Comment mesurer sa visibilité IA et son Answer Share dans les moteurs de réponse

L'Answer Share mesure la part de réponses IA où votre marque apparaît. Méthode manuelle complète sans outil payant, calcul en tableur, segmentation par moteur (ChatGPT, Perplexity, Gemini) et erreurs d'interprétation à éviter.

Le vrai problème : les métriques SEO mesurent la page, pas la réponse

Les métriques SEO classiques restent utiles pour piloter un canal d'acquisition, mais elles ne mesurent pas la présence de marque dans les moteurs de réponse. Une page peut obtenir des impressions, conserver des positions correctes et continuer à générer du trafic, tout en n'étant jamais reprise dans la réponse finale d'un moteur IA.

  • 60 % des recherches Google sans clic externe : Cyrus Shepard (Zyppy Signal, avril 2026) documente qu'environ 60 % des recherches Google n'aboutissent déjà à aucun clic externe le Google Zero. Source : Cyrus Shepard, Zyppy Signal, avril 2026 signal.zyppy.com
    → La visibilité d'une marque ne peut plus être lue uniquement à travers un taux de clics.
  • 85 % des pages consultées ne sont jamais citées : Dans l'analyse Growth Memo sur la sélection des sources, 85 % des pages récupérées par le moteur ne sont jamais citées dans la réponse finale. Source : Kevin Indig, Growth Memo, 2026
    → Le problème n'est pas seulement d'être récupéré par le moteur c'est d'être retenu au moment de la synthèse.
  • 15 % de pages récupérées obtiennent une citation : Sur 217 508 pages récupérées par ChatGPT, seuls 15 % obtiennent finalement une citation (AirOps, Oshen Davidson, avril 2026). Source : AirOps / Oshen Davidson, avril 2026
    → Retrieval et citation sont deux sélections distinctes un contenu peut être lu par le moteur sans jamais apparaître dans la réponse que l'utilisateur lit.

L'Answer Share est la métrique actionnable à suivre

L'Answer Share peut être défini simplement : il s'agit du pourcentage de réponses pertinentes dans lesquelles une marque est mentionnée sur un ensemble fixe de requêtes. La formule de base : (nombre de réponses où la marque apparaît / nombre total de réponses pertinentes testées) × 100. Cette définition est volontairement simple, parce qu'une métrique simple est plus facilement tenue dans le temps. Mais elle doit être complétée par deux sous-métriques.

  • 74,9 % des domaines cités via un lien source : Étude Ghost Citation Problem (Kevin Indig × Semrush, avril 2026) sur 3 981 domaines, 115 prompts, 14 pays, 4 moteurs : 74,9 % des domaines sont cités via un lien source, mais seulement 38,3 % sont nommés dans le texte. Source : Kevin Indig × Semrush, Ghost Citation Problem, avril 2026 growth-memo.com
    → 61,7 % des citations sont des ghost citations. Seuls 13,2 % des cas obtiennent à la fois citation et mention.
  • Comportements divergents selon le moteur : Gemini mentionne les marques dans 83,7 % des cas mais ne génère un lien de citation que dans 21,4 % des réponses. ChatGPT cite 87,0 % du temps mais ne nomme les marques que dans 20,7 % des réponses. Source : Kevin Indig × Semrush, 2026
    → Une mesure sérieuse doit être segmentée par moteur un score global masque des comportements incompatibles.

**Mention Rate** — La marque est-elle explicitement nommée dans le texte de la réponse ? **Citation Rate** — La réponse s'appuie-t-elle sur une source attribuée, cliquable ou identifiable, liée à la marque ?

Une méthode manuelle complète, sans outil payant

Une équipe peut calculer un premier Answer Share sans stack complexe ni outil propriétaire. Le point important n'est pas l'automatisation au départ. Le point important est la stabilité du protocole. Sans protocole stable, il n'existe pas de baseline.

  1. Étape 1 Constituer la liste de requêtes : Construire une liste de 20 à 50 requêtes réellement liées au business. Couvrir au minimum trois familles d'intention : découverte, comparaison et sélection. Pour un SaaS B2B : 'meilleur outil X', 'alternative à Y', 'logiciel X pour équipe Z'. Pour un e-commerce : requêtes de comparaison, de catégories, de guidance d'achat. Les requêtes comparatives génèrent 2,4 fois plus de mentions de marque que le contenu informationnel (Kevin Indig × Semrush, 2026).
  2. Étape 2 Figer le format des prompts : Les requêtes courtes et conversationnelles n'induisent pas les mêmes sorties que les requêtes longues et structurées. Dans l'analyse Semrush, les formats de requête produisent des écarts de 30 à 50 points selon les cas. Un baseline sérieux doit distinguer au minimum deux formats par thème prioritaire. Les requêtes courtes conversationnelles génèrent un taux de mention proche de 100 %. Les requêtes longues structurées génèrent 2-3 % de mention rate.
  3. Étape 3 Exécuter et documenter : Pour chaque requête, relever : le moteur utilisé, la date, le prompt exact, les marques mentionnées, les sources citées, la présence ou non de votre marque, la présence ou non d'un lien vers votre domaine, et le type d'intention. Un simple tableur suffit. Une ligne par requête, une colonne par variable.
  4. Étape 4 Calculer trois scores distincts : Answer Share global (part de réponses où la marque apparaît), Mention Rate (part de réponses où la marque est nommée explicitement), Citation Rate (part de réponses où la marque ou son site sont utilisés comme source attribuée). Ce trio permet de voir si une marque est absente, utilisée sans être reconnue, ou installée comme acteur identifiable.

Comment calculer l'Answer Share dans un tableur

Le calcul de base est simple. Si une marque apparaît dans 12 réponses sur 40 requêtes testées pour un moteur donné, son Answer Share sur ce moteur est de 30 %. Mais ce chiffre isolé a peu de valeur s'il n'est pas croisé avec le type de présence observé. Un 30 % composé surtout de ghost citations ne raconte pas la même histoire qu'un 30 % composé de réponses où la marque est explicitement nommée. La bonne pratique consiste à créer quatre vues dans le même fichier : une vue globale par moteur, une vue par cluster thématique, une vue par intention, une vue par type de présence (mention, citation, mention + citation).

  • Mention + citation : Exemple : meilleur logiciel facturation PME | ChatGPT | Comparaison | Marque mentionnée Oui | Domaine cité Oui
    Visibilité stratégique maximale présence visible pour l'utilisateur et défendable par le moteur.
  • Ghost citation : Exemple : alternative à Stripe billing | Perplexity | Comparaison | Marque mentionnée Non | Domaine cité Oui
    Source utilisée par le moteur mais marque invisible pour le lecteur. Le plus fréquent 61,7 % des citations.
  • Mention seule : Exemple : comment choisir un logiciel de facturation | Gemini | Découverte | Marque mentionnée Oui | Domaine cité Non
    Présence de marque sans autorité de source attribuée. Utile pour la notoriété, insuffisant pour la décision.
  • Absence totale : Exemple : logiciel facturation SaaS B2B | Google AI Overviews | Sélection | Marque mentionnée Non | Domaine cité Non
    Invisibilité complète au moment de la sélection. C'est le cas à traiter en priorité.

Ce qu'il faut absolument segmenter

Un score unique d'Answer Share est trop pauvre pour piloter une stratégie. La segmentation minimale doit couvrir le moteur, l'intention, le format du prompt et le type de présence observée. ChatGPT et Gemini ne distribuent pas de la même façon la mention et la citation. Une moyenne globale détruit l'information utile. Les requêtes comparatives forcent les modèles à nommer des acteurs. Les requêtes informationnelles génèrent du contexte sans produire de présence de marque. Il faut aussi distinguer ce qui se joue on-site et off-site. Les LLMs raisonnent comme un humain à qui on demande 'quel est le meilleur outil analytics ?' ils s'appuient sur des expériences accumulées, des posts sociaux, des recommandations tierces. Ils cherchent ce que le reste d'internet dit d'une marque, pas ce que la marque dit d'elle-même. Source : Eli Schwartz (productledseo.com, mai 2026).

Ce que les marketeurs lisent mal dans leurs résultats

Trois contresens fréquents qui faussent les décisions stratégiques.

  • Interpréter la citation comme une victoire de marque : 61,7 % des citations observées dans l'étude Semrush sont des ghost citations. Le moteur peut utiliser votre site sans vous donner de présence de marque lisible dans la réponse. Une équipe qui suit seulement les liens sources peut donc surévaluer sa visibilité réelle.
  • Croire qu'un levier technique isolé résoudra le sujet : Aggarwal et al. (Princeton, KDD 2024) a testé 9 méthodes d'optimisation sur 10 000 requêtes : les lifts les plus importants viennent de la qualité des preuves dans la prose citations de sources crédibles, statistiques, quotations. Le keyword stuffing passe sous la baseline. Par ailleurs, Ahrefs a suivi 1 885 pages ayant ajouté du JSON-LD entre août 2025 et mars 2026 : aucun effet clair sur les citations IA sur 4 tests statistiques indépendants. Le schema reste utile pour le SEO classique pas comme raccourci vers la citation LLM.
  • Traiter l'Answer Share comme une extension du SEO : La formule d'Eli Schwartz est nette : 'SEO is a product, AEO is brand.' L'optimisation du site compte, mais elle ne suffit pas à produire l'autorité externe qu'un moteur va mobiliser lorsqu'il doit nommer une marque et arbitrer entre plusieurs acteurs. La responsabilité du sujet dépasse la seule équipe SEO.

Ce qu'il faut changer concrètement si le score est faible

Quand l'Answer Share est faible, il faut d'abord identifier le niveau du blocage. Le diagnostic s'articule autour de trois couches : retrieval, citation, trust. Le moteur peut-il accéder proprement au contenu ? Peut-il en extraire des passages auto-suffisants ? A-t-il une raison crédible de retenir la marque dans la réponse ?

  • Couche 1 Extractabilité et heading match : L'étude AirOps sur 815 484 query-page pairs identifie le heading match comme signal prédicteur numéro un : les pages dont le H1 ou H2 dépasse 0,90 de similarité cosine avec la requête sont citées 41 % du temps, contre 29 % pour les headlines floues. Si les faits critiques sont cachés derrière du JavaScript, des tabs ou des accordéons, le moteur se rabat sur des agrégateurs et des sources tierces plus faciles à extraire. Source : AirOps / Kevin Indig, Growth Memo, avril 2026 growth-memo.com
  • Couche 2 Query-answer match et contenu de langue : Le query-answer match, l'intent-format match et le topic cluster ranking comptent parmi les facteurs les plus corrélés aux citations IA (Cyrus Shepard, Zyppy Signal, mai 2026). Un corpus de pages mal alignées sur les formulations réelles des utilisateurs sera mécaniquement sous-cité même s'il est techniquement correct. À noter : si vos prospects tapent en français, un contenu en anglais ne sera pas cité. Les plateformes AI localisent via la langue du prompt pas via l'adresse IP (Thomas Peham, OtterlyAI, BrightonSEO, avril 2026). Source : Cyrus Shepard, Zyppy Signal, mai 2026 signal.zyppy.com
  • Couche 3 Corroboration hors site : Aleyda Solis (mai 2026) documente que 85 % des citations se jouent hors site, même chez des leaders de catégorie. Même Amazon ne contrôle que 12,5 % des réponses IA qui parlent de lui. Pour le SaaS B2B, les LLMs cherchent le consensus externe, pas l'auto-description d'une marque sur son site officiel. Source : Aleyda Solis, aleydasolis.com, mai 2026

Implications stratégiques

Pour un SaaS B2B, mesurer l'Answer Share permet de sortir d'un pilotage trop abstrait de la visibilité. L'enquête G2 sur 1 076 décideurs B2B (mars 2026) documente que 51 % des acheteurs de logiciels démarrent leur recherche dans un chatbot IA plus souvent que dans Google. 69 % déclarent que le chatbot a influencé le vendor sélectionné. 33 % ont acheté auprès d'un vendor jamais envisagé avant que l'IA le suggère. Source : G2 2026 AI Search Insight Report learn.g2.com/g2-2026-ai-search-insight-report. La question devient : sur quelles requêtes le moteur nous retient-il comme acteur légitime, et sur quelles requêtes laisse-t-il nos concurrents structurer le récit à notre place ? Pour un e-commerce, même les leaders de catégorie contrôlent moins de 17 % des citations IA les concernant (Aleyda Solis, 2026). Un pilotage sérieux de l'Answer Share doit inclure les surfaces de corroboration externes : listings tiers, médias spécialisés, communautés.

Ce que ça change pour les marques

Pour les marques SaaS B2B, l'Answer Share introduit une discipline nouvelle : mesurer la présence au niveau des requêtes qui fabriquent la shortlist. Cela pousse à relier visibilité, contenu de preuve, comparatifs, surfaces tierces et architecture de pages dans un même système de pilotage. Pour les marques e-commerce, si la réponse IA devient un lieu de comparaison et de filtrage, l'absence dans la réponse n'est plus seulement un manque de trafic potentiel c'est une absence au niveau de la sélection. Mesurer l'Answer Share revient à mesurer la part de présence d'une marque dans les interfaces qui simplifient le choix avant même que l'utilisateur n'ouvre un site.

Questions fréquentes

L'Answer Share remplace-t-il les positions et les clics ?
Non. Les positions et les clics restent utiles pour piloter le SEO classique. L'Answer Share ajoute une couche de mesure différente : la présence de la marque dans la réponse elle-même, au moment où le moteur synthétise, nomme ou ignore un acteur. L'étude AirOps confirme par ailleurs que le rang de retrieval reste le signal prédicteur le plus fort : une page en position 1 a 58 % de chance d'être citée, contre 14 % en position 10. Le SEO classique reste un prérequis, pas un substitut.
Quelle différence entre mention, citation et ghost citation ?
Une mention signifie que la marque est nommée dans le texte de la réponse. Une citation signifie qu'une source attribuée liée à la marque est utilisée. Une ghost citation désigne le cas où la source est citée mais où la marque n'est pas nommée dans le texte. Ce cas représente 61,7 % des citations observées dans l'étude Kevin Indig × Semrush (2026).
Peut-on mesurer sa visibilité IA sans outil payant ?
Oui. Un tableur, un corpus stable de requêtes, un protocole de test fixe et un relevé rigoureux suffisent pour produire un premier baseline utile. Le point le plus important n'est pas la sophistication de l'outil c'est la reproductibilité de la méthode.
Pourquoi segmenter par moteur ?
Parce que les moteurs ne distribuent pas de la même façon la mention, la citation et la synthèse. Gemini mentionne davantage les marques. ChatGPT cite plus souvent sans les nommer. Même marque, même requête : les deux moteurs sont en désaccord dans 22 % des cas (Semrush, 2026). Un score global masque des écarts opérationnels qui comptent pour la stratégie.
Le schema JSON-LD aide-t-il à améliorer l'Answer Share ?
Non, pas directement. Ahrefs n'a pas observé d'effet significatif sur les citations IA après ajout de schema JSON-LD sur 1 885 pages (4 tests statistiques indépendants, août 2025–mars 2026). Les 5 systèmes IA testés lisent uniquement le HTML visible lors du retrieval. Le schema reste utile pour les rich results SEO classiques et le Knowledge Graph pas comme levier de citation dans les moteurs de réponse.

À retenir