Visibilité IA : pourquoi ChatGPT ne cite pas votre marque (et comment nous l'avons mesuré)

TL;DR. Une part croissante des décisions d’achat commence par une question posée à une IA (ChatGPT, Claude, Gemini, Perplexity), plus à Google. Si ces assistants ne citent pas votre marque dans leur réponse, vous êtes absent au moment exact du choix, et le SEO classique ne mesure pas ça. C’est l’enjeu du GEO (Generative Engine Optimization). Nous avons construit Pythie, un outil français et accessible, pour mesurer cette visibilité : quels moteurs vous citent, à quelle place, avec quel ton, et à partir de quelles sources. Voici le problème, et comment on l’a construit.

Une recommandation qui ne vous mentionne pas

Le scénario coûte cher justement parce qu’il est invisible. Un dirigeant tape dans ChatGPT : « quel est le meilleur logiciel de gestion de chantier pour une PME ? ». L’IA répond, sereine, avec quatre ou cinq noms. La vôtre n’y est pas.

Le prospect ne fera pas défiler dix pages de résultats. Il a posé une question, il a reçu une réponse, il avance. Vous venez de perdre une vente que vous n’avez même pas vue passer.

C’est ça, le coût de l’absence dans les réponses d’IA : il ne génère aucune alerte, aucune ligne dans Analytics, aucun rebond. Vous n’êtes pas mal classé. Vous n’existez tout simplement pas dans la conversation.

Du « bien classé sur Google » au « cité par l’IA »

Le parcours d’achat se déplace des moteurs de recherche vers les assistants. On ne cherche plus dix liens, on demande une réponse, et on s’attend à une poignée de recommandations.

Le GEO (Generative Engine Optimization), c’est l’équivalent du SEO, mais pour les réponses générées par les IA. Là où le SEO optimise votre rang dans Google, le GEO se demande une seule chose : votre marque apparaît-elle, oui ou non, quand une IA répond à la question d’un acheteur ?

Et c’est là que le SEO classique atteint sa limite. Il mesure le classement Google. Il ne dit rien de ce que répond une IA. Or les réponses d’IA ont trois propriétés qui les rendent impossibles à suivre à l’œil nu :

• Elles sont non déterministes. Posez deux fois la même question, vous obtenez deux réponses différentes. Pas de « position 3 » stable comme sur Google.
• Elles sont opaques. On ne sait pas pourquoi telle marque est citée plutôt qu’une autre, ni sur quelles sources l’IA s’est appuyée.
• Elles sont invisibles sans outil dédié. Personne ne va interroger ChatGPT à la main, trente fois, sur chaque moteur, chaque semaine.

Conséquence concrète : une marque peut être numéro un sur Google et totalement absente des réponses IA. Et tant que personne ne mesure, personne ne le sait.

Ce que nous avons voulu construire : une boussole, pas une usine à gaz

Pythie répond à une question simple, posée comme une marque la poserait : « que dit la Pythie de votre marque ? ». Concrètement, est-ce que les IA vous citent, et pourquoi.

Le positionnement est assumé. Il existe des outils haut de gamme côté américain (la référence du secteur est facturée comme un produit d’entreprise). Nous avons voulu la même promesse, mais dépouillée et pensée pour le marché francophone : en français, simple à lire, et abordable pour une PME ou une agence.

Deux portes d’entrée :

• Un audit gratuit et public. Vous entrez un domaine, Pythie interroge les IA et renvoie un rapport partageable, en temps réel, sans créer de compte. C’est la façon la plus honnête de montrer la valeur : vous voyez le résultat avant de payer quoi que ce soit.
• Un suivi récurrent par abonnement. Solo à 49 €, Studio à 129 €, Agence à 299 €, avec une offre fondateur à prix réduit pour le lancement. La facturation passe par Polar.sh en Merchant of Record, ce qui veut dire que la TVA est gérée pour le client, sans paperasse de notre côté ni du sien.

L’idée n’est pas de noyer un dirigeant sous les graphiques. C’est de lui donner une boussole : où j’en suis, qui me prend ma place, quoi corriger.

Comment Pythie mesure, étape par étape

Derrière l’audit, un pipeline transforme une question floue (« suis-je visible ? ») en chiffres reproductibles. En version lisible, il tient en huit temps :

1. Une banque de prompts. Pour chaque marque, Pythie génère les questions qu’un vrai prospect poserait, sans jamais nommer la marque. Ce sont des prompts de découverte : on veut voir si l’IA vous cite spontanément, pas la forcer à parler de vous.
2. Des scans. Un audit ponctuel pour la version gratuite, des scans planifiés chaque semaine pour les abonnés.
3. Un fan-out. Chaque scan multiplie prompt par moteur par run. Le « run » est central : comme les réponses sont non déterministes, on interroge plusieurs fois pour obtenir une mesure stable.
4. La collecte. On appelle les API officielles des quatre moteurs (ChatGPT, Claude, Gemini, Perplexity), recherche web activée, pour refléter ce qu’obtiendrait un vrai utilisateur.
5. Un snapshot brut. La réponse complète est archivée telle quelle, à part.
6. Un parseur LLM. Un second modèle lit chaque réponse et en extrait du structuré : marques citées, position d’apparition, ton employé, sources mentionnées.
7. Les métriques. À partir de ces extractions, on calcule le score de visibilité, la part de voix, les citations et les sources.
8. La restitution. Un tableau de bord réactif pour l’abonné, un rapport public pour l’audit gratuit.

Sous le capot. Côté technique, le front tourne en TanStack Start (rendu serveur) avec shadcn/ui et Recharts, le tout déployé sur l’edge (Cloudflare Workers). Le back repose sur Convex (base de données réactive, crons, workpools, actions serveur). L’authentification est gérée par Better Auth, auto-hébergée (magic link via Resend plus Google), un choix assumé contre le vendor lock-in. Les e-mails passent par Resend, la facturation par Polar.sh. L’ensemble est bilingue français/anglais. Vous pouvez sauter ce paragraphe sans rien perdre du fil.

Les décisions d’architecture qui comptent

Un produit, ce sont surtout les choix qu’on assume. Quatre méritent d’être racontés, parce que le « pourquoi » est plus instructif que le « quoi ».

Un workpool par moteur, calibré sur son rate limit. Chaque fournisseur d’IA a ses propres limites d’appels (Perplexity plus serré, OpenAI plus large). Plutôt qu’une file unique qui se cale sur le plus lent, chaque moteur a sa propre file, avec un parallélisme adapté. Pourquoi : pouvoir scanner plusieurs marques le même jour sans se faire throttler ni perdre de jobs. Le surplus est mis en attente, les erreurs 429 sont réessayées.

Une séparation stricte entre le brut et les extractions. Le tableau de bord ne lit jamais la réponse brute de l’IA, uniquement les données extraites. Pourquoi : le brut reste la source de vérité, archivée et isolée. Si on améliore le parseur demain, on peut tout ré-analyser sans ré-interroger les IA (donc sans repayer chaque appel).

Le multi-runs comme principe, pas comme option. On n’essaie pas de faire taire le non-déterminisme des modèles, on le traite. Une variation hebdomadaire sous un certain seuil est considérée comme du bruit, pas comme un vrai mouvement. Pourquoi : éviter de faire paniquer un client pour un écart qui n’en est pas un.

La réputation tenue à l’écart de la visibilité. Des prompts « brandés » (du type « avis sur votre marque ») mesurent le ton quand on parle explicitement de vous. Cette métrique est volontairement séparée du score de visibilité. Pourquoi : un prompt qui nomme la marque la citerait par construction, et fausserait complètement le score de visibilité spontanée. Deux signaux qui se ressemblent, mais qu’il ne faut surtout pas mélanger.

Sous le capot. C’est le genre de décision qui ne se voit pas dans une démo mais qui décide de la fiabilité d’un produit. Séparer brut et extractions, par exemple, transforme une « refonte » en simple re-parsing. C’est exactement le type d’arbitrage qu’on documente en interne pour ne pas réinventer la roue six mois plus tard.

Ce que ça change pour une marque

Au bout du pipeline, une marque obtient une lecture claire de sa présence dans les IA. Cinq indicateurs portent l’essentiel :

• Le score de visibilité (0 à 100). À quel point vous émergez dans les réponses, toutes questions et tous moteurs confondus.
• La part de voix (share of voice). Votre poids face aux concurrents : sur dix réponses, combien vous citent, et combien citent les autres.
• La position d’apparition. Votre rang dans le texte de la réponse (1 = première marque nommée). C’est un ordre d’apparition, pas un jugement de qualité, mais être cité en premier compte.
• Le ton. Êtes-vous évoqué en positif, en neutre ou en négatif.
• Les sources citées. Quels domaines l’IA utilise pour répondre (Reddit, ProductHunt, sites d’avis, presse). Donc, très concrètement, où il faut être présent pour exister aux yeux de l’IA.

À côté du score, Pythie ajoute un check de préparation IA : les robots des assistants peuvent-ils seulement lire votre site ? Présence d’un robots.txt accueillant pour les crawlers IA, d’un llms.txt, d’un sitemap, de données structurées JSON-LD. Le message tient en une phrase : si les IA ne peuvent pas vous lire, elles ne peuvent pas vous citer.

Un exemple parlant : une PME première sur Google pour son métier, mais avec un score de visibilité au plancher. La part de voix est trustée par deux concurrents, que l’IA cite « à sa place ». La raison apparaît dans les sources : l’IA s’appuie sur un comparateur et un fil Reddit où la marque est tout simplement absente. Le rapport ne se contente pas du constat, il pointe le levier.

Le reste suit la même logique d’usage réel : un e-mail hebdomadaire qui résume la semaine (variation du score, concurrents, sources, questions gagnées et perdues), le suivi des concurrents, et un « voir la conversation » qui affiche la réponse intégrale de l’IA avec votre nom surligné, pour comprendre le contexte exact d’une citation.

Ce que nous en retenons

Trois leçons, sans enjoliver.

Le non-déterminisme n’est pas un bug à corriger, c’est une donnée à traiter. On a passé plus de temps sur le « combien de fois interroger pour que le chiffre veuille dire quelque chose » que sur n’importe quel graphique. C’est la partie invisible, et c’est celle qui fait la différence entre un gadget et une mesure.

Séparer les signaux qui se ressemblent évite les fausses lectures. Visibilité spontanée et réputation se confondent à première vue. Les garder distincts a sans doute été la décision produit la plus importante, et la moins spectaculaire.

Livrer par jalons valide l’appétit avant de construire le lourd. Nous avons conçu Pythie sur un plan de 30 jours et sorti l’audit gratuit d’abord, avant le produit récurrent, pour vérifier l’intérêt du marché plutôt que de le supposer. Le tout sous une discipline d’ingénierie classique chez nous : développement piloté par les tests (plus de 700 tests automatisés, suite verte), revues de code adverses (on cherche activement à casser son propre travail avant de livrer), décisions d’architecture documentées. Et, fait notable, une bonne partie a été implémentée, relue et vérifiée avec l’aide de sous-agents IA. Une agence qui construit un produit sur l’IA, avec l’IA : le méta-argument se tient.

C’est le même soin que celui qu’on applique aux agents et automatisations IA pour PME, ou à un SaaS construit en trois semaines sur la même stack (TanStack Start, Convex, Better Auth).

Questions fréquentes sur la visibilité IA

Qu’est-ce que le GEO (Generative Engine Optimization) ?

Le GEO est l’optimisation de votre présence dans les réponses générées par les IA. Là où le SEO vise votre rang sur Google, le GEO vise une seule chose : être cité quand un assistant comme ChatGPT, Claude, Gemini ou Perplexity répond à la question d’un acheteur. C’est le pendant du référencement, appliqué aux réponses des assistants IA.

Comment savoir si ChatGPT cite ma marque ?

En interrogeant ChatGPT et les autres moteurs de façon répétée, sur les questions que posent réellement vos prospects, puis en analysant les réponses. C’est précisément le rôle d’un outil de monitoring de marque sur l’IA comme Pythie : il automatise ces interrogations, les répète pour gommer le hasard, et compte les citations.

Le référencement (SEO) sert-il encore à l’ère des IA ?

Oui, mais il ne suffit plus. Le SEO reste utile pour le trafic Google, et il nourrit même les IA, qui s’appuient en partie sur les sources bien référencées. Mais il ne mesure pas ce que répondent les assistants IA. Référencement et IA sont deux terrains complémentaires : l’un ne remplace pas l’autre.

Quels assistants IA Pythie surveille-t-il ?

Les quatre principaux : ChatGPT, Claude, Gemini et Perplexity. Pythie appelle leurs API officielles avec la recherche web activée, et répète chaque question plusieurs fois, pour refléter ce qu’obtiendrait un vrai utilisateur malgré le caractère non déterministe des réponses.

Tester Pythie, ou faire construire le vôtre

Si vous voulez savoir ce que les IA disent vraiment de votre marque, le plus simple est de le mesurer.

Faites l’audit gratuit de votre marque sur Pythie. Vous entrez votre domaine, vous recevez un rapport partageable en temps réel, sans créer de compte.

Et si vous lisiez cet article surtout pour l’arrière-plan technique : c’est exactement ce que fait Moody Labs. Un produit comme Pythie, du cadrage au déploiement, sans agence au milieu et avec une vraie responsabilité de bout en bout. Vous voulez un produit comme Pythie ? Parlons-en.

Pour citer cet article : Charbonneyre, A. (2026). Visibilité IA : pourquoi ChatGPT ne cite pas votre marque. Moody Labs.