Share of Model - Pourquoi la visibilité de l'IA est le nouveau KPI marketing

Cela se passe actuellement sous nos yeux, et pourtant de nombreux responsables marketing n'en ont pas conscience : la manière dont les consommateurs découvrent les marques est en train de changer fondamentalement. ChatGPT traite aujourd'hui environ 2,5 milliards d'invites par jour et compte parmi les cinq sites web les plus visités au monde avec 5,7 milliards de visites mensuelles. Perplexity AI répond à 780 millions de demandes par mois, soit une croissance de 239% en un an.

Pour la Suisse, les données de Comparis fournissent une image impressionnante : la part des consommateurs qui utilisent des outils d'IA a presque doublé, passant de 27,4 % (2024) à 52,9 % (2025). Parallèlement, l'utilisation des moteurs de recherche classiques diminue d'environ quatre pour cent depuis 2020. En Allemagne, sur près de 64 000 sites web analysés, SE Ranking enregistre une croissance de plus de 700 pour cent du trafic référent en matière d'IA - encore faible en valeur absolue, mais avec une dynamique exponentielle.

Gartner prévoyait déjà début 2024 que le volume de recherche classique diminuerait de 25 pour cent d'ici 2026. Cette prévision se matérialise : les recherches dites "zero-click", pour lesquelles les utilisateurs reçoivent directement une réponse générée par l'IA et ne cliquent jamais sur un site web, représentent déjà 59,7 pour cent de toutes les requêtes Google en Europe. Lorsque le mode IA de Google est activé, ce chiffre passe à 93 pour cent.

Ce que Share of Voice ne suffit plus à faire

Le concept a été forgé en 2024 par Jack Smyth, Chief Solutions Officer chez Jellyfish (The Brandtech Group). Tom Roach, VP Brand Planning également chez Jellyfish, l'a ensuite classé dans Marketing Week dans une ligne de développement claire : Share of Market → Share of Voice → Share of Search → Share of Model. La formule est simple : les mentions de la marque par les modèles d'IA divisées par les mentions totales dans la catégorie, exprimées en pourcentage.

La différence décisive avec Share of Voice réside dans la binarité. Les moteurs de recherche affichent également des marques moins populaires - si nécessaire en page cinq. Les modèles d'IA, en revanche, ne connaissent pas la page deux. Si une marque n'est pas ancrée dans le modèle de connaissances, elle n'existe tout simplement pas dans la réalité générée par l'IA. Des chercheurs de l'école de commerce INSEAD ont constaté, en collaboration avec Jellyfish, que de nombreuses marques établies et très connues des consommateurs sont étonnamment peu représentées dans les réponses de l'IA - ce que l'on appelle les «High-Street Heroes», qui sont forts chez les humains mais invisibles chez les machines.

A cela s'ajoute une variance considérable entre les modèles. Dans une analyse, la marque de lessive Ariel a montré environ 24 % de part de modèle sur Llama de Meta, mais moins de 1 % sur Gemini de Google - sur le même marché. Les marques doivent donc être mesurées sur plusieurs plateformes d'IA.

Comment les modèles d'IA décident des marques qu'ils recommandent

Les modèles linguistiques opèrent par deux voies. Premièrement, par le biais de connaissances paramétriques apprises pendant l'entraînement à partir de grandes quantités de données. Deuxièmement, par le biais d'une recherche en temps réel sur le Web ou d'une génération augmentée par la recherche (RAG). Dans le cas de ChatGPT, on estime que 60 % des demandes sont traitées uniquement à partir des données d'entraînement - sans recherche sur le Web.

La fréquence et l'autorité avec laquelle une marque est mentionnée dans les données d'apprentissage sont déterminantes pour les connaissances paramétriques. Les contenus de Wikipedia représentent environ 22% des données d'entraînement des grands modèles linguistiques ; pour ChatGPT, Wikipedia est la source la plus citée avec 47,9%. Contrairement à l'intuition SEO, le prédicteur statistique le plus fort pour la visibilité de l'IA n'est pas le nombre de backlinks, mais le volume de recherche de la marque. Les marques mentionnées sur quatre plateformes ou plus ont 2,8 fois plus de chances d'apparaître dans les réponses ChatGPT.

Chaque plateforme d'IA a ses propres préférences : Perplexity tire 46,7 % de ses citations de Reddit. Les Google AI Overviews s'appuient à 21 % sur Reddit et à 18,8 % sur YouTube. La navigation web de ChatGPT est corrélée à 87 % avec les meilleurs résultats organiques de Bing.

Cinq leviers pour une meilleure visibilité de l'IA

L'étude la plus solide sur le plan académique dans ce domaine a été réalisée par des chercheurs de l'Université de Princeton et de Georgia Tech. Leur étude «Generative Engine Optimization», publiée lors du KDD 2024, a analysé 10 000 requêtes de recherche et a montré qu'une optimisation ciblée peut augmenter la visibilité de l'IA jusqu'à 40 %. Cinq leviers se sont révélés particulièrement efficaces.

Données structurées et balisage de schémas : Le contexte lisible par la machine aide les systèmes d'IA à interpréter les contenus avec précision. Des expériences montrent que le balisage de schéma améliore la précision des réponses de ChatGPT de 30 pour cent. Les tableaux comparatifs avec du HTML propre obtiennent des taux de citation 47 pour cent plus élevés. La priorité est donnée aux schémas FAQPage, Organisation, Product et Article au format JSON-LD.

Contenu autoritaire, pouvant être cité : L'étude de Princeton démontre que les références dans les contenus peuvent augmenter la visibilité jusqu'à 115 % - les citations de 37 % et les statistiques de 22 %. Les contenus devraient fournir des réponses directes dans les 150 premiers mots et être structurés en paragraphes de 40 à 60 mots. Les pages mises à jour au cours des 30 derniers jours reçoivent 67 % de citations IA en plus.

Présence sur Wikipédia et Knowledge Graph : 50 % des principales agences de marketing citées par les grands modèles linguistiques disposent d'une entrée Wikipedia. Les entrées Wikidata avec des informations cohérentes sur les entités et les pages Wikipedia multilingues renforcent de manière disproportionnée la base de la reconnaissance des marques par l'IA.

RP numériques et mentions de marques sur des sources hautement autoritaires : Les Earned Media sont directement intégrés dans les données d'entraînement et les systèmes d'appel. Reddit, YouTube et les publications sectorielles comptent parmi les sources les plus souvent citées sur toutes les grandes plateformes d'IA. Nick Taylor d'Edelman a décrit le Earned Media comme le principal moteur de la visibilité des marques dans les réponses générées par l'IA.

Optimisation technique pour les crawlers IA : Le robots.txt doit autoriser explicitement GPTBot, ClaudeBot et PerplexityBot. Le nouveau standard llms.txt, déjà mis en œuvre par Stripe, Cloudflare et plus de 600 autres sites web, offre aux crawlers IA un résumé du site web optimisé pour la machine. Le rendu côté serveur est obligatoire - les crawlers IA n'exécutent pas de JavaScript.

Ce que les CMO de la région DACH devraient faire maintenant

La première étape est un audit. Testez 50 à 100 invites qui reflètent des demandes typiques de clients dans votre catégorie - en parallèle sur ChatGPT, Claude, Gemini et Perplexity. Important : effectuer chaque requête plusieurs fois. La recherche de Rand Fishkin sur 600 sujets a montré que seuls 30 % des marques restent visibles de manière cohérente entre les réponses successives de l'IA. Testez absolument aussi en allemand : «Erzähle mir alles, was du über die Marke [X] weisst» donne d'autres résultats que la variante anglaise.

Intégrez les métriques de visibilité de l'IA dans vos tableaux de bord existants. Les indicateurs clés de performance pertinents comprennent la fréquence des mentions, le taux de citation par rapport aux concurrents, le score de sentiment et - crucial - le taux de conversion du trafic référent IA. Les données à ce sujet sont convaincantes : le trafic de recherche par IA convertit à 14,2 %, contre 2,8 % pour la recherche Google traditionnelle. C'est cinq fois plus.

Des outils professionnels sont désormais disponibles pour le monitoring : Profound (155 millions de dollars de financement, plus de dix pour cent des entreprises Fortune 500 comme clients), Otterly.ai (avec le partenaire suisse AB3.ch pour la région DACH) et Semrush avec un suivi de la visibilité AI intégré. Jellyfish propose sa propre plateforme de partage de modèles.

En termes de budget, la règle est la suivante : la visibilité de l'IA est un investissement supplémentaire, pas une redistribution du budget SEO. Deloitte Allemagne classe l'approche combinée du SEO, de l'AEO (Answer Engine Optimization) et du GEO (Generative Engine Optimization) comme une «nécessité stratégique». Les entreprises ayant un niveau de maturité GEO élevé investissent presque deux fois plus que leurs concurrents - et 97% des dirigeants numériques font état d'un impact positif.

La région DACH a une longueur d'avance - encore

L'avantage du first mover dans l'espace germanophone est réel. Selon une analyse de KfW de février 2026, seules 20 % des PME de DACH utilisent même l'IA - et pratiquement aucune ne se demande si elle apparaîtra dans des réponses générées par l'IA. Quelques agences spécialisées se positionnent déjà : Claneo (Berlin), eMinded (Munich), Dachcom et AB3.ch (Suisse), l'agence GEO de Zurich. Mais le champ est encore largement ouvert.

Le message clé pour les décideurs en marketing est clair : Share of Model n'est pas le prochain KPI hype. Il saisit si une marque existe dans la réalité médiatisée par l'IA, dans laquelle une majorité croissante de consommateurs prend ses décisions. La recherche de l'INSEAD montre qu'une forte notoriété de marque traditionnelle ne se traduit pas automatiquement en visibilité IA. Et le trafic référentiel de l'IA croît de 700% par an avec un taux de conversion cinq fois plus élevé.

Celui qui investit maintenant dans des données structurées, des contenus faisant autorité, une présence dans le Knowledge Graph, des RP numériques et une accessibilité technique à l'IA, se construit un avantage cumulatif. Ceux qui attendent risquent, comme le dit si bien un récent livre blanc de Monks, d'être optimisés par les machines de la conversation.

A propos de l'auteur : Lucas Blochberger est fondateur et CEO de Blck Alpaca à Vienne, une agence spécialisée dans le data-driven marketing et l'automatisation par IA. Blck Alpaca développe des agents IA sur mesure pour l'automatisation du marketing et aide les entreprises de la région DACH à optimiser leurs processus - de la création de contenu à la génération de leads en passant par la gestion de campagnes axée sur les données. Parmi ses références figurent des projets avec IPEC Group, Heimwatt et Biopower. blckalpaca.fr