Comment filtrer vos données par modèle d'IA, pays, tag et date dans AmICited

Chaque nombre dans AmICited respecte une même commande : la barre de filtres globale en haut de l’application. Modèle d’IA, pays, tag et plage de dates recadrent l’ensemble du produit en un seul geste — apprendre à maîtriser ces filtres est donc la clé pour lire correctement tous les autres affichages.

Qu’est-ce que la segmentation de la visibilité IA ?

La visibilité dans les recherches IA mesure la fréquence, et la place, avec laquelle une marque est citée par les assistants IA — ChatGPT, Perplexity, Gemini et Google AI Overviews — lorsque des internautes posent des questions liées à sa catégorie. Contrairement à un outil de suivi de position SEO traditionnel, qui rapporte un classement par mot-clé et par moteur de recherche, un moteur de réponse IA peut citer zéro, une ou plusieurs sources dans une même réponse, dans n’importe quel ordre, et la réponse elle-même peut varier d’un instant à l’autre. Cette variabilité explique précisément pourquoi un seul chiffre agrégé de visibilité suffit rarement à agir : il vous indique *qu’*un changement a eu lieu, pas pourquoi.

La segmentation consiste à découper ce chiffre agrégé selon les dimensions qui expliquent réellement la variance : quel moteur IA a généré la réponse, dans quel pays ou quelle langue la question a été posée, à quel thème ou à quelle campagne appartient le prompt, et sur quelle fenêtre temporelle portent les données. Chaque dimension isole un type de dérive différent. Une marque peut être citée en permanence dans ChatGPT et jamais dans Gemini, car les deux modèles sont entraînés différemment et pondèrent leurs sources différemment — c’est un effet modèle. Une marque peut dominer son marché domestique tout en étant invisible à l’étranger, car AI Overviews et Perplexity s’appuient sur des sources et des signaux linguistiques propres à chaque région — c’est un effet pays. La part de voix d’une marque peut sembler solide dans l’ensemble tout en masquant le fait qu’elle gagne les prompts informationnels mais perd les prompts commerciaux — c’est un effet tag, ou thématique. Et chacun de ces effets peut évoluer après une mise à jour de modèle, une campagne de contenu ou le lancement d’un concurrent — ce qu’une comparaison par plage de dates est seule capable de révéler.

Cela compte pour le travail de generative engine optimization car la solution à « nous ne sommes pas cités » diffère totalement selon la dimension à l’origine de l’écart. Si l’écart est spécifique à un modèle, la solution peut être technique — s’assurer que votre contenu est explorable et bien structuré pour le pipeline de récupération de ce moteur. S’il est spécifique à un pays, la solution peut passer par du contenu localisé ou des relations presse et citations propres à la région. S’il est spécifique à un tag, la solution relève généralement de la couverture de contenu — vous n’avez tout simplement rien publié qui réponde bien à ces prompts. Le filtrage n’est pas une fonctionnalité cosmétique de l’interface ; c’est l’étape de diagnostic qui transforme un vague « notre visibilité IA a baissé » en une hypothèse précise et actionnable.

Les quatre filtres d’AmICited s’alignent directement sur ce cadre, et comme ils se combinent — vous pouvez associer Pays et Tag, ou Modèle d’IA et Plage de dates, en même temps — ils vous permettent de poser des questions véritablement ciblées, comme « comment nos prompts liés aux prix performent-ils aux États-Unis sur Perplexity au cours des 30 derniers jours ? », plutôt que de toujours observer l’ensemble du compte d’un seul bloc.

Où la trouver

La barre de filtres se trouve dans la barre supérieure, présente sur chaque page de l’application : Tous les modèles d’IA, Tous les pays, Tous les tags, et un sélecteur de plage de dates (ex. 30 derniers jours), positionnés à côté du bouton d’actualisation et de l’action + Nouveau prompt. Comme elle est fixée dans l’en-tête plutôt qu’enfouie dans un panneau de paramètres, elle reste visible et modifiable quelle que soit la vue dans laquelle vous vous trouvez — Tableau de bord, Prompts, Sources ou Concurrents — de sorte que vous n’avez jamais besoin de renaviguer pour changer votre portée d’analyse.

Fonction de chaque filtre

• Modèle d’IA — recadre chaque graphique et chaque table sur un seul moteur (ChatGPT, Perplexity, Gemini ou Google AI Overview) ou les affiche tous combinés. C’est le filtre le plus susceptible d’expliquer un chiffre global déroutant : les moteurs puisent dans des index différents, pondèrent les citations IA différemment et se mettent à jour selon des cycles différents, si bien qu’un score agrégé peut masquer un vrai problème propre à un moteur.
• Pays — recadre les résultats sur un marché spécifique. Si vous suivez la visibilité IA sur plusieurs régions, ce filtre est indispensable — les moteurs de réponse IA localisent leurs résultats, et une marque bien citée dans la version d’un pays de Perplexity peut être pratiquement absente dans une autre.
• Tag — recadre sur un groupe de prompts que vous avez étiquetés, que ce soit par campagne, étape de l’entonnoir, gamme de produits ou thème. Les tags vous permettent de traiter votre bibliothèque de prompts non plus comme une liste plate, mais comme un ensemble de cohortes nommées sur lesquelles vous pouvez chacune faire des rapports indépendants.
• Plage de dates — définit la fenêtre temporelle sur laquelle chaque courbe de tendance, moyenne et variation est calculée. C’est ce qui transforme une métrique instantanée en tendance, et c’est le filtre que vous utiliserez le plus souvent pour investiguer un changement précis.

Comment l’utiliser

1. Modifiez un filtre à la fois. Lorsque vous comparez des chiffres, ajustez un seul contrôle pour savoir exactement ce qui a fait évoluer la valeur. Changer simultanément le Modèle d’IA et la Plage de dates rend impossible d’identifier laquelle des deux modifications a causé la différence observée.
2. Diagnostiquez par moteur. Passez le filtre Modèle d’IA sur chaque moteur tour à tour pour découvrir où vous êtes fort et où vous êtes invisible. Il est fréquent de voir un score de visibilité IA global sain qui est en réalité porté par un seul moteur, tandis qu’un autre n’affiche presque rien — un schéma que vous ne repéreriez jamais en ne regardant que la vue « Tous les modèles d’IA ».
3. Segmentez par marché et thème. Combinez Pays et Tag pour répondre à des questions ciblées comme « comment nos prompts liés aux prix performent-ils aux États-Unis sur Perplexity ? » C’est dans ce type de filtrage combiné que se trouve la vraie valeur diagnostique — un seul filtre vous dit *qu’*un problème existe, deux filtres ensemble commencent à vous dire où.
4. Choisissez la bonne fenêtre. Élargissez la plage de dates pour lire des tendances long terme — la part de voix dérive-t-elle à la hausse ou à la baisse sur un trimestre — ou réduisez-la pour examiner un changement récent, comme les jours suivant immédiatement la publication d’un contenu, le lancement d’un concurrent ou une mise à jour de modèle connue.
5. Revérifiez la barre de filtres avant de vous fier à un chiffre. Comme les filtres persistent lorsque vous passez d’une page à l’autre, il est facile de conserver une portée restreinte (par exemple un seul pays, 7 derniers jours) en arrivant sur une vue où vous vouliez voir l’image complète. Prenez l’habitude de jeter un œil à la barre en premier dès qu’une métrique semble anormalement haute, basse ou plate.

Bien lire des données filtrées

Quelques réflexes pratiques évitent que les vues filtrées n’induisent en erreur plutôt qu’elles n’éclairent. D’abord, surveillez la taille de votre échantillon : restreindre simultanément par Pays, Tag et Modèle d’IA peut réduire le nombre de prompts et de réponses IA sous-jacents au point que les variations d’une semaine à l’autre ne relèvent plus que du bruit, pas d’un signal — si un graphique filtré semble erratique, élargissez d’abord une dimension avant de conclure que quelque chose a changé. Ensuite, considérez le réglage par défaut « Tous les modèles d’IA » comme un point de départ, pas comme la réponse — il est utile pour un contrôle de santé rapide, mais toute investigation sérieuse sur pourquoi un chiffre a bougé doit immédiatement se ramifier vers des vues par moteur, car les moteurs se comportent suffisamment comme des canaux distincts pour que la moyenne entre eux masque l’histoire réelle. Enfin, lorsque vous construisez un rapport récurrent — par exemple une mise à jour client mensuelle si vous pilotez la visibilité IA pour le portefeuille de clients d’une agence — enregistrez la combinaison de filtres sur laquelle vous vous arrêtez comme votre vue standard, afin que les comparaisons d’un mois sur l’autre mesurent toujours la même tranche de données plutôt que de comparer accidentellement des choux et des carottes parce qu’une plage de dates s’est réinitialisée différemment.

Les tags méritent une mention particulière car, contrairement au Modèle d’IA et au Pays, ce sont des éléments que vous définissez vous-même. Une configuration de suivi de prompts bien organisée tague généralement les prompts selon au moins deux axes — le thème (par ex. « prix », « comparaison », « guide pratique ») et l’étape de l’entonnoir (par ex. « notoriété », « considération », « décision ») — de sorte que le filtrage par Tag puisse répondre à la fois à « sommes-nous visibles sur les questions à intention commerciale ? » et à « sommes-nous visibles tôt dans le parcours d’achat, quand la considération de marque se forme encore ? » Si votre bibliothèque de prompts a été importée ou s’est développée organiquement sans tags, cela vaut la peine de les ajouter rétroactivement ; la barre de filtres devient bien plus utile dès que chaque prompt porte au moins une étiquette significative. Pour les équipes qui décident encore comment structurer cet ensemble de prompts, revoir comment identifier les prompts qui déclenchent une mention de votre marque par l’IA est une bonne étape avant de commencer le tagging.

La place de ce filtrage dans un workflow GEO

La barre de filtres n’est pas un confort de reporting greffé sur le tableau de bord — c’est le mécanisme qui rend fiable chaque autre vue d’AmICited. Une tendance de citations, une comparaison concurrentielle ou une répartition des sources n’a de valeur que si vous êtes certain de savoir exactement quel modèle, quel marché, quel thème et quelle fenêtre temporelle l’ont produite. Une fois à l’aise avec ces quatre filtres, l’étape naturelle suivante consiste à regarder ce que les vues filtrées vous indiquent réellement de faire — qu’il s’agisse de combler un écart sur un moteur précis, de prioriser du contenu pour un pays sous-performant, ou de réorienter votre attention vers les tags de prompts où votre outil de suivi de classement IA révèle la plus grande opportunité. Maîtrisez la barre de filtres et chaque autre fonctionnalité de cette Academy deviendra plus précise, car vous saurez toujours exactement quelle tranche de données vous examinez avant d’agir.