Article de Julien Ricciarelli-Bonnal
14 août 2026
L’essentiel
Les entreprises commencent à investir dans des outils capables de mesurer leur présence dans ChatGPT, Google AI Overviews ou d’autres moteurs de réponse. Elles veulent savoir si leur marque est citée, recommandée, bien positionnée face à ses concurrents et associée aux bons sujets. Le problème est que cette visibilité reste encore difficile à relier directement aux ventes, aux leads ou au chiffre d’affaires. Après les impressions, les abonnés et les taux d’engagement, le marketing risque donc de créer une nouvelle catégorie de vanity metrics : des indicateurs rassurants parce qu’ils bougent, mais dont la valeur commerciale réelle reste incertaine. La visibilité dans l’IA compte probablement déjà. Encore faut-il savoir ce qu’elle signifie.
Pendant des années, le marketing numérique a promis quelque chose que peu de médias traditionnels pouvaient offrir avec autant de précision : la mesure. Une campagne produisait des impressions, des clics, des sessions, des conversions et, dans les cas les plus favorables, un chiffre d’affaires directement attribuable. Cette capacité à suivre presque chaque étape du parcours a profondément installé l’idée qu’une action marketing pouvait, et devait, finir par produire un nombre.
L’arrivée des moteurs de réponse change à nouveau cette mécanique. Une personne peut demander à ChatGPT quelles marques choisir, comparer plusieurs solutions dans Google AI Overviews, obtenir une recommandation, fermer la conversation puis acheter quelques heures plus tard sur Amazon, dans une boutique physique ou directement sur le site d’une entreprise. La marque aura peut-être influencé la décision sans jamais enregistrer le moindre clic identifiable.
Les directions marketing commencent donc à chercher de nouveaux indicateurs. Des outils comme Profound, Scrunch, Semrush ou AirOps tentent désormais d’évaluer la fréquence à laquelle une marque apparaît dans les réponses générées, sa position face aux concurrents ou les sources utilisées par les modèles pour construire leurs recommandations. Selon une enquête citée cette semaine par Digiday, 73 % des répondants avaient déjà investi dans des outils de suivi de leur visibilité dans la recherche par IA.
Mesurer cette présence est logique. En déduire automatiquement une performance commerciale l’est beaucoup moins.
Le marketing retrouve un problème qu’il pensait avoir résolu
La visibilité dans un moteur de recherche classique suivait une mécanique relativement familière. Une entreprise apparaissait sur une requête, l’utilisateur pouvait cliquer sur son lien, arriver sur son site et éventuellement convertir. L’attribution n’était déjà pas parfaite, mais il existait au moins une continuité observable entre l’exposition, la visite et une partie des résultats.
Dans une réponse générée par une IA, cette continuité peut disparaître. ChatGPT peut citer une entreprise sans envoyer immédiatement l’utilisateur vers son site, Google peut résumer plusieurs sources directement dans ses interfaces et une recommandation peut simplement installer une marque dans l’esprit du consommateur. La conversion se produira peut-être plus tard et ailleurs, sans laisser de trace permettant d’identifier précisément le rôle joué par la réponse initiale.
C’est exactement ce que plusieurs marques commencent à constater. Digiday rapporte notamment que Peach & Lily tente de croiser trafic, conversions et signaux provenant des moteurs IA, tout en reconnaissant qu’un consommateur peut découvrir la marque dans une réponse générée puis acheter sur une marketplace. Rippling combine de son côté plusieurs sources, allant des données de visibilité aux conversions issues de publicités ChatGPT, en passant par le trafic de recherche et ses propres modèles d’attribution.
La recherche par IA ne supprime donc pas le besoin de mesurer. Elle ramène simplement les marketeurs vers une réalité qu’ils avaient parfois fini par oublier : un parcours d’achat ne se laisse pas toujours découper proprement en une succession de clics.
Être cité par ChatGPT n’est pas encore un objectif commercial
Le danger apparaît lorsque l’indicateur devient lui-même l’objectif. Dès qu’un outil affiche une note de visibilité, une part de présence ou une évolution par rapport aux concurrents, la tentation est forte de chercher à faire progresser ce chiffre, exactement comme les entreprises ont autrefois poursuivi les abonnés, les impressions ou certains taux d’engagement sans toujours se demander ce qu’ils produisaient réellement.
Une marque peut parfaitement augmenter sa présence dans les réponses des LLM sans que cette progression ait la même valeur selon les requêtes. Être cité parmi dix entreprises dans une question très générale n’équivaut pas à être recommandé lorsqu’un utilisateur cherche précisément une solution qu’il est prêt à acheter. Pourtant, un tableau de bord peut facilement comptabiliser les deux occurrences dans une même logique de visibilité.
Le contexte compte également. Une marque peut être abondamment citée parce qu’elle bénéficie d’une forte notoriété historique, parce que les modèles trouvent beaucoup de contenus à son sujet ou parce qu’elle apparaît régulièrement dans des comparatifs. Aucun de ces éléments ne garantit que la recommandation soit favorable, différenciante ou suffisamment convaincante pour modifier une décision d’achat.
Une citation est un signal. Elle n’est pas encore une vente.
C’est ce qui rapproche dangereusement certains nouveaux indicateurs IA des vanity metrics qui ont marqué l’ère des réseaux sociaux. Voir un chiffre progresser rassure, permet de construire un reporting et donne le sentiment que la stratégie avance, mais un indicateur ne devient utile que lorsqu’on sait à quelle décision il doit servir.
Le zéro clic complique encore la relation entre visibilité et résultat
Le phénomène dépasse ChatGPT. Google développe depuis plusieurs années des expériences de recherche dans lesquelles une partie importante de la réponse est fournie directement dans l’interface, tandis qu’OpenAI a progressivement renforcé la recherche et la découverte de produits dans ChatGPT. Le parcours peut donc produire de la valeur pour une marque avant même qu’un utilisateur quitte la plateforme. OpenAI permet désormais aux marchands de fournir leurs catalogues afin d’améliorer la découverte et la comparaison de produits dans ChatGPT, signe que la recommandation commerciale se rapproche progressivement de l’environnement conversationnel.
Pour les marketeurs, le problème est presque insoluble si l’on exige une attribution individuelle parfaite. Une personne peut découvrir une entreprise dans ChatGPT, effectuer ensuite une recherche de marque dans Google, consulter Reddit, regarder une vidéo YouTube et finalement acheter trois jours plus tard depuis son téléphone. Attribuer la totalité de la conversion au dernier clic serait évidemment réducteur, mais attribuer une part précise à chaque exposition relève souvent de la reconstruction.
Cette difficulté explique le retour des approches par triangulation. Plutôt que d’attendre un outil capable de produire une vérité unique, certaines entreprises rapprochent évolution des recherches de marque, trafic provenant des plateformes IA, enquêtes clients, données CRM, conversions, études de notoriété et modèles statistiques. Digiday rapporte par exemple une hausse de 303 % des visites provenant de ChatGPT vers des marques B2B entre juin 2025 et juin 2026 dans une étude de Demandbase, passant d’environ 645 000 à 2,6 millions de visites. Cela confirme que le canal gagne en importance, sans résoudre pour autant la question de sa contribution exacte aux revenus.
Pour construire une stratégie marketing qui distingue les indicateurs réellement utiles des métriques simplement rassurantes, il devient donc nécessaire d’accepter qu’une partie de la performance ne soit plus directement observable. La bonne réponse n’est pas de renoncer à mesurer, mais d’éviter de prétendre qu’un nouvel indicateur résout à lui seul un problème d’attribution beaucoup plus ancien.
Le « score IA » risque de devenir le nouveau nombre à montrer en réunion
Toutes les générations du marketing numérique ont produit leur indicateur fétiche. Le nombre de fans Facebook a longtemps servi de preuve de réussite, puis les impressions, la portée, l’engagement ou le trafic ont parfois été utilisés comme raccourcis lorsqu’il était plus difficile de démontrer un effet commercial réel.
La visibilité dans les moteurs IA pourrait suivre exactement le même chemin. Un tableau de bord indiquant qu’une marque apparaît dans 62 % des réponses associées à son secteur semble immédiatement exploitable. On peut le comparer au mois précédent, observer les concurrents et construire un objectif annuel. Le chiffre possède toutes les caractéristiques d’un bon KPI, sauf peut-être la plus importante : savoir précisément ce qu’une hausse de dix points change pour l’entreprise.
Cela ne rend pas ces outils inutiles. Ils peuvent permettre d’identifier des sujets sur lesquels la marque est absente, comprendre quelles sources influencent les réponses, détecter un problème de réputation ou observer l’apparition d’un concurrent. La mesure devient beaucoup plus pertinente lorsqu’elle est utilisée comme outil de diagnostic plutôt que comme preuve automatique de performance.
Le vrai risque serait de recommencer ce que les entreprises ont déjà fait avec les réseaux sociaux : optimiser ce qui est facile à mesurer plutôt que ce qui compte réellement.
Il faudra probablement apprendre à mesurer moins précisément, mais mieux
La recherche traditionnelle n’a jamais été aussi parfaitement attribuable que les tableaux de bord pouvaient le laisser croire. Les cookies, les appareils multiples, le bouche-à-oreille, les médias hors ligne et les décisions prises sur plusieurs semaines rendaient déjà les parcours beaucoup plus complexes que les modèles de dernier clic.
Les moteurs IA rendent simplement cette complexité impossible à ignorer. Lorsqu’une recommandation influence une décision sans générer de visite immédiate, le marketing doit revenir à des méthodes qu’il avait parfois reléguées derrière l’analytics : évolution de la demande de marque, enquêtes, corrélations, tests géographiques, modèles de mix marketing et analyse de plusieurs signaux faibles plutôt qu’un seul parcours individuel.
Les entreprises peuvent donc suivre leur présence dans ChatGPT, Gemini ou les autres moteurs, mais elles gagneront à poser une question avant de transformer cette donnée en KPI : que voulons-nous apprendre grâce à elle ? S’il s’agit d’observer une réputation, une part de voix ou la capacité de la marque à apparaître dans certaines situations d’achat, l’indicateur possède déjà une utilité. S’il doit prouver directement un retour sur investissement, le niveau d’exigence doit être beaucoup plus élevé.
La visibilité dans l’IA deviendra probablement un véritable enjeu marketing parce que ces outils participent de plus en plus à la découverte, à la comparaison et à la décision. OpenAI développe déjà des expériences de recherche produit directement dans ChatGPT, tandis que Google intègre davantage l’IA dans ses parcours de recherche et ses formats publicitaires.
Mais la prochaine grande bataille du marketing ne sera peut-être pas seulement d’apparaître dans les réponses. Elle consistera à éviter de transformer cette présence en nouveau chiffre magique que tout le monde suit parce qu’il existe, avant même de savoir ce qu’il vaut.
Nous accompagnons les entreprises qui souhaitent structurer leur stratégie marketing autour d’indicateurs réellement reliés à leurs objectifs commerciaux.
Rédigé par Julien Ricciarelli-Bonnal
14 août 2026
