Métriques de visibilité IA

La plupart des marketeurs B2B mesurent encore leur visibilité avec un tableau de bord de 2018 : positions dans Google, trafic organique et taux de clic. Le problème, c’est que ces chiffres en disent de moins en moins sur ce qui se passe réellement. Une réponse IA apparaît au-dessus de la position une, répond entièrement à la question de l’utilisateur, et il n’y a aucun clic à mesurer. Vous pouvez donc parfaitement “bien performer” sur votre ancienne scorecard tout en devenant invisible dans la recherche IA.

Par nouvelles métriques de visibilité IA, j’entends un ensemble d’indicateurs qui ne suivent plus les clics ni les positions, mais qui mesurent si votre contenu est récupéré, sélectionné, cité et correctement compris par des modèles de langage comme ChatGPT, Perplexity, Gemini et Google AI Overviews. Dans cet article, j’explique la stack de mesure complète et je donne les formules et benchmarks dont vous avez besoin pour obtenir une image honnête.

Vous voulez d’abord le cadre général ? Lisez le guide ultime du GEO, qui explique entièrement le generative engine optimization (GEO). Cet article zoome spécifiquement sur le volet mesure.

Curieux de savoir comment l’IA vous voit ? Passez votre page dans notre GEO-check gratuit.

Pourquoi les anciennes métriques deviennent trompeuses

Il n’y a aucune honte à l’admettre : une grande partie de nos métriques SEO classiques est devenue une approximation trompeuse.

Les positions sur mots-clés ne tiennent pas compte des réponses IA qui apparaissent au-dessus de la première position organique.
Le trafic organique est de plus en plus cannibalisé par des réponses IA qui satisfont l’utilisateur sans clic sortant.
Le taux de clic suppose que le clic est l’objectif, alors que la visibilité dans la réponse IA elle-même devient souvent plus importante.

Les anciennes métriques n’étaient pas mauvaises : elles étaient justes pour la recherche traditionnelle. Mais le jeu a changé et nos scorecards non. Nous devons donc mesurer ce qui détermine réellement la visibilité dans la recherche IA : sélection, extraction, salience et présence.

La stack de visibilité IA : quatre couches

La manière la plus pratique d’y réfléchir est de la voir comme une stack, où chaque couche s’appuie sur celle du dessous. Vous ne pouvez pas être sélectionné si vous n’êtes pas d’abord récupéré, et votre position face aux concurrents ne signifie pas grand-chose sans des chiffres sous-jacents sains.

Couche	Ce qu’elle mesure	Métriques clés
1. Foundation	La mécanique de base de la visibilité	Retrieval rate, selection rate, citation frequency
2. Qualité	Votre performance lorsque vous êtes visible	Citation coverage, extraction depth, primary source rate
3. Position	Votre standing concurrentiel	Citation share, competitive index, visibility score
4. Santé	Durabilité et tendance	Salience score, freshness index, velocity

Je parcours les plus importantes, couche par couche.

Couche 1 : les foundation metrics

Ce sont les mesures de base dont tout le reste découle.

Retrieval rate = requêtes pour lesquelles votre contenu est récupéré / nombre total de requêtes pertinentes. C’est la condition préalable à tout : si vous n’êtes pas récupéré, vous ne pouvez pas non plus être choisi. Un retrieval rate faible (sous les 30 %) indique généralement un contenu non indexé, mal aligné sur l’intention de recherche, ou avec trop peu de signaux d’autorité. Au-dessus de 60 %, vous êtes bien placé.
Selection rate = sélections / retrievals. C’est à mon sens l’indicateur central. Il mesure si le modèle choisit effectivement votre contenu après l’avoir récupéré dans l’ensemble des candidats. Sous les 25 %, c’est faible ; au-dessus de 50 %, c’est fort. Une sélection basse malgré un bon retrieval trahit presque toujours des problèmes de qualité ou d’extraction, ou un décalage de pertinence.
Citation frequency = citations / total des requêtes suivies. Cela combine récupération et sélection en une seule métrique de résultat. La règle empirique : la citation frequency équivaut à peu près au retrieval rate multiplié par le selection rate. Si vous êtes récupéré 50 % du temps et cité dans 40 % de ces cas, votre citation frequency tourne autour de 20 %.

Couche 2 : les métriques de qualité

Elles mesurent l’efficacité avec laquelle vous captez de la valeur lorsque vous êtes effectivement visible.

Citation coverage = caractères extraits / nombre total de caractères sur la page. Quelle part de votre investissement en contenu se traduit en visibilité IA ? Sous les 20 %, c’est faible et cela indique souvent un contenu gonflé ou une structure où la partie extractible est difficile à trouver.
Extraction depth = vos mots extraits / nombre total de mots dans la réponse. Quand vous êtes cité, quelle part de la réponse vient effectivement de vous ? Sous les 10 %, vous êtes une source d’appoint ; au-dessus de 25 %, vous êtes la voix principale avec une présence de marque maximale.
Primary source rate = citations primaires / nombre total de citations. À quelle fréquence êtes-vous la source mise en avant et citée en premier plutôt qu’une note de bas de page ? Le statut de source primaire alimente la visibilité de marque, la probabilité de clic et l’association d’autorité.

Couche 3 : les métriques de position

Ici, tout tourne autour de votre standing concurrentiel. Comparez toujours ces chiffres à vos concurrents, pas à des seuils absolus.

Citation share = vos citations / nombre total de citations (toutes sources confondues). C’est l’équivalent IA de la part de marché. Sur des marchés concurrentiels, 30 % ou plus constitue une position dominante. Segmentez cela par cluster thématique, par plateforme et par période.
Competitive index = vos citations / citations d’un concurrent. Là où la citation share mesure votre position globale, le competitive index suit un duel en tête-à-tête. Au-dessus de 1, vous êtes cité plus souvent que ce concurrent ; sous 1, vous perdez.
Visibility score = un résumé pondéré de plusieurs facteurs. Une formule exploitable pondère la citation frequency (0,3), l’extraction depth (0,2), le primary rate (0,2) et la citation share (0,3), en normalisant d’abord chaque composante sur une échelle de 0 à 100.

Couche 4 : les métriques de santé

Cette couche mesure la durabilité et la direction. C’est là que beaucoup d’équipes restent aveugles.

Salience score mesure la force des associations que le modèle entretient avec votre marque, construite à partir de la mention probability (la probabilité que le modèle vous cite spontanément), de la recommendation confidence et de l’association clarity. C’est la base paramétrique de votre visibilité : votre marque est-elle déjà ancrée dans le modèle, indépendamment de ce qui est récupéré en direct ?
Freshness index = âge moyen pondéré de votre contenu visible, pondéré par la fréquence d’extraction. Le contenu souvent extrait pèse plus lourd. Une moyenne de plus de 12 mois est périmée ; sous les 6 mois, c’est frais.
Velocity = (citations de la période actuelle moins citations de la période précédente) / citations de la période précédente. Appliquez cela à chaque métrique. Une velocity positive signifie un gain de terrain ; une velocity négative est un avertissement précoce avant que cela ne devienne une crise.

Niveau plateforme, requête et page

Les chiffres agrégés masquent la variation. Trois affinements rendent votre mesure exploitable pour l’optimisation.

Niveau plateforme. Calculez la citation share et le selection rate par plateforme. Vous pouvez parfaitement dominer sur Google AI Overviews et traîner dans ChatGPT. Un platform divergence index (l’écart-type de vos métriques par plateforme divisé par la moyenne) montre où se situent les opportunités spécifiques à une plateforme.
Niveau requête. Suivez le selection rate par requête et votre rang par requête. Vous voyez ainsi immédiatement quelles requêtes vous devez défendre (vous êtes numéro 1), attaquer (vous perdez) ou conquérir (vous êtes absent).
Niveau page et section. Calculez un page visibility score par page et un section extraction rate (la fréquence à laquelle une section est extraite par récupération de la page). Vous savez ainsi quelles structures de contenu alimentent effectivement l’extraction et lesquelles vous devez retravailler.

Cinq métriques GEO orientées marque en complément

La stack ci-dessus mesure surtout le comportement au niveau des requêtes. À côté de cela, nous utilisons cinq indicateurs orientés marque qui mesurent comment un modèle comprend votre marque et lui fait confiance. Je les ai décrits en détail dans les 5 indicateurs clés de la visibilité IA, en résumé :

Prompt Recall Rate (PRR) : le pourcentage de prompts pertinents pour votre catégorie dans lesquels votre marque apparaît spontanément. L’équivalent génératif de l’impression share. Les marques émergentes se situent entre 5 et 10 % ; les marques matures entre 25 et 40 %.
Semantic Accuracy Index (SAI) : la justesse avec laquelle le modèle restitue votre positionnement. Vous qualifie-t-il de “trucking app” ou de “fleet intelligence platform” ? Un SAI faible signale une dérive narrative.
Source Diversity Ratio (SDR) : le rapport entre les sources uniques et faisant autorité et le nombre total de références. Plus vos mentions sont dispersées, plus il est difficile de vous faire disparaître de l’entraînement.
Trust Alignment Score (TAS) : un composite qui pondère l’autorité et le sentiment de vos sources. Une Wikipédia neutre, plus des avis G2 positifs, plus une presse factuelle donnent un TAS élevé.
Model Drift Index (MDI) : la vitesse à laquelle votre représentation change au fil des mises à jour de modèles. Un MDI élevé signifie un récit instable et un risque d’érosion de réputation dans la mémoire du modèle.

Vous voulez savoir comment détecter et compter concrètement les citations ? Je développe cela dans citation mining : mesurer les citations IA. Le versant paramétrique, à savoir la solidité de l’ancrage de votre marque dans le modèle, se lit dans mesurer la brand salience.

Des métriques au tableau de bord et aux alertes

Des chiffres isolés sont du bruit. La valeur naît lorsque vous les remettez en contexte.

Les tendances plutôt que les instantanés. Utilisez une moyenne mobile sur 30 jours pour lisser la volatilité et des comparaisons d’une année à l’autre pour filtrer les effets saisonniers. Détectez les ruptures dans la tendance et reliez-les à des causes : une mise à jour d’algorithme, une action d’un concurrent ou votre propre optimisation.
Comparez-vous au bon groupe. Confrontez vos métriques à la moyenne de la catégorie, au leader (le leader gap que vous voyez se combler ou se creuser au fil du temps) et à un peer group réaliste d’acteurs comparables.
Configurez des alertes. Une alerte de seuil (“citation share sous les 15 %”) et une détection d’anomalie (“le selection rate s’écarte de 2 écarts-types de la tendance”) détectent les problèmes tôt. Tout aussi précieuses sont les alertes concurrents, lorsqu’un rival gagne soudainement du terrain.

Un tableau de bord executive reste simple : visibility score, citation share, selection rate, tendance et un enseignement clé, plus un risque et une action. Un tableau de bord opérationnel va plus loin et montre la citation share, le selection rate et la tendance par cluster thématique. Direction et opérationnels voient ainsi chacun ce dont ils ont besoin sans s’enliser dans une bouillie de chiffres.

Questions fréquentes

Quelle est la différence entre retrieval rate et selection rate ?

Le retrieval rate mesure la fréquence à laquelle votre contenu est récupéré pour des requêtes pertinentes, donc si vous entrez ne serait-ce que dans l’ensemble des candidats. Le selection rate mesure la fréquence à laquelle le modèle choisit et utilise ensuite effectivement votre contenu après l’avoir récupéré. Un retrieval élevé mais une sélection basse indique un problème de qualité ou d’extraction : vous êtes bien trouvé, mais pas jugé assez bon pour être cité.

Par quelle métrique commencer en priorité ?

Commencez par le selection rate et la citation share. Le selection rate vous dit si votre contenu est assez fort pour être choisi, et la citation share replace cela dans un contexte concurrentiel, l’équivalent IA de la part de marché. Ensemble, ils donnent le plus vite une image honnête de votre position. Ajoutez ensuite la velocity pour surveiller la direction.

Ai-je besoin d’outils coûteux pour mesurer tout cela ?

Pas pour démarrer. Beaucoup de ces métriques se mesurent avec de la discipline plutôt qu’avec de l’infrastructure : constituez une bibliothèque fixe de 25 à 50 prompts représentatifs, passez-les périodiquement dans les plateformes IA pertinentes et comptez manuellement si vous êtes mentionné, cité et avec quelle proéminence. Pour l’échelle et l’automatisation, des outils spécialisés seront utiles plus tard, mais le cadre de mesure est indépendant de l’outil.

À quelle fréquence dois-je mesurer ces métriques ?

Les réponses IA sont probabilistes et changent au rythme des mises à jour de modèles : une mesure unique ne dit donc pas grand-chose. Mesurez de préférence chaque mois et travaillez avec des moyennes mobiles et la velocity, afin de voir des tendances plutôt que du bruit. Ajoutez par-dessus des alertes pour les écarts marqués, pour ne pas constater trois mois plus tard que votre citation share s’est effondrée.

Besoin d’aide ?

Vous voulez traduire cela en exécution ? Découvrez comment nous abordons cela avec la visibilité IA.