Une marque citée par un moteur de réponse n’est pas forcément visible, exacte ou visitée. Pour éviter les captures d’écran flatteuses et les scores impossibles à reproduire, voici un protocole de trente jours fondé sur un corpus fixe, quatre mesures distinctes et un journal de décisions…

« Nous sommes premiers dans ChatGPT. » La formule paraît familière, mais elle concentre plusieurs problèmes. Quel outil a été interrogé ? Avec quelle question, dans quelle langue, à quelle date et depuis quel contexte ? La marque est-elle seulement mentionnée, correctement décrite, citée comme source ou réellement visitée ?

Ces distinctions ne relèvent pas du détail méthodologique. Elles changent la décision à prendre. Une réponse qui nomme une entreprise sans citer son site pose un problème différent d’une page citée mais jamais visitée. De même, une position dans Google ne permet pas de déduire une présence stable dans plusieurs moteurs de réponse.

Une mesure utile commence donc par renoncer au score unique. Elle conserve les observations brutes, décrit les conditions du test et sépare les phénomènes avant de les rapprocher. Le protocole suivant peut être lancé en trente jours par une équipe marketing, un responsable SEO ou un consultant, sans prétendre reconstituer le fonctionnement interne des modèles.

1. Définir la décision avant de choisir l’indicateur

La première question n’est pas « combien de fois sommes-nous cités ? », mais « quelle décision voulons-nous prendre ? ».

Trois décisions reviennent souvent :

• vérifier si les moteurs présentent correctement l’entreprise ;
• savoir quelles pages sont utilisées comme sources ;
• déterminer quels contenus méritent d’être clarifiés, consolidés ou créés.

Une mesure peut répondre à l’une de ces questions sans répondre aux deux autres. Par exemple, relever dix mentions de marque permet d’étudier la reconnaissance d’un nom. Cela ne dit rien, à lui seul, sur l’exactitude des informations, la présence d’une source ou le trafic reçu.

Le cadrage initial tient sur une page : le pays, la langue, le public, les offres concernées, les concurrents réellement comparables, les moteurs observés et la décision attendue au terme des trente jours. Cette page empêche le test de changer de périmètre dès qu’un résultat déplaît.

2. Constituer un corpus fixe de questions

Un corpus reproductible ne se résume pas à une liste de mots-clés. Il représente des situations dans lesquelles un utilisateur pourrait solliciter une réponse synthétique.

Pour un premier cycle, trente à quarante questions suffisent généralement à révéler des problèmes concrets. Elles peuvent être réparties en cinq familles :

• compréhension du besoin : « comment choisir… », « quels critères pour… » ;
• comparaison : « quelles différences entre… », « quelles solutions pour… » ;
• vérification d’entité : « qui est… », « que propose… » ;
• résolution d’un problème : « comment corriger… », « pourquoi… » ;
• recherche locale ou contextuelle : « à Paris », « pour une PME », « dans le secteur… ».

Chaque question reçoit un identifiant stable. L’équipe conserve sa formulation exacte pendant tout le cycle. Si une nouvelle question apparaît en cours d’analyse, elle entre dans le corpus suivant ; elle ne remplace pas discrètement une requête moins favorable.

Il faut également conserver les conditions d’observation : date, heure, moteur, mode utilisé, langue, connexion éventuelle à un compte et disponibilité de la recherche web. Un résultat obtenu avec navigation web ne doit pas être comparé sans précaution à une réponse produite sans recherche.

Pour structurer cette étape, j’utilise un protocole reproductible de mesure dans les moteurs de réponse qui sépare le corpus, les preuves, l’attribution et la stabilité. L’intérêt du document n’est pas de fabriquer un classement supplémentaire, mais de rendre l’observation contestable et donc améliorable.

3. Conserver quatre mesures au lieu d’un score

Figure 1 : mention, exactitude, citation et visite répondent à quatre questions différentes.

Une feuille de collecte peut rester simple, à condition de ne pas fusionner trop tôt ce qu’elle observe.

La mention

La marque, la personne ou le produit apparaît-il dans la réponse ? Il s’agit d’un constat binaire pour une question donnée. La position dans le paragraphe peut être relevée séparément, mais elle ne doit pas être présentée comme l’équivalent d’une position SEO.

L’exactitude

La réponse décrit-elle correctement l’activité, la zone d’intervention, l’offre et les limites ? Une mention erronée peut être plus dommageable qu’une absence. Le contrôle doit distinguer le fait vérifié, l’information imprécise et l’affirmation fausse.

La citation

Le moteur affiche-t-il une source, et cette source appartient-elle au site de la marque ? Une citation externe exacte peut être positive pour la réputation, même si elle ne crée pas immédiatement une visite. À l’inverse, une mention sans source ne prouve pas que le site officiel a été consulté.

La visite

Une personne arrive-t-elle effectivement sur le site depuis le moteur de réponse ? Cette mesure dépend de l’outil d’analytics, du consentement et des informations de référence disponibles. OpenAI indique, par exemple, que les liens provenant de ChatGPT Search peuvent être suivis grâce au paramètre utm_source=chatgpt.com. Le trafic doit cependant rester une colonne distincte des mentions et des citations.

À la fin du cycle, ces quatre mesures peuvent être rapprochées. Elles ne doivent pas être additionnées dans une note opaque. Une note unique masque justement l’origine du problème : contenu absent, identité ambiguë, source peu claire ou parcours sans clic.

4. Installer une ligne de base pendant la première semaine

La première semaine sert à observer, pas à optimiser. L’équipe exécute le corpus une fois, archive les réponses dans les limites autorisées par les outils et remplit les quatre colonnes.

Cette ligne de base doit inclure les absences et les erreurs. Éliminer les questions où la marque n’apparaît pas fausse immédiatement le résultat. La même règle vaut pour les concurrents : on ne conserve pas uniquement ceux qui rendent la comparaison favorable.

Le livrable de la semaine n’est pas un graphique de victoire. C’est un registre contenant :

• l’identifiant et le texte de chaque question ;
• les conditions du test ;
• la présence ou l’absence de la marque ;
• les affirmations à vérifier ;
• les sources visibles ;
• les URL éventuellement citées ;
• une capture ou une trace datée ;
• une note de limite lorsque l’observation est ambiguë.

Cette discipline permet à une autre personne de relire le diagnostic. Elle évite également d’attribuer à une modification récente une variation qui existait déjà.

5. Relier chaque anomalie à une page propriétaire

Une erreur relevée dans une réponse ne signifie pas qu’il faut publier dix nouveaux articles. Il faut d’abord identifier la page qui devrait porter l’information exacte.

Une règle utile consiste à désigner une page propriétaire par intention prioritaire :

• la page « À propos » porte l’identité et le rôle ;
• la page service porte le périmètre de l’offre ;
• la page auteur relie les publications à une personne ;
• un guide explique une méthode ;
• une page locale précise une intervention géographique réelle, sans inventer de bureau.

Si trois pages donnent trois formulations différentes d’une même offre, ajouter une quatrième page renforce l’ambiguïté. La bonne action peut être de consolider, de rediriger ou simplement d’aligner les faits.

Le contrôle porte ensuite sur ce qu’un lecteur et un robot peuvent réellement trouver : titre explicite, réponse visible, auteur, date, sources, liens internes, canonical, indexabilité et cohérence des données structurées. Les balises ne doivent pas affirmer ce que la page ne montre pas.

6. Modifier peu de variables à la fois

La deuxième semaine est consacrée aux corrections factuelles. La troisième peut accueillir une amélioration éditoriale plus profonde. Cette progression ralentit volontairement la production afin de préserver l’interprétation.

Si l’équipe change simultanément l’identité, les pages services, le maillage, vingt articles et les données structurées, elle ne saura pas quelle modification a résolu ou aggravé l’anomalie.

Chaque action reçoit donc cinq informations :

• la page concernée ;
• le problème observé ;
• le changement réalisé ;
• la preuve attendue ;
• la date du prochain contrôle.

Une condition d’arrêt est tout aussi importante. Si une page devient redondante, si l’information manque de preuve ou si la modification dégrade la compréhension, l’action doit pouvoir être annulée ou consolidée.

7. Rejouer le corpus sans déplacer les règles

À la fin de la quatrième semaine, le corpus est exécuté dans des conditions aussi proches que possible de la ligne de base. Les nouvelles réponses sont enregistrées à côté des anciennes, jamais à leur place.

L’analyse peut alors répondre à des questions précises :

• une information fausse a-t-elle disparu ?
• la marque est-elle davantage mentionnée sur le même ensemble de questions ?
• les citations pointent-elles vers des pages plus adaptées ?
• les réponses restent-elles cohérentes lors d’une seconde observation ?
• des visites apparaissent-elles, sans les confondre avec une conversion ?

Une variation sur un seul cycle ne suffit pas à annoncer une tendance. Les moteurs, leurs index et leurs interfaces changent. La stabilité se mesure par répétition, et la causalité reste prudente lorsqu’un grand nombre de facteurs ont évolué.

8. Transformer le rapport en journal de décisions

Le tableau final ne devrait pas se terminer par « score : 74/100 ». Il devrait rendre les prochaines décisions évidentes.

Pour chaque famille de questions, l’équipe choisit parmi quatre suites :

• conserver lorsque l’information est exacte et stable ;
• corriger lorsqu’une page propriétaire reste ambiguë ;
• consolider lorsque plusieurs contenus se concurrencent ;
• enquêter lorsque la variation ne peut pas encore être expliquée.

Le rapport gagne aussi à conserver ce qui n’a pas fonctionné. Une modification annulée, une source refusée ou une page fusionnée sont des informations utiles pour le cycle suivant. Effacer les essais infructueux transforme le dossier en vitrine, pas en outil de pilotage.

Ce que ce protocole permet et ce qu’il ne promet pas

En trente jours, une organisation peut obtenir une photographie structurée, corriger des faits publics et créer une base de comparaison. Elle peut savoir quelles questions déclenchent une mention, quelles pages sont citées et quelles erreurs méritent une intervention.

Elle ne peut pas garantir une présence dans un moteur, déduire son chiffre d’affaires d’un nombre de citations ni prouver un lien causal à partir d’une seule variation. Aucun protocole externe ne donne accès aux critères internes complets des systèmes observés.

Cette limite n’affaiblit pas la démarche. Elle la rend exploitable. Une stratégie de visibilité devient plus solide lorsqu’elle distingue ce qui a été vu, ce qui a été prouvé et ce qui reste une hypothèse.

A propos de l’auteur Sources éditoriales

• Google Search Central, Creating helpful, reliable, people-first content : https://developers.google.com/search/docs/fundamentals/creating-helpful-content
• Google Search Central, AI features and your website : https://support.google.com/webmasters/answer/16908024
• OpenAI, Publishers and Developers: FAQ : https://help.openai.com/en/articles/12627856
• OpenAI, ChatGPT Search : https://help.openai.com/en/articles/9237897