Suivi de visibilité dans les IA génératives : comment mesurer sa part de voix GEO

"Est-ce que ChatGPT recommande mon entreprise quand un prospect pose une question dans mon domaine ?" C'est la question que de plus en plus de dirigeants se posent. Et personne ne sait y répondre avec certitude, parce que jusqu'ici, aucun outil ne permettait de le mesurer de façon fiable.

Chez Tensoria, on a décidé de construire la réponse plutôt que de la promettre. On a développé ai-GEO, un outil de monitoring qui analyse ce que les IA disent réellement d'une entreprise, d'un produit ou d'un marché. Le résultat ? Des métriques quantifiées, pas des impressions.

Cet article détaille le pourquoi, le comment et les résultats concrets. Architecture du pipeline, métriques produites, limites honnêtes, et ce que ça change pour une entreprise qui veut comprendre sa visibilité dans les IA génératives.

Le problème de départ : mesurer l'invisible

Comme on l'explique dans notre guide sur le GEO, le marché du Generative Engine Optimization est aujourd'hui envahi par des promesses sans fondement. Mais derrière le bruit marketing, il y a un besoin réel et légitime pour les entreprises : savoir ce que les IA disent d'elles.

En SEO traditionnel, on dispose d'outils matures. Semrush, Ahrefs, la Search Console de Google permettent de suivre son positionnement sur des mots-clés, de mesurer le trafic et de comparer ses performances à celles des concurrents. En GEO, ce type d'outil n'existe quasiment pas.

Les rares outils qui émergent se contentent souvent de poser une question à ChatGPT et de vérifier si votre marque apparaît dans la réponse. C'est mieux que rien, mais c'est méthodologiquement insuffisant. Une seule question donne une seule observation. Les réponses des IA varient selon la formulation, le moment, le modèle. Se fier à un seul échange, c'est comme évaluer l'audience d'un site web en regardant un seul visiteur.

C'est de ce constat qu'est né ai-GEO, un outil qui adopte une approche statistique multi-perspectives pour produire des données de visibilité réellement exploitables.

Comment fonctionne ai-GEO : un pipeline en quatre étapes

L'outil est construit en Python avec FastAPI et interroge les modèles d'IA via l'API OpenRouter, qui donne accès à GPT-4, Claude, Gemini et d'autres en une seule intégration. Le pipeline est entièrement automatisé.

Étape 1 : génération de questions multi-perspectives

L'utilisateur saisit une question principale, par exemple "Quelle est la meilleure agence IA à Toulouse ?". Le système génère alors N questions alternatives (de 1 à 50, configurable) qui conservent la même intention de recherche mais avec des formulations différentes.

Pourquoi cette approche ? Un seul prompt donne une seule réponse. Pour obtenir une vue statistiquement fiable, il faut multiplier les angles. La même question posée de 20 façons différentes produit des réponses avec des nuances, des marques citées et des tonalités variables.

C'est un principe qu'on retrouve dans d'autres contextes. Quand on construit un assistant RAG, on utilise la même logique d'évaluation multi-perspectives pour mesurer la qualité des réponses. La rigueur statistique est la même.

Étape 2 : collecte des réponses de l'IA

Chaque question (l'originale et ses variantes) est envoyée en parallèle au modèle IA via des appels asynchrones. Le système demande à l'IA de répondre en tant qu'expert impartial, en citant des marques et outils concrets avec une analyse équilibrée des avantages et inconvénients.

Cette étape reproduit exactement ce que ferait un prospect posant la question à un assistant IA. L'exécution parallèle permet de collecter 50 réponses en quelques secondes, là où un humain passerait plusieurs heures à le faire manuellement.

Étape 3 : extraction d'entités et analyse de sentiment

C'est le coeur de l'analyse GEO. Pour chaque réponse de l'IA, un second appel (en JSON structuré strict) extrait :

• Les entités mentionnées : marques, produits, services, entreprises, outils
• Le sentiment associé à chaque entité : positif, neutre ou négatif
• Le contexte de la mention : pourquoi cette entité est citée, dans quel cadre

L'utilisateur peut aussi fournir un focus d'extraction (ex : "se concentrer uniquement sur les agences web, ignorer les outils SaaS") pour affiner les résultats.

Le système de scoring est volontairement simple :

Étape 4 : agrégation statistique

Cette dernière étape est purement computationnelle, sans aucun appel à une IA. Elle produit les statistiques agrégées suivantes :

• Nombre total de mentions par entité : combien de fois la marque X a été citée sur l'ensemble des N perspectives
• Répartition du sentiment : combien de mentions positives, neutres, négatives pour chaque entité
• Score moyen (de 1 à 3) pour chaque entité
• Classement des entités par pertinence (nombre de mentions décroissant, puis score)
• Part de voix : quelle proportion des mentions totales chaque entité capte

Les métriques produites par un audit de visibilité IA

L'outil produit un dashboard interactif avec six visualisations qui couvrent différents angles d'analyse de la visibilité dans les IA génératives :

En plus des graphiques, un tableau synthétique classe chaque entité par rang de performance, avec le score moyen sur 3, le nombre d'occurrences, et la décomposition du sentiment.

Exemple concret : analyse GEO sur un marché local

Pour illustrer, prenons un cas réel. Un client nous soumet la question "Quelle est la meilleure agence web à Toulouse ?". On configure l'outil avec 30 perspectives et on lance l'analyse.

Voici le type de résultats obtenus :

Ce diagnostic fournit des informations exploitables qu'aucun audit SEO classique ne produit :

• Le client sait exactement où il se situe dans la perception des IA génératives
• Il identifie ses vrais concurrents dans les réponses IA, qui ne sont pas forcément les mêmes qu'en SEO classique
• Il repère les points faibles perçus de ses concurrents, autant d'opportunités pour se différencier
• Il dispose d'une baseline mesurable pour évaluer l'impact de ses futures actions contenu ou relations presse

Suivi dans le temps et comparaison des analyses

Chaque analyse est sauvegardée en JSON avec un identifiant unique et une date. Cela rend possible :

• La consultation d'analyses passées avec chaque résultat accessible via sa propre URL
• La comparaison entre périodes pour observer l'évolution de la perception
• La constitution d'un historique de visibilité IA sur un sujet ou un marché donné

La logique est la même qu'en suivi de positionnement SEO : un point de données isolé ne dit rien. C'est la tendance dans le temps qui est informative. Si après une campagne de contenu, votre fréquence d'apparition passe de 7 % à 25 % et votre score de sentiment monte de 2.0 à 2.5, vous avez une preuve mesurable de l'impact de vos actions.

C'est le même raisonnement que pour la mesure du ROI d'un projet IA : sans métriques avant/après, pas de démonstration de valeur.

Analyse détaillée question par question

Au-delà des métriques agrégées, le dashboard affiche chaque paire question-réponse avec les entités extraites et leurs sentiments. C'est ce qui permet de comprendre le pourquoi derrière les chiffres.

Par exemple, si l'IA mentionne votre marque avec un sentiment négatif dans 3 réponses sur 30, vous pouvez voir exactement dans quel contexte. Est-ce une question de pricing ? Un avis négatif visible sur le web ? Un concurrent systématiquement préféré sur un critère précis ?

Cette granularité transforme l'outil de simple monitoring en outil de diagnostic actionnable. On ne se contente pas de dire "vous avez un problème". On précise "votre problème est lié à la perception de votre pricing dans un contexte PME, et voici les réponses exactes qui le montrent".

Ce qu'on a appris en utilisant l'outil sur des marchés réels

Après des dizaines d'analyses sur des marchés variés, voici les enseignements les plus importants :

La notoriété web reste le facteur numéro un

Sans surprise, les marques les plus citées par les IA sont celles qui ont la plus forte présence web : beaucoup de contenu, de nombreuses mentions sur des sites tiers, des backlinks solides. C'est une confirmation directe que le meilleur GEO reste un bon SEO.

Les avis et témoignages pèsent lourd

Les entreprises qui ont des avis positifs visibles sur Google, Trustpilot ou des plateformes sectorielles sont mentionnées avec un sentiment plus favorable. Les IA intègrent ces signaux de réputation dans leur perception de la marque.

Le contenu expert fait la différence

Les entreprises qui publient du contenu de fond (guides, cas clients, études sectorielles) sont plus fréquemment recommandées que celles qui n'ont qu'un site vitrine. Le critère E-E-A-T de Google (Expérience, Expertise, Autorité, Fiabilité) se reflète directement dans les réponses des IA.

Les résultats varient selon les modèles IA

GPT-4, Claude et Gemini ne donnent pas les mêmes réponses. Certaines marques sont bien citées par un modèle et absentes d'un autre. Un monitoring sérieux doit couvrir plusieurs modèles pour avoir une vue complète. L'outil le permet via OpenRouter, qui donne accès à tous les principaux LLM depuis une seule intégration.

Architecture technique de l'outil de monitoring GEO

Pour les équipes techniques qui voudraient comprendre ou reproduire l'approche, voici les choix d'architecture :

• Backend : Python + FastAPI, léger, asynchrone, adapté au parallélisme des appels API
• API LLM : OpenRouter via le SDK OpenAI, accès à GPT-4, Claude, Gemini et d'autres depuis une seule intégration
• Structured output : Pydantic pour les schémas de données, JSON strict pour l'extraction d'entités, zéro parsing artisanal
• Persistance : fichiers JSON avec UUID, simple, portable, sans base de données
• Frontend : Jinja2 + ApexCharts pour le dashboard interactif
• Exécution : asyncio.gather() pour la parallélisation des appels IA

Le pipeline est modulaire : chaque étape (génération de questions, collecte de réponses, extraction d'entités, agrégation) est un module indépendant avec ses propres prompts et schémas. On peut modifier une étape sans impacter les autres.

C'est le même principe que pour un système RAG bien architecturé : des briques indépendantes, compréhensibles, auditables. On évite les frameworks monolithiques qui encapsulent tout dans des abstractions opaques, une leçon apprise sur des projets RAG antérieurs.

Les limites, en toute transparence

Un outil de monitoring GEO ne résout pas tout. Voici les limites qu'on assume et qu'on communique à nos clients :

• Non-déterminisme résiduel : même avec 50 perspectives, les résultats ne sont pas parfaitement reproductibles d'une analyse à l'autre. C'est inhérent au fonctionnement des LLM. L'approche multi-perspectives réduit le bruit, mais ne l'élimine pas. C'est une mesure statistique, pas une mesure exacte.
• Biais propres à chaque modèle : chaque LLM a ses biais hérités de son corpus d'entraînement. Une marque très présente dans les données de GPT-4 mais absente de celles de Claude aura des résultats très différents selon le modèle testé.
• Absence de lien direct avec le business : une bonne visibilité dans les réponses IA ne prouve pas qu'elle génère des leads. C'est un indicateur avancé, pas une métrique de revenu. La corrélation est plausible, mais la causalité reste à démontrer.
• Évolution rapide des modèles IA : les LLM sont mis à jour régulièrement. Les résultats d'aujourd'hui ne seront pas ceux dans six mois, d'où l'importance absolue du suivi temporel.

Ces limites ne rendent pas l'outil inutile. Elles définissent le cadre d'interprétation correct des résultats. C'est précisément cette honnêteté qui distingue une approche data-driven des discours marketing ambiants sur le GEO.

Pour qui le monitoring GEO est-il pertinent ?

PME et entreprises qui génèrent des prospects en ligne

Toute entreprise qui dépend de la visibilité web pour attirer des clients devrait savoir comment les IA la perçoivent. C'est un angle mort que le SEO classique ne couvre pas. Les marques e-commerce sont en première ligne : quand un prospect demande à ChatGPT "quel est le meilleur site pour acheter X ?", être absent de la réponse représente un manque à gagner direct. Un audit IA permet d'intégrer cette dimension dans une stratégie digitale globale.

Agences SEO et marketing digital

Un outil de monitoring GEO constitue une proposition de valeur différenciante. Montrer à un client ses métriques de visibilité IA avant et après intervention est un argument commercial puissant et vérifiable.

Éditeurs SaaS et produits tech

Comprendre comment l'IA positionne votre produit par rapport aux alternatives est un avantage stratégique. Si ChatGPT recommande systématiquement trois concurrents avant vous, c'est un signal qui mérite une investigation approfondie.

Ce que cet outil n'est pas

Pour être parfaitement clair :

• Ce n'est pas un outil d'optimisation : il ne "booste" pas votre visibilité IA. Il la mesure.
• Ce n'est pas une alternative au SEO : c'est un complément de monitoring.
• Ce n'est pas une boîte noire : le pipeline est transparent et chaque résultat est traçable.
• Ce n'est pas une promesse de résultats : c'est un outil de diagnostic et de suivi.

On ne promet pas de vous "positionner dans les IA". On vous donne les données pour comprendre où vous en êtes et pour mesurer l'impact concret de vos actions. C'est précisément ce qui distingue une démarche data-driven des promesses marketing habituelles autour du GEO.

Comment démarrer un suivi de visibilité IA

Si vous voulez savoir ce que les IA disent de votre entreprise, voici les étapes concrètes :

1. Définir les questions clés : quelles questions un prospect poserait à une IA dans votre domaine ? C'est le point de départ de tout audit GEO sérieux.
2. Lancer un premier audit : 30 perspectives minimum pour disposer de données exploitables et constituer une baseline de référence.
3. Analyser les résultats : qui est cité, avec quel sentiment, et surtout où vous situez-vous par rapport à vos concurrents dans les réponses IA ?
4. Agir sur les leviers identifiés : contenu expert, production de contenu, présence sur des sites tiers, backlinks.
5. Relancer l'analyse : 3 à 6 mois plus tard, comparer les résultats pour mesurer l'impact des actions menées.

C'est un cycle d'amélioration continue, pas une prestation ponctuelle. Comme pour tout projet IA sérieux, la valeur vient de l'itération régulière.

FAQ · Monitoring GEO et visibilité IA

Questions fréquentes

Pour aller plus loin

• GEO : le guide pragmatique de l'optimisation pour l'IA générative : comprendre le marché, séparer le vrai du faux
• RAG : le guide complet pour l'IA en entreprise : le mécanisme qui permet aux IA de trouver l'information
• Pourquoi l'audit IA est indispensable
• ROI des projets IA : comment le mesurer
• 5 erreurs qui font échouer les projets RAG : les leçons qui ont façonné notre approche technique
• Lancer un projet IA en entreprise : le guide réaliste