GEO : pourquoi compter les citations dans les IA génératives ne suffit pas
Les IA génératives transforment les parcours d'achat. Pour une marque, suivre sa part de voix IA ne suffit pas : il faut analyser les omissions et signaux faibles pour être recommandé avec confiance
Depuis plusieurs mois, les directions marketing ont dû répondre à un nouveau problème : « comment être cité par ChatGPT ? » et les autres moteurs de recherche génératifs. Ces outils ont modifié les habitudes de recherche des utilisateurs et les parcours d’achat : l’essentiel de la décision d’achat se joue désormais avant l’arrivée du prospect sur le site web de l’entreprise. Les IA sont à la fois des interfaces de découverte, de comparaison et de recommandation.
Dans ce contexte, il est devenu crucial de savoir si sa marque est présente dans la conversation lorsqu’un prospect interroge une IA générative sur son marché. La métrique de "part de voix IA" (Share of Voice / Share of Model) est devenue l’une des métriques clés pour savoir si sa marque est présente ou absente des réponses. Mais cet indicateur présente une limite importante : il mesure si la marque est citée, mais pas comment elle est citée. Cette information qualitative est pourtant plus stratégique et révèle des enseignements plus opérationnels pour une équipe marketing.
La part de voix IA est une vanity metric peu actionnable
La part de voix IA s’est imposée comme le premier KPI du GEO (i.e. l'optimisation de la visibilité dans les réponses générées par les IA). Pourtant, elle est souvent utilisée comme une vanity metric qui ne permet pas de véritablement d'améliorer la visibilité ou la perception d’une marque dans les IA.
La part de voix passe à côté de deux informations importantes (i) l’importance de la citation : être cité sur une question à forte intention d’achat vs sur une question qui cite explicitement la marque n’a pas la même valeur, (ii) la qualité de la citation : la marque peut être citée avant ou après ses concurrents, être présentée comme une référence ou comme une solution à éviter. Cette richesse qualitative est ce qui compte le plus pour évaluer la performance d’une marque dans une IA générative, et elle n’est pas capturée par la part de voix.
Par ailleurs, la mesure de la part de voix IA est fortement corrélée à l’ensemble de prompts sur lequel elle est évaluée. Si le nom de la marque est dans la question, il le sera nécessairement dans la réponse. Une question qui demande explicitement de fournir des propositions d’entreprises comme solutions ne doit pas être évaluée de la même manière qu’une question informationnelle.
Exemple :
• Requête 1 : "Que vaut la marque X ?" - la marque est citée, mais parce qu'elle est dans la question.
• Requête 2 : "Quelle solution choisir pour résoudre Y ?" - la marque est absente, alors que c'est là que se joue la recommandation.
La part de voix est un indicateur pertinent seulement sur un ensemble fixe de prompts dont on observe la variation dans le temps et que l’on compare à celui de ses concurrents, mais il reste insuffisant.
Les scores de sentiment IA présentent aussi des limites
Les indicateurs de sentiment de marque classiques ambitionnent de compléter les failles de la « part de voix IA » en fournissant cette analyse qualitative. Mais certaines précautions sont nécessaires pour éviter que leur interprétation n’induise pas en erreurs.
D’abord, les modèles génératifs sont entraînés pour produire des réponses équilibrées, prudentes et non diffamatoires. Il est donc très rare que ces derniers disent frontalement du mal d’une marque. Ils auront plutôt tendance à formuler des réserves, fonctionner par omission, ou éviter de citer la marque.
Ainsi, un sentiment de marque IA perçu comme neutre peut être un faux positif. La neutralité dans une IA s’apparente en réalité souvent à un manque de preuve disponible, à une faible autorité, à un sentiment ou des avis mitigés. Avoir un « sentiment neutre » parce que l’IA n’émet aucune critique sur la marque est problématique lorsque les concurrents sont décrits comme « des références » ou « offrant le meilleur ROI », la neutralité est alors un désavantage compétitif.
Une stratégie de visibilité IA doit être guidée par les omissions et les signaux faibles
La meilleure façon de construire un plan d’action pour sa visibilité IA n’est pas de suivre des métriques génériques, mais de se concentrer sur les omissions et les signaux faibles pour détecter ce qu’il manque à la marque afin d’être privilégiée par les modèles.
Ce qu’un modèle ne dit pas sur une marque est presque aussi important que ce qu’il dit. Cela permet d’identifier les thématiques et messages où la marque dispose d’un déficit d’autorité. Il faut auditer : les requêtes clés sur lesquelles la marque est absente, les expertises ou preuves fortes de la marque qui ne sont pas reprises pas les IA.
Ensuite, il faut relever les signaux faibles ou nuances introduites par les IA qui diminuent la force persuasive de la recommandation. Certaines formulations comme « davantage orienté vers… », « peut être pertinent si… », « à vérifier selon… » à la suite d’une recommandation sont en réalité à interpréter comme une réserve. Si elles ne sont pas « négatives » au sens classique du terme, elles indiquent un niveau de confiance plus faible du modèle génératif dans la marque.
Par exemple, une marque qui cible explicitement les grandes entreprises pourrait être évoquée par une IA comme « X est une référence reconnue pour les grandes entreprises » ou « X peut être une option intéressante selon les besoins ». Les deux mentions sont positives en apparence, mais la seconde est en réalité le signal d’un manque d’autorité perçu pour l’IA.
De même, une façon de détecter davantage de signaux faibles consiste à identifier les différences de traitement avec les concurrents. La façon dont un modèle met en avant un concurrent (adjectifs utilisés, précision de la description, cas d’usages associés, preuves sociales mentionnées, position dans la réponse, etc.) permet d’identifier les écarts que la marque doit combler pour ne pas être mis en retrait dans la réponse.
Le sujet n'est pas de remplacer la part de voix IA par un nouveau score de sentiment, mais d'analyser la manière dont les IA qualifient, hiérarchisent ou écartent une marque de la conversation.
Ce que les équipes marketing peuvent faire concrètement
Les omissions et signaux faibles identifiés fournissent les sujets spécifiques à renforcer pour que l’autorité perçue par les IA génératives s’améliore. Il s’agit pour les marques de densifier leur empreinte sémantique et leurs preuves d’autorité sur ces sujets afin de devenir incontournable pour une IA générative.
Concrètement, il faut que chacun des messages clés soit présent de façon suffisamment dense à la fois dans le discours de la marque mais également dans le discours tiers. Les IA génératives comparent implicitement plusieurs couches de discours : ce que la marque affirme sur son site et ses réseaux sociaux, mais aussi ce que les tiers disent d’elle.
Elles pénalisent les incohérences entre les différentes couches de discours. Une distinction promotionnelle présente dans le discours de la marque, mais qui n’est pas reprise par des sources tierces, voire contredit, n’a que très peu de chance d’être identifiée comme fiable par une IA générative et donc d’être reprise.
Les marques doivent parvenir à renforcer leurs preuves et les contenus d’autorité appuyant leurs objectifs de communication sur les différentes sources d’influence des IA. Chaque incohérence ou désalignement entre les sources conduit le modèle à devoir arbitrer et donc à risquer de perdre le contrôle de son narratif.
Finalement, les marques qui piloteront leur visibilité IA seulement avec des indicateurs génériques risquent de passer à côté des véritables opportunités d’amélioration de leur image dans les IA génératives. La question n’est plus seulement de savoir si une marque est citée, mais si elle est recommandée avec confiance. Sur ce nouveau terrain de bataille, la capacité à identifier les signaux faibles sera la clé pour concentrer les efforts sur les actions déterminantes.