GEO

Mesurer la visibilité d'une marque dans ChatGPT, Gemini et le Mode IA de Google : une méthode reproductible et ses limites

Par Louis Brunet| |

Mesurer la visibilité d'une marque dans les IA consiste à poser régulièrement les mêmes questions à ChatGPT, Gemini, Claude et au Mode IA de Google, puis à compter dans combien de réponses la marque apparaît, à quel rang, avec quelles sources et avec quelles erreurs. Comme ces réponses changent d'une session à l'autre, seule une série répétée sur un corpus fixe produit un chiffre qui a un sens.

« Que dit ChatGPT de nous ? » La question arrive désormais en comité de direction, et la réponse la plus fréquente est une capture d'écran prise la veille par quelqu'un de l'équipe. Elle ne vaut pas grand-chose. Posée le lendemain, la même question aurait pu donner une autre liste de marques, dans un autre ordre, appuyée sur d'autres sources.

Cet article décrit la méthode que nous appliquons, y compris à notre propre marque, pour transformer cette impression en mesure : ce que l'on compte, dans quelles conditions, combien de fois, et ce que la mesure ne dira jamais. Elle tient dans un tableur et ne demande aucun abonnement. Les outils du marché peuvent l'automatiser ; ils ne dispensent pas d'en comprendre la logique.

Ce que l'on mesure exactement

Le mot « visibilité » recouvre plusieurs choses qu'il faut séparer dès le départ, parce qu'elles ne bougent pas ensemble.

La mention, d'abord : la marque est nommée dans le texte de la réponse. C'est l'indicateur de base, et le seul qui compte sur les questions du type « quelle agence choisir » ou « quel logiciel pour ». La citation ensuite : une page de votre site figure parmi les sources affichées. Une marque peut être mentionnée sans que son site soit cité, parce que le moteur s'appuie sur un comparatif ou un article de presse. L'inverse existe aussi, quand votre page sert de source à une réponse qui recommande un concurrent.

Viennent ensuite le rang de la mention dans la liste, à manier avec prudence comme on le verra, et l'exactitude de ce qui est dit sur vous : secteur, offre, implantation, clients. Une erreur répétée par plusieurs moteurs vaut autant qu'une absence. Elle désigne presque toujours une source tierce ancienne ou ambiguë qu'il faut corriger. Enfin, les sources affichées et les concurrents nommés à vos côtés disent sur quels sites se joue la réponse, ce qui oriente le travail bien plus qu'un score global.

Pourquoi une capture isolée ne prouve rien

Les moteurs de réponse ne renvoient pas une page de résultats stable comme le faisait la recherche classique. Deux études publiques récentes donnent l'ampleur du phénomène.

SparkToro et Gumshoe ont fait jouer par 600 volontaires 12 requêtes de recommandation sur ChatGPT, Claude et l'IA de Google, 2 961 fois au total, en novembre et décembre 2025. Leur conclusion, publiée le 27 janvier 2026 : il y a moins d'une chance sur cent que ChatGPT ou l'IA de Google donne deux fois la même liste de marques, et l'ordre de la liste est encore plus instable. Les auteurs en tirent une recommandation que nous partageons : un pourcentage de présence calculé sur de nombreuses requêtes jouées plusieurs fois est un indicateur raisonnable, une position dans la liste ne l'est pas.

En France, Converteo et Qwairy ont joué 736 requêtes de consommation une fois par jour du 13 au 23 août 2026 sur les AI Overviews de Google. D'après le compte rendu publié par le Journal du Net le 29 octobre 2026, dans 92,7 % des cas au moins une source citée, ou leur ordre, change d'une session à l'autre ; quand une marque est citée, les concurrents nommés à ses côtés changent dans 85,4 % des cas.

Notre propre relevé va dans le même sens. Le 4 novembre 2026, nous avons posé la même question, celle d'un acheteur qui cherche une agence d'acquisition digitale à Paris, aux quatre moteurs, une fois chacun. Les quatre réponses nomment 24 agences différentes, et une seule apparaît dans deux réponses. Sur une question plus étroite, le choix d'une agence GEO en France, un nom revient au contraire dans les quatre moteurs. Une capture prise sur la première requête ne dit donc rien de la visibilité d'une marque, et une capture prise sur la seconde peut donner une fausse impression de stabilité.

Une méthode reproductible en six étapes

1. Un corpus de requêtes figé

Le corpus est l'actif principal de la mesure. Le nôtre compte 30 requêtes réparties en familles : requêtes de catégorie (« quelle agence GEO choisir en France »), requêtes d'acheteur formulées comme on parle à un assistant, requêtes de niche propres à votre marché, et requêtes de marque (« que fait telle entreprise et pour qui », « telle entreprise avis »). Les requêtes de marque servent à contrôler l'exactitude, les autres à mesurer la présence.

On écrit chaque requête une fois pour toutes, mot pour mot, et on n'en retire aucune pendant au moins un an. On peut en ajouter, en les signalant. Retirer une requête qui ne donne rien, c'est fabriquer une progression qui n'existe pas.

2. Des conditions de test identiques

Chaque requête est posée dans une conversation neuve, sans relance, le même jour pour tous les moteurs, depuis la France et en français. Le nom du modèle et son mode (rapide ou raisonnement) sont notés, parce qu'ils changent sans préavis et que deux modes du même assistant peuvent répondre différemment.

Le point le plus souvent négligé est la personnalisation. La documentation d'OpenAI, consultée le 13 novembre 2026, précise qu'une conversation temporaire de ChatGPT peut utiliser les mémoires et les instructions personnalisées du compte si l'on choisit l'option « Personnalisé », et qu'il faut choisir « Non personnalisé » avant le premier message pour l'éviter. Notre premier relevé avait d'ailleurs signalé ce biais possible : un mode éphémère qui s'appuie sur la mémoire du compte qui mène le test risque de favoriser la marque de celui qui mesure. Un relevé fait depuis le compte personnel du directeur marketing de la marque mesurée est biaisé de la même façon.

3. Plusieurs exécutions par requête

Vu la variabilité décrite plus haut, une requête jouée une fois donne un oui ou un non sans valeur statistique. La cible raisonnable est trois exécutions par requête et par moteur, à quelques heures d'intervalle, et un score de 0 à 3. Trente requêtes, quatre moteurs, trois exécutions : 360 réponses par relevé. C'est le prix d'un chiffre défendable. Quand le temps manque, mieux vaut réduire le nombre de requêtes jouées à chaque passage, avec un sous-ensemble de requêtes sentinelles suivies chaque semaine, que réduire le nombre d'exécutions sans le dire.

4. Un codage simple et stable

Pour chaque réponse, on note dans un tableur : marque mentionnée ou non, rang, site cité ou non, concurrents nommés, sources affichées, et une colonne d'erreurs factuelles. La réponse complète est conservée, en texte et en capture datée. Le codage doit pouvoir être refait par une autre personne six mois plus tard : c'est ce qui distingue une mesure d'une opinion.

5. Les sources affichées, lues une par une

Les moteurs ne montrent pas tous leurs sources de la même façon. Sur nos cinq requêtes de catégorie du 4 novembre, le Mode IA de Google en affichait plusieurs par réponse, Claude s'appuyait sur une recherche web dont il indiquait parfois les pages lues, ChatGPT mêlait sites d'agences, quelques articles et une carte, et Gemini, en discussion temporaire, n'en affichait aucune. Là où elles sont visibles, ces sources sont la partie la plus utile du relevé : comparatifs, annuaires, articles de presse, pages d'agences. Elles disent où une marque absente doit être présente.

6. Une lecture croisée avec la Search Console et l'analytics

Le relevé dit ce que répondent les IA. Il ne dit pas ce qui arrive sur le site. Pour cela, deux sources de données existent, chacune avec ses angles morts.

Côté Google, la documentation Search Central indique que les apparitions dans les Aperçus IA et le Mode IA sont comptées dans le trafic global de la Search Console, rapport Performances, type de recherche « Web ». À notre lecture, on y voit donc l'effet d'ensemble sur les impressions et les clics, sans isoler la part qui revient aux réponses IA.

Côté assistants, OpenAI indique que ChatGPT ajoute le paramètre utm_source=chatgpt.com aux liens qu'il fournit, ce qui rend ce trafic lisible dans Google Analytics, à condition de ne pas bloquer son robot de recherche OAI-SearchBot. Gemini est moins lisible : selon une observation rapportée par Search Engine Roundtable le 30 octobre 2026, le paramètre ajouté par Gemini à ses liens en septembre a disparu, et les clics venus de l'application iOS arrivent sans référent, donc classés en accès direct dans GA4. Il s'agit d'une observation d'un praticien, que Google n'a pas confirmée. Elle suffit pour retenir que le trafic venu des IA est sous-estimé dans les outils d'analyse, et qu'il faut le lire comme un minimum.

Ce que la mesure ne dira pas

La première limite tient aux conditions du test. Un relevé joue des requêtes écrites par la marque, dans des sessions sans historique. Les vrais utilisateurs posent des questions plus longues, relancent, ont un historique et des préférences enregistrées. Le relevé mesure une tendance sur un panel stable, pas ce que voit chaque client.

La deuxième tient au lien avec le chiffre d'affaires. On sait mesurer la présence, on commence à mesurer le trafic, et personne ne sait encore relier proprement une mention dans une réponse à un contrat signé. Un retour sur investissement GEO présenté comme exact relève aujourd'hui de l'estimation.

La troisième tient aux outils. Plusieurs plateformes proposent désormais un suivi automatisé, souvent par appels aux interfaces de programmation des modèles plutôt que par les applications grand public. Les réponses obtenues par ce canal peuvent différer de celles de l'application, notamment sur la recherche web et l'affichage des sources. Ces outils sont utiles pour suivre des centaines de requêtes ; avant d'en choisir un, demandez-lui comment il interroge chaque moteur, combien de fois il joue chaque requête, et comment il calcule son score. Un score propriétaire dont la méthode n'est pas publiée ne se compare à rien.

Notre position : mesurer d'abord, sur un protocole que la marque garde

Nous recommandons de commencer par un relevé manuel de quelques semaines, sur un corpus construit avec les équipes commerciales, avant d'acheter un outil ou une prestation d'optimisation. Il coûte du temps plutôt qu'un abonnement, il apprend à lire les réponses, et il produit un état des lieux que la direction peut comprendre. Il fait aussi apparaître les vrais chantiers : une description erronée sur un annuaire, un comparatif sectoriel où la marque n'est pas, une page qui répond mal à la question que posent les acheteurs.

Le protocole doit appartenir à la marque. Si le prestataire change, la série continue, et la comparaison dans le temps reste possible. C'est ainsi que nous travaillons dans nos missions d'agence GEO, en lien avec le référencement naturel, puisque les pages bien indexées par Google restent la matière première de la plupart des réponses générées.

Pour mettre en place un premier relevé sur votre marque, ou pour relire celui que vous menez déjà, écrivez-nous.

Sources

Pour aller plus loin. Nos pages visibilité dans les IA et référencement naturel détaillent la méthode de l'agence, de l'audit au pilotage. Écrivez-nous pour cadrer votre projet.

Questions fréquentes

Les questions qui reviennent

Combien de requêtes faut-il pour mesurer la visibilité d'une marque dans ChatGPT ?

Une vingtaine à une trentaine de requêtes suffisent pour démarrer, réparties entre requêtes de catégorie, d'acheteur et de marque. L'important est de les figer et de les jouer plusieurs fois, car une requête jouée une seule fois ne dit presque rien. Nous travaillons sur 30 requêtes, avec un sous-ensemble de requêtes sentinelles suivies chaque semaine.

Combien de fois faut-il poser la même question à une IA ?

Au moins trois fois par moteur et par relevé, à quelques heures d'intervalle. Les études publiques de SparkToro et de Converteo montrent que les listes de marques et les sources changent presque à chaque session. Le résultat se lit en pourcentage de présence sur l'ensemble des exécutions.

Le rang d'une marque dans la réponse de ChatGPT est-il un bon indicateur ?

Pas seul. L'ordre des listes est encore plus instable que leur contenu, d'après l'étude SparkToro de janvier 2026. Le pourcentage de réponses où la marque apparaît, sur un corpus fixe et des exécutions répétées, est beaucoup plus fiable.

Peut-on voir le trafic venu de ChatGPT dans Google Analytics ?

Oui en partie : OpenAI indique que ChatGPT ajoute le paramètre utm_source=chatgpt.com aux liens qu'il fournit. D'autres assistants transmettent moins bien leur origine, et une partie de ce trafic tombe en accès direct. Les chiffres d'analytics sont donc à lire comme un minimum.

La Search Console montre-t-elle le trafic venu des Aperçus IA et du Mode IA ?

Google indique que ces apparitions sont incluses dans le rapport Performances, type de recherche Web, avec le reste du trafic de recherche. On y lit l'évolution globale des impressions et des clics, pas la part propre aux réponses IA.

Faut-il un outil payant pour mesurer sa visibilité dans les IA ?

Non pour démarrer : un tableur, un corpus figé et des sessions sans personnalisation suffisent. Un outil devient utile quand le nombre de requêtes ou de marchés suivis dépasse ce qu'une personne peut relever à la main. Il faut alors connaître sa méthode d'interrogation et de calcul avant de comparer ses scores.

Pourquoi le mode temporaire de ChatGPT ne suffit-il pas à neutraliser la personnalisation ?

Parce qu'une conversation temporaire peut utiliser les mémoires et les instructions du compte si l'option Personnalisé est choisie, selon la documentation d'OpenAI. Il faut sélectionner Non personnalisé avant le premier message, et éviter de mesurer depuis le compte d'une personne liée à la marque.