Share of Voice IA : comment le mesurer concrètement en 2026
Le share of voice IA mesure le pourcentage de réponses génératives dans lesquelles votre marque est citée ou recommandée, par rapport à l'ensemble des marques mentionnées sur un corpus de prompts de catégorie. La formule : SoV IA = (mentions de votre marque / total des mentions toutes marques) × 100. On le suit sur ChatGPT, Perplexity, Gemini et les AI Overviews — séparément, jamais en valeur consolidée, car les dynamiques sont radicalement différentes d'une plateforme à l'autre.
Ce que mesure vraiment le share of voice IA
Le share of voice traditionnel mesurait votre part de dépenses publicitaires, d'impressions SERP ou de mentions media. Le share of voice IA mesure une réalité différente : la fréquence à laquelle un modèle de langage vous cite lorsqu'un utilisateur pose une question dans votre catégorie. Ce n'est plus une part de visibilité diffuse — c'est une part de la réponse synthétisée que l'IA construit à la place de l'utilisateur.
La rupture est conceptuelle. En SEO, vous pouviez être en position 3 ou 7, et rester visible. Dans les LLM, la logique est binaire : soit votre marque est dans la réponse, soit elle n'existe pas. Il n'y a pas de page 2 dans ChatGPT. Pas de résultat "just below the fold" dans Perplexity. La réponse générée est la réponse finale.
Taux de mention
Sur 100 prompts de votre catégorie, dans combien de réponses votre marque apparaît-elle ? Un taux de 25 % signifie que vous êtes cité dans une réponse sur quatre.
Share of Voice relatif
Parmi toutes les marques citées dans votre catégorie, quel pourcentage représentent vos mentions ? C'est le SoV au sens strict — une mesure comparative, pas absolue.
Qualité de la mention
Êtes-vous cité comme leader, alternative, ou contre-exemple ? La position dans la liste et le sentiment associé transforment une mention en actif — ou en passif.
Ces trois métriques forment le triplet de mesure fondamental du GEO (Generative Engine Optimization). Elles ne se remplacent pas : une marque peut avoir un taux de mention élevé mais un SoV relatif faible si la catégorie est très concurrentielle, ou un bon SoV mais un sentiment négatif qui contre-indique la recommandation.
MéthodologieLa formule du share of voice IA et ses quatre variantes
La formule de base est simple. L'application rigoureuse, elle, exige une rigueur méthodologique que la majorité des équipes marketing ne respecte pas encore.
Formule SoV de base : SoV IA (%) = (Nombre de mentions de votre marque) ÷ (Total des mentions de toutes les marques citées) × 100
Si ChatGPT cite 200 fois des marques au total sur un corpus de 100 prompts, et que votre marque apparaît 50 fois, votre SoV est de 25 %. Mais cette formule brute masque des nuances critiques. Quatre variantes sont utilisées par les praticiens avancés :
| Formule | Ce qu'elle mesure | Cas d'usage |
|---|---|---|
| SoV mention de base | % de mentions parmi toutes les marques citées | Benchmark concurrentiel global |
| SoV pondéré par position | Pondère les mentions selon leur rang dans la liste (1er = plus de poids) | Analyse de leadership catégoriel |
| SoV par volume de texte | Part du nombre de mots consacrés à votre marque dans la réponse | Mesure de l'emphase narrative |
| Taux d'inclusion (Prompt Inclusion Rate) | % de prompts dans lesquels votre marque apparaît au moins une fois | Couverture catégorielle — "êtes-vous dans la conversation ?" |
Le taux d'inclusion est la métrique à suivre en priorité pour les marques qui démarrent leur programme GEO. Elle répond à la question la plus simple : est-ce que l'IA me connaît ? Avant d'optimiser votre position dans la liste, vérifiez que vous êtes dans la liste.
Erreur fréquente — le "closed-pool error" : si vous ne trackez que 3 ou 4 concurrents prédéfinis dans votre outil, et que l'IA en cite 8, votre SoV calculé est mathématiquement faux. Le dénominateur doit inclure toutes les marques naturellement citées par le LLM, pas seulement celles que vous avez présélectionnées.
Pourquoi le share of voice IA est une métrique de revenu
Le SoV IA n'est pas une vanity metric. Les premières données sectorielles disponibles en 2025-2026 montrent une corrélation directe avec des indicateurs business concrets.
Augmentation des recherches de marque sur Google observée corrélativement à une hausse du SoV dans les LLM, selon des analyses préliminaires 2025.
Le trafic IA-referred convertit 4,4 à 6× mieux que le trafic organique standard, selon les données Mersel AI (2026).
Valeur moyenne par visite en provenance de Claude, contre 3,12 $ pour Perplexity et ~1,50 $ pour le trafic social. Source : Dataslayer 2025.
Délai avant que les améliorations de SoV deviennent visibles dans les réponses IA, après un programme GEO systématique. Source : Authoritytech 2026.
Un SoV IA de 0 % dans votre catégorie ne signifie pas que vous avez un problème de notoriété. Cela signifie que vous êtes structurellement absent du canal par lequel vos acheteurs forment désormais leurs shortlists.
Thomas Moreau, CEO — BlazingLa nature de l'impact varie selon la plateforme. ChatGPT capte 60,7 % du marché de la recherche IA et 47 % des acheteurs B2B le citent comme outil de référence pour leurs recherches. Perplexity, bien que moins dominant en volume, génère plus de trafic référent par mention grâce à ses 77 % de réponses avec liens. Claude, lui, ne génère pas de trafic direct mais façonne la perception de la marque auprès des audiences les plus qualifiées — celles qui ont les valeurs par visite les plus élevées du marché.
Observation TerrainShare of Voice IA sur le marché francophone : l'état réel en 2026
Observation terrain — Belgique, France, Suisse, LuxembourgLe marché francophone accuse un retard de 12 à 18 mois sur le marché anglophone en matière de GEO et d'AEO. Sur les marchés B2B francophones — Belgique, Luxembourg, Suisse, France, Canada francophone — la majorité des marques présentent un SoV IA inférieur à 5 % dans leurs catégories respectives. La raison est structurelle, pas anecdotique.
L'optimisation LLM et la visibilité IA B2B francophone sont des marchés encore peu couverts. Pour les agences et les marques qui s'y positionnent aujourd'hui en Belgique, en France, en Suisse et au Luxembourg, l'avantage du premier entrant est réel — et mesurable.
En France, Belgique et Suisse, les contenus en langue française sont sous-représentés dans les corpus d'entraînement des LLM. Publier du contenu GEO-optimisé en français aujourd'hui, c'est construire une part de voix sur un marché qui n'a pas encore de leaders établis.
Comment mesurer son share of voice IA : le protocole en 5 phases
Voici le protocole que Blazing applique pour ses clients lors de la phase d'audit initial. Il est reproductible manuellement pour les équipes qui démarrent, et automatisable avec les outils du marché pour les programmes de suivi continu.
Construire la banque de prompts
Identifiez 50 à 100 prompts représentatifs des questions que vos acheteurs posent aux LLM. Couvrez tous les stades du parcours : découverte ("quels sont les meilleurs outils X ?"), comparaison ("différence entre A et B"), décision ("avis sur [marque]"), use case ("quelle solution pour [problème métier spécifique] ?"). Variez les formulations — les LLM ne sont pas des moteurs de mots-clés.
Définir les plateformes et le protocole de sessions
Exécutez chaque prompt en session isolée (aucun historique de conversation). Répétez chaque prompt 3 à 5 fois pour compenser la variabilité probabiliste des LLM. Couvrez au minimum ChatGPT, Perplexity, Gemini et les AI Overviews Google. Claude est prioritaire si votre marché cible des acheteurs B2B qualifiés. Ne jamais consolider les résultats en une seule valeur — les dynamiques plateforme par plateforme sont trop différentes.
Enregistrer la matrice de données complète
Pour chaque réponse obtenue, capturez : présence de votre marque (oui/non), position dans la liste (1er, 2e, 3e…), sentiment (positif, neutre, négatif), marques concurrentes citées (liste exhaustive, pas seulement vos 3 concurrents habituels), URLs sources référencées. Ce dernier point est le plus sous-estimé : les citations sources sont votre outil de reverse-engineering pour comprendre ce que l'IA lit.
Appliquer les formules et établir la baseline
Calculez votre SoV de base, votre taux d'inclusion et, si la profondeur d'analyse le justifie, votre SoV pondéré par position. Établissez cette baseline sur une période de 2 à 4 semaines avant toute action GEO — c'est votre point zéro de mesure. Sans baseline, vous ne pourrez pas démontrer l'impact de vos optimisations. Notre guide pratique 2026 sur la citabilité LLM détaille les critères que les modèles utilisent pour sélectionner leurs sources.
Connecter le SoV IA à vos métriques business
Configurez des segments de trafic dans Google Analytics 4 pour identifier les sessions provenant de chatgpt.com, perplexity.ai, claude.ai et des AI Overviews. Corrélation à suivre : évolution du SoV IA hebdomadaire vs. évolution du trafic branded vs. volume de leads entrants. Les LLM génèrent un trafic structurellement invisible dans les analytics classiques — le trafic direct et le trafic "none / (direct)" masquent souvent des sessions d'origine LLM.
Quels outils pour suivre son share of voice IA en 2026 ?
Le marché des outils de tracking LLM a explosé entre 2024 et 2026. Voici un comparatif opérationnel des solutions disponibles selon les profils d'usage.
Pour les équipes qui veulent démarrer sans investissement outil, une approche manuelle avec l'API OpenAI et un tableur Google Sheets suffit pour établir une baseline sur 20 à 30 prompts. Cette méthode DIY reste valide jusqu'à un volume de 200 à 300 exécutions mensuelles — au-delà, l'automatisation devient indispensable.
Un point important sur la complémentarité des outils : les LLM sont probabilistes par nature. Aucun outil ne "mesure" une position stable comme un SERP tracker. Ce qu'on obtient, c'est une probabilité de mention sur un ensemble de sessions — pas une certitude. La rigueur du protocole de mesure (sessions isolées, répétitions multiples, multi-plateforme) prime sur le choix de l'outil.
ActionChecklist pour lancer votre premier programme de mesure SoV IA
- Définir 50 prompts représentatifs couvrant découverte, comparaison et décision dans votre catégorie
- Sélectionner 4 plateformes minimum : ChatGPT, Perplexity, Gemini, AI Overviews Google
- Créer un tableur de tracking avec colonnes : plateforme / prompt / marque citée / position / sentiment / URL source
- Exécuter chaque prompt en session isolée, 3 à 5 répétitions par prompt
- Ne jamais limiter la liste des concurrents trackés — inclure toutes les marques naturellement citées par les LLM
- Calculer le taux d'inclusion en priorité, puis le SoV relatif par plateforme
- Identifier les URLs que les LLM citent le plus souvent dans votre secteur — c'est votre carte de contenu à produire
- Établir la baseline sur 4 semaines avant tout déploiement GEO
- Configurer les segments GA4 pour isoler le trafic provenant des domaines IA (chatgpt.com, perplexity.ai, claude.ai)
- Mettre en place un reporting hebdomadaire de l'évolution du SoV par plateforme
Share of Voice IA : les 6 questions que posent nos clients
Construisez une banque de 50 à 100 prompts de catégorie, exécutez-les en sessions isolées (sans historique), répétez 3 à 5 fois par prompt pour compenser la variabilité, puis appliquez la formule SoV = (mentions de votre marque / total des mentions) × 100. ChatGPT détient 60,7 % du marché de la recherche IA en 2026 — c'est la première plateforme à monitorer.
Le SoV SEO mesure votre part de clics ou d'impressions SERP sur un corpus de mots-clés. Le SoV IA mesure votre part de mentions dans les réponses générées. La rupture fondamentale : en SEO, vous pouvez être en position 3 ou 7 et rester visible. Dans un LLM, soit vous êtes dans la réponse synthétisée, soit vous n'existez pas. Il n'y a pas d'entre-deux.
En 2026, les solutions les plus pertinentes pour le marché francophone sont : BotRank.ai (outil français, interface en français, couverture Mistral, à partir de 75 €/mois), Semrush AI Toolkit (intégration SEO native, 213 M prompts), et Peec.ai (87 % de précision sur détection de citations). Pour les budgets serrés, une approche API + tableur couvre les besoins initiaux.
Les benchmarks 2026 montrent : 0–5 % = présence quasi-nulle ; 5–15 % = présence correcte sur les requêtes à fort impact ; 15–30 % = présence régulière comme acteur de référence ; plus de 30 % = dominance catégorielle. Sur les marchés B2B francophones, 87 % des marques se situent encore sous les 5 % — un point bas qui représente une opportunité réelle pour les premiers entrants.
Perplexity inclut des liens externes dans 77 % de ses réponses — c'est la plateforme la plus stratégique pour le trafic référent. Pour y améliorer votre SoV : publiez du contenu avec données chiffrées et sources nommées, obtenez des mentions sur des médias tiers reconnus (les earned media génèrent 89 % des liens cités), implémentez des schémas JSON-LD complets. Il faut en moyenne 250 documents substantiels pour modifier significativement la perception catégorielle dans un LLM.
Pas nativement. Le trafic LLM est en grande partie invisible dans les analytics classiques — il se noie dans le trafic direct ou "none". Pour l'isoler, configurez des segments GA4 sur les domaines sources : chatgpt.com, perplexity.ai, claude.ai, gemini.google.com. Certains outils comme Profound ou Passionfruit Labs tentent d'établir une attribution LLM plus précise, mais le secteur en est encore aux premières méthodes.
Pour aller plus loin sur la mesure de votre visibilité dans les moteurs génératifs, consultez nos guides complémentaires : SEO vs GEO — les différences fondamentales, AI Overviews Google : ce qui change pour votre visibilité, et visibilité IA pour les grandes marques. Notre équipe publie également régulièrement sur l'optimisation de la citabilité LLM et les thématiques qui déclenchent le plus de réponses IA.
Quel est votre Share of Voice IA aujourd'hui ?
Blazing audite votre visibilité dans ChatGPT, Perplexity, Gemini et les AI Overviews, et vous livre un rapport de baseline avec les actions prioritaires pour améliorer votre SoV dans les LLM.
Demander mon audit GEO gratuitShare of Voice IA : comment le mesurer concrètement en 2026
Le share of voice IA mesure le pourcentage de réponses génératives dans lesquelles votre marque est citée ou recommandée, par rapport à l'ensemble des marques mentionnées sur un corpus de prompts de catégorie. La formule : SoV IA = (mentions de votre marque / total des mentions toutes marques) × 100. On le suit sur ChatGPT, Perplexity, Gemini et les AI Overviews — séparément, jamais en valeur consolidée, car les dynamiques sont radicalement différentes d'une plateforme à l'autre.
Ce que mesure vraiment le share of voice IA
Le share of voice traditionnel mesurait votre part de dépenses publicitaires, d'impressions SERP ou de mentions media. Le share of voice IA mesure une réalité différente : la fréquence à laquelle un modèle de langage vous cite lorsqu'un utilisateur pose une question dans votre catégorie. Ce n'est plus une part de visibilité diffuse — c'est une part de la réponse synthétisée que l'IA construit à la place de l'utilisateur.
La rupture est conceptuelle. En SEO, vous pouviez être en position 3 ou 7, et rester visible. Dans les LLM, la logique est binaire : soit votre marque est dans la réponse, soit elle n'existe pas. Il n'y a pas de page 2 dans ChatGPT. Pas de résultat "just below the fold" dans Perplexity. La réponse générée est la réponse finale.
Taux de mention
Sur 100 prompts de votre catégorie, dans combien de réponses votre marque apparaît-elle ? Un taux de 25 % signifie que vous êtes cité dans une réponse sur quatre.
Share of Voice relatif
Parmi toutes les marques citées dans votre catégorie, quel pourcentage représentent vos mentions ? C'est le SoV au sens strict — une mesure comparative, pas absolue.
Qualité de la mention
Êtes-vous cité comme leader, alternative, ou contre-exemple ? La position dans la liste et le sentiment associé transforment une mention en actif — ou en passif.
Ces trois métriques forment le triplet de mesure fondamental du GEO (Generative Engine Optimization). Elles ne se remplacent pas : une marque peut avoir un taux de mention élevé mais un SoV relatif faible si la catégorie est très concurrentielle, ou un bon SoV mais un sentiment négatif qui contre-indique la recommandation.
MéthodologieLa formule du share of voice IA et ses quatre variantes
La formule de base est simple. L'application rigoureuse, elle, exige une rigueur méthodologique que la majorité des équipes marketing ne respecte pas encore.
Formule SoV de base : SoV IA (%) = (Nombre de mentions de votre marque) ÷ (Total des mentions de toutes les marques citées) × 100
Si ChatGPT cite 200 fois des marques au total sur un corpus de 100 prompts, et que votre marque apparaît 50 fois, votre SoV est de 25 %. Mais cette formule brute masque des nuances critiques. Quatre variantes sont utilisées par les praticiens avancés :
| Formule | Ce qu'elle mesure | Cas d'usage |
|---|---|---|
| SoV mention de base | % de mentions parmi toutes les marques citées | Benchmark concurrentiel global |
| SoV pondéré par position | Pondère les mentions selon leur rang dans la liste (1er = plus de poids) | Analyse de leadership catégoriel |
| SoV par volume de texte | Part du nombre de mots consacrés à votre marque dans la réponse | Mesure de l'emphase narrative |
| Taux d'inclusion (Prompt Inclusion Rate) | % de prompts dans lesquels votre marque apparaît au moins une fois | Couverture catégorielle — "êtes-vous dans la conversation ?" |
Le taux d'inclusion est la métrique à suivre en priorité pour les marques qui démarrent leur programme GEO. Elle répond à la question la plus simple : est-ce que l'IA me connaît ? Avant d'optimiser votre position dans la liste, vérifiez que vous êtes dans la liste.
Erreur fréquente — le "closed-pool error" : si vous ne trackez que 3 ou 4 concurrents prédéfinis dans votre outil, et que l'IA en cite 8, votre SoV calculé est mathématiquement faux. Le dénominateur doit inclure toutes les marques naturellement citées par le LLM, pas seulement celles que vous avez présélectionnées.
Pourquoi le share of voice IA est une métrique de revenu
Le SoV IA n'est pas une vanity metric. Les premières données sectorielles disponibles en 2025-2026 montrent une corrélation directe avec des indicateurs business concrets.
Augmentation des recherches de marque sur Google observée corrélativement à une hausse du SoV dans les LLM, selon des analyses préliminaires 2025.
Le trafic IA-referred convertit 4,4 à 6× mieux que le trafic organique standard, selon les données Mersel AI (2026).
Valeur moyenne par visite en provenance de Claude, contre 3,12 $ pour Perplexity et ~1,50 $ pour le trafic social. Source : Dataslayer 2025.
Délai avant que les améliorations de SoV deviennent visibles dans les réponses IA, après un programme GEO systématique. Source : Authoritytech 2026.
Un SoV IA de 0 % dans votre catégorie ne signifie pas que vous avez un problème de notoriété. Cela signifie que vous êtes structurellement absent du canal par lequel vos acheteurs forment désormais leurs shortlists.
Thomas Moreau, CEO — BlazingLa nature de l'impact varie selon la plateforme. ChatGPT capte 60,7 % du marché de la recherche IA et 47 % des acheteurs B2B le citent comme outil de référence pour leurs recherches. Perplexity, bien que moins dominant en volume, génère plus de trafic référent par mention grâce à ses 77 % de réponses avec liens. Claude, lui, ne génère pas de trafic direct mais façonne la perception de la marque auprès des audiences les plus qualifiées — celles qui ont les valeurs par visite les plus élevées du marché.
Observation TerrainShare of Voice IA sur le marché francophone : l'état réel en 2026
Observation terrain — Belgique, France, Suisse, LuxembourgLe marché francophone accuse un retard de 12 à 18 mois sur le marché anglophone en matière de GEO et d'AEO. Sur les marchés B2B francophones — Belgique, Luxembourg, Suisse, France, Canada francophone — la majorité des marques présentent un SoV IA inférieur à 5 % dans leurs catégories respectives. La raison est structurelle, pas anecdotique.
L'optimisation LLM et la visibilité IA B2B francophone sont des marchés encore peu couverts. Pour les agences et les marques qui s'y positionnent aujourd'hui en Belgique, en France, en Suisse et au Luxembourg, l'avantage du premier entrant est réel — et mesurable.
En France, Belgique et Suisse, les contenus en langue française sont sous-représentés dans les corpus d'entraînement des LLM. Publier du contenu GEO-optimisé en français aujourd'hui, c'est construire une part de voix sur un marché qui n'a pas encore de leaders établis.
Comment mesurer son share of voice IA : le protocole en 5 phases
Voici le protocole que Blazing applique pour ses clients lors de la phase d'audit initial. Il est reproductible manuellement pour les équipes qui démarrent, et automatisable avec les outils du marché pour les programmes de suivi continu.
Construire la banque de prompts
Identifiez 50 à 100 prompts représentatifs des questions que vos acheteurs posent aux LLM. Couvrez tous les stades du parcours : découverte ("quels sont les meilleurs outils X ?"), comparaison ("différence entre A et B"), décision ("avis sur [marque]"), use case ("quelle solution pour [problème métier spécifique] ?"). Variez les formulations — les LLM ne sont pas des moteurs de mots-clés.
Définir les plateformes et le protocole de sessions
Exécutez chaque prompt en session isolée (aucun historique de conversation). Répétez chaque prompt 3 à 5 fois pour compenser la variabilité probabiliste des LLM. Couvrez au minimum ChatGPT, Perplexity, Gemini et les AI Overviews Google. Claude est prioritaire si votre marché cible des acheteurs B2B qualifiés. Ne jamais consolider les résultats en une seule valeur — les dynamiques plateforme par plateforme sont trop différentes.
Enregistrer la matrice de données complète
Pour chaque réponse obtenue, capturez : présence de votre marque (oui/non), position dans la liste (1er, 2e, 3e…), sentiment (positif, neutre, négatif), marques concurrentes citées (liste exhaustive, pas seulement vos 3 concurrents habituels), URLs sources référencées. Ce dernier point est le plus sous-estimé : les citations sources sont votre outil de reverse-engineering pour comprendre ce que l'IA lit.
Appliquer les formules et établir la baseline
Calculez votre SoV de base, votre taux d'inclusion et, si la profondeur d'analyse le justifie, votre SoV pondéré par position. Établissez cette baseline sur une période de 2 à 4 semaines avant toute action GEO — c'est votre point zéro de mesure. Sans baseline, vous ne pourrez pas démontrer l'impact de vos optimisations. Notre guide pratique 2026 sur la citabilité LLM détaille les critères que les modèles utilisent pour sélectionner leurs sources.
Connecter le SoV IA à vos métriques business
Configurez des segments de trafic dans Google Analytics 4 pour identifier les sessions provenant de chatgpt.com, perplexity.ai, claude.ai et des AI Overviews. Corrélation à suivre : évolution du SoV IA hebdomadaire vs. évolution du trafic branded vs. volume de leads entrants. Les LLM génèrent un trafic structurellement invisible dans les analytics classiques — le trafic direct et le trafic "none / (direct)" masquent souvent des sessions d'origine LLM.
Quels outils pour suivre son share of voice IA en 2026 ?
Le marché des outils de tracking LLM a explosé entre 2024 et 2026. Voici un comparatif opérationnel des solutions disponibles selon les profils d'usage.
Pour les équipes qui veulent démarrer sans investissement outil, une approche manuelle avec l'API OpenAI et un tableur Google Sheets suffit pour établir une baseline sur 20 à 30 prompts. Cette méthode DIY reste valide jusqu'à un volume de 200 à 300 exécutions mensuelles — au-delà, l'automatisation devient indispensable.
Un point important sur la complémentarité des outils : les LLM sont probabilistes par nature. Aucun outil ne "mesure" une position stable comme un SERP tracker. Ce qu'on obtient, c'est une probabilité de mention sur un ensemble de sessions — pas une certitude. La rigueur du protocole de mesure (sessions isolées, répétitions multiples, multi-plateforme) prime sur le choix de l'outil.
ActionChecklist pour lancer votre premier programme de mesure SoV IA
- Définir 50 prompts représentatifs couvrant découverte, comparaison et décision dans votre catégorie
- Sélectionner 4 plateformes minimum : ChatGPT, Perplexity, Gemini, AI Overviews Google
- Créer un tableur de tracking avec colonnes : plateforme / prompt / marque citée / position / sentiment / URL source
- Exécuter chaque prompt en session isolée, 3 à 5 répétitions par prompt
- Ne jamais limiter la liste des concurrents trackés — inclure toutes les marques naturellement citées par les LLM
- Calculer le taux d'inclusion en priorité, puis le SoV relatif par plateforme
- Identifier les URLs que les LLM citent le plus souvent dans votre secteur — c'est votre carte de contenu à produire
- Établir la baseline sur 4 semaines avant tout déploiement GEO
- Configurer les segments GA4 pour isoler le trafic provenant des domaines IA (chatgpt.com, perplexity.ai, claude.ai)
- Mettre en place un reporting hebdomadaire de l'évolution du SoV par plateforme
Share of Voice IA : les 6 questions que posent nos clients
Construisez une banque de 50 à 100 prompts de catégorie, exécutez-les en sessions isolées (sans historique), répétez 3 à 5 fois par prompt pour compenser la variabilité, puis appliquez la formule SoV = (mentions de votre marque / total des mentions) × 100. ChatGPT détient 60,7 % du marché de la recherche IA en 2026 — c'est la première plateforme à monitorer.
Le SoV SEO mesure votre part de clics ou d'impressions SERP sur un corpus de mots-clés. Le SoV IA mesure votre part de mentions dans les réponses générées. La rupture fondamentale : en SEO, vous pouvez être en position 3 ou 7 et rester visible. Dans un LLM, soit vous êtes dans la réponse synthétisée, soit vous n'existez pas. Il n'y a pas d'entre-deux.
En 2026, les solutions les plus pertinentes pour le marché francophone sont : BotRank.ai (outil français, interface en français, couverture Mistral, à partir de 75 €/mois), Semrush AI Toolkit (intégration SEO native, 213 M prompts), et Peec.ai (87 % de précision sur détection de citations). Pour les budgets serrés, une approche API + tableur couvre les besoins initiaux.
Les benchmarks 2026 montrent : 0–5 % = présence quasi-nulle ; 5–15 % = présence correcte sur les requêtes à fort impact ; 15–30 % = présence régulière comme acteur de référence ; plus de 30 % = dominance catégorielle. Sur les marchés B2B francophones, 87 % des marques se situent encore sous les 5 % — un point bas qui représente une opportunité réelle pour les premiers entrants.
Perplexity inclut des liens externes dans 77 % de ses réponses — c'est la plateforme la plus stratégique pour le trafic référent. Pour y améliorer votre SoV : publiez du contenu avec données chiffrées et sources nommées, obtenez des mentions sur des médias tiers reconnus (les earned media génèrent 89 % des liens cités), implémentez des schémas JSON-LD complets. Il faut en moyenne 250 documents substantiels pour modifier significativement la perception catégorielle dans un LLM.
Pas nativement. Le trafic LLM est en grande partie invisible dans les analytics classiques — il se noie dans le trafic direct ou "none". Pour l'isoler, configurez des segments GA4 sur les domaines sources : chatgpt.com, perplexity.ai, claude.ai, gemini.google.com. Certains outils comme Profound ou Passionfruit Labs tentent d'établir une attribution LLM plus précise, mais le secteur en est encore aux premières méthodes.
Pour aller plus loin sur la mesure de votre visibilité dans les moteurs génératifs, consultez nos guides complémentaires : SEO vs GEO — les différences fondamentales, AI Overviews Google : ce qui change pour votre visibilité, et visibilité IA pour les grandes marques. Notre équipe publie également régulièrement sur l'optimisation de la citabilité LLM et les thématiques qui déclenchent le plus de réponses IA.
Quel est votre Share of Voice IA aujourd'hui ?
Blazing audite votre visibilité dans ChatGPT, Perplexity, Gemini et les AI Overviews, et vous livre un rapport de baseline avec les actions prioritaires pour améliorer votre SoV dans les LLM.
Demander mon audit GEO gratuit