Comment nous mesurons la visibilité IA, et pourquoi nos chiffres disent « connaissance du modèle »
La méthode de nos chiffres de visibilité IA : questions d’acheteurs brutes, extraction séparée, échantillons répétés, et pourquoi l’API n’est pas ChatGPT.com.
En bref
- Chaque question d’acheteur suivie est envoyée seule, sans prompt système, à chaque modèle suivi, plusieurs fois.
- La mention de la marque se décide par comparaison exacte du texte ; un appel séparé ne fait que lister les autres entreprises citées.
- Le mode par défaut est la « connaissance du modèle » : des réponses d’API issues des données d’entraînement, sans recherche web, qui peuvent différer de ChatGPT.com ou de Claude.ai avec navigation.
- La « recherche en direct » n’apparaît que si le fournisseur renvoie de vraies traces, et un modèle en échec est enregistré comme tel, jamais remplacé par un autre.
- Les quatre indicateurs (visibilité, rang moyen, part de voix, stabilité) se calculent toujours au sein d’un seul mode.
Sur cette page
- Mesurer une réponse sans la modifier
- La méthode, étape par étape
- Les consignes d’extraction, mot pour mot
- Pourquoi nous écrivons « connaissance du modèle »
- Quand un chiffre indique « recherche en direct »
- Les quatre indicateurs
- Modèles en échec et exécutions partielles
- Offres et fréquence
- Ce que ces chiffres ne peuvent pas vous dire
- Comment les utiliser
- Questions fréquentes
- Sources
Mesurer une réponse sans la modifier
La façon tentante de mesurer la « visibilité IA » consiste à demander à un modèle : « Quelles entreprises proposent X ? Liste-les avec leur site. » Mais cette consigne change la réponse. Un modèle à qui l’on demande une liste d’entreprises avec leurs URL produit des listes, alors qu’un acheteur qui pose une question ordinaire reçoit souvent une explication avec deux noms, voire aucun. Nous gardons donc la question telle quelle et faisons la lecture à part.
Cet article décrit la méthode exacte derrière les chiffres de visibilité IA d’Autoranko au 8 novembre 2026 : ce que nous envoyons, ce que nous n’envoyons pas, comment nous lisons les réponses et quelles mentions accompagnent chaque chiffre.
La méthode, étape par étape
- Questions. Celles que poserait un acheteur de votre marché, rédigées sans le nom de votre marque (« meilleur logiciel de comptabilité pour indépendants en France », et non « Acme est-il bien ? »). Elles sont enregistrées par site et votre offre fixe combien sont suivies.
- Modèles. Chaque question est envoyée à chaque famille de modèles suivie. Au 8 novembre 2026, les familles disposant d’une voie de réponse sont GPT, d’OpenAI, et Claude, d’Anthropic, via notre passerelle d’IA. Votre offre fixe combien de familles sont suivies.
- L’appel. La question est le seul message : pas de prompt système, pas de consigne de format, aucune mention de la marque.
- Échantillons. Les réponses varient d’un appel à l’autre ; les offres avec plusieurs échantillons posent donc la même question au même modèle plusieurs fois. C’est cette dispersion que mesure l’indicateur de stabilité.
- Détection de la marque. Une réponse vous mentionne ou non selon une comparaison exacte du texte avec votre nom de marque, ses alias et vos domaines, sans tenir compte de la casse ni des accents. Aucun modèle n’en décide.
- Extraction. Un appel séparé, à un modèle moins coûteux, lit jusqu’à cinq réponses à la fois et liste dans l’ordre les autres entreprises, marques ou produits qu’elles citent. On en tire le rang de la mention et le classement des concurrents. Il n’est jamais attribué au modèle suivi.
- Indicateurs. Visibilité, rang moyen de la mention, part de voix et stabilité, par exécution, modèle, question et intention.
Les consignes d’extraction, mot pour mot
Voici les consignes de l’appel d’extraction au 8 novembre 2026 (en anglais, comme dans le produit). La question suivie, elle, ne reçoit jamais de prompt système. La section « Method » du tableau de bord affiche toujours la version en vigueur.
You read answers that AI assistants gave to buyer questions. For each answer, list the companies, brands, products and services it names, in the order they first appear.
Rules:
- Only names written in the answer. Never add a name that isn't there.
- Skip generic descriptions ("a local agency"), people, places, websites cited only as sources, and publications, unless they are what the answer recommends.
- One entry per distinct name, spelled as in the answer. Add the domain only when the answer writes it.
Return JSON only: {"answers":[{"id":"<id>","entities":[{"name":"...","domain":"example.com or null"}]}]}Pourquoi nous écrivons « connaissance du modèle »
Par défaut, les réponses viennent des données d’entraînement du modèle via l’API, sans recherche web. Ce n’est pas la même chose que ChatGPT.com ou Claude.ai : les applications grand public peuvent naviguer, ont leurs propres consignes et leur mémoire, connaissent la localisation de l’utilisateur et peuvent utiliser une autre version du modèle. Chaque chiffre de ce mode porte donc cette mention dans le tableau de bord :
Mention du mode connaissance (telle qu’affichée dans le tableau de bord)
Model knowledge: what <tracked models> answer from training data via API, without web search. ChatGPT.com or Claude.ai with browsing may answer differently.
La connaissance du modèle compte malgré tout : c’est ce qu’un modèle « sait » de votre marché quand il ne cherche pas, et elle évolue lentement, ce qui en fait une base stable. Mais c’est une autre mesure que « ce que voient vos clients », et nous ne la présentons jamais ainsi.
Quand un chiffre indique « recherche en direct »
Une exécution n’est étiquetée recherche en direct que si le fournisseur a renvoyé des traces de recherche ou des citations. Si la recherche en direct n’est pas disponible pour un modèle sur notre serveur, l’exécution mesure la connaissance du modèle et le signale dans ses notes. Les résultats des deux modes ne sont jamais mélangés dans un même graphique.
- « Searches the model ran (observed) » : les recherches réellement lancées par le modèle, uniquement chez les fournisseurs qui renvoient des traces.
- « Predicted searches » : quand nous demandons à part à un modèle ce qu’il chercherait. Elles sont prédites, pas observées.
- « URLs the model wrote (unverified) » : les liens d’une réponse en mode connaissance ne sont pas des sources ; le modèle a pu les inventer.
Les quatre indicateurs
| Indicateur | Définition | Comment le lire |
|---|---|---|
| Visibilité | Réponses qui mentionnent la marque ÷ réponses obtenues | À quelle fréquence on vous cite. |
| Rang moyen de la mention | Position moyenne de la marque parmi les noms cités par une réponse, quand elle y figure | 1 = vous êtes cité en premier. |
| Part de voix | Mentions de la marque ÷ toutes les mentions de noms (chaque réponse compte chaque nom une fois) | Votre part de la conversation face aux concurrents. |
| Stabilité | Part des paires question × modèle dont les échantillons concordent (tous vous citent, ou aucun) | La reproductibilité du résultat ; stabilité faible = chiffres bruités. |
Modèles en échec et exécutions partielles
Notre passerelle d’IA ne répond pas toujours pour tous les modèles : certains échouent par intermittence. Quand une réponse échoue, elle est enregistrée comme un échec pour le modèle interrogé, réessayée au plus une fois (pas avant 20 minutes) et jamais prise chez un autre modèle. L’exécution se termine alors « partielle », avec des décomptes par modèle. La visibilité n’est calculée que sur les réponses obtenues : une exécution partielle indique donc sur combien de réponses repose chaque chiffre.
Offres et fréquence
| Offre | Questions suivies | Familles de modèles | Échantillons par question et modèle | Exécution automatique | Exécutions manuelles en plus par mois |
|---|---|---|---|---|---|
| Free | 5 | 1 | 1 | Mensuelle | 1 |
| Starter | 20 | Jusqu’à 2 | 2 | Mensuelle | 2 |
| Pro | 50 | Jusqu’à 3 | 2 | Hebdomadaire | 4 |
Aujourd’hui, seules deux familles (GPT et Claude) ont une voie de réponse : les places de l’offre Pro au-delà de deux restent inutilisées tant qu’aucune autre famille n’est ajoutée. Les questions suivies se comptent sur tous les sites du compte.
Ce que ces chiffres ne peuvent pas vous dire
- Ce n’est pas du trafic. Qu’une mention amène des visites dépend de l’endroit où elle apparaît. Pour cela, le panneau de trafic des assistants IA lit votre propre propriété GA4 (en lecture seule), et il sous-estime les visites qui arrivent sans référent.
- Ce ne sont pas des positions Google ni AI Overviews. Nous n’interrogeons pas les fonctions d’IA de Google.
- Les petits échantillons sont bruités. Avec un ou deux échantillons par question, une seule réponse peut faire varier la visibilité. Lisez la tendance sur plusieurs exécutions.
- Ils ne prouvent pas une cause. Une évolution après une publication peut venir d’une mise à jour du modèle.
Comment les utiliser
- Suivez des questions d’acheteurs, pas des questions sur votre marque. « Acme est-il bien ? » en dit peu sur votre visibilité.
- Regardez la stabilité avant d’interpréter une variation de visibilité. Si les échantillons divergent, attendez l’exécution suivante.
- Comparez dans le même mode et avec les mêmes modèles.
- Associez-les à la préparation technique : notre audit GEO vérifie que les robots d’IA peuvent atteindre et lire une page.
Questions fréquentes
Est-ce ce que ChatGPT montre à mes clients ?
Pas forcément. Les chiffres du mode connaissance sont des réponses d’API sans recherche web. ChatGPT.com et Claude.ai peuvent naviguer, suivent leurs propres consignes et connaissent la localisation de l’utilisateur : ils peuvent répondre autrement. Chaque chiffre porte la mention de son mode.
Pourquoi ne pas demander au modèle de lister les marques qu’il recommande ?
Parce que la consigne change la réponse que l’on veut mesurer. Nous envoyons la question telle quelle et lisons la réponse dans un appel séparé.
Combien de fois chaque question est-elle posée ?
1 fois par modèle avec l’offre Free, 2 fois avec Starter et 2 fois avec Pro, à chaque exécution. Pro s’exécute chaque semaine ; Free et Starter chaque mois.
Que se passe-t-il quand un modèle ne répond pas ?
Ses réponses sont enregistrées comme des échecs pour ce modèle, réessayées au plus une fois plus tard, et jamais remplacées par la réponse d’un autre modèle. L’exécution est marquée partielle.
Suivez-vous Gemini, Perplexity ou les AI Overviews de Google ?
Pas au 8 novembre 2026 : les familles suivies sont GPT (OpenAI) et Claude (Anthropic). Chaque chiffre indique de quels modèles il provient.
Sources
Interroger un assistant IA sur cet article
Chaque lien ouvre l’assistant dans un nouvel onglet avec une question sur cet article. Selon l’assistant, elle est saisie pour vous ou envoyée aussitôt ; seules la question et l’adresse de cette page sont transmises.
Comment cet article a été fait
Rédigé par Autoranko Research avec l’aide de l’IA, à partir du code du produit et des sources citées plus bas, au 8 novembre 2026. Si quelque chose ici ne correspond plus au produit, c’est le produit qui a raison : prévenez-nous et nous corrigerons l’article.
Signaler une erreurOutils gratuits sur ce sujet
- Audit de préparation GEOÉvaluez à quel point une page est prête à être trouvée, lue et citée par les moteurs de réponse IA.Ouvrir l’outil
- Test des réponses IAPosez une question d'acheteur aux modèles de ChatGPT et de Claude et voyez s'ils citent votre marque.Ouvrir l’outil
- Vérificateur de robots IAVoyez quels robots IA et de recherche peuvent accéder à une URL, et lesquels vous bloquez par erreur.Ouvrir l’outil
- Générateur de llms.txtCréez un fichier llms.txt qui pointe les modèles IA vers vos pages les plus importantes.Ouvrir l’outil