1. La définition explicite du périmètre de requêtes
Un audit sérieux commence par la constitution d'un corpus de requêtes. Sans cette étape, aucune comparaison dans le temps n'est possible. Ce corpus doit être documenté : provient-il d'une analyse des intentions de recherche du secteur, d'un export des questions posées par les clients réels, d'un croisement avec les données de la Search Console ? Une agence qui lance un outil sur quelques mots-clés de marque sans expliquer leur sélection ne mesure qu'un fragment du problème. Le périmètre doit inclure trois familles de requêtes : les requêtes de marque, les requêtes de catégorie générique et les requêtes à forte intention commerciale. C'est la condition pour identifier où la perte de visibilité se concentre.
2. La prise en compte de la variabilité des réponses
ChatGPT, Gemini, Claude et Perplexity ne renvoient pas une réponse stable pour une même question. La température d'échantillonnage, l'historique de conversation, la version du modèle et l'interface utilisée modifient les formulations et parfois les sources citées. Une mesure unique n'a donc qu'une valeur indicative. Un protocole crédible le reconnaît et décrit sa méthode : nombre de tests par requête, intervalle entre les tests, traitement des résultats divergents. Exiger une transparence sur ce point permet de repérer les offres qui vendent une photographie figée là où il faudrait une tendance.
3. La distinction entre citation du site et mention de la marque
Être cité par un modèle ne signifie pas la même chose qu'être mentionné. Une URL peut apparaître en source d'une affirmation factuelle sans que le nom de l'entreprise soit prononcé dans la réponse accessible à l'utilisateur. À l'inverse, une marque peut être recommandée sans que son site soit explicitement référencé. Un audit utile sépare ces deux niveaux et les valorise différemment selon l'objectif : notoriété, trafic direct, conversion. Un rapport qui additionne les deux signaux sans les distinguer fausse l'interprétation des résultats.
4. L'observation multi-LLM et la granularité du suivi
Sur le marché français, les usages se répartissent entre plusieurs assistants. Si les parts varient selon les études, ChatGPT et Gemini concentrent une grande partie des interactions conversationnelles, tandis que Claude progresse auprès des profils techniques et Perplexity auprès des utilisateurs en recherche active. Un suivi limité à un seul moteur donne une vision tronquée de l'exposition réelle. Le critère technique à vérifier est la capacité à suivre les positions et les citations sur au moins quatre moteurs, avec une fréquence de collecte suffisante pour détecter une évolution, pas seulement un état.
5. L'analyse des sources concurrentes, pas seulement de la vôtre
Une entreprise ne perd pas de visibilité dans le vide. Elle la perd au profit d'autres acteurs : sites éditoriaux, plateformes de comparaison, concurrents directs, parfois réseaux sociaux. Un audit utile identifie qui occupe l'espace de réponse sur les requêtes stratégiques. Cette analyse concurrentielle a deux fonctions : comprendre les contenus qui servent actuellement de source aux modèles, et repérer les angles non couverts où une publication optimisée a des chances de s'insérer. Sans cette dimension, l'audit reste un constat d'absence, pas un levier d'action.
6. Le lien entre visibilité IA et contenus existants
Les réponses des IA génératives s'appuient en grande partie sur des contenus publiés et accessibles. Un audit qui conclut à un déficit de visibilité sans examiner le patrimoine de contenus de l'entreprise, sa structure, sa fraîcheur et sa couverture thématique livre une analyse déconnectée. L'optimisation pour les moteurs génératifs passe par des ajustements éditoriaux précis : structuration des pages, ajout de sections factuelles, consolidation des entités, reformulation de passages pour les rendre plus facilement extractibles. La capacité à formuler des recommandations concrètes à partir de l'audit constitue un critère de choix plus fiable que la richesse d'un tableau de bord.
7. La nature des livrables et l'accessibilité des données
Un suivi dans le temps a besoin de données exploitables. Le format du rapport, la possibilité d'exporter les données brutes, la visualisation des tendances par requête et par moteur, la conservation de l'historique : ces éléments techniques déterminent l'utilité réelle de la prestation au-delà de la réunion de restitution. Les équipes marketing qui intègrent la visibilité IA dans leurs indicateurs mensuels ont besoin d'un accès continu, pas d'une présentation trimestrielle. Ce point est souvent sous-estimé lors de la signature, puis devient une source de friction en cours de mission.
Un besoin concret auquel répondent des spécialistes
Ces critères dessinent en creux le profil d'une prestation complète. C'est le besoin auquel BlastGEO, spécialiste de Outil de GEO pour les entreprises, répond avec une offre organisée autour de quatre briques : l'audit de visibilité sur les IA génératives, l'optimisation pour ChatGPT, Gemini et Claude, la création et la publication de contenu optimisé IA, et le suivi multi-LLM en temps réel. Le public concerné est celui des entreprises qui ont déjà une présence web structurée et qui constatent que les canaux traditionnels ne suffisent plus à expliquer leur recommandation, ou leur absence, dans les réponses conversationnelles. L'approche couvre la chaîne complète, de la mesure initiale à l'ajustement des contenus et au pilotage continu.
8. La capacité à documenter l'évolution dans le temps
Un seul point de mesure ne démontre rien. Ce qui importe, c'est la pente : la marque gagne-t-elle des positions sur les requêtes non liées à son nom, les citations de ses contenus augmentent-elles, les mentions concurrentes reculent-elles ? Cela suppose que le prestataire conserve l'historique des collectes et propose des comparaisons périodiques. Les offres qui effacent les données d'un mois sur l'autre empêchent toute analyse de tendance. Ce critère paraît trivial, mais il élimine une part significative des outils du marché.
Une mission d'optimisation produit des effets plus durables quand les équipes internes comprennent les logiques des moteurs génératifs. La manière dont un prestataire explique ses choix, partage sa méthode et forme les contributeurs éditoriaux constitue un indicateur indirect de son professionnalisme. Une approche de type boîte noire, où les recommandations tombent sans justification, rend l'entreprise dépendante et limite l'apprentissage interne. Ce n'est pas un critère technique à proprement parler, mais il conditionne la réussite dans la durée.
L'évaluation d'une agence spécialisée dans la stratégie de visibilité sur les moteurs IA passe donc par des questions concrètes : quel périmètre de requêtes, quelle méthode de mesure, quelle distinction entre mentions et citations, quel suivi concurrentiel, quels livrables. Les réponses à ces questions en disent plus long que n'importe quelle promesse de résultat.