Quand un client me demande aujourd’hui « quelle est ma part de voix dans ChatGPT ? », je commence toujours par poser une autre question : que comptez-vous faire de ce chiffre lundi matin ? Dans la grande majorité des cas, la réponse se résume à un silence gêné. Et c’est précisément le problème. La part de voix appliquée aux moteurs génératifs donne l’illusion du contrôle sans offrir la moindre prise sur le réel. Si vous cherchez une réponse directe, la voici : arrêtez de courir après un pourcentage instable et reconstruisez votre pilotage autour de trois signaux que vous pouvez réellement actionner. Dans cet article, je détaille la méthode concrète que j’applique sur le terrain, étape par étape, pour passer d’une métrique rassurante mais creuse à un suivi qui guide vraiment les décisions.
Pourquoi la part de voix vous envoie dans le mur
La part de voix repose sur une promesse fausse : celle d’un classement stable. Sur un moteur de recherche classique, une position se vérifie. Vous tapez une requête, vous regardez où vous apparaissez, et le résultat reste à peu près identique d’une heure à l’autre. Les réponses générées par les IA ne fonctionnent pas ainsi. Posez deux fois la même question à un assistant conversationnel et vous obtiendrez souvent deux formulations différentes, parfois deux listes de marques citées qui ne se recoupent qu’à moitié. Mesurer une « part » dans un océan aussi mouvant revient à compter les vagues plutôt que la marée.
Je l’ai constaté en menant mes propres relevés. Sur une même thématique, le simple fait de reformuler une question, de la poser le matin plutôt que le soir, ou depuis un compte différent, suffit à faire entrer ou sortir un acteur du palmarès. Le chiffre que vous présentez fièrement en réunion peut donc être démenti par votre voisin de bureau qui pose la question à sa façon. Un indicateur qui change selon celui qui l’observe n’est pas un indicateur, c’est une humeur.
Il y a un second piège, plus insidieux. La part de voix flatte les structures déjà installées et écrase les autres. Les grands noms reviennent mécaniquement parce que les modèles ont été nourris d’un volume considérable de contenus qui les mentionnent. Une petite entreprise qui regarde son pourcentage proche de zéro en conclut qu’elle n’existe pas, alors qu’elle peut très bien être citée avec précision sur les quelques questions qui comptent vraiment pour son activité. La métrique masque l’essentiel : être présent au bon endroit vaut mieux qu’être présent partout faiblement.
Étape 1 et 2 : cartographier vos questions et fixer un point de départ
Avant de mesurer quoi que ce soit, listez les questions réelles que vos clients posent. C’est la première étape, et c’est celle que tout le monde saute. Oubliez les mots-clés génériques pendant un instant. Asseyez-vous et écrivez les vingt à trente formulations complètes qu’un prospect taperait dans un assistant : « comment choisir un prestataire pour tel besoin », « quelle solution pour telle situation », « est-ce que tel type de service en vaut la peine ». Ces questions, dans leur langue naturelle, sont le vrai territoire des IA génératives. Je classe toujours cette liste en trois familles : les questions de découverte, les questions de comparaison et les questions de décision. Cette structure vous servira jusqu’au bout.
La deuxième étape consiste à établir une base de référence honnête, à la main. Prenez chacune de vos questions et posez-la à deux ou trois assistants différents. Notez froidement ce qui se passe : êtes-vous cité ? À quel endroit de la réponse ? Avec quels mots ? Êtes-vous décrit correctement ou l’IA invente-t-elle des informations sur vous ? Quels autres acteurs apparaissent à vos côtés ? Je consigne tout cela dans un tableau simple, avec une colonne par question et une ligne par observation. L’objectif n’est pas de produire un pourcentage, mais une photographie qualitative de votre situation de départ.
Ce travail manuel paraît fastidieux. Il est en réalité le plus rentable de toute la démarche, parce qu’il vous force à lire les réponses au lieu de regarder un agrégat. C’est en lisant que je repère les vraies anomalies : une marque concurrente systématiquement recommandée sur une question où elle n’a aucune légitimité, ou au contraire un terrain entier où personne n’est cité, signe d’un vide à occuper. Refaites cet exercice tous les mois, le même jour, avec les mêmes formulations. La répétition transforme un instantané en tendance, et la tendance, elle, dit quelque chose.
Étape 3 : adopter les trois indicateurs qui comptent vraiment
Le premier indicateur est le taux de citation correcte. Sur l’ensemble de vos questions prioritaires, dans quelle proportion êtes-vous mentionné, et surtout mentionné sans erreur ? Je sépare toujours deux choses : être cité, et être cité juste. Une IA qui vous recommande en se trompant sur votre domaine d’activité ou en vous attribuant une spécialité qui n’est pas la vôtre vous nuit plus qu’elle ne vous sert. Ce taux, suivi mois après mois sur une liste de questions figée, raconte une histoire bien plus utile qu’un pourcentage de part de voix. Il monte quand votre travail de fond porte, il stagne quand vous vous dispersez.
Le deuxième indicateur est la qualité de la description que les IA donnent de vous. Au-delà de la simple présence, que disent les modèles quand ils parlent de vous ? Reprennent-ils votre positionnement réel ? Emploient-ils les termes que vous utilisez vous-même ? Ou bien recyclent-ils des informations approximatives, datées, voire fausses ? J’évalue cela sur une échelle volontairement grossière, de la description fidèle à la description erronée. Ce signal est précieux parce qu’il est directement actionnable : si une IA vous décrit mal, c’est presque toujours que vos propres contenus sont flous ou contradictoires sur le sujet. Vous tenez la cause, donc le levier.
Le troisième indicateur est la part de trafic et de conversations réellement issues des IA. Ici, on quitte le terrain de l’observation manuelle pour celui des données de votre site. Regardez d’où viennent vos visiteurs, identifiez les sources qui correspondent aux assistants génératifs, et observez surtout ce que ces visiteurs font une fois arrivés. Sont-ils plus engagés ? Convertissent-ils mieux ou moins bien que les autres ? C’est l’indicateur le plus difficile à isoler proprement, car l’attribution reste imparfaite, mais c’est le seul qui relie votre présence dans les IA à une conséquence économique. Une visibilité qui ne déclenche aucune action ne mérite pas qu’on la pilote.
Étape 4 et 5 : agir sur les contenus, puis ajuster en boucle
La quatrième étape transforme vos relevés en chantiers concrets. Reprenez votre tableau de questions et croisez-le avec vos trois indicateurs. Là où vous n’êtes pas cité, demandez-vous si vous traitez seulement le sujet, et si vous le traitez de façon directe et structurée. Les modèles aiment les contenus qui répondent franchement, avec des définitions nettes, des listes claires et une cohérence d’un texte à l’autre. Là où vous êtes mal décrit, harmonisez votre discours : la même formulation de votre positionnement doit revenir partout, sans variation hasardeuse. Je traite ces chantiers par ordre de priorité commerciale, en commençant par les questions de décision, celles qui sont les plus proches de l’acte d’achat.
Un principe me guide à cette étape : je n’écris jamais pour l’IA, j’écris pour la personne qui pose la question, en m’assurant simplement que la machine pourra extraire une réponse propre. La nuance compte. Les contenus qui fonctionnent dans les moteurs génératifs sont ceux qui auraient de toute façon aidé un lecteur humain : précis, sincères, organisés. Quand je vois un texte bourré de répétitions destinées à flatter un algorithme, je sais qu’il vieillira mal, car les modèles évoluent vite et finissent par pénaliser les contenus creux.
La cinquième étape est la boucle d’ajustement, et c’est elle qui sépare les démarches sérieuses des coups d’épée dans l’eau. Un mois après vos modifications, refaites exactement le même relevé manuel sur les mêmes questions. Comparez vos trois indicateurs à votre base de départ. Ce qui a bougé vous dit ce qui marche ; ce qui n’a pas bougé vous dit où insister ou changer d’approche. Cette régularité, appliquée pendant quelques mois, vaut mille tableaux de bord automatiques consultés une fois et oubliés. Le pilotage de la visibilité dans les IA n’est pas un projet ponctuel, c’est une habitude. La part de voix vous donnait un chiffre à contempler ; cette boucle vous donne une discipline à tenir, et c’est elle qui finit par déplacer les lignes.
FAQ
Faut-il complètement abandonner la notion de part de voix ?
Pas nécessairement comme repère grossier de notoriété sur un marché, mais oui comme indicateur de pilotage dans les IA génératives. Le problème n’est pas l’idée de comparer sa présence à celle des autres, c’est l’instabilité des données sur lesquelles ce calcul repose. Tant que les réponses varient autant d’une requête à l’autre, agréger ces variations en un pourcentage produit un chiffre rassurant mais déconnecté de toute action possible. Préférez des signaux que vous pouvez suivre dans le temps et relier à une décision.
Combien de temps faut-il consacrer à ces relevés manuels chaque mois ?
Sur une liste de vingt à trente questions interrogées auprès de deux ou trois assistants, comptez une demi-journée bien organisée, pas davantage. La première session est la plus longue car il faut construire le tableau et la méthode. Ensuite, la répétition devient rapide, surtout si vous gardez des formulations figées et un même format de prise de notes. C’est un investissement modeste au regard de la clarté qu’il apporte, et il vous évite de payer pour des chiffres automatiques que vous n’auriez de toute façon pas su exploiter.
Ces indicateurs fonctionnent-ils pour une petite structure comme pour une grande ?
Ils fonctionnent encore mieux pour une petite structure. La part de voix écrase les acteurs modestes parce qu’elle récompense le volume de mentions accumulé sur des années. Mes trois indicateurs, eux, se concentrent sur vos questions à vous, celles qui comptent pour votre activité. Une petite entreprise présente avec justesse sur dix questions stratégiques est dans une bien meilleure position qu’un grand nom vaguement cité partout. Cette approche redonne du sens à la mesure pour ceux qui n’ont pas la puissance de frappe des géants.
Ce qui me frappe, après plusieurs mois à appliquer cette méthode, c’est à quel point le fait de renoncer à un chiffre unique libère l’analyse. Tant qu’on cherche le bon pourcentage, on reste spectateur de sa propre visibilité. Dès qu’on lit les réponses, qu’on note les erreurs et qu’on corrige ses contenus, on redevient acteur. Les outils de mesure finiront sans doute par mûrir, et nous disposerons un jour de données plus stables sur notre présence dans les moteurs génératifs. Mais je ne suis pas certain que cela change le fond de l’affaire. La vraie question n’a jamais été « quelle part j’occupe », mais « suis-je présent, juste et utile là où mes clients décident ». Cette question-là, aucune métrique automatique ne la répondra à votre place.