Pourquoi la visibilité en recherche IA nécessite-t-elle une mesure répétée ?

Demandez aujourd’hui à un moteur de recherche IA « quelle marque fabrique les meilleures chaussures de running ? » et vous obtiendrez une réponse. Posez exactement la même question demain, ou même cinq minutes plus tard, et environ deux tiers des sources citées seront différentes. Ce n’est pas un bug. C’est ainsi que fonctionne la recherche IA.

Ce que vous allez apprendre dans ce guide :

• Pourquoi la visibilité en recherche IA se comporte comme une probabilité, et non comme un classement fixe à la manière de Google
• Une explication simple de la façon dont les chercheurs mesurent si une réponse IA a réellement changé (Jaccard et RBO)
• Six résultats étayés par des données, chacun avec son propre graphique : renouvellement des sources, stabilité des marques, concentration des citations, hasard des modèles, différences entre moteurs et sensibilité aux prompts
• Les chiffres précis qui comptent : combien de requêtes répétées par prompt, et quelle fenêtre d’observation, sont nécessaires pour obtenir des données fiables
• Une checklist prête à l’emploi pour mettre en place une mesure GEO réellement fiable
• Une FAQ couvrant les requêtes, fenêtres, moteurs et métriques

Une nouvelle étude académique rend cela douloureusement concret. Dans « Don’t Measure Once: Measuring Visibility in AI Search (GEO) » (arXiv, avril 2026), les chercheurs Julius Schulte, Malte Bleeker et Philipp Kaufmann de l’Université de Saint-Gall (avec Aurora Intelligence) ont suivi quotidiennement quatre moteurs de recherche IA sur quatre secteurs pendant plus de six semaines. Leur conclusion : la visibilité en recherche IA est probabiliste, et non déterministe. Une seule requête est un instantané peu fiable, et la traiter comme un classement Google vous mènera à de mauvaises conclusions. C’est l’un des travaux d’un corpus en pleine expansion de recherches académiques sur le GEO qui redéfinit la façon dont les marketeurs pensent la visibilité IA.

Pour les marketeurs, cela compte plus qu’il n’y paraît. Si vous vérifiez une seule fois si votre marque apparaît dans ChatGPT ou Perplexity et que vous appelez cela une « mesure », vous risquez de surestimer ou de sous-estimer largement votre présence réelle. La solution n’est pas une meilleure requête unique, c’est un modèle mental différent. Il faut mesurer la visibilité comme une distribution : de nombreuses exécutions, de nombreux prompts, sur une fenêtre soutenue.

Ci-dessous, nous passons en revue précisément ce que l’étude a montré, pourquoi la recherche IA se comporte ainsi, et combien de mesures sont réellement nécessaires avant que vos chiffres aient un sens.

En bref (ce que l’étude a montré) :

• Les sources citées se renouvellent fortement. Seulement 34 à 42% environ des sources citées par un moteur IA se retrouvent d’un jour à l’autre, ce qui signifie qu’environ 65% des sources changent chaque jour.
• Les mentions de marque sont plus stables, mais restent volatiles. Le recoupement quotidien des marques se situe entre 45 et 59%, plus fiable que les URL individuelles mais loin d’être stable.
• Les citations sont très concentrées. Une poignée de domaines capte l’essentiel de la visibilité. Le coefficient de Gini moyen est de 0,715, et sur une échelle de 0 à 1 où 1 signifie qu’un seul domaine accapare toutes les citations, c’est un paysage très déséquilibré.
• C’est le hasard propre au modèle, pas l’actualité. Soumettre un prompt identique plusieurs fois le même jour produit le même renouvellement, donc l’essentiel de l’instabilité vient du modèle lui-même, pas d’un changement réel dans le monde.
• Une seule exécution ne vous apprend presque rien. Il faut au moins 7 exécutions par prompt et par jour pour une estimation fiable de la visibilité de marque, et 8 si vous suivez aussi les URL de sources précises.
• Les fenêtres courtes trompent. Comme les sources se renouvellent si vite, il faut une fenêtre glissante de 2 à 4 semaines pour obtenir une lecture stable de la visibilité réelle d’une marque.

Pourquoi la visibilité en recherche IA ne se comporte pas comme les classements Google

Si vous venez du SEO, vos réflexes sont calibrés pour un monde qui ne s’applique plus. Dans la recherche classique, les résultats sont classés et globalement stables : votre page occupe la position 4 aujourd’hui et probablement la position 4 ou 5 demain. Une seule vérification vous donne un instantané juste, et quand les choses bougent, elles bougent progressivement le long d’un spectre prévisible. Vous pouvez observer la dérive de votre position et réagir.

Le Generative Engine Optimization (GEO) ne fonctionne pas ainsi. Le GEO est tout ou rien, ce que l’étude appelle une dynamique binaire d’inclusion-exclusion. Dans une réponse donnée, votre marque ou votre source est soit intégrée de façon visible, soit totalement absente. Il n’existe pas de « position 8 » consolante. Vous êtes présent dans la réponse ou vous êtes invisible, et ce résultat peut basculer d’une exécution à l’autre, sous l’effet de la manière probabiliste dont les grands modèles de langage génèrent le texte et sélectionnent les preuves.

Cette volatilité est aggravée par un second problème : un moteur de recherche IA est une boîte noire. Vous ne pouvez pas savoir pourquoi votre marque a été incluse dans une réponse puis écartée dans la suivante. Le modèle compresse les informations de nombreuses sources en une réponse courte et contrainte, et le processus de sélection n’est ni transparent ni reproductible. Contrairement à un classement SEO, qui oscille au sein d’un ensemble de classement visible, la visibilité IA peut disparaître sans avertissement ni explication.

À cela s’ajoute un outil manquant. En SEO, les marketeurs disposent de Google Search Console, un outil propriétaire qui indique pour quelles requêtes vous apparaissez et à quelle fréquence. Les fournisseurs de LLM n’offrent aucun équivalent. Des faits de base comme la fréquence à laquelle les internautes posent réellement une question donnée sont tout simplement invisibles dans l’écosystème GEO. Cet angle mort est précisément la raison pour laquelle les marketeurs doivent construire leur mesure de l’extérieur, par échantillonnage tiers répété, et pourquoi un chiffre de « visibilité » unique et statique est si facile à mal interpréter. Le reste de cet article explique comment mener cette mesure correctement.

Dans les coulisses de l’étude : ce que les chercheurs ont réellement fait

L’étude est agréablement concrète, il vaut donc la peine de comprendre le protocole avant de faire confiance aux chiffres. Les chercheurs de l’Université de Saint-Gall (en collaboration avec Aurora Intelligence) ont construit un dispositif de surveillance qui interrogeait quatre moteurs de recherche IA chaque jour et enregistrait exactement quelles sources et quelles marques chacun renvoyait.

Ils ont testé quatre moteurs : ChatGPT, Google Gemini, Google AI Mode et Perplexity. Chaque moteur a reçu le même ensemble de questions dans quatre secteurs concrets (l’étude les appelle des « campagnes ») choisis parce qu’ils génèrent un fort trafic de recherche sur le marché suisse : électronique grand public, vente immobilière, articles de sport et télécommunications.

Pour chaque secteur, l’équipe a rédigé 8 prompts, et voici un détail astucieux : les prompts n’ont pas été inventés. Ils ont repris des mots-clés SEO à fort volume, les ont saisis dans Google, et ont extrait les questions réelles de la boîte « Autres questions posées » de Google. Cela signifie que les questions ressemblent à ce que de vraies personnes demandent : des requêtes conversationnelles de haut de tunnel, comme « Quelle marque fabrique de bonnes chaussures de running ? », plutôt que de simples mots-clés.

Les moteurs ont été interrogés quotidiennement pendant une fenêtre de 45 à 46 jours (du 24 janvier au 20 mars 2026) depuis des serveurs basés en Suisse, ce qui compte pour la façon dont l’IA personnalise les résultats. Au total, l’analyse a porté sur 4 044 paires de jours consécutifs, chaque comparaison « aujourd’hui contre demain » sur l’ensemble des moteurs, prompts et secteurs.

Voici le protocole en un coup d’œil :

C’est là beaucoup de mesures répétées, ce qui est précisément le propos de l’étude.

Ready to Monitor Your AI Visibility?

Track how AI chatbots mention your brand across ChatGPT, Perplexity, and other platforms.

Commencer Contact

Deux méthodes simples pour mesurer « la réponse a-t-elle changé ? »

Pour répondre à la question « en quoi la réponse d’aujourd’hui diffère-t-elle de celle d’hier ? », les chercheurs avaient besoin d’un moyen de comparer deux listes entre elles. Ils ont utilisé deux métriques, et vous n’avez besoin d’aucune formation en statistiques pour les comprendre.

La similarité de Jaccard pose simplement la question suivante : parmi toutes les sources apparues sur les deux jours, combien figuraient sur les deux jours ? On compte les sources partagées, puis on divise par le nombre total de sources uniques sur les deux jours.

Voici un petit exemple. Supposons que la réponse d’aujourd’hui cite 5 sources et celle de demain aussi 5, mais que seulement 2 d’entre elles soient identiques. Les deux réponses partagent 2 sources, et à elles deux elles mentionnent 8 sources distinctes (5 + 5, moins les 2 comptées deux fois). Le score de Jaccard est donc de 2 ÷ 8 = 0,25, ce qui signifie qu’environ un quart seulement des sources est resté stable, et qu’environ trois quarts ont été renouvelées du jour au lendemain. Un Jaccard de 1,0 signifierait des listes identiques ; 0,0 signifierait aucun recoupement.

Le Rank-Biased Overlap (RBO) pose la même question mais ajoute un élément que Jaccard ignore : l’ordre. Être cité en premier vaut plus qu’être cité en cinquième position, donc le RBO accorde un poids supplémentaire au haut de la liste. Comme il exige que les éléments partagés apparaissent à des positions similaires (pas seulement qu’ils soient présents quelque part), le RBO est toujours le plus strict des deux. C’est pourquoi, dans cette étude, le RBO est systématiquement inférieur au Jaccard.

Comment lire ces chiffres :

• Plus le score est élevé, plus c’est stable. Un score proche de 1,0 signifie que la réponse a à peine changé ; proche de 0, elle a été presque entièrement rebattue.
• Le Jaccard répond à « les mêmes éléments sont-ils présents ? »
• Le RBO répond à « les mêmes éléments sont-ils présents et dans le même ordre ? »
• L’écart entre les deux indique à quel point le classement évolue, même quand les mêmes éléments réapparaissent.

Si vous souhaitez situer ces mesures parmi d’autres repères, notre guide des 10 métriques de visibilité IA importantes place les scores de recoupement dans le contexte du reste de votre tableau de bord de suivi.

Résultat n°1 : deux tiers des sources citées changent chaque jour

Si la recherche IA fonctionnait comme Google, poser la même question deux jours de suite ferait ressortir à peu près les mêmes pages. Ce n’est pas le cas. Lorsque les chercheurs de Saint-Gall ont suivi quelles sources quatre moteurs IA citaient chaque jour pendant un mois et demi, ils ont constaté que la liste des sources citées se rebat presque entièrement d’un jour à l’autre.

Le chiffre principal est le Jaccard, la part des sources citées présentes les deux jours. Sur les quatre secteurs, il variait de seulement 0,336 pour l’électronique grand public à 0,423 pour les télécommunications, avec les articles de sport à 0,355 et la vente immobilière à 0,378. En clair, un Jaccard de 0,35 signifie que seulement environ 35% des sources citées sont identiques le lendemain, donc environ 65% des sources sont renouvelées chaque jour. Les télécoms étaient le secteur le plus stable, et l’électronique grand public le plus volatil, mais aucun ne s’approchait de la stabilité.

Cela s’aggrave lorsqu’on prend en compte le classement. Le RBO, qui pondère le plus fortement le haut de la liste, se situait entre 0,21 et 0,26, nettement inférieur au Jaccard. Cet écart est révélateur. Il signifie que ce n’est pas seulement quelles sources apparaissent qui change d’un jour à l’autre ; l’ordre dans lequel elles apparaissent se rebat aussi. Même la poignée de sources qui survit au jour suivant se déplace souvent, si bien que la citation « en tête » d’hier peut être enterrée aujourd’hui.

C’est exactement le renouvellement dont nous avons déjà parlé dans le problème des 7% de recoupement : une seule requête est un instantané d’une cible mouvante. Vérifiez vos citations IA une seule fois et notez le résultat, et vous n’aurez capturé qu’une seule image d’une distribution qui se recompose dès le lendemain matin.

Stay Updated on AI Visibility Trends

Get the latest insights on AI mentions, brand monitoring, and optimization strategies.

Email address

Subscribe

Résultat n°2 : les mentions de marque sont plus stables, mais loin d’être fixes

Les URL individuelles se renouvellent fortement, mais les marketeurs se soucient généralement d’un aspect plus global : ma marque est-elle mentionnée, tout simplement ? Agréger des sources précises jusqu’aux noms de marque lisse une bonne partie du bruit, mais même au niveau de la marque, le tableau quotidien reste loin du classement stable que l’on attendrait d’une recherche traditionnelle.

Le Jaccard au niveau de la marque se situait entre 0,45 et 0,59, nettement supérieur aux 0,34-0,42 observés pour les sources. Les télécommunications étaient les plus stables à 0,589, l’électronique grand public juste derrière à 0,557, et les articles de sport les plus bas à 0,453. Ainsi, environ la moitié des marques mentionnées aujourd’hui réapparaissent demain, contre seulement un tiers pour les sources. La présence de marque est le signal le plus durable, ce qui en fait un meilleur KPI de référence que le suivi d’URL individuelles.

Deux détails méritent d’être précisés. D’abord, la vente immobilière a été entièrement exclue de l’analyse des marques. Les moteurs n’ont nommé une marque précise que dans 53,6% des réponses immobilières (en dessous du seuil de 70% fixé par les chercheurs pour qu’un secteur ait suffisamment de mentions de marque pour être analysé de façon fiable), car nombre de ses prompts portaient sur des questions fiscales et d’investissement génériques auxquelles les LLM répondent sans citer aucune entreprise. L’inclure aurait faussé les chiffres, elle a donc été écartée.

Ensuite, les articles de sport se situaient au plus bas pour une raison concrète : il existe un grand vivier interchangeable de marques de chaussures de running, si bien que le modèle dispose de dizaines d’options quasi équivalentes à piocher et les fait tourner d’un jour à l’autre.

Et même ici, le classement est instable. Le RBO pour les marques se situait entre seulement 0,19 et 0,30, donc le rang dans lequel les marques apparaissent bouge encore beaucoup. Plus stable que les sources, mais pas quelque chose que l’on peut mesurer une fois et prendre pour argent comptant. C’est un argument en faveur d’alertes de surveillance de marque IA continues plutôt que de vérifications ponctuelles.

Résultat n°3 : quelques domaines captent presque toutes les citations

Tous les domaines cités ne reçoivent pas une part égale du gâteau. Dans la recherche IA, un petit nombre de domaines absorbe l’immense majorité des citations IA pour un sujet donné, tandis que tous les autres se disputent les miettes.

L’étude mesure cela avec le coefficient de Gini, un indicateur standard d’inégalité. Il va de 0 à 1 : un Gini de 0 signifierait que chaque domaine est cité de façon égale, et un Gini de 1 signifierait qu’un seul domaine capte toutes les citations. C’est le même calcul que les économistes utilisent pour décrire les inégalités de revenus, appliqué ici au nombre de citations.

Sur l’ensemble des moteurs et des campagnes, le Gini moyen était de 0,715. C’est élevé. Cela signifie que le paysage des citations est très déséquilibré, une poignée de domaines détenant l’essentiel de la visibilité sur chaque sujet.

La concentration varie selon le moteur. Perplexity répartissait ses citations le plus uniformément (Gini de 0,671), suivi de ChatGPT (0,684) et de Gemini (0,723). Google AI Mode était le plus concentré de tous à 0,782, ce qui signifie qu’il s’appuie le plus fortement sur un petit ensemble de sources de confiance.

Cela varie aussi selon le sujet. Les articles de sport étaient les moins concentrés (0,680), puis l’électronique grand public (0,713) et l’immobilier (0,718), les télécommunications étant les plus concentrées à 0,750.

L’enseignement stratégique : pour un sujet donné, quelques domaines détiennent la visibilité IA, et tous les autres sont quasiment invisibles. Intégrer ce groupe de tête est là où se trouve le véritable gain, donc votre stratégie d’AI share of voice devrait se concentrer sur la percée dans ce noyau concentré plutôt que sur la poursuite d’une longue traîne que l’IA fait rarement remonter.

Résultat n°4 : c’est le modèle, pas le cycle de l’actualité

Si les sources se renouvellent d’un jour à l’autre, c’est peut-être simplement que le monde change, non ? De nouveaux articles sont publiés, l’autorité des domaines évolue, les index se rafraîchissent. Pour tester cela, les chercheurs ont mené une expérience astucieuse.

Ils ont soumis le même prompt jusqu’à 10 fois le même jour civil, aux quatre moteurs. Même requête, mêmes conditions, à quelques minutes d’intervalle. Si le renouvellement quotidien provenait de l’actualité externe et des mises à jour d’index, alors réexécuter un prompt le même jour devrait renvoyer des sources presque identiques. Selon les hypothèses classiques de la recherche, on s’attendrait à un recoupement quasi parfait.

Ce n’est pas ce qui s’est passé. Le recoupement des sources le même jour (Jaccard) se situait entre 0,32 et 0,43 selon les campagnes, ce qui signifie qu’environ un tiers seulement des sources citées correspondaient entre deux exécutions lancées le même jour. L’électronique grand public affichait 0,327, les articles de sport 0,321, l’immobilier 0,391 et les télécoms 0,434.

Voici la chute : cette plage est essentiellement identique à la plage d’un jour à l’autre de 0,34-0,42. Éliminer le cycle de l’actualité comme facteur n’a presque rien changé.

La conclusion est incontournable. Le renouvellement ne provient pas de mises à jour externes, de changements d’algorithme ou d’un cycle d’actualité mouvant. Il provient du hasard propre au modèle : la manière probabiliste dont une IA génère et sélectionne les sources pour chaque réponse. Interrogez deux fois de suite le même moteur et vous obtiendrez des sources sensiblement différentes, non pas parce que le monde a changé, mais parce que le modèle a relancé les dés. C’est précisément pourquoi une seule mesure ne suffit pas, et pourquoi le suivi doit faire la moyenne de plusieurs exécutions répétées pour avoir un sens.

Résultat n°5 : les quatre moteurs ne sont pas interchangeables

Il est tentant de traiter « la recherche IA » comme un ensemble monolithique. Les données disent le contraire. Les quatre moteurs se comportent de façon si différente que supposer que l’un reflète l’autre vous égarera considérablement.

En décomposant les résultats des exécutions répétées le même jour par moteur, on découvre un écart considérable de constance. Sur les sources, Gemini était de loin le plus constant, avec un Jaccard du même jour de 0,505, ce qui signifie qu’environ la moitié de ses sources citées restait stable entre exécutions répétées. ChatGPT était le moins constant à seulement 0,233, à peine un quart de recoupement. Perplexity (0,282) et Google AI Mode (0,318) se situaient entre les deux.

Le tableau des marques rebat entièrement le classement. Sur les mentions de marque, Perplexity était en tête (Jaccard de 0,492), suivi de près par ChatGPT (0,437), puis Gemini (0,409) et Google AI Mode (0,375). Ainsi, le moteur le plus stable sur les sources n’est pas le plus stable sur les marques. Il n’existe pas de moteur « le plus stable » unique.

ChatGPT se distingue pour une autre raison. Il ne renvoie aucune citation dans 57,8% de ses réponses. Plus de la moitié du temps, il ignore la recherche web sur les questions de définition et répond de mémoire. Demandez-lui « quelle est la différence entre un ordinateur portable et un laptop ? » et souvent il ne citera personne du tout. C’est un comportement totalement différent de Gemini ou Perplexity, qui font appel au web beaucoup plus volontiers.

La leçon est simple mais essentielle : on ne peut pas supposer que le comportement d’un moteur reflète celui d’un autre. Chacun a son propre hasard, ses propres habitudes de citation et ses propres particularités. Tout programme de surveillance sérieux, ou tout AI Visibility Index , doit établir des références propres à chaque moteur plutôt que de tout mélanger en un seul chiffre en espérant qu’il se généralise.

Résultat n°6 : le prompt choisi fait basculer le résultat

Voici un détail qui surprend la plupart des gens : le prompt que vous choisissez compte autant que le nombre de fois où vous l’exécutez. L’étude a mesuré la constance par prompt sur chaque campagne, et l’écart est considérable. Certains prompts renvoient presque les mêmes sources et marques à chaque exécution, avec un Jaccard supérieur à 0,8, ce qui signifie que plus de 80% des éléments se répètent. D’autres sont presque du pur bruit, se situant en dessous de 0,2, où moins d’un élément sur cinq reste stable.

Le schéma derrière cet écart est intuitif une fois qu’on le voit. Les requêtes de produit précises obtiennent des réponses plus constantes que les questions larges et génériques. Une question ciblée comme « quelles sont les meilleures chaussures de running » fait ressortir un ensemble de marques et de sources plus resserré et plus reproductible. Une question vague de haut de tunnel, du type qui pourrait recevoir une douzaine de réponses défendables, envoie le modèle piocher dans un vivier beaucoup plus large à chaque fois.

La conséquence pratique : un ou deux prompts ne peuvent pas représenter une campagne. Si vous choisissez par hasard deux prompts constants, vous surestimerez votre stabilité. Si vous en choisissez deux erratiques, vous vous convaincrez que toute la catégorie est chaotique. Dans les deux cas, vous mesurez les particularités de votre sélection de prompts, pas votre visibilité réelle.

La solution est un portefeuille de prompts vaste et diversifié qui reflète la façon dont les vrais utilisateurs posent leurs questions : précises et larges, transactionnelles et informationnelles. Faire la moyenne sur de nombreux prompts est le seul moyen d’annuler ce bruit au niveau de la requête et de voir la campagne telle qu’elle est réellement.

Combien de fois faut-il exécuter chaque prompt ?

Considérez une seule requête comme un lancer de pièce. Vous ne décideriez jamais si une pièce est truquée à partir d’un seul lancer, et pourtant une requête de recherche IA ponctuelle vous demande de faire exactement cela. Comme les moteurs de recherche IA sont probabilistes, chaque exécution est un nouveau jet de dés, et la seule façon de savoir à quelle fréquence votre marque apparaît réellement est d’exécuter le prompt de nombreuses fois et de faire la moyenne des résultats. Plus vous accumulez d’exécutions, plus votre erreur type (ET), la marge d’incertitude autour de votre estimation, diminue.

L’étude quantifie précisément à quelle vitesse cette marge se réduit.

La convergence est forte au début puis s’aplatit. Une seule exécution porte une ET de 0,370, essentiellement inutilisable. Pour le dire simplement : une marque dont le taux de détection réel est de 50% pourrait afficher n’importe quoi entre environ 0% et 100% dans un instantané d’une seule exécution. Vous n’apprendriez rien.

Ajoutez des exécutions et le brouillard se dissipe rapidement :

L’ET descend sous la ligne de fiabilité de 0,10 à 7 exécutions pour le suivi de marque (elle est encore à 0,101 à six exécutions). La couverture au niveau des sources est plus bruitée et nécessite 8 exécutions pour y parvenir.

La recommandation est donc concrète : exécutez au moins 7 fois par prompt et par jour lorsque vous surveillez la visibilité de marque, et au moins 8 lorsque la couverture au niveau des sources compte. En dessous de ce seuil, vous êtes toujours en train de lancer une seule pièce et de l’appeler une mesure. C’est la différence entre un véritable AI Visibility Index et un coup de chance.

Combien de temps faut-il observer ? Le cas d’une fenêtre de 2 à 4 semaines

Exécuter chaque prompt suffisamment de fois corrige le bruit au sein d’une journée. Mais il existe une seconde source de dérive : les réponses IA changent aussi d’un jour à l’autre, et avec environ 65% des sources citées renouvelées toutes les 24 heures, un seul jour (voire une seule semaine) est bien trop court pour séparer le signal du bruit. Il faut une fenêtre assez large pour laisser le renouvellement quotidien se moyenner.

L’étude a mesuré comment la précision de l’estimation s’améliore à mesure que la fenêtre d’observation s’allonge.

La même logique de convergence s’applique, simplement sur le temps calendaire plutôt que sur des exécutions répétées :

L’estimation passe sous 0,10 à 10 jours et descend sous 0,05 aux alentours de 24 jours (elle est à 0,053 à 21 jours et à 0,033 à 28 jours). En pratique : une semaine de données reste fragile pour suivre une marque individuelle, mais une marge de 0,05 signifie qu’une marque réellement citée 40% du temps affichera un résultat compris entre 30% et 50% environ, suffisamment précis pour faire confiance à une tendance. Deux à quatre semaines, c’est le moment où les chiffres par marque deviennent réellement stables.

La recommandation est une fenêtre glissante de 2 à 4 semaines. Une fenêtre glissante remplit un double rôle : elle rassemble suffisamment de jours pour réduire la marge statistique, et elle lisse discrètement les mises à jour mineures de modèles et les rafraîchissements d’index que les moteurs IA déploient régulièrement, de sorte qu’un ajustement ponctuel un mardi ne se fasse pas passer pour une véritable tendance. C’est la longueur de fenêtre qu’il faut intégrer dans tout tableau de bord de suivi ou toute méthodologie de tests A/B de visibilité IA avant de tirer des conclusions sur l’évolution réelle de votre visibilité.

Ce que cela signifie pour votre stratégie GEO

L’étude se traduit directement par une poignée de règles concrètes pour quiconque mène un programme GEO . Considérez-les comme les exigences opérationnelles d’un dispositif de mesure auquel vous pouvez réellement faire confiance.

Exécutez chaque prompt au moins 7 fois par jour (8 quand les sources comptent). Une seule requête a une erreur type de 0,370 sur le taux de détection d’une marque, essentiellement un pile ou face déguisé en donnée. L’erreur descend sous 0,10 à 7 exécutions pour la présence de marque et nécessite 8 exécutions pour la couverture au niveau des sources. En dessous de ce seuil, vous réagissez au bruit, pas à la visibilité.

Couvrez chaque sujet avec un portefeuille de prompts large et diversifié. Le recoupement au niveau du prompt varie de moins de 0,2 à plus de 0,8 au sein d’une même campagne, donc un ou deux prompts capturent les particularités de ces formulations précises plutôt que votre position réelle. Construisez au moins huit requêtes variées par sujet, un mélange de questions produit précises et de formulations larges du type « lequel est le meilleur », pour que vos chiffres reflètent la campagne, pas un hasard de formulation.

Agrégez sur une fenêtre glissante de 2 à 4 semaines, pas sur un jour ou une semaine. Avec environ 65% des sources citées renouvelées chaque jour, les fenêtres courtes ne peuvent pas séparer le signal du bruit. Les estimations par marque ne se stabilisent que sous 0,10 d’ET à 10 jours et sous 0,05 à 24 jours. Une fenêtre glissante de deux à quatre semaines lisse le renouvellement quotidien et les mises à jour mineures de modèles en une lecture durable.

Fixez des références distinctes pour chaque moteur. La concentration des citations va de 0,671 sur Perplexity jusqu’à 0,782 sur Google AI Mode, et la constance des sources le même jour va de 0,233 sur ChatGPT à 0,505 sur Gemini. Un seuil unique appliqué aux quatre moteurs vous induira en erreur sur au moins l’un d’entre eux. Évaluez chaque moteur selon ses propres termes.

Surveillez la présence de marque et les URL de sources comme deux KPI distincts. La stabilité au niveau de la marque (Jaccard de 0,45 à 0,59) dépasse la stabilité au niveau des sources (0,34-0,42), donc la présence de marque agrégée est votre métrique phare la plus fiable. Mais continuez à suivre les sources au niveau de l’URL également, car c’est ce qui indique quelles pages génèrent réellement votre inclusion.

Des limites honnêtes qu’il vaut la peine de connaître

Les auteurs sont agréablement transparents sur ce que ce jeu de données peut et ne peut pas vous dire, et chaque réserve est une raison de mener votre propre mesure continue plutôt que de vous reposer sur une seule étude.

C’est suisse. Toutes les données provenaient de serveurs situés en Suisse, avec des adresses IP et un contexte local suisses, sur des prompts en langue allemande. La sélection d’index géo-personnalisée et les schémas de citation peuvent être différents dans votre région ou votre langue, il faut donc considérer les chiffres exacts comme indicatifs, pas universels.

C’est une seule fenêtre temporelle. Tout provient d’une seule période de 45 à 46 jours (de janvier à mars 2026). Les moteurs IA évoluent constamment, donc un instantané provenant de n’importe quelle fenêtre fixe, y compris celle-ci, peut dériver.

ChatGPT n’a souvent rien renvoyé. ChatGPT a ignoré la recherche web dans 57,8% des exécutions, produisant zéro citation ; ces exécutions ont été exclues de l’analyse des sources. Votre propre couverture ChatGPT sera probablement plus inégale que ne le suggèrent les chiffres phares.

La détection de marque était fondée sur des sous-chaînes. Les mentions ont été recoupées avec un lexique fixe, donc les synonymes, abréviations et paraphrases ont pu être manqués. La présence réelle des marques est probablement un peu plus élevée que celle mesurée.

Les Google AI Overviews ont été exclus, considérés comme un produit distinct. Si les AIO comptent pour vous, c’est toute une surface que cette étude n’a jamais abordée.

Rien de tout cela ne remet en cause le résultat principal ; cela le renforce. La seule façon de savoir comment la visibilité se comporte sur votre marché, dans votre langue, et ce mois-ci, est de la mesurer vous-même, en continu.

Comment mettre en pratique la mesure répétée

Voici la checklist pratique qui découle de l’étude, le dispositif minimal viable de mesure GEO sur lequel vous pouvez agir :

• Exécutez chaque prompt 7 à 10 fois par jour. Sept exécutions font passer la détection de marque sous la ligne de fiabilité ; huit couvrent les sources ; dix vous donnent une marge de sécurité.
• Maintenez un portefeuille diversifié d’au moins 8 prompts par sujet. Mélangez des requêtes produit précises avec des formulations larges du type « lequel est le meilleur ».
• Suivez des références propres à chaque moteur. ChatGPT, Gemini, Google AI Mode et Perplexity se comportent différemment tant en constance qu’en concentration des citations, il faut donc évaluer chacun séparément.
• Utilisez une fenêtre glissante de 2 à 4 semaines. Agrégez les taux de détection sur 14 à 28 jours pour que le renouvellement quotidien des sources et les mises à jour mineures de modèles s’estompent.
• Surveillez séparément la présence de marque et les URL de sources. La présence au niveau de la marque est votre KPI phare stable ; le suivi des sources indique quelles pages obtiennent l’inclusion.
• Surveillez la concentration des citations. Un Gini croissant signifie qu’un ensemble de domaines toujours plus restreint détient les réponses, il faut donc savoir si vous êtes à l’intérieur ou à l’extérieur de cet ensemble.

Faire tout cela manuellement sur quatre moteurs, des dizaines de prompts et des réexécutions quotidiennes représente énormément d’éléments à gérer. Une plateforme de surveillance de la visibilité IA comme amicited automatise précisément ce schéma (exécutions multiples, prompts multiples, suivi sur fenêtre glissante à travers ChatGPT, Gemini, Google AI Mode et Perplexity), de sorte que la distribution est calculée pour vous au lieu d’être estimée à l’œil à partir d’une seule requête. Pour un panorama plus large des options, consultez le guide des outils de suivi des citations IA , et pour détecter les changements dès qu’ils surviennent, mettez en place des alertes de surveillance de marque IA .

En résumé : la visibilité est une distribution, pas un chiffre

L’enseignement le plus important de cette étude est un changement de modèle mental. La visibilité en recherche IA n’est pas un classement fixe que l’on peut lire d’une seule requête. C’est une probabilité d’être mentionné qui ne se révèle qu’à travers de nombreuses exécutions. Vous vous souvenez de la question sur les chaussures de running par laquelle nous avons commencé ? Posez-la une fois et vous pourriez voir votre marque ; reposez-la une minute plus tard, dans des conditions identiques, et elle pourrait avoir disparu. Les ensembles de sources ne se recoupent qu’à 34-42% d’un jour à l’autre ; même les marques, le signal le plus stable, ne se recoupent qu’à 45-59%.

Cela signifie que chaque chiffre que vous obtenez d’une seule vérification est en réalité un tirage aléatoire au sein d’une distribution sous-jacente, et qu’un tirage unique ne vous apprend presque rien sur la forme de cette distribution. Une marque citée lors d’une exécution et absente lors de la suivante n’a pas « chuté » ; vous avez simplement échantillonné une seule fois un processus aléatoire, un lancer de dés, et pris cet unique échantillon pour la vérité.

Alors cessez de demander « suis-je cité ? » et commencez à demander « à quelle fréquence suis-je cité, et quelle est la tendance ? ». Des exécutions répétées, des prompts diversifiés, des références propres à chaque moteur et des fenêtres glissantes transforment un instantané bruité en une estimation stable, digne d’une décision. Mesurez la distribution, pas l’instant. C’est là tout l’enjeu de la recherche IA.