Avant d’optimiser quoi que ce soit, il vous faut un point de départ chiffré. Mesurer sa présence dans les IA, c’est faire de l’échantillonnage : on répète des questions neutres sur plusieurs modèles, puis on agrège les réponses en un taux de citation assorti de sa marge d’erreur. Tout le reste, capture d’écran comprise, relève de l’anecdote.
La même question, deux réponses différentes
Prenez une mutuelle qui veut savoir si ChatGPT la recommande. Lundi, quelqu’un tape « quelle mutuelle pour un travailleur indépendant ? » : la marque sort, capture d’écran, message enthousiaste dans le Slack de l’équipe. Jeudi, même question, elle a disparu derrière deux concurrents. Rien n’a bougé entre-temps, ni sur le site, ni chez les concurrents.
Ce comportement est normal, et il est documenté : une étude SparkToro de janvier 2026 montre à quel point les IA manquent de constance quand elles recommandent des marques ou des produits. Un chiffre obtenu en posant une question une seule fois n’est donc pas une mesure, c’est un tirage. Pour en faire une mesure, il faut une méthode.
Les quatre décisions qui font une mesure honnête
Une mesure fiable repose sur quatre choix de méthode, et chacun a sa page dans cette rubrique. Les voici, dans l’ordre où ils comptent.
Répéter chaque question. La photo d’un seul appel ne représente pas votre visibilité réelle, seulement l’un des nombreux tirages possibles. Vous verrez pourquoi un seul test sur ChatGPT ne suffit pas, preuves à l’appui, et ce que cela implique pour tout suivi fondé sur un scan unique.
Agréger en un taux, pas en une liste. Répéter ne sert à rien si l’on ne transforme pas ces réponses en un chiffre sur lequel décider. C’est le rôle du paradigme N-runs, qui convertit des réponses variables en taux de citation fiable, avec la marge d’erreur qui vous dit si ce taux est solide ou bruité.
Choisir les IA que vos clients utilisent vraiment. On ne mesure pas « l’IA » en général, on mesure des modèles précis. Pour la France, cela revient à décider quelles IA suivre entre ChatGPT, Gemini, Claude et Mistral ; sen-ai ajuste ce mix quand l’adoption d’un acteur dépasse un seuil, et le publie sur chaque rapport.
Formuler des questions qui ne guident pas l’IA. Demander à une IA ce qu’elle pense de votre marque, c’est lui souffler la réponse. Une mesure honnête part de questions neutres qui décrivent une situation d’achat sans citer votre marque, comme le ferait un client qui ne vous connaît pas encore.
Pris ensemble, ces quatre choix font la différence entre un tableau de bord sur lequel on peut décider et un chiffre rassurant qu’on encadre au mur.
Par où commencer
Faites d’abord l’expérience vous-même : posez la même question à ChatGPT deux jours de suite, sans citer votre marque, et comparez les listes. Il y a de bonnes chances qu’elles ne se ressemblent pas, et c’est l’argument le plus parlant pour abandonner le test unique.
Ensuite, industrialisez. Un scan sen-ai applique ces quatre décisions d’un coup, sur les quatre modèles. Elles ne sont d’ailleurs qu’une partie de la méthodologie complète de mesure de sen-ai, qui couvre aussi la façon dont les questions sont générées et dont les réponses sont analysées, citations et concurrents compris.
Gardez enfin la suite en tête : un diagnostic n’a de valeur que s’il débouche sur des actions, puis sur une remesure de leur effet. C’est tout l’objet de la démarche agir et mesurer, qui transforme un diagnostic en visibilité gagnée.