Comment nous mesurons la visibilité dans la recherche IA

WhoCanFindMe mesure deux choses différentes, et il est important de bien comprendre les deux :

1. Préparation IA (l'audit gratuit). Un score déterministe et heuristique basé sur des signaux que nous extrayons directement de votre page publique : règles robots.txt, données structurées, extractibilité du contenu, signaux de fraîcheur et santé technique. Cela s'exécute en quelques secondes et ne coûte rien, car cela ne nécessite aucun appel API IA en direct. Cela vous indique si votre page est positionnée pour être trouvée par les robots et analyseurs IA.
2. Visibilité mesurée (palier payant). Des requêtes ancrées en direct envoyées à ChatGPT, Perplexity et Gemini, ainsi qu'une requête de rappel des données d'entraînement envoyée à Claude (qui n'a pas encore d'API de recherche web native), pour mesurer si votre marque apparaît réellement dans les réponses. Trois moteurs reposent sur la récupération d'information ; Claude est un contrôle de mémoire d'entraînement. Voir la section 4 pour le détail complet.

Cette distinction compte. Un score de Préparation vous renseigne sur les prérequis techniques de la visibilité IA ; la Visibilité mesurée vous renseigne sur le résultat réel. Pensez à la Préparation comme à « la porte est-elle déverrouillée ? » et à la Visibilité mesurée comme à « les gens la franchissent-ils réellement ? »

Le score de Préparation agrège six catégories de signaux. Chacune est mesurable indépendamment depuis votre page publique, sans aucun appel API IA.

Chaque moteur IA pondère différemment les six catégories de signaux, car leurs architectures de récupération sont réellement différentes. Plutôt que de présenter un « score IA » unique, nous calculons un score de Préparation par moteur, puis nous les moyennons pour obtenir le chiffre global affiché.

ChatGPT pondère fortement l'accès des robots, car 87% de ses citations proviennent des 10 premiers résultats de Bing, et Bing nécessite l'accès d'OAI-SearchBot. Perplexity valorise surtout la fraîcheur et l'autorité, car son pipeline RAG à six étapes filtre agressivement selon la récence et la densité factuelle. Gemini valorise avant tout les données structurées et les signaux d'autorité, reflet du cadre E-E-A-T de Google. Claude place l'extractibilité en premier, car c'est le moteur le plus sélectif, avec 97.8% de ses citations provenant de sources établies et clairement structurées.

Tout moteur bloqué dans robots.txt reçoit une pénalité de 55% sur son score combiné (le score est multiplié par 0.45), reflétant le fait qu'un moteur bloqué ne peut absolument pas indexer ni citer la page.

Le score de Préparation global est la moyenne arithmétique des quatre scores par moteur, chacun plafonné à [0, 100].

Les scores de Préparation sont une condition nécessaire mais non suffisante pour la visibilité IA. La Visibilité mesurée va plus loin : nous envoyons de vraies requêtes aux moteurs IA réels et mesurons si votre marque apparaît dans les réponses ancrées et citées.

Pourquoi des requêtes ancrées, et non des sondages de mémoire d'entraînement

Pour la plupart des grands moteurs IA grand public (ChatGPT Search, Perplexity, Google AI Overviews et Copilot), les réponses sont ancrées dans une récupération web en direct au moment de la requête. La mémoire d'entraînement détermine si une IA « sait » qu'une marque existe ; la récupération en direct détermine si elle cite cette marque dans ses réponses. Le GEO est avant tout un problème de récupération, c'est pourquoi nous privilégions les requêtes ancrées partout où le moteur le permet.

Pour ChatGPT, Perplexity et Gemini, nous n'utilisons pas le prompting du modèle de base (demander à l'IA ce qu'elle « sait » d'une marque sans recherche web). Cela teste une mémoire d'entraînement figée, est fortement non déterministe, sujet aux hallucinations pour les marques moins connues, et ne reflète pas ce que les utilisateurs voient réellement dans les moteurs grand public ancrés. Claude est la seule exception : à ce jour, dans l'API Anthropic actuelle, Claude n'a pas d'outil de recherche web natif comparable à ceux d'OpenAI ou de Google, donc son score est nécessairement un contrôle de rappel de mémoire d'entraînement, pas une mesure ancrée. Nous signalons ce point sur chaque score Claude, et nous basculerons vers une requête ancrée dès qu'Anthropic proposera une API de recherche web.

Conception du jeu de requêtes

Nous construisons un jeu de requêtes sélectionné couvrant trois catégories : les requêtes de découverte (basées sur la catégorie, sans nom de marque), les requêtes de comparaison (stade d'évaluation), et les requêtes directes sur la marque. La répartition est d'environ 60/30/10 : la découverte est la plus pondérée, car c'est là que se capte une nouvelle audience. Un minimum de 30 requêtes par audit fournit un signal significatif ; l'audit standard complet en utilise 50.

Répétitions et traitement statistique

Une exécution unique d'une seule requête n'a presque aucun sens. Le non-déterminisme des LLM signifie que la même requête peut produire des citations différentes d'une exécution à l'autre, même à temperature=0 (la variance liée à la taille de lot au niveau du GPU ne peut pas être éliminée). L'étude GEO de Princeton a montré qu'il fallait 60 à 100 répétitions pour stabiliser les pourcentages de visibilité.

Chaque répétition renvoie la requête identique. Nous ne modifions ni ne reformulons le prompt entre les répétitions. Les audits payants standard exécutent 3 répétitions par requête et par moteur ; l'aperçu gratuit/anonyme et les relances de routine Agency n'en exécutent qu'une seule (un instantané à échantillon unique, sans marge). Le taux de citation est calculé comme la fraction des exécutions où la marque a été citée (brandCited = true). Nous utilisons l'intervalle de score de Wilson pour calculer un intervalle de confiance à 95% sur cette proportion. Cela reflète la constance d'une exécution à l'autre sous la variabilité côté fournisseur, sur des appels identiques, et non un échantillon de la façon dont la citation pourrait varier selon différentes formulations d'une même requête.

Fidélité API vs interface grand public

Pour ChatGPT, Perplexity et Gemini, nous utilisons l'API programmatique de chaque moteur avec la recherche web activée. C'est la norme du secteur et la seule approche scalable, mais elle introduit des écarts connus :

• ChatGPT.com grand public peut inclure une personnalisation et un historique de navigation que les API ne reproduisent pas.
• L'API Gemini avec ancrage Google Search et les Google AI Overviews ne partagent qu'environ 38.5% des principaux domaines cités, un écart structurel que nous divulguons explicitement sur chaque score Google.
• Perplexity documente une divergence potentielle entre son API et son interface grand public.
• L'API de Claude n'a aucun outil de recherche web, donc son score utilise le rappel des données d'entraînement du modèle plutôt qu'un appel API en direct : le plus grand écart de fidélité des quatre, divulgué sur chaque score Claude.

Nous signalons ces limites dans chaque rapport qui inclut un score de Visibilité mesurée. Nous pensons que la transparence sur les limites de la mesure a plus de valeur qu'une fausse précision.

Les scores de visibilité IA sont des estimations, pas des faits. Trois sources de volatilité affectent toute mesure :

1. Non-déterminisme des LLM. Même à temperature=0, les réponses de l'API varient en raison de la variance liée à la taille de lot au niveau du GPU. Un score ponctuel sans répétition peut varier de ±30% d'une exécution à l'autre. Notre moteur de Visibilité mesurée répète plusieurs fois chaque requête identique et rapporte des intervalles de confiance de Wilson sur le taux de citation obtenu. Cela mesure la constance d'une exécution à l'autre sous la variabilité côté fournisseur, et non la variation selon différentes formulations d'une même requête, afin que vous puissiez voir à quel point chaque chiffre est stable.
2. Mises à jour des modèles et des algorithmes. OpenAI, Google et Perplexity mettent à jour leurs modèles en continu, souvent sans annonce publique. Un score vieux de six semaines peut ne plus refléter la réalité actuelle. Nous affichons la date de mesure sur chaque score et signalons les scores de plus de 30 jours.
3. Variation géographique et de personnalisation. La même requête produit des réponses différentes selon les localisations, les langues et les types de compte. Nos mesures sont effectuées depuis des emplacements standardisés. Les résultats pour d'autres zones géographiques peuvent différer.

Le score de Préparation (audit gratuit) est bien plus stable que la Visibilité mesurée, car il teste des signaux déterministes (robots.txt, données structurées, contenu HTML), et non des sorties d'IA stochastiques. Un changement du score de Préparation reflète un changement réel sur votre page.

Nous pensons que l'honnêteté intellectuelle sur les limites de la mesure est ce qui distingue un outil utile d'un générateur de scores à l'apparence convaincante. Voici ce que cet outil ne peut explicitement pas vous dire :

Notre méthodologie s'appuie sur des recherches académiques publiées et des études de praticiens de première main. Le domaine évolue vite ; nous revérifions les statistiques clés chaque trimestre. Étiquettes de force des preuves : Prouvé = étude contrôlée ou répliquée dans plusieurs études ; Probable = étude unique ou fort consensus de praticiens avec un mécanisme plausible ; Légende = largement répété, sans étude.