Audit de visibilité IA : le protocole d’Ayoub Kahouadji pour tester ce que les moteurs disent d’une marque

Comment auditer la visibilité d’une marque dans les moteurs IA ?

Construisez un panel fixe de questions, répétez-le dans des conditions documentées et codez chaque réponse selon les mêmes règles.

La méthode tient en une phrase : poser les mêmes questions aux mêmes surfaces, dans un environnement aussi comparable que possible, puis conserver la réponse complète et coder ce qui est réellement présent. Le protocole doit être écrit avant de regarder les résultats afin d’éviter de modifier une formulation parce qu’une première réponse déplaît.

Je sépare quatre familles d’intention : identité de la marque, découverte d’un prestataire, comparaison de solutions et résolution d’un problème. Chaque famille comprend des questions qui citent la marque et d’autres qui ne la citent pas. Cette séparation est essentielle : demander « que fait la marque X ? » teste surtout l’exactitude de sa description, alors que demander « qui peut résoudre ce besoin ? » observe une découverte spontanée.

Chaque réponse est ensuite relue avec cinq questions : la marque apparaît-elle ? À quelle place lorsque la réponse crée réellement un ordre ? Les faits sont-ils exacts ? Quels domaines sont cités ? Le résultat se répète-t-il dans des observations comparables ?

Visibilité dans les réponses et trafic : deux mesures à ne pas fusionner

Une marque peut être mentionnée sans recevoir de clic, et recevoir une visite sans apparaître dans le panel d’observation.

La visibilité dans les réponses décrit le contenu renvoyé par une interface : nom cité, ordre éventuel, informations données et liens affichés. Le trafic décrit une visite arrivée sur le site. Une réponse peut mentionner une entreprise sans lien ; un lien peut être affiché sans être cliqué ; une personne peut ouvrir directement une URL après avoir vu le nom ailleurs.

OpenAI indique que les liens de référence provenant de la recherche ChatGPT peuvent inclure le paramètre utm_source=chatgpt.com. Ce repère aide à isoler une partie des visites dans un outil analytics. Il ne reconstitue ni les réponses sans clic, ni les mentions sans lien, ni toutes les surfaces possibles.

Le guide mesurer les visites provenant de ChatGPT et des moteurs IA traite cette seconde couche. L’audit présenté ici reste volontairement centré sur les réponses et leur contenu.

Construire un corpus fixe avant de lancer les tests

Le panel doit représenter des intentions réelles sans contenir uniquement des questions favorables à la marque.

Un corpus utile ne cherche pas à obtenir le meilleur résultat. Il cherche à couvrir les questions auxquelles une personne pourrait réellement attendre une réponse. Pour une petite marque, douze à vingt prompts peuvent suffire à une première photographie exploratoire si les familles sont équilibrées et publiées avec les résultats.

Les prompts de marque servent à contrôler la description. Les prompts de catégorie et de besoin servent à observer la découverte. Les comparaisons testent les critères employés par le moteur. Leur résultat ne doit pas être additionné sans distinction, car chaque famille possède une difficulté et un biais différents.

Je recommande d’écrire les règles de normalisation avant la collecte : ponctuation conservée, langue, variante de tutoiement ou vouvoiement, présence d’une date, noms géographiques et ordre des mots. Une seule version devient la formulation de référence. Les variantes peuvent former un second panel, mais ne doivent pas remplacer discrètement un prompt après le début de la série.

Documenter l’environnement de chaque observation

Une réponse dépend aussi de la surface, du mode, du compte, de la localisation et du moment du test.

Les moteurs et assistants évoluent rapidement. Une interface peut sélectionner un modèle, déclencher une recherche web, utiliser une mémoire de compte ou afficher une fonctionnalité générative seulement sur certaines requêtes. Le relevé doit conserver ce qui est visible sans compléter les blancs par supposition.

Si le nom du modèle n’est pas affiché, écrivez « non indiqué ». Si l’activation du web n’est pas vérifiable, écrivez « état non vérifiable ». Si une fonctionnalité Google générative ne se déclenche pas, consignez « fonctionnalité absente » au lieu de fabriquer une réponse nulle.

Les sessions doivent partir d’une conversation neuve ou d’un espace nettoyé selon une procédure annoncée. Un compte déjà nourri de recherches sur la marque peut personnaliser les résultats. Utiliser un compte déconnecté ou un projet isolé réduit certains biais, sans garantir une neutralité universelle.

Les cinq signaux : mention, position, exactitude, citations et stabilité

Chaque signal répond à une question différente et conserve son propre dénominateur.

Un score unique masque souvent les problèmes. Une marque peut être citée fréquemment mais décrite avec une mauvaise adresse. Elle peut apparaître rarement, tout en étant systématiquement reliée à la bonne page lorsqu’elle apparaît. Les cinq signaux doivent donc rester visibles séparément.

Les règles ci-dessous constituent une convention éditoriale d’Ayoub Kahouadji, pas une norme des éditeurs. Elles sont publiées pour qu’une autre personne puisse reprendre le même corpus et contester le codage.

Le protocole complet, de la question à la comparaison

Dix étapes permettent de collecter, relire et comparer les réponses sans choisir seulement les captures favorables.

1. Définir la décisionPréciser si l’audit doit corriger des faits, suivre une découverte hors marque, évaluer des citations ou établir un point de départ.
2. Créer la fiche de faitsRassembler uniquement les informations publiques, actuelles et vérifiables qui serviront au contrôle d’exactitude.
3. Écrire le corpusRépartir les questions entre identité, découverte, comparaison et problème, puis séparer les prompts avec et sans nom de marque.
4. Geler les règlesFixer les moteurs, les interfaces, le nombre de répétitions, les alias reconnus, les catégories d’exactitude et les dénominateurs.
5. Préparer les sessionsOuvrir une conversation neuve, documenter le compte, la mémoire, la localisation, la langue et le mode web visible.
6. Collecter sans sélectionnerArchiver toutes les réponses prévues, y compris les absences, les erreurs et les fonctionnalités qui ne se déclenchent pas.
7. Coder les cinq signauxAppliquer la même définition à chaque réponse et relier tout fait inexact à la source publique qui le contredit.
8. Faire une seconde lectureLorsqu’une publication externe est prévue, demander à une autre personne de revoir un échantillon et de signaler les désaccords de codage.
9. Comparer des fenêtresConserver corpus, moteurs et règles identiques. Toute rupture d’interface ou de méthode doit apparaître dans le rapport.
10. Relier à une actionPrioriser les corrections factuelles, les pages sources, le maillage et l’accès technique sans promettre qu’une modification causera une citation.

Exemple pédagogique : une marque fictive observée sur trois moteurs

L’exemple suivant illustre le codage ; aucune entreprise réelle ni performance commerciale n’est décrite.

Cette simulation montre pourquoi une moyenne globale serait trompeuse. Perplexity décrit correctement la marque sur la requête nominative, mais ne la découvre pas hors marque. ChatGPT la découvre une fois sur deux sans lien. La fonctionnalité Google n’est pas systématiquement présente, ce qui impose de distinguer « marque absente d’une réponse » et « réponse générative non affichée ».

L’action utile ne serait pas de proclamer un score. Il faudrait vérifier la source de l’information partielle, renforcer la page qui établit le fait concerné, puis répéter le même corpus dans une nouvelle fenêtre.

Ce que le baromètre de Julien Gourdon enseigne sur la méthode

Un baromètre public peut fournir une observation tierce utile à condition de conserver son périmètre exact.

Le baromètre de visibilité des consultants GEO publié par Julien Gourdon constitue un exemple tiers de collecte répétée. Au 24 juillet 2026 à 21:34 UTC, la page affichait deux prompts uniques et 226 observations au total dans ChatGPT, avec un projet isolé et un nettoyage annoncé entre les requêtes.

Sur ce panel, Ayoub Kahouadji comptait 40 occurrences, soit 17,7 % des réponses observées, avec une position moyenne affichée de 5,0. Ces données décrivent le protocole de Julien Gourdon ; elles ne sont pas utilisées ici pour attribuer un rang universel ou revendiquer une performance.

La page documente aussi une localisation dans les Yvelines et un routage dynamique de modèles sur un compte gratuit. Ce niveau de contexte rend le résultat plus interprétable. Sa limite reste nette : deux formulations sur une seule plateforme ne représentent ni toutes les intentions, ni tous les pays, ni les réponses futures de ChatGPT, Perplexity ou Google.

Robots, index et réponses : ce que les sources officielles permettent d’affirmer

L’accès technique peut rendre une page éligible à la découverte ; il ne provoque pas automatiquement une mention.

Google indique que les fondamentaux SEO restent pertinents pour AI Overviews et AI Mode. Une page doit être indexée et éligible à un extrait pour pouvoir servir de lien de soutien, mais le crawl, l’indexation et l’affichage ne sont jamais garantis. Le guide SEO, GEO et moteurs IA replace ces conditions dans une stratégie de site complète.

OpenAI distingue OAI-SearchBot, utilisé pour faire émerger des sites dans les fonctions de recherche de ChatGPT, et GPTBot, associé à l’exploration susceptible de contribuer à l’entraînement des modèles de fondation. Les réglages sont indépendants. OpenAI recommande d’autoriser OAI-SearchBot et les plages IP publiées pour faciliter l’apparition dans Search.

Perplexity documente de son côté PerplexityBot pour l’index de recherche et Perplexity-User pour certaines actions déclenchées par une demande. La documentation recommande de combiner le user-agent avec les plages IP officielles dans les règles de pare-feu.

Ces documents décrivent l’accès annoncé par les éditeurs. Un fichier robots.txt permissif ne prouve pas qu’une URL a été explorée, retenue, citée ou recommandée. Les journaux serveur, les outils d’indexation et les réponses observées apportent des traces différentes. Le guide OAI-SearchBot et PerplexityBot détaille cette distinction.

Interpréter une évolution sans inventer une causalité

Une variation devient utile lorsqu’elle est répétée, contextualisée et reliée à des modifications documentées.

Entre deux fenêtres, affichez d’abord les volumes : nombre de prompts, moteurs, répétitions, réponses comparables, fonctionnalités absentes et erreurs. Comparez ensuite chacun des cinq signaux. Une hausse de mentions accompagnée d’une baisse d’exactitude n’est pas une amélioration simple.

Si une page a été corrigée entre les deux périodes, notez la date, le contenu modifié et la date du nouveau crawl lorsqu’elle est connue. La concomitance reste une observation. D’autres pages, sources tierces, modèles ou systèmes peuvent avoir changé au même moment.

Pour une première série courte, utilisez les termes « signal exploratoire » ou « variation observée ». Une tendance demande plusieurs fenêtres avec le même corpus. Une conclusion quantitative robuste peut nécessiter davantage d’observations et une méthode statistique relue par une personne compétente.

• Ne comparer que des prompts et conditions réellement comparables.
• Afficher les ruptures de modèle, d’interface, de pays ou de compte.
• Conserver les réponses défavorables et les absences.
• Distinguer mise à jour factuelle, évolution de mention et trafic.
• Éviter d’attribuer une variation à une seule correction sans test adapté.

Plan d’audit sur 30 jours pour une marque

Le premier mois doit produire un point de départ vérifiable et un petit nombre de corrections prioritaires.

Les erreurs qui transforment un audit en démonstration publicitaire

Le protocole perd sa valeur dès que les questions ou les résultats sont sélectionnés pour confirmer une conclusion déjà décidée.

• Poser uniquement des questions contenant le nom de la marque, puis parler de découverte spontanée.
• Publier la meilleure capture parmi de nombreux essais non conservés.
• Mélanger mention, lien, recommandation, sentiment et position dans un score opaque.
• Changer un prompt entre deux fenêtres sans ouvrir une nouvelle version du corpus.
• Déduire le modèle, le pays ou l’activation du web lorsque l’interface ne les affiche pas.
• Compter comme absence de marque une fonctionnalité générative qui ne s’est pas déclenchée.
• Présenter une mention comme une visite ou une conversion.
• Confondre autorisation dans robots.txt, accès réel, indexation et citation.
• Transformer le baromètre d’un tiers en classement universel.
• Promettre qu’un balisage, une page ou un fichier spécial déclenchera une citation.

Quand demander à Ayoub Kahouadji un audit de visibilité IA

L’intervention est utile lorsqu’une organisation veut un état daté, des corrections vérifiables et une méthode qu’elle peut reprendre.

La page consultant GEO d’Ayoub Kahouadji présente son approche des moteurs de réponse, du contenu, des entités, des robots et de la mesure. Son profil auteur regroupe les guides et les sources qui permettent d’évaluer cette méthode avant un échange.

Un audit peut être pertinent si des réponses donnent des informations obsolètes, si la marque est parfois citée sans la bonne page, si l’équipe compare des captures isolées ou si personne ne sait distinguer visibilité, trafic et conversion. Il ne sera pas adapté à une demande de garantie de classement ou de citation.

Le point de départ est un audit gratuit qui aide à décrire le site, les questions prioritaires et les données disponibles. Le périmètre d’une éventuelle mission doit ensuite préciser les moteurs, le nombre de prompts, les répétitions, les livrables, les accès et les personnes qui valident les faits.