Tag: perplexité

  • Mentionner une marque dans ChatGPT est plus important qu’un lien : 92,8 % des conversations sans clic

    Mentionner une marque dans ChatGPT est plus important qu’un lien : 92,8 % des conversations sans clic

    92,8% des dialogues dans ChatGPT se terminent sans transition vers le site — ce sont les données de Profound, que Kevin Indig a analysées dans le digest du 21 juillet. Mesure sur le trafic réel d’un produit réel, on peut faire confiance au chiffre. Tout le référencement reposait sur une seule transaction : vous apparaissez en haut des résultats, la personne clique sur le lien vers votre site, et transformer cette visite en demande — c’est votre affaire. Le lien était le point où l’entreprise touchait le client pour la première fois. Dans la réponse du réseau de neurones, cette transaction se brise dès la première étape : la transition n’a souvent tout simplement pas lieu.

    Pourquoi 92,8% des dialogues dans ChatGPT se terminent sans transition vers le site

    Depuis plusieurs mois, je mesure comment ChatGPT, Perplexity, Alisa AQI et GigaChat citent les marques dans leurs réponses : je lance des prompts de contrôle et je regarde qui le modèle a mentionné, et qui — non. Derrière ces tests, un chiffre a émergé, qui casse la logique habituelle du SEO — et m’a poussé à changer ce que je suis globalement chez les clients. Je détaille dans l’ordre.

    Il y a trois semaines, nous avons passé via ChatGPT les prompts d’un client dans le secteur de la livraison de repas. Routine habituelle : vous tapez une question comme « quel service de livraison choisir à Moscou », vous regardez la réponse. Le client avait à ce moment-là beaucoup plus de liens provenant de sites externes que son concurrent le plus proche. Dans Ahrefs — le service qui calcule le poids des liens d’un site — cela se voit immédiatement : l’évaluation globale d’autorité est plus élevée, et le nombre de sites différents qui pointent vers lui est une fois et demie plus grand. ChatGPT a cité le concurrent. Le client — non. Pas mentionné du tout, pas une seule fois en vingt prompts.

    J’ai vérifié trois fois, j’ai changé les formulations de la question, la date du dialogue, la région. Résultat identique. Pendant une heure et demie, je ne comprenais honnêtement pas ce qui se passait. Vingt ans de promotion de sites m’ont habitué à une règle simple : plus on te cite, plus tu es haut dans les résultats de Google et Yandex, donc plus les réseaux de neurones devraient te citer volontiers. Ici, la règle n’a pas fonctionné. Seulement, il n’y avait pas de résultats au sens habituel. Il y avait un modèle qui décidait lui-même qui nommer par son nom, et qui — non. Et il décidait non pas selon un compteur de liens.

    La mention de la marque ne peut pas s’acheter avec des liens — elle s’accumule comme une réputation

    En même temps, le trafic IA lui-même est minuscule en volume — Ahrefs rapporte que ChatGPT représente environ 0,19% de toutes les transitions par liens sur Internet, contre 42% pour Google. Ridiculement peu, si on compare directement. Mais voici ce qui est plus intéressant : ceux, peu nombreux, qui cliquent quand même depuis ChatGPT, convertissent beaucoup plus volontiers — la conversion est d’environ 7,1%, et la visite elle-même est estimée 4,4 fois plus précieuse qu’une visite ordinaire. Moins de gens arrivent sur le site, mais ceux qui y arrivent — sont venus prêts à faire un achat ou toute autre action cible.

    Mentionner une marque dans ChatGPT est plus important qu'un lien : 92,8 % des conversations sans clic

    Et ici, un tournant important. Si la décision est prise AVANT le clic, à l’intérieur même de la réponse du modèle, alors il faut se battre non pas pour le clic. Il faut se battre pour la manière dont on te nommera au moment où le clic n’a pas encore eu lieu et, très probablement, n’aura pas lieu du tout. La mention dans la réponse de ChatGPT n’est pas organisée comme une place dans les résultats de recherche. Une place peut être obtenue en travaillant sur le site — liens, vitesse de chargement, nettoyage technique. Une mention ne s’achète pas ainsi. Le modèle la collecte à partir de deux sources : les textes sur lesquels il a été entraîné, et les pages qu’il tire directement pendant la réponse. Et ce n’est pas le nombre de liens qui décide, mais la manière dont on écrit globalement sur la marque — dans les avis, sur les forums, dans les articles sectoriels, dans les comparaisons.

    Le référencement dans la recherche apprenait à occuper les premières places, car la place menait à un clic vers le site. Le référencement dans les réponses des réseaux de neurones fonctionne autrement : il faut se battre pour la simple mention, car le clic peut ne pas avoir lieu du tout, et la personne prendra quand même sa décision — selon la façon dont le modèle a nommé la marque. Le lien est un actif ponctuel. Il fonctionne tant que la page reste dans les résultats, tant que le site est en vie, tant que l’algorithme l’apprécie. La mention s’accumule différemment : c’est une réputation qui s’est déjà déposée dans les textes sur lesquels le modèle a été entraîné et qu’il lit actuellement. Supprimez un article — la mention ne disparaîtra pas, elle est répartie sur des dizaines de sources.

    C’est là qu’a été mon erreur avec ce client de livraison de repas. Son profil de liens était solide, mais presque entièrement composé d’agrégateurs et d’annuaires où la marque était simplement listée. Le concurrent avait moins de liens, mais il avait trois articles éditoriaux détaillés décrivant en quoi le service se distingue des autres. Le modèle s’est entraîné en partie sur ces articles. Il ne comptait pas les liens — il lisait le contexte. La première place dans Google, d’ailleurs, ne garantit pas du tout une mention dans ChatGPT. Nous l’avons vérifié séparément sur plusieurs clients : la recherche et le réseau de neurones ont des mécanismes de sélection différents, et la première place dans les résultats classiques ne se transforme pas d’elle-même en ligne dans la réponse du modèle.

    Où le lien amène encore le client, et où la question se résout directement dans la réponse

    Le lien n’est pas mort entièrement — il est important de ne pas confondre. Dans le Google classique, 68 % des recherches aux États-Unis d’ici début 2026 se terminent également sans clic, ce sont des données de SparkToro citant Search Engine Land. La réponse sans passage par le site est arrivée aussi dans la bonne vieille recherche, simplement elle y était visible plus tôt — via des blocs de réponse prête, des fiches d’information et des réponses directes en haut des résultats.

    Le lien fonctionne encore là où la décision est prise APRÈS le premier contact : comparaison des prix, lecture des avis, documentation technique, tout ce qui nécessite de passer par des détails qui ne tiennent pas dans la réponse courte du modèle. Il fonctionne dans les niches à cycle de décision long — là, la personne arrivera de toute façon sur le site, juste plus tard. Le lien ne fonctionne pas là où la question se résout par une seule phrase dans la réponse. « Quel service de livraison choisir » — se résout par une phrase. « Combien coûte la livraison d’un restaurant précis dans un quartier précis demain soir » — ne se résout pas, il faut un clic. Une même entreprise vit des deux côtés de cette frontière — tout dépend de la requête exacte posée par l’utilisateur.

    Mentionner une marque dans ChatGPT est plus important qu'un lien : 92,8 % des conversations sans clic

    Ce que je mesure maintenant chez les clients au lieu des positions dans la recherche

    J’ai arrêté de regarder uniquement les positions dans les résultats et j’ai ajouté une mesure séparée : à quelle fréquence et dans quel contexte les modèles mentionnent la marque du client directement, sans clic, sans passage. Nous exécutons des prompts de contrôle — les vraies questions de l’audience — via ChatGPT, Perplexity, Alisa AI et GigaChat, et nous regardons si le modèle nomme la marque, dans quel ordre par rapport aux concurrents, avec quelle formulation. ChatGPT n’est pas le seul ici. Perplexity construit sa réponse presque entièrement à partir de sources citées et les affiche en liste — le modèle prend volontiers des articles sur des plateformes tierces. Alisa AI mélange les résultats frais de Yandex, GigaChat répond à sa manière. Une marque qui est mentionnée dans un modèle peut être silencieuse dans un autre — c’est pourquoi la mesure ne se limite pas à un seul ChatGPT.

    De cela ont découlé trois choses que je recommande désormais à tout marketeur de suivre :

    • Part de mentions parmi les principaux concurrents sur vos propres questions clés : un pourcentage concret sur un ensemble précis de prompts, sans classements généraux.
    • Tonalité de formulation : le modèle peut citer la marque de manière neutre, ou ajouter un mot évaluatif comme « fiable » ou « cher » — cela influence le choix plus que le simple fait de la mention.
    • Sources d’où le modèle semble tirer cette formulation : souvent ce sont un ou deux articles — c’est ceux-là qu’il faut renforcer en priorité, plutôt que de disperser le budget sur des dizaines de plateformes.

    Avec ce client de livraison de repas, nous n’avons finalement pas couru après de nouveaux liens. Nous avons rédigé plusieurs contenus détaillés sur le produit sur des plateformes que le modèle lit et cite clairement — et après un mois et demi, la mention est apparue, la visibilité dans les réponses IA a augmenté. Le client avait plus de liens, mais ChatGPT a cité le concurrent. Maintenant, nous savons pourquoi.

    Questions fréquentes

    Comment mesurer les mentions de marque dans ChatGPT ?

    Faites passer des prompts de contrôle — les vraies questions de l’audience — via ChatGPT, Perplexity, Alisa AI et GigaChat. Calculez la part de mentions parmi les principaux concurrents, notez la tonalité et les sources d’où le modèle tire l’information.

    Mentionner une marque dans ChatGPT est plus important qu'un lien : 92,8 % des conversations sans clic

    Peut-on acheter une mention dans les réseaux de neurones avec des liens ?

    Non. Les liens fonctionnent dans la recherche classique, mais les réseaux de neurones ne les comptent pas directement. La mention dépend de la façon dont la marque est écrite dans les avis, articles, forums — c’est une réputation qui s’accumule dans les textes sur lesquels le modèle est entraîné.

    Que faire si la marque n’est pas mentionnée dans ChatGPT ?

    Trouvez les plateformes que le modèle cite le plus souvent et publiez-y des contenus détaillés sur le produit. Renforcez les avis éditoriaux, les comparaisons, les articles d’experts — ils influencent les mentions plus que la masse de liens.

    Faut-il abandonner le SEO au profit des réseaux de neurones ?

    Non. Les liens fonctionnent toujours dans les niches à cycle de décision long et pour les requêtes transactionnelles. La stratégie optimale est de combiner le SEO classique avec le travail sur les mentions dans les réponses IA.

    Conclusion

    Le résultat est simple : 92,8 % des dialogues dans ChatGPT se terminent sans clic, mais la décision de choisir la marque est déjà prise. Un lien est un actif ponctuel, une mention est une réputation cumulative. Pour gagner dans les résultats IA, arrêtez de courir après les liens et commencez à gérer la façon dont on parle de vous dans les textes que lisent les modèles. Faites passer des prompts de contrôle, suivez la part de mentions et la tonalité — et vous verrez où vous perdez réellement des clients. Commencez par un audit de vos mentions dès aujourd’hui.

  • Visibilité de l’IA : comment distinguer la croissance réelle du bruit de mesure

    Visibilité de l’IA : comment distinguer la croissance réelle du bruit de mesure

    Les données sur la visibilité de l’IA sont instables : les modèles génératifs donnent des réponses différentes à chaque fois, de sorte qu’une mesure unique peut être trompeuse. Une nouvelle étude d’IQRush propose une règle d’arrêt pour déterminer quand les classements deviennent fiables. Dans cet article, nous examinerons comment distinguer la croissance réelle du bruit de mesure et quelles conclusions pratiques en découlent pour les spécialistes du marketing.

    Pourquoi les mesures uniques de visibilité de l’IA ne sont pas fiables

    Les moteurs de recherche comme SearchGPT, Gemini et Perplexity introduisent de l’aléatoire dans chaque réponse. Une même requête peut générer des sources différentes – c’est une caractéristique de l’architecture. L’étude a montré que, par exemple, lors des tests de SearchGPT sur le thème de l’équipement de course, Tom’s Guide obtenait environ 9,5 % de citations, et Runner’s World environ 6,0 %. La différence de 3,5 points de pourcentage était dans la marge d’erreur, il était donc incorrect d’affirmer la supériorité de Tom’s Guide.

    Combien de données sont nécessaires pour un classement fiable

    La réponse se compose de deux conditions qui doivent être remplies simultanément. Premièrement : l’ordre doit cesser de changer. Après avoir collecté un nombre suffisant de réponses, les sites les mieux classés commencent à se distinguer clairement. Deuxièmement : la différence entre les sites les mieux classés doit dépasser la marge d’erreur de mesure. Si les concurrents sont trop proches, le classement ne reflète pas une supériorité réelle.

    Dans 30 tests sur différentes plateformes et sujets, le nombre de réponses nécessaires pour remplir les deux conditions variait de 33 à 94 (seules les réponses avec citations étaient prises en compte). Dans trois cas sur 30, cela n’a pas pu être atteint même après 125 requêtes – toutes sur SearchGPT, où les sites les mieux classés étaient trop similaires.

    Conclusions pratiques pour les spécialistes du marketing

    Rand Fishkin (SparkToro) conseille : avant de dépenser de l’argent pour suivre la visibilité de l’IA, assurez-vous que le fournisseur « montre ses calculs ». L’étude IQRush fournit une règle d’arrêt simple pour ne pas se fier à l’intuition. Si, après une mise à jour de contenu, vous constatez une augmentation des citations de 3 points de pourcentage, il peut s’agir d’une variation naturelle. Mesurez les indicateurs avant et après plusieurs fois – une mesure unique est indiscernable du bruit.

    AI-видимость: как отличить реальный рост от шума измерений

    Différentes plateformes – différentes exigences en matière de données

    Gemini surcharge les citations des mêmes sites dans une seule réponse, de sorte que de nombreuses citations apportent peu d’informations nouvelles. SearchGPT donne moins de citations par réponse, mais les distribue plus largement – chaque réponse contient plus de données indépendantes. Un nombre égal de réponses sur deux plateformes ne donne pas la même confiance : un budget suffisant pour Gemini peut vous laisser dans l’ignorance sur SearchGPT.

    Quand les données sont insuffisantes : sachez vous arrêter

    Dans trois des 30 tests, les sites les mieux classés ne se sont pas clairement séparés. Dans de tels cas, la bonne décision est de s’abstenir de publier un classement. Un traqueur qui peut dire « données insuffisantes » est plus précieux que celui qui affiche un ordre confiant à chaque requête.

    On ne peut faire confiance qu’aux leaders : avec un nombre suffisant de réponses, ils se détachent du milieu et de la fin. Mais même pour le top 10, l’erreur typique est d’environ cinq positions, et chaque cinquième position est de plus de 10. Ne publiez pas de positions exactes au-delà du haut de la liste.

    Limites de l’étude

    Il s’agit d’un pré-tirage, basé sur 30 tests sur trois plateformes utilisant des questions générées par ChatGPT, et non de requêtes utilisateur réelles. Les chiffres exacts ne sont pas transférables à vos sujets – considérez-les comme une forme de problème, et non comme un tableau de valeurs. Dans un test, 125 questions n’ont donné que 104 réponses utiles (17 % de pertes), de sorte que le nombre réel de requêtes devrait être plus élevé.

    AI-видимость: как отличить реальный рост от шума измерений

    La méthode a été vérifiée en interne : le classement initial a été comparé au classement final, et non à une référence externe. Cependant, une équipe indépendante de l’Université de Saint-Gall (Julius Schulte, Malte Bleker, Philipp Kaufmann) a publié des résultats similaires sur son propre ensemble de données en avril, confirmant qu’une lecture unique n’est pas fiable.

    L’avenir de la visibilité de l’IA : des chiffres exacts aux fourchettes

    Le reporting sur la visibilité de l’IA évolue vers un format avec marge d’erreur, comme dans la publicité et l’analyse web. Tant que Search Console n’indique pas quels clics proviennent de l’IA, la tâche vous incombe : lancez la vérification plusieurs fois et signalez une fourchette, et non un seul chiffre du tableau de bord.

    Foire aux questions

    Combien de fois faut-il interroger la recherche IA pour obtenir des données stables ?

    De 33 à 94 réponses avec citations selon la plateforme et le sujet. Il n’y a pas de seuil universel.

    Peut-on faire confiance aux tableaux de bord de visibilité de l’IA ?

    Seulement s’ils affichent la marge d’erreur et des mesures multiples. Un chiffre pur sans contexte est un signal d’alarme.

    AI-видимость: как отличить реальный рост от шума измерений

    Que faire si, après une mise à jour de contenu, les citations ont augmenté de 3 % ?

    Effectuez plusieurs mesures avant et après. Si la différence persiste, c’est une croissance réelle. Sinon, c’est du bruit.

    Quelles plateformes nécessitent plus de données ?

    SearchGPT – en raison du nombre moindre de citations par réponse, mais d’une plus grande indépendance de chaque réponse. Gemini – au contraire, donne beaucoup de citations, mais elles répètent souvent les mêmes sites.

    Conclusion

    Conclusion principale : la visibilité de l’IA n’est pas une métrique fixe, mais une fourchette. Utilisez la règle d’arrêt, vérifiez plusieurs fois et ne publiez pas de classements si les sites les mieux classés ne se sont pas séparés. C’est la seule façon d’obtenir des données fiables sur lesquelles vous pouvez vous appuyer. Commencez à mettre en œuvre ces principes dès aujourd’hui pour que vos rapports de visibilité de l’IA soient fiables et utiles à la prise de décision.