Mesurer l’AI search : les 3 métriques de Tom Capper (STAT)
Résumez cet article avec l’IA
Pourquoi votre rapport de positions ne voit plus rien
Je regarde les rapports de visibilité de mes clients chaque semaine. Tous ont le même trou.
Une ligne « position moyenne ». Un graphique de mots-clés suivis. Et en face, un client qui me dit : « On nous cite dans ChatGPT, mais je ne sais pas ce que ça pèse. »
Voilà le trou. Le rank tracker mesure une liste ordonnée de liens. Une réponse d’IA n’a pas de liste ordonnée. Elle a un paragraphe. Parfois trois marques nommées. Parfois deux liens cités. Parfois aucun lien du tout.
Rien à positionner. Rien à classer.
Le 26 octobre 2026, Search Engine Journal a publié le récap d’une intervention de Tom Capper, de STAT, sur ce sujet précis : Tactical Solutions For The Biggest AI Search Measurement Challenges. Article signé Loren Baker, 5 minutes de lecture. Dense. Je l’ai lu deux fois.
Ce qui m’a retenu : Capper ne vend pas un nouvel outil miracle. Il propose de changer ce qu’on mesure. La vraie question, c’est celle qu’on pose à l’outil.
Transparence sur mes sources. Tout ce que j’attribue à Tom Capper vient du récap publié par Search Engine Journal. Je n’ai pas assisté à la session. Le reste de l’article, ce sont mes observations chez mes clients, sans chiffre inventé : quand je n’ai pas de mesure, je le dis.
Pourquoi les rank trackers cassent-ils ? Trois mécanismes, que j’observe chaque semaine.
- Pas de position. Une réponse générée n’a pas de rang 1, 2, 3. Votre marque est présente ou absente, recommandée ou simplement mentionnée.
- Des réponses qui bougent. Le récap parle de « changing AI answers ». Le même prompt, relancé, ne produit pas toujours la même réponse. Une capture unique ne prouve rien.
- Des clics invisibles. Quelqu’un lit une recommandation dans un assistant, puis tape votre nom dans son navigateur. Votre analytics enregistre du trafic direct. L’IA n’apparaît nulle part.
Résultat : le rapport hebdomadaire affiche des positions stables pendant que la demande se déplace ailleurs. Vous pilotez avec un tableau de bord qui regarde le mauvais écran.
Et ça, on peut le faire ? Les trois métriques de Capper s’appliquent avec des outils que vous avez déjà, plus une feuille de calcul et un champ dans votre formulaire de commande. Je vous les détaille une par une.
Et vous, que dit votre dernier rapport de positions sur ce qu’une IA raconte de votre marque aujourd’hui ?
Métrique 1 : la présence de marque, séparée des URLs citées
Premier principe du récap SEJ, et le plus important : suivre les mentions de la marque et des sous-marques séparément des URLs citées.
Deux événements. Deux lignes dans votre tableau.
Un modèle peut nommer votre marque sans jamais lier votre site. Il peut aussi lier une page de votre site sans prononcer votre nom. Si vous mélangez les deux dans un seul compteur, vous ne savez plus ce qui progresse.
| Signal | Ce qu’il vous dit | Ce qu’il ne vous dit pas |
|---|---|---|
| Mention de marque | Le modèle vous connaît et vous associe à la requête | Qu’il envoie du trafic vers votre site |
| Mention d’une sous-marque | Quelle gamme ou quel produit porte la notoriété | Si la marque mère en profite |
| URL citée | Quelle page sert de source au modèle | Que le lecteur retient votre nom |
Les sous-marques, c’est là que je vois le plus d’angles morts. Un client e-commerce qui distribue des marques tierces et vend aussi sa propre gamme : l’assistant recommande la gamme maison sous son nom de produit, jamais sous le nom de l’enseigne. Dans un rapport combiné, on conclut « présence faible ». En séparant, on découvre que la gamme est bien recommandée. L’enseigne, elle, n’est pas associée.
La visibilité n’était pas le problème : c’était le lien entre le produit et la marque.
Comment je construis ce suivi concrètement ?
- Une liste de noms à surveiller : marque, variantes d’orthographe, sous-marques, gammes, produits phares, nom du fondateur quand il porte la notoriété.
- Pour chaque réponse analysée : une colonne « nom cité » (oui/non) et une colonne « URL citée » (oui/non).
- Un indicateur de présence : sur l’ensemble des réponses analysées, dans quelle proportion votre nom apparaît-il ? C’est une fréquence, pas un rang.
À mon avis, c’est la métrique la plus sous-estimée du lot. Elle ressemble à la notoriété de marque, difficile à chiffrer en SEO jusqu’à présent. Là, au moins, on peut la compter.
Une limite honnête : cette présence montre un échantillon, pas un classement officiel. Je la lis comme une tendance sur plusieurs semaines, pas comme un score isolé.
Votre outil actuel distingue-t-il le nom de votre marque de l’adresse de votre site ? Si la réponse est non, vous mélangez deux signaux.
Comment bâtir un échantillon de prompts qui ressemble à vos clients
Deuxième principe : utiliser des échantillons de prompts réalistes pour comprendre les tendances à travers des réponses qui changent.
Le mot clé, c’est « réalistes ». Pas les mots-clés de votre tableau de suivi collés dans une fenêtre de chat. Les phrases que vos clients écrivent vraiment.
Un mot-clé, c’est « chaussures trail homme ». Un prompt, c’est « Je cherche des chaussures de trail pour un terrain boueux, j’ai les pieds larges, budget serré, qu’est-ce que tu me conseilles ? ». Le second déclenche une réponse comparative avec des marques nommées. Le premier, rarement.
D’où je tire mes prompts chez mes clients ?
- Le service client. Les questions posées par mail et par chat, mot pour mot.
- Search Console. Les requêtes longues, formulées en phrases : elles sont déjà proches d’un prompt.
- Les avis clients. Ils contiennent les critères de choix, dans le vocabulaire de l’acheteur.
- Le cocon sémantique. J’ai livré plus de 1 300 cocons depuis 2016. Chaque cocon est une carte des questions d’un marché, classées par intention. C’est une banque de prompts prête à l’emploi.
Ensuite, j’organise l’échantillon par intention : découverte (« quelles solutions existent pour… »), comparaison (« X ou Y pour… »), décision (« où acheter… », « meilleur choix pour… »). Chaque intention a sa propre lecture. Être absent en découverte n’a pas le même coût qu’être absent en décision.
Règle que j’applique. Je ne tire jamais de conclusion d’une réponse isolée. Je relance chaque prompt plusieurs fois, je note ce qui revient, et je regarde la fréquence. Une marque qui apparaît dans presque toutes les exécutions est installée. Une marque qui apparaît une fois sur cinq est un hasard favorable.
Pourquoi cette discipline compte-t-elle ? Parce que les réponses changent. Si vous mesurez une fois, vous mesurez le bruit. Si vous mesurez un échantillon réaliste, plusieurs fois, vous mesurez un motif.
Le contre-intuitif ? Un échantillon plus petit mais mieux choisi bat un gros volume de prompts génériques. Quelques dizaines de questions qui ressemblent à vos vrais clients disent plus qu’un millier de variations de mots-clés. La représentativité prime sur la quantité.
Combien de vos prompts de suivi un client aurait-il réellement tapés ?
Métrique 2 : enquêter sur les citations, pas seulement les compter
Troisième principe du récap : investiguer les sources citées pour relier le travail de campagne aux recommandations qui évoluent.
Investiguer. Pas compter.
Compter les citations, c’est un total qui monte ou qui descend. Enquêter, c’est se demander qui est cité à votre place, pourquoi cette source, et qu’est-ce qui a changé depuis votre dernière action.
Ma méthode, en quatre temps.
- Je liste toutes les sources citées pour chaque prompt de l’échantillon. Pas seulement les vôtres : celles de tout le monde.
- Je les classe par famille : site de la marque, concurrents, comparateurs, médias spécialisés, forums, plateformes d’avis, fiches marchands.
- Je repère les prompts où vous êtes absent alors qu’un concurrent est présent, et je lis les pages citées. Qu’ont-elles que vous n’avez pas ?
- Je date mes actions (article publié, partenariat, fiche mise à jour, campagne de relations presse) et je vérifie si les sources citées changent ensuite.
Le quatrième temps est celui qui manque presque partout. Sans lui, impossible de relier une action à un effet. Avec lui, vous construisez une preuve, même imparfaite.
Ce que j’observe chez mes clients : très souvent, le modèle s’appuie sur des tiers plutôt que sur le site de la marque. Un comparatif publié ailleurs. Un fil de discussion. Un guide d’achat d’un média. Le site officiel passe après.
C’est contre-intuitif. Le meilleur levier de visibilité dans une réponse d’IA n’est pas toujours votre propre site. C’est parfois la page d’un tiers que le modèle juge fiable, et que vous pouvez influencer en devenant une référence citable sur ce sujet.
Ça rejoint ce que notent Lily Ray et Aleyda Solis : la citation suit la crédibilité perçue de la source, pas la seule optimisation d’une page.
Et du côté de votre contenu, la logique reste celle que je défends depuis des années. Une page citée est une page qui répond précisément à une question, dans un ensemble cohérent. L’architecture compte. On choisit rarement un contenu isolé. Un cocon qui traite un sujet de bout en bout donne au modèle plusieurs raisons de vous retenir.
Quand avez-vous lu, pour la dernière fois, la page que l’IA cite à la place de la vôtre ?
Être cité ne suffit pas : le contexte de recommandation et la SERP
Quatrième principe du récap SEJ : mesurer la présence, le contexte de recommandation et la prominence dans la SERP, à côté des résultats business.
Quatre couches. Chacune éclaire les autres.
La présence : êtes-vous là ? On l’a vu plus haut.
Le contexte de recommandation : comment êtes-vous là ? Ce n’est pas la même chose d’être cité en première recommandation, en simple alternative, ou dans une liste de dix noms dont personne ne retient le septième. Ni d’être présenté comme le choix pour un besoin précis, ou comme une option générique.
Je note pour chaque mention un rôle, avec une grille simple :
- recommandé en premier choix pour un besoin précis ;
- cité parmi plusieurs alternatives ;
- mentionné sans recommandation ;
- cité avec une réserve ou une critique.
Cette grille prend dix minutes à définir et change la lecture du rapport. Une présence qui progresse mais qui reste cantonnée aux mentions neutres ne produit pas de ventes. Je l’observe régulièrement.
La prominence dans la SERP : la recherche classique n’a pas disparu. Les pages de résultats restent un lieu de décision, et c’est là que le suivi de positions garde son utilité. À mon avis, le piège est de jeter le rank tracker. Il ne mesure plus tout. Il mesure toujours une partie.
Les résultats business : ventes, demandes de devis, appels, abonnements. Le principe de Capper, tel que le résume SEJ, est de ne jamais regarder les trois premières couches sans la quatrième.
Mon tableau de bord type, à quatre colonnes. Présence (nom cité, fréquence sur l’échantillon). Contexte (rôle de la mention). SERP (prominence sur les requêtes clés). Business (ventes ou leads sur la même période). Une ligne par groupe de prompts. Pas de moyenne globale qui masque les écarts.
Pourquoi garder les quatre côte à côte ? Parce que chaque combinaison raconte une histoire différente.
- Présence haute, business plat : vous êtes cité, mais pas recommandé, ou pas retrouvé ensuite.
- Présence basse, business en hausse : votre canal historique tient, mais regardez ce que font vos concurrents dans les réponses.
- SERP forte, présence faible : vos pages se classent, mais le modèle puise ailleurs.
Chacun de ces cas appelle une décision différente. Un chiffre isolé n’en appelle aucune.
Dans votre reporting actuel, laquelle de ces quatre couches manque ?
Métrique 3 : l’histoire d’attribution, ou ce que vos clients vous disent vraiment
Dernier principe du récap : comparer les réponses d’une enquête post-achat avec l’attribution de votre analytics.
C’est la métrique la plus simple. Et la plus puissante.
Le mécanisme est connu de tous ceux qui ont regardé leur trafic direct grossir sans explication. Un acheteur demande une recommandation à un assistant. Il lit votre nom. Il ouvre un onglet, tape votre marque, arrive sur le site, achète. Votre analytics écrit : « recherche de marque » ou « direct ». L’assistant n’existe pas dans la chaîne.
SEJ le résume d’ailleurs dans l’un de ses guides : les appels issus de ChatGPT et de Claude sont souvent classés en trafic direct. Le canal est réel, la ligne de rapport n’existe pas.
Capper a une réponse simple : demandez aux clients.
Comment je la déploie ?
- Une question dans la page de confirmation de commande ou dans l’e-mail post-achat : « Comment avez-vous entendu parler de nous ? »
- En champ libre, pas en liste fermée. Mon opinion : une liste fermée vous renvoie vos propres catégories. Un champ libre vous renvoie leurs mots, et ils écrivent « ChatGPT », « Claude », « DeepSeek », « on me l’a conseillé par IA ».
- Un regroupement mensuel des réponses en familles : IA, bouche-à-oreille, réseaux sociaux, recherche classique, publicité.
- Une comparaison avec la répartition de l’analytics sur la même période.
L’écart entre les deux colonnes, c’est l’histoire d’attribution. Si 100 % de vos « direct » deviennent « moteur de recherche » dans le questionnaire, tant mieux, votre analytics est fiable. Si une partie de ce direct se transforme en « IA » dans les réponses, vous venez de découvrir un canal que vos rapports ne voyaient pas.
Je ne vous donne volontairement aucun pourcentage type. Je n’ai pas de mesure fiable et chiffrée à vous proposer, et je préfère le dire plutôt que d’inventer un ordre de grandeur. Le vôtre sera propre à votre marché.
Mais voyez ce que l’écart permet. Il transforme une impression (« on dirait que l’IA nous apporte des clients ») en un argument défendable devant une direction financière. Vous passez de l’intuition à la preuve déclarative. Imparfaite, mais ça marche.
La source d’attribution la plus fiable en AI search n’est pas un outil. C’est une question posée au bon moment, à la bonne personne.
Et si vous posiez cette question dès demain, que découvririez-vous dans vos « direct » ?
Mettez en place ce workflow chez vous ou chez vos clients. Pas besoin de changer vos outils : une feuille de calcul suffit pour commencer.
Votre plan en 5 étapes pour remplacer le suivi
Déployer la mesure complète de votre présence en IA search
Votre plan en 5 étapes pour remplacer le suivi de positions seul
Je procéderais ainsi sur un site, dans cet ordre. Pas besoin de changer vos outils. Une feuille de calcul pour commencer.
- Séparez les compteurs. Une colonne pour les mentions de marque et de sous-marques. Une autre pour les URLs citées. Fini le total unique.
- Construisez un échantillon réaliste. Des phrases de clients, tirées du service client, de Search Console, des avis et de votre cocon sémantique. Classées par intention : découverte, comparaison, décision.
- Lancez, relancez, comptez des fréquences. Chaque prompt plusieurs fois, sur plusieurs assistants. Vous lisez des tendances sur plusieurs semaines, pas des scores d’un jour.
- Enquêtez sur les sources. Listez qui est cité, classez par famille, lisez les pages gagnantes, datez vos actions et regardez ce qui bouge ensuite.
- Croisez avec le business et le déclaratif. Contexte de recommandation, prominence dans la SERP, ventes ou leads, et un champ libre dans l’enquête post-achat pour confronter l’analytics.
Le piège à éviter ? Chercher le chiffre unique qui remplace la position moyenne. Il n’existe pas. Tom Capper, selon SEJ, dit le contraire : plusieurs signaux, côte à côte, lus ensemble.
Ce que j’en retiens pour mes clients. Trois lignes dans le tableau de bord (présence, citations, attribution), une enquête post-achat, et un rendez-vous mensuel pour relire les écarts. C’est modeste. Et ça permet de décider quoi produire, quoi restructurer et où investir, au lieu de regarder un graphique de positions qui ne dit plus rien du marché.
Je ne vous vends pas la méthode. Je vous montre les pages : lors d’un audit, je prends vos vingt prompts les plus proches de vos clients, je les lance devant vous, et nous lisons ensemble les sources citées. Vous voyez en direct qui est recommandé, qui est cité à votre place et sur quelle page.
C’est souvent là que les décisions s’imposent.
Alors, la prochaine fois qu’un client vous dira « on nous cite dans ChatGPT », saurez-vous lui répondre avec un chiffre, une source et une vente ?
Auditez votre visibilité dans les IA
Je lance vos 20 prompts les plus proches de vos clients en direct, nous lisons les sources citées ensemble, et vous repartez avec vos 3 métriques prêtes à suivre.
Réserver un appel diagnostic — 30 minQuestions fréquentes
Pourquoi les rank trackers ne mesurent-ils pas correctement l’AI search ?
Une réponse d’IA n’a pas de position 1, 2, 3. Elle varie d’une exécution à l’autre et peut nommer une marque sans lien. Le tracker de positions mesure une liste de liens, pas cela.
Quelle différence entre une mention de marque et une citation d’URL ?
La mention est votre nom prononcé dans la réponse. La citation est un lien vers une page source. L’un peut exister sans l’autre : Tom Capper conseille de les suivre séparément.
Comment construire un échantillon de prompts réaliste ?
Prenez les phrases de vos clients : service client, requêtes longues de Search Console, avis, questions de votre cocon sémantique. Classez-les par intention et exploitez-les plusieurs fois.
Comment relier une campagne aux recommandations d’une IA ?
Listez les sources citées par prompt, classez-les par famille, datez vos actions (article, partenariat, fiche) et vérifiez si ces sources changent par la suite. C’est une preuve indicative, pas absolue.
Comment mesurer l’impact de ChatGPT ou Claude sur mes ventes ?
Ajoutez dans l’e-mail post-achat la question « Comment avez-vous entendu parler de nous ? » en champ libre. Comparez les réponses avec votre analytics : vous découvrez le canal IA qui se cache dans votre direct.

