Comment mesurer sa part de voix dans ChatGPT sans faux dashboard

Que mesure réellement une part de voix IA ?

La part de voix IA mesure la fréquence à laquelle une marque apparaît dans un corpus stable de questions commerciales. Le dénominateur n’est pas le nombre total de conversations dans ChatGPT, donnée inaccessible, mais un ensemble explicite de questions rejouées dans les mêmes conditions. Une mesure utile précise le moteur, la date, la formulation, le pays ou la langue, les entreprises nommées et les sources citées. Sans ces champs, un pourcentage donne une impression de précision sans permettre de reproduire le résultat.

Pour un cabinet, le corpus peut couvrir les problèmes traités, secteurs, zones et critères de sélection. Pour une marque retail, il couvre catégories, usages, comparaisons et contraintes. Le but est d’observer une évolution comparable, pas de prétendre connaître tous les usages privés d’un moteur.

Comment construire un corpus de questions commercialement utile ?

Commencez par les décisions que l’acheteur essaie de prendre. Une question comme « meilleur cabinet de conseil » est trop large. « Quel cabinet accompagne une intégration ERP dans une ETI industrielle en France ? » révèle un problème, un contexte et une géographie. Côté retail, « meilleure chaussure » produit du bruit ; « quelle chaussure de randonnée légère pour terrain humide ? » permet de relier l’observation à une catégorie, des attributs et une page précise.

Regroupez les questions par intention : découverte du problème, comparaison, shortlist, risque et validation. Gardez une version canonique de chaque formulation. Les variantes peuvent servir à tester la robustesse, mais elles ne doivent pas être mélangées au même indicateur. Le diagnostic de visibilité sert à figer cette baseline avant de modifier le site.

Quelles données enregistrer à chaque observation ?

Enregistrez au minimum : moteur, modèle si disponible, date, question exacte, réponse, marques nommées, ordre d’apparition, sentiment ou qualification, URL citées et capture. Ajoutez un statut simple : absent, mentionné sans source, cité avec source ou recommandé. La distinction compte. Une marque peut être citée comme exemple historique sans être recommandée ; une page peut être utilisée comme source sans que la marque soit nommée.

Comment lire une courbe avant/après ?

Une courbe n’a de sens que si le corpus reste stable. La baseline est la première exécution complète. Les points suivants doivent conserver moteurs, langue et catégories. Affichez les volumes observés avec le pourcentage : deux citations sur dix-huit questions ne valent pas vingt citations sur cent quatre-vingts. Un moteur non testé doit apparaître « non mesuré », jamais zéro. Une absence de citation est une observation ; une absence de test est un manque de données.

Reliez ensuite les changements aux actions datées : nouvelle page service, clarification d’entité, publication tierce, correction de schéma ou amélioration d’un guide. La corrélation ne prouve pas une causalité, mais elle rend le travail inspectable et permet de décider quoi approfondir.

Pourquoi les captures ponctuelles trompent-elles ?

Une capture flatteuse prouve seulement qu’une réponse a existé dans une condition donnée. Les moteurs changent, personnalisent parfois les résultats et ne citent pas toujours les mêmes sources. Tester uniquement le nom de sa marque crée aussi un biais : l’intention marque vérifie surtout que le moteur reconnaît l’entité, pas qu’il la choisit pour une demande de catégorie. Les deux observations Perplexity actuellement publiques chez Roots sont donc étiquetées « intention marque », sans extrapolation commerciale.

Le registre de preuves montre cette discipline : question, moteur, date, source et classe d’intention. Ce format est moins spectaculaire qu’un dashboard décoratif, mais beaucoup plus utile pour comprendre ce qui change réellement.

Quelle décision prendre après la baseline ?

Classez les écarts par levier. Si le moteur comprend mal l’offre, retravaillez entités et pages services. S’il cite toujours des comparateurs ou médias, construisez une stratégie de confirmation tierce. S’il utilise une page informative mais que les leads n’atteignent jamais l’audit, réparez le parcours de conversion et l’interlinking. Si la visibilité existe uniquement sur le nom de marque, développez les questions de catégorie.

La prochaine étape n’est donc pas « publier plus ». C’est choisir le plus petit changement capable d’améliorer une classe de questions mesurée. Pour les services experts, le parcours adapté est le programme conseil ; pour une marque produit, utilisez le programme retail.