Bibliothèque de prompts IA représentatifs : la méthode Aleyda Solis pour mesurer votre visibilité réelle en e-commerce
Résumez cet article avec l’IA
Quand votre visibilité IA passe de 62% à 11% en changeant les prompts
Un Directeur Marketing m’appelle un jeudi. Il tient un rapport d’un grand outil de tracking IA. Son score de visibilité : 62 %. Il est confiant. Je lui pose une question : « Vos clients tapent-ils “meilleurs écouteurs sans fil” ou “écouteurs pour courir sous la pluie, livrés avant samedi” ? » Il hésite. Alors on lance un test. On remplace les 20 prompts génériques par 47 prompts représentatifs de son parcours client réel. Résultat : la visibilité tombe à 11 %. Pas une erreur. Une révélation.Aleyda Solis, consultante internationale en SEO, l’affirme haut et fort :
“One of the biggest mistakes I see with AI search tracking is using a non-representative prompt library.”Je le constate chaque semaine. Les outils par défaut utilisent des prompts passe-partout : “top 10”, “best”, “review”. Ces prompts ne capturent pas les longues questions conversationnelles, les contraintes de livraison, les comparaisons locales, les doutes d’achat. Votre tableau de bord affiche une présence généreuse. Elle ne correspond à aucune décision d’achat. La clé ? Construire une bibliothèque de prompts sur-mesure. Pas pour traquer toutes les requêtes possibles. Pour échantillonner les parcours qui comptent. Alors, prêt à voir votre vraie visibilité ?
Pourquoi les prompts génériques faussent votre mesure
Une requête IA n’est pas un mot-clé SEO. Elle est longue, bavarde, contextuelle. Un acheteur ne demande pas “robe de mariée”. Il écrit : “robe de mariée bohème pour plage, budget 800 €, livraison en Corse avant juin”. Si votre bibliothèque de prompts ignore ces contraintes, vous ne saurez jamais que votre concurrent local apparaît systématiquement sur la livraison rapide.
Aleyda Solis prévient : le but est la représentativité, pas l’exhaustivité.
“Representative doesn’t mean exhaustive.”La plupart des marques e-commerce suivent 15 à 30 prompts génériques. Elles ratent les questions qui déclenchent un achat. Je l’ai vérifié chez 12 clients : en passant d’une liste générique à un échantillon représentatif, le taux d’apparition sur les 20% de prompts les plus transactionnels a chuté de moitié. Dans la vraie vie, ces prompts sont ceux que vos clients tapent à 22h, dans leur lit, avant de valider le panier. Pour les capter, il faut cartographier le parcours client : découverte, comparaison, achat, SAV. Et injecter des contraintes réelles : budget, urgence, localisation, attributs produit. C’est le premier pas de la méthode d’Aleyda : partir des questions business, pas des prompts.
La matrice de prompts : l’outil d’Aleyda Solis pour un échantillon représentatif
Comment construire cet échantillon sans y passer deux mois ? Aleyda propose une matrice. D’un côté, les étapes du parcours client : Inspiration, Évaluation, Achat, Post-achat. De l’autre, des types d’intention : information produit, comparaison, transaction, support. Vous croisez. Vous ajoutez des couches de segmentation : marché, gamme, persona. Et vous obtiendrez une grille.
J’ai utilisé cette matrice pour une marque de vêtements écoresponsables. 3 marchés (France, Belgique, Suisse), 2 gammes (coton bio, lin). Voici à quoi ressemblait une tranche de sa matrice :
| Étape | Type | Prompt réel |
|---|---|---|
| Évaluation | Comparaison | “T-shirt lin vs coton bio, lequel tient le mieux après 10 lavages à 30° ?” |
| Évaluation | Information | “Est-ce que [marque] utilisé des teintures sans métaux lourds, certifié GOTS ?” |
| Achat | Transaction | “Commander un lot de 3 t-shirts lin, livraison point relais à Bruxelles avant le 20 décembre” |
| Post-achat | Support | “Mon t-shirt a rétréci au premier lavage, que faire ?” |
Chaque prompt est tiré du langage réel des clients : avis, tickets SAV, requêtes Search Console, FAQ. Rien d’inventé. Aleyda insiste sur l’étape 7 : « Use real audience language from multiple sources ». C’est du langage de conversation, pas une liste de mots-clés. Une fois la matrice posée, on construit la bibliothèque par groupe de prompts, pas un par un. Un même besoin peut être exprimé de 4 manières. On crée des variantes : formulation plus courte, ajout d’un montant, mention d’un concurrent. On obtient ainsi un échantillon solide, sans biais de formulation. Total pour ce client : 47 prompts, pas 200. Ça suffit pour voir les tendances.
Le protocole détaillé dans l’article s’articule autour de quatre étapes clés. Ce diagramme vous permet de visualiser le cheminement logique, de la construction de la matrice de prompts jusqu’à l’optimisation du contenu.
Protocole en 4 phases : de la matrice à l’optimisation
Suivez la méthode d’Aleyda Solis pour mesurer et améliorer votre visibilité IA
Le cas concret d’une marque de mode écoresponsable montre l’efficacité du protocole. En 6 mois, les 47 prompts représentatifs ont transformé la performance IA et organique.
Avant / après : l’impact des prompts représentatifs
La visibilité IA passe de 14 % à 20 % (+42 %), et le trafic organique bondit de 37 %
De 47 prompts à +42% de clics organiques : le cas d’un e-commerce mode
47 prompts. 6 mois de suivi. Résultat : la visibilité IA de la marque a augmenté de 42 % sur les prompts de la matrice. Avant optimisation, elle apparaissait dans 14 % des réponses générées par ChatGPT et Perplexity. Aujourd’hui, 20 %. +42 %. Pas de pub, pas de budget média. Juste du contenu ajusté aux bonnes questions. Le trafic organique a bondi de 37 %. Les pages optimisées pour ces prompts IA captent aussi des requêtes longue traîne sur Google. C’est la synergie IA-organique.
Voici comment. J’ai suivi le protocole d’Aleyda en quatre phases : (1) Définir la matrice avec le client, (2) Générer les prompts à partir de sources réelles, (3) Mesurer toutes les deux semaines, plateforme par plateforme, (4) Baliser chaque prompt avec une étiquette : étape du parcours, type d’intention, concurrent cité, marché, langue. Exemple de fiche prompt :
- Prompt : “Quelle marque de t-shirt en lin propose une coupe droite, pas trop longue, pour homme d’1m75 ?”
- Métadonnées : Évaluation, Information produit, Concurrent X, France, Lin
- Plateforme : ChatGPT
- Résultat avant : non citée
- Résultat après : citée en 3e position avec lien
Ce balisage compte. Sans lui, vous ne saurez pas pourquoi vous progressez. Aleyda le répète à l’étape 17 : « Tag every prompt with metadata ». Cela repère quand un concurrent gagne sur les questions de livraison écologique, ou que votre fiche produit manque d’une information précise. Alors on corrige. Sur ce client, 30 % des prompts pointaient vers un concurrent à cause d’un manque de specs produit. On a enrichi les fiches avec les données manquantes. En 8 semaines, le taux d’apparition sur ces prompts est passé de 0 à 35 %. Le contenu existait déjà sur le site, il était juste mal structuré. On l’a refondu selon l’architecture DOSE (framework de Guillaume Attias, BMO Academy) : des cocons sémantiques autour de chaque ligne produit, avec pages de comparaison, FAQ, et contenu technique. Résultat : l’IA lit nos pages comme une base de connaissances. Elle cite, elle recommande. Le flux organique suit.
Mesure défensive : le protocole qui transforme des prompts en décisions
Mesurer sans protocole, c’est croire qu’un thermomètre vous dit la température de votre corps sans l’avoir calibré. Aleyda consacre la partie 3 de son guide à ça. Un protocole défensif repose sur trois piliers. 1. Tester par plateforme, sans agréger les scores. ChatGPT n’est pas Perplexity. Les sources diffèrent. La fusion crée un signal brouillé. 2. Définir une fréquence et un seuil de détection. Pour notre marque de mode, on mesurait les 47 prompts toutes les deux semaines. Un changement inférieur à 5 points n’était pas significatif. 3. Baliser chaque prompt avec les métadonnées que j’ai évoquées. Sans ça, impossible de voir qu’une gamme progresse et une autre stagne. J’ajoute un quatrième pilier : valider l’échantillon avant de l’industrialiser. Aleyda appelle ça l’étape 18 : « Validate the prompt library before scaling ». On fait tourner les 47 prompts une première fois, on analyse si les résultats sont sensés, on vérifie qu’ils couvrent les parcours critiques, on retire ceux qui sont hors sujet. Puis on fige l’échantillon pour trois mois. Beaucoup de marques changent leurs prompts en permanence. Elles ne traquent rien, elles papillonnent. Un échantillon stable, c’est un miroir stable. Je liste les métadonnées qu’on utilisé sans exception :
- ID prompt
- Étape du parcours
- Intention (Information, Comparaison, Transaction, Support)
- Concurrent mentionné
- Marché / langue
- Gamme / produit
- Contrainte (budget, urgence, localisation)
- Source du langage (FAQ, avis, Search Console)
Avec ce marquage, chaque mesure devient une décision. On ne se demande plus “notre visibilité a-t-elle changé ?”, on sait “quel concurrent nous évince sur quelles questions de livraison en Belgique”. C’est précis, actionnable. Et ça ne prend pas plus de temps qu’un reporting flou.
Du prompt à l’action : ce que vous corrigerez dans vos pages
La bibliothèque de prompts n’est pas une fin en soi. C’est un radar. Une fois les trous identifiés, vous passez à l’action. Pour notre client, les signaux ont dicté trois chantiers prioritaires. 1. Enrichissement des fiches produit : sur 30 % des prompts, l’IA ignorait nos produits car les attributs techniques n’étaient pas structurés en texte lisible. On a ajouté des paragraphes descriptifs intégrant les données clés : composition, lavage, label, coupe. 2. Création de pages de comparaison : des prompts du type “X vs Y” demandaient un contenu neutre et détaillé. On a construit 22 cocons sémantiques autour des comparaisons. Résultat : l’IA a commencé à citer notre marque comme référence neutre. 3. FAQ conversationnelle : les prompts post-achat (retour, lavage, taille) ont montré un manque. On a publié une FAQ en langage naturel, calée sur les vrais messages clients. En 6 semaines, les citations IA sur ces sujets ont triplé.
Chaque action était directement reliée à un prompt de la bibliothèque. C’est le lien manquant dans la plupart des stratégies IA. On mesure, on découvre, puis on corrige. Aleyda clôt son guide par l’étape 20 : « Connect prompts to the optimization workflow ». Sans ce raccord, vous accumulez des données inutiles. Avec, vous transformez chaque pourcentage de visibilité en une tâche éditoriale. Et le cercle vertueux s’enclenche. Une bibliothèque représentative, mise à jour tous les trimestres, alimente votre feuille de route SEO. Elle aligne vos équipes contenu et vos référenceurs. Fini les débats sur “faut-il écrire sur ce mot-clé ?”. La question devient : “quels prompts nos clients posent-ils ce mois-ci ?”.
Alors, votre bibliothèque de prompts, elle capture le client qui cherche une livraison éclair à 23h un mardi ? Ou elle se contente de mesurer des “top 10” qui ne se vendent pas ?
Votre audit de visibilité IA en 47 minutes
Je construis avec vous une bibliothèque de prompts représentatifs pour votre e-commerce, en direct. On identifié les parcours clients ignorés, on balise les prompts, on lance une première mesure. Zéro présentation PowerPoint. Que du concret.
Réserver un appel diagnostic — 30 minQuestions fréquentes
Pourquoi ne suffit-il pas d’utiliser les prompts par défaut des outils de tracking IA ?
Les outils génériques donnent des prompts passe-partout. Ils ignorent les vraies contraintes de vos acheteurs : budget, localisation, comparaison précise. Une bibliothèque qui suit vos parcours clients offre une visibilité concrète.
Combien de prompts faut-il pour une bibliothèque représentative ?
Pas besoin de centaines. Aleyda Solis recommande un échantillon minimum viable. Selon les cas, 30 à 70 prompts bien choisis suffisent pour détecter des tendances. L’important est la représentativité, pas le volume.
Comment trouver le langage réel des clients pour rédiger les prompts ?
J’analyse les tickets SAV, les avis, les questions sur les réseaux sociaux, les données Search Console et les chatbots. C’est une mine d’or de formulations naturelles. Aleyda le dit bien : « Use real audience language from multiple sources ».
Faut-il mesurer sur toutes les plateformes IA (ChatGPT, Perplexity, Google SGE) ?
Oui, mais séparément. Chaque plateforme a ses propres sources et algorithmes. Agréger les scores, ça fausse la vision. Mesurez sur chaque plateforme puis croisez les tendances.
À quelle fréquence mettre à jour la bibliothèque de prompts ?
Tous les trimestres. Ajoutez ou retirez des prompts selon les nouvelles questions clients, les lancements de produits, ou les évolutions du marché. Une bibliothèque figée devient vite obsolète.
