Peut-on faire confiance aux scores de visibilité IA ?

Je suis parti à la recherche de l’article scientifique derrière le chiffre des « 40 % », parce que je croisais sans cesse ce chiffre sans sa source. Le trouver a été facile. C’est la lecture qui a changé mon avis, et pas dans le sens où on l’emploie d’habitude.

Quelque part entre 2024 et aujourd’hui, la « visibilité IA » est devenue une catégorie de produits. Une douzaine d’outils vous vendront un score : à quelle fréquence ChatGPT mentionne votre marque, quelle part des réponses de Perplexity cite votre domaine, si Gemini vous nomme dans votre catégorie. Les tableaux de bord ressemblent à des suivis de positions, parce que ce qui est familier obtient un budget.

J’ai donc passé une partie de 2026 à lire les articles scientifiques sous ces tableaux de bord. Il existe un écart entre ce que la recherche mesure et ce que la catégorie vend, et il est plus large que je ne le pensais. Le résultat publié le plus cité de ce domaine porte sur du contenu déjà récupéré par le moteur. Il est commercialisé comme un moyen de se faire récupérer.

Rien de tout cela ne signifie que la visibilité IA n’a pas d’importance. Cela signifie que la plupart de ce qui est vendu comme une mesure de cette visibilité est un échantillon unique d’un système probabiliste, rapporté avec deux chiffres significatifs.

Les citations de documentation et d’articles sont reproduites en anglais, langue de leurs sources ; la traduction entre parenthèses est la mienne.

Réponse courte

Non, pas comme valeurs ponctuelles. Les scores de visibilité IA sont des mesures uniques d’un système non déterministe, et une synthèse de juillet 2026 sur 45 études n’a trouvé aucune technique à effet causal stable et multiplateforme sur la découvrabilité organique. Je fais autrement : exécuter chaque prompt au moins 30 fois par surface, un minimum sous tous les seuils publiés, rapporter un intervalle de confiance plutôt qu’une valeur ponctuelle, et s’appuyer sur les citations publiées par les moteurs.

D’où vient le chiffre de « 40 % d’amélioration » ?

Il vient d’un vrai article évalué par les pairs, et il est presque toujours mal lu. « GEO: Generative Engine Optimization », de Pranjal Aggarwal, Vishvak Murahari, Tanmay Rajpurohit, Ashwin Kalyan, Karthik Narasimhan et Ameet Deshpande, est arrivé sur arXiv le 16 novembre 2023, a été révisé le 28 juin 2024 et accepté à KDD 2024. Le résumé indique : « we demonstrate that GEO can boost visibility by up to 40% in generative engine responses » (GEO peut augmenter la visibilité jusqu’à 40 % dans les réponses des moteurs génératifs). Le même article a introduit GEO-bench et a précisé que « the efficacy of these strategies varies across domains » (l’efficacité de ces stratégies varie selon les domaines).

Puis je suis arrivé à la méthode. L’expérience modifie des documents sources déjà présents dans la fenêtre de contexte du moteur génératif, puis mesure leur proéminence dans la réponse. Déjà présents. Elle étudie ce qui se passe après la récupération, pas si vous êtes récupéré.

J’ai relu ce passage deux fois, parce que toute une catégorie de produits se vend sur l’autre lecture. Vendre le premier résultat comme s’il s’agissait du second est l’erreur fondatrice de la catégorie, et chaque affirmation empilée par-dessus hérite de l’erreur.

Pourquoi deux outils de visibilité IA donnent-ils des chiffres différents ?

Parce qu’ils échantillonnent, et parce que ce qu’ils échantillonnent n’est pas déterministe. L’article de Ronald Sielinski, « Quantifying Uncertainty in AI Visibility: A Statistical Framework for Generative Search Measurement » (arXiv, 9 mars 2026, révisé le 9 juin 2026), commence par la raison : « identical queries submitted at different times can produce different responses and cite different sources » (des requêtes identiques soumises à des moments différents peuvent produire des réponses différentes et citer des sources différentes). Il a échantillonné Perplexity Search, OpenAI SearchGPT et Google Gemini sur trois sujets de produits de consommation, quotidiennement pendant neuf jours, plus une série à intervalles de dix minutes sur quatre heures.

C’est le deuxième article que j’ai trouvé, et c’est celui qui a changé ma façon de lire un tableau de bord. Les distributions de citations « follow a power-law form and exhibit substantial variability across repeated samples » (suivent une forme en loi de puissance et présentent une variabilité substantielle d’un échantillon à l’autre), et les intervalles de confiance par bootstrap ont montré que « many apparent differences between domains fall within the noise floor of the measurement process » (de nombreuses différences apparentes entre domaines se situent sous le seuil de bruit du processus de mesure). Je m’attendais à ce que l’instabilité se loge en haut du classement, là où quelques gros domaines se disputent les places. Ce n’est pas le cas. Les classements se sont révélés instables « throughout the frequently cited domain set » (dans l’ensemble des domaines fréquemment cités).

Donc quand deux fournisseurs vous tendent deux chiffres différents, vous n’avez pas pris l’un d’eux en défaut. Vous avez deux tirages dans une distribution à queue lourde. Exécutez le même outil deux fois et vous obtenez le même désaccord, gratuitement.

Que soutient réellement la recherche ?

La synthèse, je l’ai trouvée en dernier, et c’est le document le plus utile que j’ai lu cette année. « Optimizing Visibility in Generative Engines: A Critical Survey of Generative Engine Optimization (2023–2026) » d’Olivier Martinez est une prépublication déposée sur arXiv le 15 juillet 2026. Elle n’a pas été évaluée par les pairs. Je ne vais pas enfouir cette information dans un article consacré aux standards de preuve ; je m’en sers quand même parce que ses affirmations sont vérifiables contre le corpus qu’elle recense, ce qui en fait un texte avec lequel on peut discuter. Elle passe en revue 45 études d’une fenêtre allant de novembre 2023 à juillet 2026 et constate que « no reviewed technique shows a stable, longitudinal, cross-platform causal effect on organic discoverability or downstream behavior » (aucune technique examinée ne montre d’effet causal stable, longitudinal et multiplateforme sur la découvrabilité organique ou sur les comportements en aval). À propos de l’article de KDD précisément, ses « widely cited gains are valid within its experimental setting but conditional on a source already being present in a fixed context; they establish neither organic discoverability nor durable traffic effects » (ses gains largement cités sont valides dans son cadre expérimental mais conditionnels à la présence préalable d’une source dans un contexte fixe ; ils n’établissent ni la découvrabilité organique ni des effets de trafic durables).

Deux de ses constats me sont restés, pour des raisons opposées. Le confortable : « topical relevance and context position are the most reproducible levers » (la pertinence thématique et la position dans le contexte sont les leviers les plus reproductibles), tandis que « generic heuristics transfer poorly » (les heuristiques génériques se transfèrent mal) et que « competition can erode individual gains » (la concurrence peut éroder les gains individuels). La pertinence et la position. C’est proche de ce que j’aurais deviné, et être d’accord avec un article n’est pas une preuve, mais je prends l’alignement.

L’autre constat, je ne l’ai pas apprécié du tout : « citation-oriented rewrites can impair retrieval » (les réécritures orientées citation peuvent nuire à la récupération). Relisez-la lentement. Une bonne part de ce que vend cette industrie est de la réécriture orientée citation : son produit phare pourrait jouer contre l’étape de récupération qu’il fallait franchir d’abord. Martinez constate aussi que les audits commerciaux révèlent « low source overlap, substantial run-to-run variability, and persistent fidelity gaps » (un faible recoupement des sources, une variabilité substantielle d’une exécution à l’autre et des écarts de fidélité persistants).

Restent les chiffres que tout le monde cite sur le balisage schema et les taux de citation par l’IA. J’ai essayé d’en retracer plusieurs. Chaque piste se terminait par un article qui en citait un autre, sans aucune méthodologie publiée au bout, donc je ne les reprends pas ici. Je préfère laisser un trou dans ce texte plutôt que de blanchir sur mon propre site la statistique non sourcée de quelqu’un d’autre.

Philipp Götza a nommé le problème dans Search Engine Land le 19 janvier 2026 : une échelle de l’inférence abusive allant de l’affirmation au fait, à la donnée, à la preuve empirique puis à la démonstration, où « to accept something as proof, it needs to climb the rungs of the ladder » (pour accepter quelque chose comme une démonstration, il faut gravir les barreaux de l’échelle). La plupart des affirmations GEO que je rencontre se situent au premier ou au deuxième barreau. Certaines n’ont jamais approché l’échelle.

Quelles tactiques la documentation de Google contredit-elle ?

Le guide de Google sur l’optimisation pour les fonctionnalités d’IA générative, mis à jour le 10 juillet 2026, est plus direct que ce que j’attendais d’un document de Google. Il ferme la porte à trois choses que cette catégorie vend. Sur le balisage : « Structured data isn’t required for generative AI search, and there’s no special schema.org markup you need to add » (les données structurées ne sont pas requises, et aucun balisage schema.org particulier n’est à ajouter). Sur les fichiers dédiés à l’IA : « You don’t need to create new machine readable files, AI text files, markup, or Markdown to appear in Google Search (including its generative AI capabilities), as Google Search itself doesn’t use them » (aucun nouveau fichier lisible par machine, fichier texte pour l’IA, balisage ou Markdown n’est nécessaire, car Google Search ne les utilise pas). Sur le découpage : « There’s no requirement to break your content into tiny pieces for AI to better understand it » (rien n’oblige à fragmenter le contenu en tout petits morceaux).

Ce que Google appelle vraiment une exigence est bien moins spectaculaire : « a page must be indexed and eligible to be shown in Google Search with a snippet, fulfilling the Search technical requirements » (une page doit être indexée et pouvoir s’afficher avec un extrait, en respectant les exigences techniques de Search). Sa page connexe sur les fonctionnalités IA, mise à jour le 10 décembre 2025, ajoute : « there are no additional requirements to appear in AI Overviews or AI Mode, nor other special optimizations necessary » (aucune exigence supplémentaire pour apparaître dans les Aperçus IA ou le Mode IA, ni d’optimisation particulière). Google désigne la génération augmentée par la recherche sur son index principal comme le mécanisme en jeu : la couche de récupération est donc l’index que vous travaillez déjà depuis des années, c’est-à-dire la liste de vérification d’architecture SEO, pas un nouveau format de fichier. Une conclusion ennuyeuse, et je la crois juste.

ChatGPT, Perplexity et Claude documentent bien moins leur récupération. Cette asymétrie limite ce qu’on peut honnêtement affirmer à leur sujet, moi compris.

Un protocole de mesure défendable

Voici ce que j’exécuterais réellement. Ce protocole est conçu pour un seul moment : celui où l’on vous demande comment vous le savez, et où la réponse est une méthode plutôt qu’un logo de fournisseur. Il se dégrade aussi comme une spécification d’événement quand personne n’en est responsable, ce qui est le schéma derrière pourquoi les implémentations analytiques échouent et la liste de vérification d’implémentation analytique.

Gelez un jeu de prompts. Vingt à quarante prompts qu’un véritable acheteur taperait, dans un fichier versionné : questions de catégorie, questions de comparaison et questions formulées à partir d’un problème. Ajouter des prompts en cours de trimestre rend les courbes de tendance inexploitables, et c’est exactement en cours de trimestre que quelqu’un voudra en ajouter.
Figez les surfaces. Nommez les assistants et modes, ainsi que l’état du compte : déconnecté, mémoire désactivée, personnalisation désactivée, une seule langue et un seul pays. Des surfaces différentes sont des populations différentes. Ne les agrégez jamais, et si un tableau de bord les additionne discrètement pour vous, il a tort.
Fixez les répétitions avant de voir le moindre résultat. C’est l’étape qu’on coupe en premier, souvent pour des raisons de coût, et la couper transforme tout l’exercice en décoration. Pour un intervalle de confiance à 95 % couvrant cinq points de pourcentage sur le Citation Share, Sielinski rapporte environ n ≈ 40–50 pour Gemini, environ n ≈ 100 pour Perplexity et n ≥ 150 pour SearchGPT. Trente exécutions par prompt et par surface constituent un minimum absolu, qui n’atteint aucun de ces seuils ; si c’est trop coûteux, retirez des prompts plutôt que des répétitions.
Consignez des lignes au niveau de l’exécution, pas des agrégats. Horodatage, surface, identifiant de prompt, présence ou non de votre domaine dans les citations, sa position, et la liste de tous les domaines cités. Cette dernière colonne transforme un décompte en part, et la plupart des exports de fournisseurs l’omettent. Demandez à en voir un avant de signer quoi que ce soit.
Rapportez un intervalle, jamais une valeur ponctuelle. Faites un bootstrap sur les exécutions : « cité dans 18 % à 31 % des exécutions, n = 30, semaine du 20 juillet 2026 ». (Ces chiffres sont un exemple de format, pas une mesure.) Un chiffre unique laisse croire à une précision que la mesure n’a pas, et c’est le chiffre unique dont les gens se souviennent.
Refaites la mesure de référence à cadence fixe et pré-enregistrez vos changements. Mêmes prompts, mêmes surfaces, mêmes répétitions chaque mois ou trimestre. Avant de modifier un contenu, écrivez ce que vous vous attendez à voir bouger et de combien. C’est l’autre étape que tout le monde saute, et c’est la moins coûteuse de la liste. Un mouvement prédit est une preuve empirique ; un mouvement remarqué après coup est une anecdote.
Ancrez-vous à un dénominateur fourni par le moteur. Bing Webmaster Tools a ajouté Citation Share le 16 juin 2026 : vos citations rapportées à l’ensemble des citations affichées pour la même requête d’ancrage. Son aperçu AI Performance (10 février 2026) ajoute Total Citations et Average Cited Pages. La définition complète et les trois autres couches de mesure sont dans comment mesurer le trafic de la recherche IA.

Affirmation, données, action

Affirmation	Ce que les données soutiennent	Quoi faire à la place
« Le GEO augmente la visibilité jusqu’à 40 %. »	Vrai pour des sources déjà récupérées dans un contexte fixe (Aggarwal et coll., 2024).	Mesurez séparément « suis-je récupéré ? » et « comment suis-je présenté ? ».
« Ajoutez ce balisage et vous serez plus cité. »	Google, juillet 2026 : aucun balisage schema.org spécial n’est requis.	Gardez le balisage pour ce qu’il fait vraiment.
« Réécrivez vos pages pour la citation. »	Martinez, 2026 : « citation-oriented rewrites can impair retrieval » (les réécritures orientées citation peuvent nuire à la récupération).	Travaillez la pertinence thématique et la position dans le contexte.
« Votre score est de 42. »	Une exécution unique échantillonne une distribution en loi de puissance à forte variance (Sielinski, 2026).	Rapportez un intervalle bootstrap avec n et date.
« Publiez un llms.txt pour entrer dans les réponses IA. »	Google : les fichiers texte pour l’IA ne sont pas nécessaires pour Google Search.	Publiez-en un si vous le souhaitez ; n’en faites pas une tactique.

Le fichier llms.txt sert-il à quelque chose ? Ce que ce site affirme

Ce site publie un fichier /llms.txt. Je le garde parce que c’est une table des matières honnête et peu coûteuse, qui décrit mes pages avec mes propres mots. Est-il lu par les assistants ? Je n’en sais rien. Je n’ai aucune preuve qu’il change la probabilité qu’un assistant me cite, et les consignes de Google de juillet 2026 indiquent que de tels fichiers ne sont pas nécessaires. Il ne coûte qu’un fichier de route : je le garde, sans affirmer qu’il fonctionne. Là où j’utilise l’IA en contenu, les parties utiles sont la recherche, les briefs, les métadonnées et le contrôle qualité plutôt que les réécritures qui courent après la citation, le flux décrit dans agents IA pour le contenu SEO.

Mon avis de travail

Je ne suis pas contre ces outils. Échantillonner des assistants à grande échelle est un vrai travail d’ingénierie, et je préfère que quelqu’un d’autre exploite cette infrastructure. Ce à quoi je m’oppose, c’est le chiffre affiché en façade du tableau de bord : un seul tirage dans une distribution à forte variance, imprimé comme un fait.

Si vous êtes sur le point d’en acheter un, les questions utiles ne portent pas sur les fonctionnalités. Combien d’exécutions par prompt et par surface ? Puis-je voir le jeu de prompts, le modifier et conserver son historique de versions ? L’export liste-t-il tous les domaines cités, ou seulement le mien ? Un fournisseur qui répond à cela fait de la mesure. Un fournisseur qui répond par un score sur 100 a construit un suivi de positions pour un système qui ne classe rien.

La version honnête de ma position est moins satisfaisante qu’un score. Je ne sais pas si la plupart des tactiques GEO fonctionnent. Personne parmi ceux qui les vendent ne le sait non plus, et c’est le constat de la littérature de 2026, pas mon opinion à son sujet. Ce que je sais, c’est que la couche de récupération est l’index, que l’améliorer ressemble beaucoup au travail SEO qui existait déjà, et qu’une mesure défendable en réunion vaut mieux qu’un chiffre qui ne l’est pas.

Questions fréquentes sur les scores de visibilité IA

Peut-on se fier aux scores de visibilité IA des outils commerciaux ?

Pas comme valeurs ponctuelles, non. La synthèse de Martinez de juillet 2026 rapporte que les audits commerciaux révèlent « low source overlap » (un faible recoupement des sources) et « substantial run-to-run variability » (une variabilité substantielle d’une exécution à l’autre). Demandez au fournisseur sa taille d’échantillon et son jeu de prompts, puis comparez des intervalles, pas des chiffres.

Combien de fois faut-il exécuter un prompt pour mesurer la visibilité IA ?

Plus souvent que vous ne le voudrez. Au moins 30 exécutions par prompt et par surface, un minimum absolu qui n’atteint aucun des seuils publiés. Pour un intervalle de confiance à 95 % couvrant cinq points de pourcentage sur le Citation Share, Sielinski (2026) rapporte environ n ≈ 40–50 pour Gemini, environ n ≈ 100 pour Perplexity et n ≥ 150 pour SearchGPT. Si le budget ne suit pas, mesurez moins de prompts correctement plutôt que davantage de prompts mal.

Le « gain GEO de 40 % » s’applique-t-il à mon site ?

Seulement au sens étroit que l’article a testé. Aggarwal et coll. (KDD 2024) ont mesuré comment des sources déjà dans le contexte d’un moteur génératif peuvent être modifiées pour apparaître plus en évidence, et Martinez qualifie ces gains de « conditional on a source already being present in a fixed context » (conditionnels à la présence préalable d’une source dans un contexte fixe). Si vous n’êtes pas récupéré au départ, ce résultat n’a rien à dire sur votre cas.

Les données structurées améliorent-elles les citations par l’IA ?

Les consignes de Google mises à jour le 10 juillet 2026 disent qu’aucun balisage spécial n’est requis : « there’s no special schema.org markup you need to add » (aucun balisage schema.org particulier n’est à ajouter). Je publie quand même du balisage, pour ce que le balisage fait vraiment. Les statistiques de fournisseurs annonçant de grands gains de citations liés au balisage sont précisément celles que je n’ai pu rattacher à aucune méthodologie.

Quelles sont les données de visibilité IA les plus fiables aujourd’hui ?

Les données publiées par les moteurs eux-mêmes, et de loin. Bing Webmaster Tools publie Citation Share depuis le 16 juin 2026, calculé sur l’ensemble des citations affichées pour la même requête d’ancrage. C’est un dénominateur que vous n’avez pas eu à estimer.

Sources utilisées

Vérifié à la source : 29 juillet 2026.