Réponse directe
Vos clients ne posent pas tous la même question. Certains tapent le nom de votre catégorie (« meilleure appli de prise de notes »), d'autres décrivent un besoin beaucoup plus large (« je suis débordé, comment m'organiser ? »). Plus la question s'élargit, plus l'IA a de mal à penser à vous : elle cite d'abord des solutions générales, des acteurs adjacents, parfois rien de votre domaine. Il existe donc un seuil de largeur au-delà duquel votre marque disparaît de la réponse — et ce seuil n'est pas le même pour toutes les marques. Une marque très installée tient sur des questions assez larges ; une marque plus discrète décroche vite. Savoir où vous décrochez sur l'échelle « précis → large », et qui l'IA cite avant d'arriver à vous (ou à votre place), c'est mesurer votre présence sur le terrain le plus en amont — celui que vous ne pensiez pas à surveiller.
Le problème
Quand on teste sa visibilité IA, on pose en général la question « propre » : celle qui nomme la catégorie. Et souvent, le résultat est rassurant — sur cette question-là, la marque sort.
Mais ce n'est qu'une porte parmi plusieurs. Beaucoup de clients arrivent par une question bien plus floue, où ni votre marque ni même votre catégorie ne sont nommées. Et là, le comportement de l'IA change : elle reste souvent dans le général, propose des méthodes plutôt que des produits, cite des acteurs d'à côté. Si vous ne mesurez que la question précise, vous ne voyez jamais ce moment où vous disparaissez — alors qu'il correspond à une part réelle des conversations de vos clients.
L'idée à comprendre
La largeur de la question est un curseur, pas un interrupteur. En glissant du précis vers le large, on observe un décrochage :
- Question précise (« quelle appli de notes tout-en-un ») → l'IA est en terrain balisé, votre catégorie est explicite, votre marque a toutes ses chances de sortir.
- Question moyenne (« comment regrouper mes notes et mes projets ») → la catégorie est encore là, mais la concurrence s'élargit.
- Question large (« comment être mieux organisé au travail ») → l'IA part vers le général : méthodes, habitudes, outils de toutes sortes. Votre marque, voire votre catégorie, peut ne plus apparaître du tout.
Deux choses se mesurent dans ce glissement :
- Le seuil de décrochage. À quel niveau de largeur votre marque cesse d'être citée. Selon nos tests, une application de productivité très connue tenait jusqu'à une question moyenne puis chutait brutalement sur la question la plus large — passant d'une présence quasi systématique à presque rien. Le décrochage n'est pas progressif : il y a une marche.
- Le paysage de substitution. Qui l'IA cite à votre place une fois que vous avez décroché. Sur les questions larges, ce sont souvent des acteurs généralistes, ou des marques adjacentes que vous ne considériez pas comme concurrentes. Selon nos tests encore, sur une question d'organisation très large, l'IA citait des outils de communication et d'agenda — pas l'appli de notes pourtant reine sur la question précise. Le terrain vacant est rarement vide : quelqu'un l'occupe.
Et un troisième facteur traverse tout : la mémoire contre la recherche web (voir la fiche « Ce que l'IA sait de mémoire, et ce qu'elle va chercher »). Sur les questions larges, l'IA s'appuie beaucoup plus sur ce qu'elle va chercher en direct — et donc sur le type de pages qu'elle trouve. Selon nos tests, une marque pouvait être totalement absente de la mémoire sur un besoin large, et n'apparaître un peu que lorsque l'IA faisait une recherche web. Le seuil de décrochage n'est donc pas le même selon que l'IA répond de tête ou va chercher.
Ce qu'on entend partout
« Sur ma question, je sors premier, donc je suis bien placé. » Sur cette question, oui. Mais une formulation plus large peut vous faire disparaître complètement. Tester une seule question, c'est mesurer une seule porte sur plusieurs.
« Si je décroche sur les questions vagues, c'est normal, elles ne me concernent pas. » Peut-être. Mais ce sont souvent celles que posent les clients qui ne vous connaissent pas encore — précisément ceux qu'on cherche à toucher. Le décrochage n'est pas anodin : il dit jusqu'où l'IA vous associe spontanément à un besoin.
« Qui me remplace, peu importe — ce qui compte c'est moi. » Au contraire : savoir qui l'IA cite à votre place sur les questions larges révèle des concurrents adjacents que vous ne surveilliez pas, et le type de réponse qui prend votre place. C'est une information sur le terrain, pas seulement sur vous.
Notre position : seulement les faits. Nous ne décidons pas si une question large « devrait » vous concerner. Nous mesurons, question par question, si l'IA vous cite — et à partir d'où elle cesse. Vous lisez le décrochage vous-même.
Notre approche : mesurer plusieurs largeurs, et lire le décrochage
À partir d'ici, le registre change : on décrit l'instrument.
Sur l'axe « recherche indirecte » de mAIr Signal, le principe est simple : vous fournissez vos questions, du précis au large, et mAIr mesure chacune séparément, sans les fondre. Pour chaque question, et pour chaque IA :
- Votre présence (citée ou non, à quel rang), en distinguant mémoire et recherche web.
- Les acteurs cités à votre place quand vous décrochez — déclarés et découverts.
- Les sources que l'IA consulte en recherche web : quels types de pages la nourrissent sur ces questions larges. C'est l'endroit le plus concret du paysage.
mAIr ne choisit pas vos questions ni ne calibre le gradient à votre place : c'est vous qui posez l'éventail (un bloc d'aide vous guide pour aller du précis au large). mAIr restitue les faits, question par question ; le seuil de décrochage, vous le lisez sur vos propres résultats.