30% ± 10” et notez la date et les plateformes.

Ce protocole est volontairement « frugal ». Il ne vous dira pas pourquoi vous progressez, ni ce qui a déclenché une mention. Mais il vous donne un thermomètre concurrentiel défendable, qui peut ensuite justifier l’automatisation.

Résultat attendu : à quoi ressemble un dashboard utile (et ce qu’il ne dira jamais)

Un bon dashboard de visibilité dans les réponses d’IA ne cherche pas à remplacer l’attribution. Il sert à organiser des décisions : où vous êtes absent, où vous progressez, et quelles actions tester.

Les vues qui changent réellement vos priorités

Séries temporelles : visibilité et part de voix par plateforme, lues en plage (moyenne + dispersion).
Top prompts gagnés / perdus : les 10 questions où vous entrez ou sortez des réponses (signal actionnable pour le backlog contenu).
Part de voix vs concurrents : pas seulement “nous montons”, mais “qui nous remplace quand on n’apparaît pas”.
Qualité / exactitude : liste des réponses où une information factuelle sur votre produit est erronée (à traiter comme incidents).
Sources citées (si disponibles) : domaines récurrents qui soutiennent les réponses sur vos prompts clés (utile pour prioriser le off-site et les corrections).

Ce que ce dashboard ne dira jamais, même avec une bonne collecte : (1) quel contenu a « causé » la hausse (trop de variables), (2) quel revenu est attribuable à une mention, et (3) la “vérité” d’une plateforme (les modèles et leurs sources changent). Votre objectif raisonnable est une mesure de position concurrentielle, pas une preuve de ROI au clic.

Cas d’usage outil (Semrush vs alternatives) : quand un toolkit vaut le coût et quand un tableur suffit

Le choix d’outil n’est pas « Semrush ou rien ». La vraie question est : à quel moment la collecte manuelle vous empêche d’être régulier et comparable.

Quand un tableur suffit (et jusqu’où)

Vous avez < 30 prompts, 2 plateformes, et une revue mensuelle : vous pouvez tenir 4 à 8 semaines avec du manuel.
Vous cherchez d’abord à stabiliser les règles (prompts, concurrents, normalisation) avant d’investir.
Vous acceptez une métrique simple (mention + part de voix) sans analyse fine de sources.

Quand l’automatisation devient rationnelle

Vous voulez mesurer plus souvent (hebdo/quotidien) pour distinguer bruit et tendance.
Votre panel dépasse 100 prompts, ou vous suivez plusieurs pays/segments : la discipline de collecte devient le goulot d’étranglement.
Vous avez besoin d’alertes (ex. chute de visibilité sur 5 prompts d’achat) et d’un historique propre.
Vous voulez relier prompts → réponses → sources citées pour alimenter un backlog d’actions off-site (corrections, relations, publications).

Semrush explique utiliser “Enterprise AIO” et un “AI Visibility Toolkit”, avec des fonctions comme des prompts personnalisés et une analyse d’impact des sources (“Source Impact Analysis”). Ces noms et périmètres sont à prendre comme déclarés par l’éditeur : selon les offres et évolutions produit, les modules exacts, leur disponibilité et la fréquence de tracking peuvent changer. Si vous évaluez une solution (Semrush ou autre), demandez une démo centrée sur votre protocole : import du panel, règles de comptage, export brut, et capacité à rejouer les mesures.

Pour cadrer ce qu’un outil peut automatiser (collecte, synthèse, alerting) sans confondre avec les métriques elles-mêmes, lisez aussi : AI Agent : définition simple et exemples concrets en SEO (GSC, Ahrefs, Semrush).

Décision 2 — Où agir : on-site (audit/format) vs off-site (sources citées) et comment prioriser

Une fois la mesure en place, la tentation est d’ouvrir dix chantiers. Gardez une logique de priorité : exactitude d’abord, puis couverture des prompts d’achat, puis expansion off-site si vous pouvez l’assumer.

Mini-cas 2 — Audit d’un contenu déjà fort (sans le transformer en pub)

Vous avez un article SEO déjà bien positionné sur “comparatif outils de reporting marketing”. Il attire des impressions, mais votre marque est rarement mentionnée sur les prompts d’achat correspondants.

Ajoutez une section factuelle qui répond exactement à une question acheteur, sous forme de tableau : critères (connecteurs, rafraîchissement, gouvernance, export), limites, et à quelles équipes chaque option convient.
Rendez la section « extractible » : titres explicites, définitions courtes, données vérifiables (et sourcées si possible).
Intégrez votre produit uniquement si c’est cohérent : une ligne dans le tableau avec conditions (“convient si…”, “moins adapté si…”).
Relancez vos mesures sur les prompts liés (même panel, mêmes plateformes, mêmes répétitions) et observez : augmentation de mentions ? mais surtout, êtes-vous recommandé ou seulement cité comme exemple ?
Documentez le risque : une hausse de visibilité peut coexister avec une mention non favorable. Si vous le voyez, vous devez traiter le positionnement (messages, preuves, pages tierces) plutôt que “pousser plus de mentions”.

Côté off-site, Semrush raconte avoir testé des canaux comme Reddit, LinkedIn ou Medium et insiste sur un point qui vaut pour toute PME : ouvrir un canal exige une vraie ownership. Si vous ne pouvez pas publier, répondre et maintenir une présence crédible, mieux vaut concentrer vos efforts sur quelques pages tierces très citées et sur la correction des erreurs factuelles.

Limites et pièges : panels incomparables, KPI vanity, et confusion entre autorité et recommandation

Le monitoring de visibilité dans les réponses d’IA produit facilement des chiffres “présentables”. L’enjeu est de ne pas les rendre trompeurs.

Garde-fous simples à appliquer

Ne comparez pas deux périodes avec des panels différents : si vous élargissez, durcissez ou segmentez le panel, rebaselez et expliquez la rupture.
Ne mélangez pas prompts informationnels et prompts d’achat dans un KPI unique : vous allez diluer le signal là où les marques ont le plus de chances d’apparaître (l’achat).
N’interprétez pas une hausse comme un effet causal d’une action unique : même Semrush précise ne pas pouvoir isoler précisément quelles tactiques expliquent quels gains (variables simultanées).
Traitez l’exactitude comme une priorité : une erreur répétée peut devenir la “vérité” par répétition, même si votre SEO est bon.
Séparez “autorité” et “recommandation” : être cité comme source sur un sujet ne signifie pas être recommandé comme solution. Les deux se pilotent, mais pas avec le même contenu ni les mêmes preuves.

Checklist de lancement en 7 jours (sans promesse de résultat)

Objectif : obtenir une première ligne de base exploitable et un backlog d’actions testables, sans sur-vendre un ROI au clic.

Plan d’exécution

Jour 1 — Définir le périmètre : 20 prompts d’achat + 5 prompts informationnels, 3 concurrents, 2 plateformes, une règle de comptage (mention binaire par réponse).
Jour 2 — Normaliser les entités : variantes de marque/produit, exclusions (ambiguïtés), et tags optionnels (recommandé / neutre / négatif).
Jour 3 — Lancer la collecte : 5 itérations par prompt et par plateforme. Conserver les réponses brutes (copie, URL si disponible, date/heure).
Jour 4 — Calculer la baseline : visibilité et part de voix, reportées en plage. Identifier 5 prompts où un concurrent est quasi systématiquement présent et vous absent.
Jour 5 — Produire un mini-dashboard : une page (tableur) avec séries temporelles (même si vous n’avez qu’un point), top prompts perdus/gagnés, et une section “incidents d’exactitude”.
Jour 6 — Construire un backlog de 5 actions : 3 on-site (améliorations de sections, tableaux, réponses directes) + 2 off-site (corriger une page tierce erronée, cibler une ressource souvent citée).
Jour 7 — Fixer la routine : une mesure hebdo (ou quotidienne si outillée), une revue mensuelle, et une règle de rebaselining si le panel change.

Si vous devez justifier ce dispositif en interne, votre promesse n’est pas “plus de clics”. C’est : (1) une mesure stable de votre position concurrentielle dans des réponses qui influencent la décision, (2) un système d’alerte sur l’exactitude, et (3) un backlog priorisé qui relie contenu et présence off-site à des métriques observables.