Réponse directe
Sur la requête « quelles sont les meilleures marques de pneus auto ? », mesurée en configuration France (langue française, marché français), une mesure réelle montre que Michelin est cité au 1er rang par les IA (rang moyen 1,0), avec une part de voix de 20 % dans un groupe de tête de 6 marques. Mais le même rapport révèle des choses qu'une simple recherche ne montre jamais : la marque passe d'une présence de 35 % à 100 % selon que l'IA cherche sur le web ou non, le nombre de concurrents bascule de 25 à 76 selon le même réglage, et deux fournisseurs d'IA sont en désaccord sur la marque. Voilà ce que mesure une visibilité IA — bien au-delà du « suis-je cité ».
Le problème
« Est-ce que l'IA parle bien de ma marque ? » La plupart des gens répondent à cette question en ouvrant ChatGPT, en tapant leur catégorie, et en regardant si leur nom sort. Si oui, ils sont rassurés. Si non, ils s'inquiètent.
Le problème, c'est que cette photo ne dit presque rien. Elle ne dit pas à quel point c'est stable, dans quel mode l'IA a répondu, qui sont les concurrents cachés, ni si les différents modèles sont d'accord entre eux. Prenons un cas réel — une marque forte, Michelin, sur son terrain — et regardons ce qu'une vraie mesure fait apparaître que la photo manque.
L'idée à comprendre
Voici ce que la mesure a révélé, indicateur par indicateur. Chaque chiffre vient du rapport réel.
La position. Sur la requête testée, Michelin sort 1er, rang moyen 1,0, sans ex-æquo, sur 85 marques citées. C'est le seul indicateur que la photo manuelle aurait pu approcher. Tout le reste lui échappe.
La présence selon le mode — le point décisif. Sans recherche web (la mémoire de l'IA), la présence de Michelin chez un fournisseur est de 35 %. Avec recherche web, elle monte à 100 %. La même marque, la même question — un écart de 65 points selon un réglage invisible. Une photo prise « au hasard » du mode aurait affiché l'un ou l'autre, sans prévenir.
Les concurrents cachés. En mémoire (stock), l'IA fait émerger 25 concurrents. Avec le web (flux), 76 concurrents découverts — ceux que les modèles citent spontanément, bien au-delà des 4 concurrents que la marque avait elle-même déclarés (Continental, Pirelli, Bridgestone, Goodyear). Trois acteurs que personne ne surveillait sortent en tête des découverts : Hankook, Falken, Uniroyal.
La part de voix. Dans l'ensemble des marques citées, Michelin capte 20 % des citations. Le paysage est un « peloton serré » : un groupe de tête de 6 marques se partage l'essentiel.
Les thèmes associés. Les IA rattachent surtout Michelin à la durabilité (74 citations), la sécurité (36) et la performance (15). À l'inverse, l'écologie (1), l'innovation (2) et le prix (2) sont quasi absents. Autrement dit : l'IA raconte une histoire de la marque — et cette histoire a des trous.
Le désaccord entre IA. Le rapport qualifie l'accord entre fournisseurs de faible. Sur la présence, un fournisseur mesure 35 %, l'autre 100 % — un écart de 65 points. Ils sont en revanche d'accord sur le rang (1,0 partout). Deux IA ne « voient » donc pas la marque de la même façon.
Aucun de ces six éclairages ne sort d'une recherche manuelle. Ils sortent d'une mesure : répétée (20 requêtes par mode et par fournisseur), comparée entre modes et entre fournisseurs, et calculée mécaniquement.
Ce qu'on entend partout
« Michelin est leader, évidemment que l'IA en parle bien. » En partie. Mais l'IA l'associe à peine à l'innovation et au prix, et un fournisseur ne le cite spontanément qu'une fois sur trois sans le web. « Leader » ne veut pas dire « bien représenté partout ».
« Si une grande marque a des angles morts, une PME n'a aucune chance. » Au contraire : c'est la preuve que la mesure révèle des écarts utiles même pour les plus forts. Une PME y découvre souvent qu'elle existe dans un mode et pas dans l'autre — information directement exploitable.
« Il suffit de demander à l'IA, on voit bien ce qu'elle dit. » Ce cas le contredit frontalement. Selon le réglage, vous auriez vu 35 % ou 100 % de présence, 25 ou 76 concurrents. « Ce qu'elle dit » dépend de comment on l'interroge — et la photo ne le montre pas.
Ma position de fond : seulement les faits. Et le fait, ici, c'est qu'une marque archi-leader a quand même six dimensions de visibilité qu'aucune impression ne révèle. La mesure ne flatte pas, elle ne noircit pas : elle constate.
Ma vision : ce qu'une mesure donne qu'une recherche ne donne pas
À partir d'ici, le registre change : on décrit l'instrument.
Ce cas illustre ce que produit une mesure de visibilité IA conduite avec méthode :
- Répétition : 20 requêtes par mode et par fournisseur, pas une interrogation isolée.
- Séparation des régimes : présence en mémoire (35 %) vs avec web (100 %) mesurées séparément — l'écart devient l'information.
- Comptage mécanique : présence, rang moyen, part de voix, concurrents, thèmes — tout est calculé, jamais « jugé » par une IA.
- Comparaison entre fournisseurs : le désaccord (accord « faible ») est lui-même un résultat.
- Datation et scellement : le rapport porte un numéro de certificat et un sceau HMAC-SHA256, vérifiables — donc opposables.
L'avertissement habituel. Ces chiffres décrivent ce que les IA répondent dans des conditions de mesure connues. Ils ne disent pas la « vérité » sur Michelin : ils disent ce que les modèles en disent. mAIr mesure le discours des IA, pas la réalité de la marque — et il ne tranche pas le vrai du faux.