La tentation est grande de demander à ChatGPT ce qu’il pense de votre marque. C’est aussi la meilleure façon de fausser la mesure. Dès que vous nommez votre marque dans la question, vous soufflez la réponse à l’IA et vous ne mesurez plus rien d’utile. Ce biais est le premier à éliminer avant de mesurer sa présence dans les IA.
Nommer sa marque, c’est souffler la réponse
Une question qui contient votre marque oblige l’IA à parler d’elle, ce qui n’a rien à voir avec sa tendance spontanée à la recommander. Vous mesurez alors la capacité du modèle à décrire une marque qu’on lui impose, pas la probabilité qu’il la cite de lui-même face à un acheteur.
Imaginez Dermalys, marque fictive de cosmétique. Nommez-la et l’IA en parlera poliment, parce que vous l’y forcez. Décrivez seulement le besoin et elle recommande librement : Dermalys apparaît, ou pas, et seule cette réponse reflète votre visibilité réelle.
| Question guidée (à éviter) | Question neutre (à poser) |
|---|---|
| « Que penses-tu de la crème Dermalys ? » | « Quelle crème pour peau sensible ? » |
| « Dermalys est-elle mieux que ses concurrentes ? » | « Quelles marques de soin pour une peau réactive ? » |
Des questions qui décrivent un besoin, pas une marque
sen-ai n’interroge les IA qu’avec des questions brand-agnostic : elles décrivent une situation d’achat, jamais une marque précise. L’IA recommande librement, et on observe qui elle place, dans quel ordre, et avec quelles sources.
Cette neutralité rend la mesure comparable d’une marque à l’autre et d’un scan à l’autre : toutes les marques d’un même marché sont jugées sur les mêmes questions ouvertes.
Les questions posées aux IA sur un espace de démonstration : aucune ne nomme la marque suivie. La coche indique les réponses où elle est citée, la croix celles où elle est absente.
Pour tester vous-même, parlez comme un client qui ne vous connaît pas :
Je cherche [produit ou service] pour [situation : besoin, budget, contrainte]. Quelles marques me conseilles-tu, et pourquoi ?
Mais un seul test ne prouve rien : une mesure fiable répète chaque question puis agrège les résultats, c’est le principe du N-runs.
Des personas pour couvrir les vraies intentions
Pour ne pas se limiter à une poignée de questions, sen-ai part de vos mots-clés, en dérive des personas, puis génère les questions que ces acheteurs poseraient réellement. Chaque persona représente une intention d’achat différente, et chaque intention donne plusieurs formulations.
Cette construction recoupe la façon dont les moteurs génératifs lisent une question : pour répondre, ils l’éclatent en sous-questions et lancent de nombreuses recherches en parallèle, une technique que Google nomme le query fan-out. Couvrir l’éventail des intentions d’un sujet, c’est se donner une chance d’être cité sur l’ensemble de ces sous-questions, au lieu d’une seule.
Reste à poser ces questions aux bons endroits : les modèles que vos clients utilisent vraiment.