AI Search : 4 solutions de mesure au-delà des clics
Résumez cet article avec l’IA
Pourquoi les clics ne racontent plus l’histoire de l’AI Search ?
Le SEO en 2026 ne se joue plus sur le clic. Il se joue sur la présence.
Voici un scénario que j’observe chez mes clients e-commerce. Le tableau de bord affiche des sessions organiques stables. Le chiffre d’affaires progresse. Et au support, les clients répètent la même phrase : « J’ai trouvé votre boutique en demandant à ChatGPT. » Aucune trace dans les rapports. Aucune ligne. Aucun canal. Aucune source.
Le problème est l’instrument de mesure, pas l’AI Search.
Search Engine Journal a publié le récapitulatif d’une intervention de Tom Capper, de STAT, sur ce défi : mesurer la visibilité dans les réponses générées par l’IA, distinguer les mentions de marque des citations, et relier le suivi de prompts aux résultats business. Le récap, signé Loren Baker, expose cinq idées pratiques. Je les ai regroupées en quatre solutions, parce qu’elles se déploient naturellement dans cet ordre.
- Solution 1 Suivre séparément les mentions de marque (et de sous-marques) et les URL citées.
- Solution 2 Travailler avec des échantillons de prompts réalistes pour repérer les tendances dans des réponses qui changent.
- Solution 3 Enquêter sur les sources citées pour relier vos actions aux recommandations qui évoluent.
- Solution 4 Mesurer la présence, le contexte de recommandation et la visibilité dans les SERP à côté des résultats business, puis comparer le sondage post-achat à l’attribution analytique.
Pourquoi ce cadre est-il utile ? Parce que beaucoup d’équipes cherchent encore un chiffre unique. Un « score de visibilité IA » qui tiendrait sur une diapositive. À mon avis, ce chiffre n’existe pas. Une réponse d’IA change d’un jour à l’autre, d’une formulation à l’autre. Un clic est un événement. Une recommandation est un contexte. Ce sont deux choses distinctes.
Mesurer l’une avec les outils de l’autre vous donne des tableaux vides ou trompeurs. Aucun ne vous aide à décider.
Ce que vous gagnez à lire la suite : une grille de suivi à quatre couches, démarrable avec un simple tableur, et pensée pour une boutique en ligne qui veut savoir si les assistants IA la nomment, la citent et la recommandent.
Avant de détailler chaque solution, une précision. Je m’appuie sur les points publiés dans le récap de Search Engine Journal. Les applications e-commerce qui suivent sont les miennes. Je les signale comme telles.
Solution 1 : comment séparer mentions de marque et URL citées ?
Première distinction du récap : suivre les mentions de marque et de sous-marques séparément des URL citées. Deux événements. Deux lignes dans votre tableur.
Une mention, c’est votre nom écrit dans la réponse. Une citation, c’est une URL affichée comme source. Les deux peuvent exister sans l’autre.
Les quatre cas possibles.
| Situation | Ce que ça signifie | Action prioritaire |
|---|---|---|
| Mention + citation | L’IA vous nomme et s’appuie sur vos pages | Protéger et étendre ces pages |
| Mention sans citation | Votre notoriété circule, mais d’autres sources la portent | Identifier ces sources (solution 3) |
| Citation sans mention | Vos pages nourrissent la réponse, votre marque reste invisible | Renforcer le nom de marque sur ces pages |
| Ni l’une ni l’autre | Vous n’existez pas pour ce prompt | Construire la couverture sémantique manquante |
Un diagnostic, pas un score.
Pourquoi cette séparation ? Parce que les deux métriques réagissent à des leviers différents. La mention dépend de votre présence dans l’écosystème : avis, presse, comparatifs, discussions. La citation dépend de la qualité et de la structure de vos propres pages. Si vous les fusionnez dans un seul indicateur, vous ne savez plus quel levier actionner.
Le récap précise aussi les sous-marques. Pour un e-commerçant, c’est une vraie question de terrain. Une boutique a souvent plusieurs noms à suivre : le nom du site, les marques distribuées, les gammes en marque propre, parfois un nom commercial différent du nom juridique. Chacun peut être cité, déformé ou ignoré par un assistant.
Application e-commerce (mon interprétation) : listez dans une feuille toutes les variantes de votre nom, les gammes, les abréviations et les fautes de frappe courantes. Pour chaque prompt suivi, cochez trois cases : marque nommée, sous-marque nommée, URL de votre domaine citée.
Le principe est simple. Ce que vous ne distinguez pas, vous ne pouvez pas l’améliorer.
Un point d’attention : une mention n’est pas une recommandation. L’IA peut nommer votre boutique pour dire qu’elle est plus chère, ou plus lente. On en reparle à la solution 4. Pour l’instant, retenez la règle : deux colonnes, jamais une seule.
Et vous, dans vos rapports actuels, savez-vous si votre marque est nommée ou seulement votre site cité ?
Solution 2 : comment suivre des prompts réalistes quand chaque réponse change ?
Deuxième point du récap : utiliser des échantillons de prompts réalistes pour comprendre des tendances dans des réponses d’IA qui évoluent.
Le mot clé est tendances. Pas positions.
Dans le SEO classique, vous suiviez un mot-clé et une position. La position est un chiffre stable à l’échelle d’une journée. Une réponse générée, elle, varie. Même question, formulation voisine, contexte différent : la réponse bouge. Relever une seule réponse et la présenter comme « votre visibilité » revient à photographier une vague pour décrire l’océan.
La logique à adopter est celle du sondage. Un échantillon de prompts, répétés dans le temps, lu en fréquence de présence plutôt qu’en résultat unique. Si votre marque apparaît dans une part croissante des réponses d’un groupe de prompts, la tendance est lisible. Si elle apparaît une fois sur un prompt isolé, vous n’avez appris presque rien.
Que veut dire « réaliste » ? Un prompt réaliste reprend les mots de vos clients, pas ceux de votre service marketing. Un acheteur ne tape pas « meilleure solution de literie ergonomique ». Il écrit une phrase longue, avec une contrainte, un budget, un doute.
Voici où je puise la matière pour construire un échantillon :
- Les questions posées au service client et dans les avis produits.
- Les requêtes réelles de la Search Console, reformulées en questions complètes.
- Les objections qui reviennent en phase de comparaison (taille, compatibilité, livraison, retours).
- Les prompts de découverte (« où acheter… »), de comparaison (« X ou Y ») et d’achat (« quel modèle pour… »).
C’est là que mon travail sur les cocons sémantiques devient un atout. Un cocon cartographie déjà les questions d’un marché par intention. Chaque branche du cocon fournit un groupe de prompts naturel. L’architecture qui structure vos pages structure aussi votre échantillon de suivi. Après plus de 1 300 cocons livrés depuis 2016, c’est le réflexe que je recommande en premier.
Règle de lecture : regroupez vos prompts par intention, puis suivez la fréquence de présence par groupe. Un groupe « comparaison » qui progresse alors qu’un groupe « achat » stagne vous dit précisément où travailler.
Un conseil de méthode : figez l’échantillon. Changer les prompts à chaque relevé casse la comparaison dans le temps. Ajoutez des prompts par vagues, en gardant un socle constant.
Cherchez une carte de vos zones de présence et de vos zones blanches, pas un classement.
Solution 3 : comment relier vos actions aux recommandations grâce aux sources citées ?
Troisième levier du récap : enquêter sur les sources citées pour connecter le travail de campagne aux recommandations qui changent.
Le mot est fort. Enquêter.
Quand un assistant recommande un concurrent, la réponse affiche souvent d’où vient l’information. Ces sources sont votre terrain d’enquête. Elles disent ce que l’IA « lit » pour construire son avis sur votre marché.
La méthode se déroule en trois temps.
Temps 1 : inventorier. Pour chaque groupe de prompts, notez les domaines cités. Comparateurs, médias spécialisés, forums, fiches marchands, sites de marques, vidéos. Vous obtenez une carte des sources qui comptent dans votre univers.
Temps 2 : repérer les récurrences. Certains domaines reviennent d’un prompt à l’autre. Ce sont vos leviers d’influence les plus rentables. Un domaine cité partout pèse plus qu’un domaine cité une fois.
Temps 3 : rapprocher de vos actions. Vous avez lancé une campagne : relations presse, partenariat, programme d’avis, nouvelle série de guides d’achat. La question devient : les sources touchées par cette campagne apparaissent-elles maintenant dans les réponses ? Et la recommandation a-t-elle changé ?
C’est ce que le récap appelle connecter le travail de campagne et l’évolution des recommandations. Une chaîne causale plausible, documentée, plutôt qu’un acte de foi.
Tenez un journal d’actions : date, action, page ou source visée. À côté, votre relevé de présence par groupe de prompts. Quand une recommandation évolue, vous remontez le fil dans le journal. Sans journal, vous constatez un changement sans pouvoir l’expliquer.
Prudence nécessaire. Corrélation n’est pas causalité, et une réponse d’IA dépend de nombreux facteurs que vous ne contrôlez pas. Je présente donc cette approche comme une hypothèse qu’on teste, pas comme une preuve. Des indices répétés sur plusieurs prompts et plusieurs semaines comptent bien plus qu’une simple coïncidence.
Pour un e-commerçant, l’intérêt est très concret. Vous apprenez où investir. Si vos concurrents sont recommandés grâce à deux comparateurs et un forum, votre budget de contenu et de partenariats a une cible précise. Plutôt que de produire dans toutes les directions, vous produisez là où l’IA va chercher.
Quelles sources l’IA cite-t-elle quand elle parle de votre catégorie de produits ? Si vous l’ignorez, vous investissez à l’aveugle.
Solution 4 : comment relier présence IA et résultats business ?
Dernier axe du récap, le plus important pour un dirigeant : mesurer la présence, le contexte de recommandation et la prominence dans les SERP à côté des résultats business, puis comparer les réponses d’un sondage post-achat avec l’attribution analytique.
Trois mesures de visibilité. Un rapprochement avec l’argent.
La présence. Votre marque apparaît-elle dans la réponse ? C’est le socle des solutions 1 et 2.
Le contexte de recommandation. Comment êtes-vous présenté ? Premier choix, option parmi d’autres, alternative moins chère, produit avec réserve ? Une mention enthousiaste et une mention nuancée n’ont pas la même valeur commerciale. Notez-le sur une échelle simple : recommandé, cité neutre, cité avec réserve.
La prominence dans les SERP. Les résultats de recherche classiques restent un point de contact. Suivre votre place dans les SERP à côté de votre présence dans les réponses IA évite de les opposer. Les deux se renforcent ou se contredisent. À observer attentivement.
Vient ensuite le rapprochement avec les résultats business : commandes, panier, nouveaux clients, recherches de marque. Pas pour prouver une causalité mécanique. Pour observer si les courbes de présence et les courbes commerciales évoluent dans le même sens.
Reste l’attribution. Et c’est là que le sondage post-achat importe vraiment.
Les analytics classiques savent mal étiqueter ce qui vient d’un assistant IA. Search Engine Journal le rappelle dans l’un de ses guides mis en avant sur la page : les appels issus de ChatGPT et de Claude sont souvent classés en trafic direct. Même mécanique pour les visites : un visiteur qui tape votre adresse après avoir lu une recommandation arrive « en direct ». Le canal réel disparaît.
Le sondage corrige cet angle mort. Une question, au moment de la confirmation de commande : « Comment nous avez-vous découverts ? » Laissez un champ libre, avec quelques options. Puis comparez les réponses à ce que dit votre outil d’analytics.
Lecture de l’écart : si des clients déclarent vous avoir trouvés via un assistant IA alors que l’analytics les range en « direct », l’écart mesure la part invisible de votre acquisition. Cet écart devient votre meilleur argument en comité de direction.
Les deux sources se complètent. L’analytics donne le volume traçable. Le sondage donne l’origine déclarée. Entre les deux, vous reconstruisez une histoire d’attribution crédible. Le récap parle d’améliorer votre « attribution story » : le mot est juste. Il s’agit de raconter, avec des preuves, comment un client est arrivé jusqu’à vous.
Aucun chiffre magique ici. Des signaux croisés. Et c’est suffisant pour décider.
Le clic est-il mort ? Non, il est devenu incomplet
Voici le point que je défends, et il va à contre-courant de certains discours alarmistes.
Le clic n’est pas mort. Il est incomplet.
Un client peut découvrir votre boutique dans une réponse d’IA, la chercher ensuite par son nom, comparer sur un site tiers, puis acheter. Le dernier clic enregistré ressemble à de la recherche de marque ou à du direct. Le moment décisif, lui, s’est produit en amont, sans trace.
Le problème n’est pas la perte de clics. C’est la perte de visibilité sur ce qui précède le clic.
Cette lecture change la façon de piloter. Vous gagnez à accepter une mesure imparfaite mais croisée, plutôt qu’à attendre l’outil parfait. Le récap de Tom Capper va dans ce sens : pas de métrique miracle, une combinaison de suivi de marque, de prompts, de sources et d’attribution déclarative.
Un autre point important : la mention sans clic a de la valeur. Beaucoup de responsables e-commerce la jugent inutile parce qu’elle n’apparaît pas dans le trafic. C’est confondre ce qui se mesure facilement avec ce qui compte. Une marque nommée dans une réponse prépare une recherche de marque, une comparaison, un panier. Elle travaille en amont.
Troisième point, plus délicat : une citation sans mention peut vous faire du tort à terme. Vos pages alimentent la réponse, tandis qu’un concurrent ou une marketplace en tire le crédit. D’où l’importance de séparer les deux colonnes dès la solution 1.
Que retenir pour la gouvernance ? Trois principes simples.
- Ne comparez pas la présence IA au trafic organique sur une même courbe. Ce sont deux couches.
- Présentez les tendances de prompts avec leurs limites, sans fausse précision.
- Donnez au sondage post-achat le même statut qu’un rapport analytics. Les deux racontent une partie de la vérité.
Les tableaux de bord qui inspirent confiance en comité sont ceux qui assument leurs zones d’ombre. Ils distinguent le certain de l’estimé et de ce qu’ils testent. Cette franchise de mesure vous protège mieux que n’importe quel indicateur flatteur.
Pour commencer, vous n’avez besoin que d’un tableur et d’une liste de prompts réalistes. Voici le workflow recommandé pour structurer votre approche de mesure d’AI Search, étape par étape.
Méthodologie de mesure en 4 étapes
Workflow pour débuter sans nouvel outil
Par où commencer dans une boutique en ligne ?
Vous n’avez pas besoin d’un nouvel outil pour démarrer. Un tableur, une liste de prompts, un champ de sondage. Je recommande cet ordre, qui suit les quatre solutions.
| Étape | Action | Livrable |
|---|---|---|
| 1. Cartographier | Lister toutes les variantes de nom, marques distribuées et gammes | Dictionnaire de marque |
| 2. Échantillonner | Construire des prompts réalistes par intention (découverte, comparaison, achat) | Échantillon figé, groupé par cocon |
| 3. Relever | Noter mention, citation, contexte de recommandation, sources citées | Tableur à deux colonnes minimum |
| 4. Enquêter | Repérer les domaines récurrents, rapprocher du journal d’actions | Liste de sources d’influence |
| 5. Rapprocher | Ajouter une question de découverte au parcours de commande et comparer à l’analytics | Écart d’attribution documenté |
Commencez petit. Un échantillon modeste, relevé régulièrement, vaut mieux qu’un grand échantillon relevé une fois.
Deux erreurs à éviter dès le départ. La première : changer de prompts à chaque relevé, ce qui rend toute comparaison impossible. La seconde : attendre trois mois avant de regarder les premiers résultats. Les tendances se lisent mieux avec un rythme régulier, et les premières zones blanches apparaissent dès les premiers relevés.
Côté organisation, une personne suffit pour tenir le tableur, à condition que le sondage post-achat soit relu par le même interlocuteur que les rapports d’analytics. Le rapprochement des deux crée la valeur. Seul, chacun ne suffit pas.
Et côté contenu ? Chaque zone blanche identifiée devient un chantier éditorial précis. Un groupe de prompts « comparaison » sans présence appelle une page de comparatif structurée. Une citation sans mention appelle un renforcement du nom de marque et des signaux d’entité sur la page. Je construis ces chantiers à partir de l’architecture existante du site, branche par branche, pour que chaque page ait un rôle clair.
Test rapide : choisissez dix questions que vos clients posent réellement avant d’acheter. Posez-les à un assistant IA. Notez si votre marque est nommée, si vos pages sont citées, et qui l’est à votre place. Vous aurez votre première carte en une séance.
Tom Capper et le récap de Search Engine Journal le disent bien : c’est une discipline plus qu’un outil. Séparer, échantillonner, enquêter, rapprocher.
Alors, parmi vos clients de ce mois-ci, combien vous ont découvert dans une réponse d’IA sans que vos rapports en gardent la moindre trace ?
Votre présence dans l’AI Search, en audit live
Je prends vos dix questions clients les plus fréquentes, je les passe devant les assistants IA, et je vous montre en direct qui est nommé, qui est cité, et sur quelles sources. Je ne vous vends pas la méthode. Je vous montre les pages.
Réserver un appel diagnostic — 30 minQuestions fréquentes
Quelle différence entre une mention de marque et une citation dans l’AI Search ?
Une mention, c’est votre nom dans la réponse. Une citation, c’est votre URL en source. L’une peut exister sans l’autre : elles sont dans deux colonnes séparées.
Pourquoi utiliser des échantillons de prompts plutôt qu’un seul relevé ?
Les réponses d’IA changent selon la formulation et le moment. Un même test, répété régulièrement, montre les tendances. Un seul relevé ne montre que l’instant.
Comment relier une campagne à l’évolution des recommandations IA ?
Inventoriez les sources citées par prompt, repérez les domaines récurrents, puis rapprochez-les de votre journal d’actions (presse, partenariats, guides). C’est une piste, pas une preuve.
Pourquoi le trafic issu des assistants IA apparaît-il en direct dans l’analytics ?
Search Engine Journal l’observe : les appels de ChatGPT et Claude arrivent souvent en direct. Un visiteur qui tape votre adresse après une recommandation, c’est la même chose.
Quelle question poser dans un sondage post-achat pour mesurer l’AI Search ?
Posez la question : « Comment nous avez-vous découverts ? » Proposez un champ libre et quelques options — assistants IA inclus. Comparez les réponses à l’attribution de votre outil d’analytics.

