Pourquoi le SEO classique ne mesure plus rien dans les LLM
Dans un moteur de recherche classique, vous savez où vous êtes : position 4 sur telle requête, page 2 sur telle autre. Dans un LLM, cette grille de lecture disparaît. Il n'y a pas de classement de 1 à 10, mais une réponse unique, synthétisée, rédigée en quelques phrases, qui cite parfois votre marque, parfois un concurrent, parfois personne. Pire : la même question posée deux fois, à deux utilisateurs différents, avec deux historiques différents, peut produire deux réponses distinctes. Votre « position » n'existe plus comme objet stable.
Le problème n'est pas que la visibilité IA soit impossible à mesurer. Le problème est qu'on la mesure avec les mauvais instruments. Un rapport de positions Google Search Console ne vous dira jamais si ChatGPT recommande votre outil quand un responsable marketing demande « quelle plateforme pour surveiller ma visibilité dans Perplexity ». Ce sont deux systèmes de distribution de l'attention, avec deux logiques de sélection.
Sans cadre de mesure, on pilote à l'aveugle : on publie, on optimise, on attend, sans savoir si la citation progresse, stagne ou recule. C'est exactement ce que cet article corrige. Nous définissons six métriques qui couvrent l'ensemble du problème : le taux de citation par LLM, la part de voix face aux concurrents, la position dans la réponse, le sentiment du passage cité, les sources reprises et l'évolution hebdomadaire. Pour chacune, nous donnons la méthode de collecte manuelle, puis la façon dont une surveillance continue la calcule automatiquement. L'objectif est simple : vous donner un vocabulaire partagé et un tableau de bord exploitable dès cette semaine.
Métrique 1 : le taux de citation par LLM
Le taux de citation est le ratio fondateur de toute mesure de visibilité IA. Il se calcule ainsi : nombre de réponses où votre marque ou votre domaine apparaît, divisé par le nombre de requêtes testées, exprimé en pourcentage. Si vous testez 40 requêtes sur ChatGPT et que votre marque apparaît dans 11 réponses, votre taux de citation est de 27,5 %. Ce chiffre se calcule séparément pour chaque moteur, car ChatGPT, Perplexity et Gemini n'ont ni les mêmes sources privilégiées, ni la même propension à citer des marques commerciales.
La méthode manuelle tient en quatre étapes. Première étape : constituez un panel de 20 à 50 requêtes d'achat, c'est-à-dire des questions qu'un prospect poserait réellement avant de choisir un outil, du type « meilleur logiciel pour suivre les citations dans ChatGPT » ou « alternative à X pour la veille SEO ». Deuxième étape : interrogez chaque LLM avec ces requêtes, une par une, dans une session neutre. Troisième étape : notez dans un tableur, pour chaque requête et chaque moteur, la présence ou l'absence de votre marque. Quatrième étape : calculez le ratio par moteur. Comptez une à deux heures pour un premier relevé complet.
L'automatisation change l'échelle, pas la logique. Mirok rejoue le même panel de requêtes à intervalle régulier, sur chaque moteur suivi, et calcule le ratio automatiquement. Vous ne mesurez plus une photo à un instant donné, mais une série temporelle. C'est cette répétition qui transforme un chiffre isolé en indicateur de pilotage.
Métrique 2 : la part de voix face aux concurrents
Le taux de citation vous dit si vous existez. La part de voix vous dit si vous existez plus ou moins que les autres. La share of voice IA se définit comme la proportion de citations que votre marque détient dans un ensemble de réponses où plusieurs acteurs sont mentionnés. Sur 40 requêtes testées, si votre marque apparaît 11 fois et que vos cinq concurrents apparaissent respectivement 18, 14, 9, 7 et 4 fois, votre part de voix se calcule sur le total des mentions du panel, pas sur le seul nombre de requêtes.
La méthode manuelle prolonge directement la précédente. Listez cinq concurrents directs, ni plus ni moins : au-delà, le relevé devient ingérable et le bruit l'emporte. Sur le même panel de requêtes, comptez leurs mentions exactement comme vous comptez les vôtres, avec la même rigueur et la même définition de ce qui constitue une mention (nom de marque, nom de domaine, produit nommé). Reportez le tout dans un tableau à double entrée : requêtes en lignes, acteurs en colonnes. Vous obtenez une photographie concurrentielle immédiatement lisible.
L'automatisation apporte ici sa valeur la plus visible : le suivi concurrentiel continu. Mirok suit les mentions de vos concurrents sur le même panel, trace la courbe d'évolution de chaque acteur et déclenche une alerte en cas de décrochage de votre part de voix. Un concurrent qui passe de 14 à 26 mentions en trois semaines signale un mouvement éditorial ou un travail de sources tierces qu'il faut comprendre vite. Sans suivi automatisé, ce basculement se découvre trop tard, souvent quand le pipeline commercial commence à en ressentir les effets.
Métrique 3 : la position dans la réponse
Toutes les citations ne se valent pas, et c'est probablement l'erreur la plus fréquente dans les premiers tableaux de bord. Être cité en première phrase d'une réponse, dans une liste de trois recommandations, ou en fin d'un texte de 800 mots, ce n'est pas le même niveau de visibilité. Un lecteur qui parcourt une réponse retient la recommandation principale, pas la source mentionnée en note de bas de page. La position dans la réponse mesure donc la mise en avant réelle de votre marque, pas sa simple présence.
La méthode manuelle demande un peu de discipline. Pour chaque réponse où vous apparaissez, notez deux informations : le rang d'apparition (première position, milieu de liste, fin de réponse) et le contexte de la mention. Distinguez trois cas : la recommandation directe (« pour ce besoin, l'outil le plus adapté est... »), la mention secondaire (votre marque figure dans une énumération sans être mise en avant) et la source citée en bas de réponse, souvent sous forme de lien. Cette classification en trois niveaux suffit à faire apparaître des écarts considérables entre deux marques ayant pourtant le même taux de citation.
L'automatisation transforme cette lecture qualitative en score. Mirok attribue un score de position et de mise en avant à chaque citation détectée, ce qui permet de suivre non seulement le nombre de mentions, mais leur qualité. Deux marques citées 15 fois peuvent avoir des scores de mise en avant très différents, et c'est cette différence qui se traduit en trafic et en opportunités commerciales.
Métrique 4 : le sentiment du passage cité
Une mention n'est pas neutre par nature. Un LLM peut recommander votre outil, le citer dans une liste sans jugement, ou l'associer à une réserve : prix élevé, courbe d'apprentissage, limitation fonctionnelle, comparaison défavorable avec un concurrent. Le sentiment du passage cité mesure cette polarité. Il compte souvent plus que le volume, parce qu'une citation négative bien placée peut coûter davantage qu'une absence : elle oriente activement le prospect vers une autre solution.
La méthode manuelle consiste à relire les extraits, pas seulement à compter les mentions. Pour chaque citation, classez le passage en trois catégories : positive (recommandation, avantage mis en avant), neutre (mention factuelle, énumération) ou réservée (limite, comparaison défavorable, problème signalé). Cette relecture prend du temps, mais elle révèle des angles morts que les chiffres agrégés masquent complètement. Une marque avec 30 % de taux de citation et 40 % de mentions réservées est en situation plus fragile qu'une marque citée à 15 % avec des mentions exclusivement positives.
L'automatisation analyse le passage cité et détecte les formulations à risque : comparaison défavorable, mention d'un problème, association à un cas d'usage non désiré. Mirok remonte ces signaux dans le cockpit pour qu'ils soient traités comme des opportunités à part entière, avec un correctif identifié et sourcé. Le sentiment devient alors un indicateur d'action, pas seulement un indicateur de reporting.
Métrique 5 : les sources reprises par les LLM
Cette métrique répond à une question différente des précédentes : non pas « suis-je cité », mais « pourquoi suis-je cité, et par quoi ». Les LLM s'appuient sur un ensemble de sources : votre site, mais aussi des domaines tiers, des comparatifs, des fils de discussion Reddit, de la documentation technique, des articles de presse, des annuaires sectoriels. Identifier ces sources, c'est identifier les leviers réels de votre visibilité IA.
La méthode manuelle demande de relever systématiquement les liens cités dans les réponses, mais aussi les sources implicites. Un LLM qui reprend une formulation caractéristique d'un comparatif tiers, sans citer le lien, s'appuie quand même sur cette source. Notez pour chaque réponse : les URLs citées, les domaines récurrents, et les formats qui reviennent (comparatif, avis utilisateurs, documentation, article de presse). Après 40 requêtes, des patterns apparaissent : deux ou trois domaines structurent souvent une part importante des réponses de votre marché.
L'automatisation construit une cartographie des sources. Mirok identifie les domaines et les pages qui alimentent les réponses sur votre panel, puis priorise les pages à produire ou à corriger. Si un comparatif tiers vous cite en troisième position derrière deux concurrents, la page à travailler n'est pas la vôtre : c'est ce comparatif, ou le contenu qui pourrait le remplacer dans les sources du modèle.
Métrique 6 : l'évolution hebdomadaire et le suivi dans le temps
Aucune des cinq métriques précédentes n'a de sens isolée. Un taux de citation de 27 % ne signifie rien en soi : il devient un signal quand il passe de 18 % à 27 % en six semaines, ou quand il chute de 31 % à 22 % après une refonte de site. C'est la tendance qui pilote les décisions, pas la valeur absolue. Cette sixième métrique n'est donc pas un indicateur de plus, mais la condition de lecture de tous les autres.
La cadence hebdomadaire est le bon rythme. Elle est assez fréquente pour détecter un mouvement avant qu'il ne s'installe, assez espacée pour que les variations quotidiennes, souvent du bruit lié à la variabilité des modèles, ne déclenchent pas de réaction disproportionnée. Constituez un historique dès le premier relevé, même imparfait : dans trois mois, cette première ligne de votre tableur vaudra plus que n'importe quelle analyse rétrospective. La règle pratique : une variation isolée est du bruit, trois semaines consécutives dans la même direction constituent un signal.
C'est le rôle de la newsletter Signal IA : offrir un rendez-vous de lecture des mouvements détectés par les agents Mirok sur des sites témoins, chaque mardi. Vous y retrouvez le vocabulaire de ce cadre appliqué à des cas réels, ce qui permet de comparer vos propres courbes à des trajectoires observées ailleurs. La mesure devient alors une pratique collective, pas un exercice solitaire.
Construire votre tableau de bord de visibilité IA en 7 jours
Voici le plan d'action, séquencé sur une semaine. Jour 1 et jour 2 : définissez votre panel de requêtes. Vingt à cinquante requêtes d'achat, formulées comme vos prospects les formulent, couvrant vos cas d'usage principaux et vos requêtes de comparaison. Figez ce panel : vous pourrez l'enrichir plus tard, mais ne le modifiez pas en cours de cycle, sinon vos séries temporelles deviennent incomparables. Jour 3 : choisissez trois LLM à suivre. ChatGPT, Perplexity et Gemini couvrent l'essentiel des usages B2B aujourd'hui. Jour 4 et jour 5 : réalisez votre première mesure manuelle complète, en remplissant votre tableur avec les six métriques. Ce premier passage est le plus coûteux, et c'est normal : il vous force à comprendre ce que vous mesurez.
Jour 6 : installez la surveillance continue. Connectez votre panel à Mirok pour que les relevés se répètent automatiquement et que les métriques se recalculent sans intervention. Jour 7 : fixez votre rythme de revue. Une lecture hebdomadaire des tendances, une revue mensuelle des actions à lancer. C'est ici que le principe Mirok prend tout son sens : chaque opportunité détectée est auditée, sourcée et soumise à validation avant exécution. Vous gardez la main sur ce qui est appliqué, sans porter la charge de la détection.
Ce cadre n'a pas besoin d'être parfait pour être utile. Un panel de 30 requêtes, trois moteurs, six métriques et un relevé hebdomadaire vous placent déjà au-dessus de la majorité des équipes marketing SaaS, qui pilotent encore leur visibilité IA à l'intuition. Commencez cette semaine, mesurez, puis laissez la donnée trancher.
FAQ
Combien de requêtes faut-il tester pour obtenir une mesure fiable ?
Un panel de 20 à 50 requêtes d'achat suffit pour dégager une tendance solide. En dessous de 20, chaque variation individuelle pèse trop lourd et le taux de citation devient instable. Au-delà de 50, le gain de précision ne compense plus le temps de relevé. La régularité du panel compte davantage que son volume : mieux vaut 25 requêtes figées et rejouées chaque semaine que 80 requêtes différentes à chaque mesure.
Peut-on mesurer sa visibilité dans ChatGPT sans outil payant ?
Oui, avec un tableur, un panel figé et un relevé hebdomadaire manuel. La méthode fonctionne, mais elle coûte une à deux heures par passage et reste difficile à reproduire à l'identique d'une semaine sur l'autre. L'automatisation devient rentable dès que vous suivez plus de deux moteurs ou plus de 30 requêtes, ou dès que vous voulez suivre des concurrents en parallèle.
Pourquoi ma position dans Google ne prédit pas ma citation dans les LLM ?
Les LLM ne s'appuient pas uniquement sur le classement classique. Ils mobilisent des sources tierces (comparatifs, avis, fils de discussion, documentation) et des contenus structurés que Google ne valorise pas de la même façon. Une page en position 12 peut être abondamment reprise par un modèle si elle est citée par des sources que le modèle privilégie. Inversement, une position 1 ne garantit aucune citation.
À quelle fréquence faut-il revoir ces métriques ?
Une lecture hebdomadaire des tendances est le bon rythme, complétée par une revue mensuelle des actions à lancer. Le quotidien produit surtout du bruit, lié à la variabilité naturelle des modèles. Le signal de fond se lit sur trois semaines consécutives dans la même direction. C'est cette distinction qui évite de réagir à chaque fluctuation.
Le sentiment du passage cité est-il mesurable automatiquement ?
Oui sur les cas clairs : recommandation explicite, réserve formulée, comparaison défavorable sont détectables de façon fiable. Les cas ambigus, ironie, mention conditionnelle ou formulation neutre en apparence, demandent encore une validation humaine. Le bon usage consiste à automatiser la détection et à réserver la relecture humaine aux passages signalés comme incertains.