Près de 4 Français sur 10 utilisent déjà un moteur IA pour s’informer, et 24 millions d’entre eux ont recours à l’intelligence artificielle générative, un chiffre qui a triplé en un an. Pendant ce temps, selon Gartner, le volume de recherches sur les moteurs traditionnels pourrait chuter de 25 % d’ici fin 2026. Pour les marques, la question n’est plus de savoir si leurs audiences migrent vers les LLMs, mais de comprendre ce que ChatGPT, Perplexity ou Google AI Overviews disent d’elles, et comment le mesurer.
Ce que les LLMs font de votre réputation, sans que vous le sachiez
Quand un utilisateur pose une question à un chatbot IA, il n’obtient pas dix liens bleus à comparer : il reçoit une synthèse, souvent présentée comme une vérité. Si votre marque y est qualifiée de façon inexacte, voire absente, l’impact est immédiat et silencieux. Selon une analyse de Profound portant sur 680 millions de citations (ChatGPT, Gemini et Google AI Overviews), 95 % des citations IA proviennent de sites tiers, pas des domaines de marque officiels. Autrement dit, ce sont les articles de presse, les forums Reddit ou les blogs spécialisés qui façonnent votre image dans les réponses IA, pas votre propre site.
Ce phénomène est d’autant plus difficile à détecter que le trafic généré reste largement invisible dans les outils classiques. Un utilisateur qui voit votre nom dans ChatGPT ouvre souvent un nouvel onglet et tape votre URL directement : le trafic apparaît comme « direct » dans GA4, sans aucune trace de son origine. Malgré cela, ce trafic convertit à un taux environ deux fois supérieur aux sources organiques traditionnelles, le trafic référent Perplexity atteignant un taux de conversion de 10,5 % contre 1,76 % pour la recherche Google.
Pour suivre cette réalité de façon structurée, des outils dédiés ont émergé. Brand-monitor.fr fait partie des solutions qui permettent aux équipes marketing de surveiller leur présence dans les réponses générées par les principaux LLMs, sans dépendre d’un test manuel ponctuel.
Pourquoi un test ponctuel ne suffit pas : le problème du non-déterminisme
Beaucoup d’équipes pensent encore pouvoir évaluer leur visibilité IA en posant simplement une question à ChatGPT. C’est une erreur méthodologique. Les LLMs sont probabilistes : la même requête posée deux fois peut produire deux réponses différentes. Dans des tests documentés, un même modèle a généré 80 résultats uniques sur 1 000 prompts identiques. Des recherches publiées en 2024 ont mesuré des variations de précision allant jusqu’à 15 % entre deux runs, avec un écart entre la meilleure et la pire performance pouvant atteindre 70 %.
La conséquence est claire : un monitoring sérieux exige un minimum de 10 à 20 répétitions par requête, en cadence régulière. Les professionnels recommandent de tester les requêtes prioritaires chaque semaine, et de travailler sur une banque de 250 à 500 requêtes pour une marque de taille moyenne. Ces requêtes ne sont pas des mots-clés courts : les interfaces IA traitent des phrases de 23 mots en moyenne, contre 4 mots pour une recherche Google classique. Il faut donc construire des scénarios conversationnels réalistes, couvrant la découverte, la comparaison et les requêtes directement liées à la marque.
Trois métriques structurent ce suivi : la visibilité (votre marque apparaît-elle dans la réponse ?), la citation (est-elle liée ou seulement mentionnée ?), et le sentiment (comment est-elle qualifiée ?). À ces trois indicateurs s’ajoute le Share of Model, qui mesure la part des réponses où votre marque apparaît parmi tous les acteurs de votre secteur. C’est le nouvel équivalent du share of voice SEO, et il varie fortement selon la plateforme : ChatGPT concentre 87,4 % du trafic référent IA mais cite rarement en lien cliquable, tandis que Perplexity affiche systématiquement ses sources et génère les meilleurs taux de conversion.
Installer un monitoring : par où commencer concrètement ?
La priorité est de couvrir les plateformes les plus utilisées : ChatGPT en premier lieu, puis Perplexity et Google AI Overviews, qui génère des liens vers des domaines de marque dans 59,8 % de ses citations. Gemini, Bing Copilot et Mistral méritent une surveillance selon le secteur.
Côté GA4, quatre actions permettent de mieux tracer ce trafic : créer un canal personnalisé avec un filtre regex incluant chatgpt.com, perplexity.ai, claude.ai et les autres sources IA connues ; ajouter des paramètres UTM aux contenus susceptibles d’être cités ; surveiller l’évolution du trafic direct brandé comme indicateur indirect ; et intégrer une question ouverte dans les enquêtes post-conversion pour identifier les utilisateurs venus via un chatbot.
Le risque pour les marques qui attendent est bien réel. Une fois qu’un LLM a appris à citer trois acteurs d’un secteur, en déloger un demande un effort considérable. Les positions dans les réponses IA ne sont pas fluides comme un classement Google : elles tendent à se cristalliser autour des sources que les modèles associent durablement à un sujet. Commencer à mesurer maintenant, c’est avoir une chance d’influer sur cette dynamique avant qu’elle ne se stabilise.
