Comment se lit un audit de visibilité IA : un exemple réel, ligne par ligne

Un audit de visibilité IA mesure si votre marque apparaît quand vos clients interrogent ChatGPT, Gemini, Perplexity et Claude, à quelle place, avec quel ton, et face à quels concurrents. Il se lit dans un ordre précis : le périmètre d’abord, puis le taux de mention, puis les requêtes où vous êtes absent, et enfin les écarts entre IA et entre thèmes. C’est ce croisement qui dit quoi faire.

Je reçois souvent la même question après une restitution : « D’accord, mais 44 %, c’est bien ou pas ? » Un chiffre isolé ne veut rien dire. Pour le montrer, je vais dérouler un audit réel, ligne par ligne. Il porte sur un acteur majeur d’un secteur réglementé. Je ne donnerai ni son nom ni son secteur exact, mais tous les chiffres qui suivent sont ceux de son rapport.

Si vous découvrez le sujet, commencez par ce qu’est le GEO et par les raisons de mesurer sa visibilité IA. Ici, on passe à la pratique.

Sur quoi porte l’audit ?

Tout commence par le périmètre : 100 requêtes, posées à 4 IA, soit 400 réponses analysées. Sans ce cadre, aucun pourcentage n’est interprétable.

Les 100 requêtes sont les questions que les clients de la marque posent réellement à une IA avant de choisir : « quel acteur choisir pour… », « comparatif des… », « comment démarrer… ». Elles sont réparties en 5 thématiques, qui correspondent aux grands sujets de décision du secteur. Chaque requête est posée à ChatGPT, Gemini, Perplexity et Claude. On obtient 400 réponses, et on lit chacune d’elles : la marque est-elle citée, à quel rang, avec quel ton, et quelles sources l’IA mobilise-t-elle ?

Pourquoi 100 requêtes au minimum ? Parce qu’en dessous, une seule réponse fait bouger les pourcentages de plusieurs points. Selon la taille du marché et le nombre de thèmes, un audit peut aller jusqu’à 2 000 requêtes. Le principe reste le même : des questions réelles, sur toutes les IA, face aux mêmes concurrents.

Que signifie un taux de mention de 44 % ?

Le taux de mention indique, parmi les réponses qui recommandent au moins une marque du secteur, la part qui cite la vôtre. Dans cet audit, 207 réponses sur 400 recommandent au moins une marque, et notre marque apparaît dans 91 d’entre elles : 44 %.

Cette définition compte. Les réponses qui ne citent aucune marque (une définition, un conseil général) ne disent rien de votre position face aux concurrents. Les inclure ferait baisser artificiellement le chiffre. Ce qui intéresse une direction marketing, c’est la question suivante : quand l’IA recommande quelqu’un, est-ce nous ?

Et la réponse est double. D’un côté, 44 % fait de cette marque la plus citée de son secteur. De l’autre, elle est absente de plus d’une réponse sur deux parmi celles qui recommandent quelqu’un. Leader, et pourtant invisible la moitié du temps. C’est souvent le premier choc d’une restitution.

Que dit la position moyenne ?

La position moyenne mesure à quel rang la marque apparaît quand elle est citée : ici 2,1. En clair, quand l’IA la mentionne, elle arrive en moyenne juste après le premier nom cité.

C’est une bonne nouvelle, mais elle ne compense pas l’absence. Une marque citée en deuxième position dans 44 % des cas reste moins visible qu’une marque citée en troisième position dans une majorité de réponses. Je lis donc toujours la position en second, jamais en premier.

Pourquoi les 39 requêtes manquées comptent plus que le reste ?

Sur 100 requêtes, 39 font apparaître des concurrents, et jamais la marque auditée. C’est l’indicateur que je regarde avec le plus d’attention.

Ces 39 requêtes sont des situations précises où un client potentiel pose une question, reçoit une recommandation, et n’entend jamais parler de vous. Contrairement au taux de mention, elles sont actionnables une par une : on sait quelle question, sur quelle IA, et quels concurrents ont pris la place. C’est la liste de travail de la suite.

Quand je parcours ces requêtes, je cherche trois choses : les sources que l’IA cite à la place de la marque, les formulations de la question (souvent plus précises ou plus comparatives que celles que la marque travaille), et le thème auquel elles appartiennent. J’y reviens plus bas, car c’est là que se construit le plan d’action. J’explique aussi dans un autre article comment les LLM choisissent les marques qu’ils recommandent.

Pourquoi mesurer chaque IA séparément ?

Parce que la même marque n’a pas du tout la même visibilité d’une IA à l’autre. Sur 100 réponses par IA, elle est citée 12 fois par ChatGPT, 23 fois par Gemini, 35 fois par Perplexity et 21 fois par Claude.

L’écart entre ChatGPT et Perplexity est presque de un à trois. Il s’explique par la façon dont chaque IA construit sa réponse : certaines s’appuient d’abord sur leurs connaissances d’entraînement, d’autres vont chercher des pages en temps réel et affichent leurs sources. J’ai détaillé ces différences dans cet article sur les 4 IA.

La conséquence est concrète. Une moyenne tous moteurs confondus masquerait le point faible le plus important : ici, c’est ChatGPT qui cite le moins la marque. Un audit qui ne regarde qu’une IA, ou qui fait la moyenne des quatre, passe à côté de la priorité.

Comment lire le benchmark concurrentiel ?

Le benchmark compte les mentions de chaque marque sur l’ensemble des réponses : 110 pour la marque auditée, contre 97, 91, 90 et 53 pour ses quatre principaux concurrents.

Une mention n’est pas une réponse : une même réponse peut citer la marque plusieurs fois, d’où 110 mentions pour 91 réponses. Ce qui compte ici, c’est l’écart. La marque est en tête, mais trois concurrents sont à quelques mentions d’elle. Sa première place n’est pas acquise : il suffirait qu’un concurrent travaille mieux les thèmes où elle est faible pour la dépasser.

Le benchmark sert aussi à autre chose : repérer, requête par requête, qui est cité quand vous ne l’êtes pas. C’est souvent là qu’on découvre un acteur qu’on ne considérait pas comme un concurrent direct, mais que les IA placent dans la même catégorie.

Que révèle le sentiment ?

Quand la marque est citée, le ton est positif dans 35 % des cas, neutre dans 48 % et négatif dans 16 %.

Un ton neutre n’est pas un problème : c’est souvent une simple mention factuelle. Les 16 % de mentions négatives, en revanche, méritent d’être lues une par une. Dans cet audit, elles étaient concentrées sur des sujets précis, ce qui est plutôt une bonne nouvelle : une critique localisée se traite, une critique diffuse beaucoup moins. L’IA reprend ce qu’elle trouve sur le web. Si une information est datée ou inexacte, c’est la source qu’il faut corriger ou compléter.

Pourquoi regarder les thèmes un par un ?

Parce que la visibilité varie fortement selon les sujets : dans cet audit, de 15 % à 30 % de l’ensemble des réponses selon la thématique.

Ce chiffre se calcule sur toutes les réponses d’un thème, pas seulement sur celles qui recommandent une marque. Il n’est donc pas comparable directement au taux de mention global, mais il permet de comparer les thèmes entre eux. Et l’écart du simple au double entre le thème le mieux couvert et le moins bien couvert dit où investir en premier.

C’est souvent le point le plus contre-intuitif pour une marque leader : elle est très visible sur son cœur de métier, et beaucoup moins sur des sujets connexes où ses clients se posent pourtant des questions. Les IA, elles, ne se limitent pas au cœur de métier.

Que fait-on de ces chiffres ?

Un audit ne vaut que par le plan d’action qui en sort. Dans ce cas, les recommandations clés tenaient en trois axes.

Le premier : enrichir le contenu éditorial sur les thématiques sous-représentées, en partant des requêtes manquées. Le deuxième : optimiser les données structurées du site (schema.org), pour que les IA comprennent sans ambiguïté qui est la marque et ce qu’elle propose. Le troisième : renforcer la présence sur les sites à forte autorité du secteur, ceux que les IA citent déjà comme sources. Chaque action est classée selon son impact et son effort, pour savoir par quoi commencer. Pour le détail des leviers côté site, je renvoie à mes 7 critères de citation et à ce guide pratique.

Un bon audit ne dit pas seulement où vous en êtes. Il dit quelles questions travailler en premier.

Et pour votre marque ?

L’audit de visibilité IA Beeleven produit exactement ces indicateurs pour votre marque, face à vos concurrents, sur les 4 IA. Vous recevez sous 48 h un rapport HTML interactif et une présentation PowerPoint, puis nous le restituons ensemble en visio. L’audit démarre à 500 € HT, et vous pouvez configurer le nombre de requêtes et d’IA pour obtenir un prix immédiat.

Si vous voulez d’abord vérifier qu’une page de votre site est prête à être citée, Detekia vous donne un score gratuit en quelques minutes. C’est un test technique d’une page, pas une mesure de votre présence dans les réponses des IA : les deux se complètent.

Questions fréquentes

Sources

Les chiffres de cet article proviennent tous du rapport d’audit anonymisé présenté sur la page Audit de visibilité IA.