À quelle fréquence envoyer un rapport de visibilité IA à un client ?

Envoyez un rapport mensuel au client, construit sur un monitoring qui tourne en continu en dessous. Les réponses des IA varient d'un jour à l'autre : les chiffres quotidiens sont du bruit, alors qu'un mois de runs accumulés produit une tendance exploitable. La couche continue compte quand un chiffre est contesté : elle permet de ressortir les réponses individuelles derrière chaque valeur. Un rapport hebdomadaire justifie rarement son coût, sauf pendant un lancement ou une crise.

Comment suivre les mentions d'une marque dans Perplexity comme KPI client ?

Exécutez le jeu de prompts figé dans Perplexity selon un calendrier fixe et comptez les réponses qui nomment la marque, en séparant mentions et citations. La documentation de Perplexity décrit des références numérotées dans le texte de la réponse, liées aux URL des sources : chaque décompte de citations remonte donc à une liste de sources visible. Cette traçabilité fait de Perplexity le moteur le plus facile à défendre comme KPI : quand le client demande d'où vient un chiffre, vous montrez les réponses et leurs sources.

Quelles métriques inclure dans un rapport de visibilité IA au-delà des citations ?

Ajoutez la part de réponse — la présence de la marque rapportée à toutes les marques nommées sur les prompts suivis — plus la position dans la réponse, les cas de mention sans citation, la répartition entre domaines détenus et tiers cités, et le sentiment et l'exactitude de la description de la marque par chaque moteur. Un moteur peut recommander une marque en la décrivant mal, ou la mentionner sans la citer ; chaque situation appelle une action différente et mérite sa propre ligne dans le rapport.

Pourquoi deux outils de visibilité IA affichent-ils des chiffres différents pour la même marque ?

Ils mesurent différemment : formulations des prompts, nombre de runs, dates d'exécution, versions de modèle et, le plus souvent, définition d'une mention varient d'un outil à l'autre. Les sorties des modèles ne sont pas non plus déterministes, donc des configurations identiques divergent d'un run à l'autre. Rapprochez dans l'ordre : comparez d'abord la définition d'une mention de chaque outil, puis les jeux de prompts, puis les nombres de runs et les dates. La plupart des écarts se résolvent à l'étape des définitions ; le reste tient en général à l'échantillonnage plutôt qu'à une erreur.

Comment comparer sa visibilité IA à celle des concurrents dans le rapport ?

Fixez un ensemble de concurrents avec le client et mesurez-le sur le même jeu de prompts figé, par moteur — jamais sur des requêtes improvisées. Présentez un tableau de votre marque face à chaque concurrent nommé, avec taux de mention et part de réponse, et notez quelles sources les moteurs citent pour vos concurrents quand vous en êtes absent. Cela répond à la question par rapport à qui, et sur quels prompts, là où un score composite unique ne peut être ni vérifié ni exploité.

Comment construire un rapport client de visibilité IA

Un rapport client de visibilité IA contient un résumé exécutif, des métriques par moteur pour ChatGPT, Perplexity, Gemini et Claude, un benchmark concurrentiel et des actions recommandées. Envoyez-le chaque mois, appuyé sur un monitoring continu. Une règle rend les chiffres défendables : un jeu de prompts figé, mesuré de la même façon à chaque période.

Ce que les clients attendent du rapport

Un client paie pour trois réponses : sommes-nous visibles dans les réponses des IA, par rapport à qui, et qu'est-ce qui a changé depuis la dernière période. Chaque section doit servir l'une de ces trois questions. Tout ce qui n'y contribue pas — transcriptions brutes, captures d'écran d'outils, scores composites inexpliqués — a sa place en annexe.

Les clients posent la question parce que les données de trafic ont bougé. Le Pew Research Center a rapporté le 22 juillet 2025 que les utilisateurs de Google exposés à un résumé IA ont cliqué sur un lien de résultat traditionnel dans 8 % de l'ensemble des visites, contre 15 % — près du double — pour ceux qui n'en ont pas rencontré. Gartner a prédit dans un communiqué de presse de février 2024 une baisse de 25 % du volume des moteurs de recherche traditionnels d'ici 2026, du fait de la consolidation du trafic des consommateurs vers les chatbots IA et autres agents virtuels. Un client qui a vu l'un de ces chiffres veut situer sa marque dans le canal qui capte cette attention.

Ouvrez avec un résumé exécutif : trois ou quatre phrases, dans un langage simple et non technique, qui énoncent l'évolution principale de la visibilité et sa cause première. Rédigez-le de sorte que le client puisse le transférer en interne sans retouche : c'est la partie que sa direction lira réellement.

Tenez deux cadences et expliquez la différence au client. Le monitoring est continu, car les réponses des IA varient d'un jour à l'autre et une vérification isolée n'est pas une mesure. Le rapport destiné au client est mensuel, car un mois de runs accumulés transforme le bruit quotidien en une tendance sur laquelle il peut agir.

Enfin, définissez dès le premier mois ce que signifie apparaître dans ChatGPT pour ce client : la marque nommée dans le texte de la réponse (une mention), un lien vers le domaine de la marque parmi les sources (une citation), ou les deux. Les deux évoluent indépendamment — voir la différence entre une mention IA et une citation IA — et un rapport qui les mélange ne peut pas expliquer ses propres chiffres.

Les métriques qui ont leur place dans le rapport

Rapportez chaque moteur séparément. Profound a publié en juillet 2025 une étude des citations des moteurs de réponse concluant que près de 89 % des citations IA proviennent de sources complètement différentes selon le modèle interrogé. Un score fusionné lisse les écarts que le client doit voir ; un tableau de bord par moteur montre où la marque est forte et où le travail reste à faire.

Mentions et part de réponse

Comptez combien de prompts suivis mentionnent la marque, par moteur, et notez où la mention se situe dans la réponse — une recommandation en première phrase ne vaut pas un nom en fin de liste. Calculez ensuite la part de réponse, la présence de la marque rapportée à toutes les marques nommées sur les prompts suivis ; la méthode figure dans comment calculer la part de voix en recherche IA. Enregistrez à part les cas de mention sans citation : ils montrent que le moteur connaît la marque mais s'appuie sur des descriptions tierces.

Citations et sources

Pour chaque moteur, listez les domaines cités quand la marque apparaît, en séparant les sources détenues (le site du client) des sources tierces (presse, annuaires, plateformes d'avis). Perplexity est ici le moteur le plus explicite : sa documentation développeur, vérifiée le 8 septembre 2026, décrit comment le modèle insère des références numérotées dans le texte de la réponse, avec les URL des sources livrées à côté. Cette explicitation fait des citations Perplexity le KPI par moteur le plus facile à défendre devant un client : chaque décompte remonte à une liste de sources visible.

Sentiment et exactitude

La mention est la moitié de la métrique ; la description est l'autre moitié. Ajoutez une ligne de sentiment par moteur — cadrage positif, neutre ou négatif — et un contrôle d'exactitude sur la description de l'offre, du modèle de prix et des implantations. Prenons un exemple hypothétique : une réponse recommande une marque tout en y attachant une description obsolète. Cette mention aiderait moins qu'il n'y paraît.

Utilisez cette liste pour consigner les réponses de chaque moteur. Vérifiez la présence de citations à chaque run : ce tableau est une grille de reporting, pas un bilan de tests Namedrop.

Moteur	Mentions	Citations
ChatGPT	Notez si la réponse nomme la marque et à quel endroit	Conservez les URL citées ; notez leur absence quand aucune n'est fournie
Perplexity	Notez si la réponse nomme la marque et à quel endroit	Reliez les références numérotées aux URL des sources, selon la documentation de Perplexity
Gemini	Notez si la réponse nomme la marque et à quel endroit	Conservez les URL citées ; notez leur absence quand aucune n'est fournie
Claude	Notez si la réponse nomme la marque et à quel endroit	Notez si la recherche web a été utilisée et quelles URL ont été citées

Le jeu de prompts et le benchmark concurrentiel

La courbe de tendance vaut ce que vaut la stabilité du jeu de prompts. Convenez avec le client d'un ensemble de prompts — les questions que ses acheteurs posent réellement — et figez-le. Changer les prompts à chaque cycle détruit la tendance : le mois deux ne mesure plus la même chose que le mois un, et chaque mouvement devient inexplicable. Quand l'activité évolue, ajoutez des prompts avec une date de départ marquée et rapportez-les à part tant qu'ils n'ont pas d'historique.

Exécutez chaque prompt plusieurs fois par période, jamais une seule. La documentation d'OpenAI sur le paramètre seed, vérifiée le 8 septembre 2026, indique que le déterminisme n'est pas garanti et renvoie au paramètre de réponse system_fingerprint pour suivre les changements côté backend. Si l'éditeur du modèle ne promet pas lui-même des sorties identiques pour des entrées identiques, un run unique est une anecdote ; des runs répétés sur le mois constituent une mesure.

Benchmarkez face à un ensemble fixe de concurrents sur les mêmes prompts figés, jamais sur des requêtes improvisées. La question du client est par rapport à qui, et sur quels prompts — présentez donc le benchmark comme une vue par moteur de la marque face à chaque concurrent nommé sur le jeu de prompts partagé, pas comme un score composite abstrait. Un score sans concurrents nommés ni prompts nommés ne peut pas être contesté — donc on ne peut pas s'y fier.

Pour les clients multi-implantations et les services locaux, construisez le jeu en deux couches : un socle commun de prompts de marque et de catégorie, plus un gabarit par implantation — la même question d'acheteur formulée pour chaque ville — instancié par marché. Agrégez les résultats par implantation dans le rapport, pour qu'un responsable local voie sa ligne et que le résumé exécutif garde la vue d'ensemble.

Le modèle de rapport, section par section

Le squelette ci-dessous est le rapport entier, dans l'ordre de lecture. Le résumé exécutif vient en premier, et chaque section suivante doit se lire d'un coup d'œil : le chiffre, celui de la période précédente, la raison du mouvement. Les exemples utilisent Alpencab, une marque de transferts aéroport inventée, aux valeurs réalistes mais fictives.

En-tête synthétique. Client, période, moteurs couverts, version du jeu de prompts, calendrier des runs. Exemple : Alpencab, août 2026, ChatGPT, Perplexity, Gemini et Claude, jeu de prompts inchangé depuis mars, chaque prompt exécuté chaque semaine.

Résumé exécutif. Trois ou quatre phrases simples. Exemple : Alpencab est désormais mentionnée dans environ la moitié des prompts suivis sur Perplexity, contre un tiers environ le mois dernier ; le gain suit les pages de guides aéroport publiées en juillet, que Perplexity cite maintenant. ChatGPT décrit toujours un modèle de prix obsolète, la correction des pages sources est donc la priorité du mois prochain.

Tableau de bord par moteur. Un bloc par moteur : taux de mention, part de réponse, citations détenues contre tierces, sentiment — chaque valeur à côté de celle de la période précédente. Le guide de reporting de Semrush, consulté le 8 septembre 2026, organise les métriques en niveaux selon leur proximité avec la valeur métier ; appliquez la même logique et commencez par ce qui compte pour la direction du client.

Benchmark concurrentiel. L'ensemble fixe de concurrents sur les mêmes prompts, par moteur. Exemple : sur les prompts de catégorie, Gemini recommande TransferPro devant Alpencab dans la plupart des runs, en citant deux plateformes d'avis où Alpencab est absente.

Sources citées. Les domaines sur lesquels chaque moteur s'est appuyé cette période, détenus contre tiers, avec les nouveaux entrants signalés. Exemple : un blog de voyage régional est entré dans les citations de Perplexity ce mois-ci, et sa description d'Alpencab est exacte.

Actions recommandées. Pour chaque métrique qui a bougé, une ligne reliant le mouvement aux actions menées pendant la période, puis les prochaines actions avec leurs responsables. Cette section répond à la vraie question du client : parmi les actions qu'il a payées, lesquelles ont fonctionné.

Quand deux outils divergent, et quelles preuves conserver

Deux outils qui suivent la même marque rapporteront des chiffres différents, sans qu'aucun soit forcément faux. Ils diffèrent par la formulation des prompts, le nombre de runs, les dates d'exécution, les versions de modèle et, le plus souvent, par la définition d'une mention — certains comptent toute apparition du nom de la marque, d'autres seulement une recommandation. Rapprochez les mesures dans cet ordre : comparez d'abord les définitions, puis les jeux de prompts, puis les nombres de runs et les dates. La plupart des écarts se dissipent à l'étape des définitions.

C'est là que le monitoring continu sous le rapport mensuel se justifie. Quand le client conteste un chiffre, sortez les runs individuels qui le composent et montrez quelles réponses, à quelles dates, ont produit la valeur. Un rapport qui ne peut pas être décomposé en réponses brutes est une affirmation, pas une mesure.

Conservez les preuves délibérément. Pour chaque chiffre du rapport, stockez la transcription brute de la réponse, la date et l'heure du run, le moteur et la version du modèle quand l'API l'expose. Fixez ensuite une durée de conservation et supprimez à échéance : les transcriptions peuvent contenir des données personnelles, et le guide de la CNIL sur les durées de conservation, vérifié le 8 septembre 2026, indique que les données personnelles ne peuvent pas être conservées indéfiniment — le responsable de traitement doit déterminer une durée en fonction de l'objectif ayant conduit à la collecte. Règle praticable : conserver les transcriptions tant que les chiffres qu'elles appuient figurent dans un rapport actif, plus la fenêtre contractuelle de contestation, puis purger.

Par où commencer cette semaine

L'ordre compte plus que la vitesse, car la seule chose impossible à réparer plus tard est un jeu de prompts modifié en cours de mission.

D'abord, convenez du jeu de prompts avec le client avant toute mesure : une vingtaine de prompts tirés de la façon dont ses acheteurs formulent leurs questions, plus le gabarit par implantation s'il opère sur plusieurs marchés. Obtenez une validation écrite — elle protégera la courbe de tendance plus tard.

Ensuite, exécutez la ligne de base multi-moteurs avec des runs répétés répartis sur la semaine, et stockez tout : transcriptions, dates, moteurs, versions de modèle.

Puis remplissez le modèle une première fois et étiquetez-le comme ligne de base. Le mois un établit les chiffres, le mois deux établit la tendance — résistez à l'envie de lire un mouvement dans une période isolée.

Enfin, planifiez la cadence mensuelle et mettez en place le monitoring sous-jacent pour que les runs s'accumulent entre les rapports ; comment automatiser les vérifications de visibilité IA couvre la mise en place.

Lancez un scan Namedrop gratuit pour générer les chiffres de référence de votre premier rapport client.