Votre score de visibilité IA compte aussi des réponses qui n'en sont pas

Entre ce qu'un moteur IA répond et ce qu'un outil enregistre comme réponse passent des textes qui en ont l'apparence : le prompt renvoyé tel quel, une phrase d'intention, un message générique sans rapport avec la question, une légende de carte. Aucun ne fait échouer un run, et quatre des cinq cas décrits ici peuvent créer une mention qui n'existe pas.

Avant de défendre une hausse de trois points en comité, ou de déplacer un budget sur une baisse, il faut donc pouvoir ouvrir les réponses derrière le chiffre. Ces cas ont été observés par l'équipe Nanga dans ses propres données, entre juillet et octobre 2026. Ils sont suivis de six questions à poser à n'importe quel outil.

Une précaution : ces taux viennent d'une seule équipe, sans audit extérieur. Au 26 octobre 2026, aucune étude indépendante n'a été trouvée qui mesure ces erreurs d'un outil à l'autre. Personne ne peut donc dire quel taux serait normal, ni qui s'en sort le mieux.

Qu'est-ce qu'un faux signal de visibilité ?

Un faux signal de visibilité est un texte compté comme réponse d'un moteur IA alors qu'il n'en est pas une, ou une mention comptée alors que le moteur n'a pas nommé la marque dans sa réponse.

Il se distingue de deux problèmes mieux connus. L'erreur factuelle est une vraie réponse, fausse sur le fond. L'aléa est une vraie réponse qui change d'une fois à l'autre. Multiplier les mesures atténue l'aléa, mais laisse intacte une part constante de lignes invalides : 1,7 % de faux reste 1,7 % à n'importe quel volume.

Les contrôles les plus simples, texte non vide et bonne langue, ne l'arrêtent pas. Les cinq cas qui suivent les passent presque tous.

Que se passe-t-il quand un moteur renvoie votre propre prompt ?

La ligne peut compter comme une mention, si le prompt nomme la marque. L'équipe Nanga a vu des enregistrements dont la réponse était le prompt, mot pour mot et sans source : environ 0,6 % des lignes d'un moteur à partir de fin septembre 2026. Il a fallu deux semaines pour le repérer, puisque aucune erreur ne remontait.

Prenez « Pourquoi faire confiance à Alba & Co ? ». Renvoyé tel quel, ce texte nomme Alba & Co, aucun concurrent, et passe pour une réponse. Seuls les prompts qui citent la marque sont exposés, ce qui aggrave un biais déjà présent dans les jeux de prompts centrés sur la marque.

Le filtre doit rester strict. De vraies réponses s'ouvrent souvent sur la question reprise en titre : seule l'égalité complète avec le prompt désigne un écho.

Pourquoi une phrase d'intention peut-elle valoir une mention ?

Parce qu'elle nomme la marque avant toute recherche. « Je vais vérifier les avis clients publics sur Alba & Co » n'apporte aucune information, mais le nom y figure. OpenAI documente ce type de message : son guide de prompting pour GPT-5, destiné aux développeurs et aujourd'hui archivé, indique que le modèle est entraîné à annoncer un plan, puis à donner des points d'étape.

Le problème commence quand cette phrase est tout ce qui reste. Sur ChatGPT, l'équipe Nanga a vu ces lignes passer de moins de 0,1 % à environ 1,7 % des réponses à partir de fin septembre 2026, au hasard des prompts, et neuf jours se sont écoulés avant leur détection.

Le réflexe « pas de source, donc suspect » ne suffit pas. Schulte et ses coauteurs (Université de Saint-Gall, avril 2026, quatre secteurs en Suisse, prompts en allemand, janvier à mars 2026) relèvent que 57,8 % des réponses de ChatGPT ne citaient aucune source. Écarter tout ce qui n'a pas de source supprimerait donc de nombreuses réponses légitimes. Une phrase d'intention se reconnaît à un faisceau d'indices : texte court, ni recherche ni source, aucune question posée à l'utilisateur, un plan à la première personne.

Que vaut un message générique enregistré comme réponse ?

Rien, et c'est le seul des cinq cas qui ne fabrique pas de mention : il fabrique une réponse. Un jour de juillet 2026, un moteur a renvoyé sur tout un relevé quotidien un même message sans rapport avec les questions posées. Il a été enregistré comme valide, parce qu'il n'était pas vide et qu'il était dans la langue du projet.

L'effet dépend du dénominateur de l'outil. Si le score divise par toutes les réponses, votre visibilité chute sur ce moteur alors que rien n'a changé pour votre marque. S'il divise par les réponses qui nomment une marque, le message sort du calcul et le score bouge à peine, mais un moteur a cessé d'être mesuré sans que le chiffre le montre.

Comment du texte d'interface devient-il une marque ?

Il le devient quand un outil lit ce qui entoure la réponse comme s'il en faisait partie. Les cartes en sont un bon exemple : OpenStreetMap demande d'afficher sa mention de crédit, Mapbox impose son logo et une attribution textuelle. En août 2026, l'équipe Nanga a ainsi vu des crédits de cartographes extraits comme des marques. De même, un bloc d'étapes de travail placé avant la réponse a été lu comme son début : ses lignes nomment des marques et des sites que le moteur a seulement consultés.

Tout nettoyer serait pourtant une erreur. Le texte de carte a touché environ 4 % des réponses d'un moteur sur les semaines de septembre et d'octobre 2026. Une fois ce texte retiré, la détection de la marque suivie n'a changé sur aucune des réponses des projets actifs, et les lieux épinglés sont restés, car une adresse placée sur la carte est bien une recommandation du moteur. Une pollution fréquente ne prouve donc pas un biais de même taille.

Un nom de marque dans une URL est-il une mention ?

Non, c'est une source. Quand un moteur écrit « d'après alba-co.fr », il indique où il a lu, sans vous nommer dans sa recommandation. Une recherche de texte sans bornes trouve pourtant « alba » dans ce domaine et ajoute une mention. L'équipe Nanga a corrigé ce cas en juillet 2026 : il gonflait la part de voix.

La frontière est moins nette qu'il n'y paraît. Une règle stricte risque de sous-compter une marque dont le nom public est son domaine. À l'inverse, un alias court peut coïncider avec une extension de pays. Mention et citation doivent donc rester deux colonnes distinctes, car être cité sans être nommé et être nommé sans être cité n'appellent pas la même action.

Combien de points une seule ligne peut-elle déplacer ?

Dans l'illustration qui suit, de 2,5 à 4 points sur un petit topic ; la même ligne pèse bien moins sur un grand programme. Prenons un topic fictif de 10 prompts sur 4 moteurs : 40 réponses par run, dont 25 nomment au moins une marque et 8 nomment Alba & Co.

Illustration arithmétique, chiffres et marque fictifs.

Le même incident fait perdre 5 points à un score et 0,4 point à l'autre : deux outils honnêtes peuvent raconter deux histoires différentes. À 1,7 % des réponses, un jeu de 50 prompts produit par ailleurs 0,85 phrase d'intention par run sur le moteur concerné, en moyenne (calcul illustratif), qui ne pèse que si elle nomme une marque.

Le risque tient surtout à la forme de la courbe. Ces artefacts démarrent à une date précise et dessinent une marche, comme l'effet d'une action ou d'un changement de modèle. Un groupe témoin aide à les séparer d'un vrai effet : une marche qui touche aussi les topics non travaillés ne vient pas de votre travail. Ce que personne ne sait dire : de combien ils ont déplacé les scores publiés par un outil donné. Les taux ci-dessus décrivent des lignes, pas des points de score.

Une absence vaut-elle un zéro ?

Seulement si le moteur a réellement répondu. Trois situations méritent un traitement à part :

• Aucun encart servi. Google précise que ses AI Overviews ne s'affichent que lorsque ses systèmes les jugent utiles en plus de la recherche classique. L'équipe Nanga a constaté l'absence d'encart sur 11,7 % des relevés sur 14 jours, sur les prompts qu'elle suit : ce n'est pas un taux de marché. Écarter ces lignes sans le dire afficherait 100 % d'exposition partout.
• Aucune marque nommée. Une réponse honnête peut n'en citer aucune. Un contrôle interne qui assimilait « aucune marque » à « échec » en signalait 42 % sur un échantillon de 500 lignes, alors que moins de 1 % avaient réellement échoué.
• Run partiel. Une analyse incomplète versée dans une courbe ressemble à un mouvement de marché. Elle doit être signalée et sortie de la tendance.

Que vérifier soi-même en une heure ?

L'essentiel, sans compétence technique, à condition d'avoir accès aux réponses :

1. Triez les réponses d'un run par longueur. Lisez les cinquante plus courtes. Échos, phrases d'intention et messages génériques y apparaissent vite.
2. Isolez les réponses sans source qui ne nomment que vous. Certaines sont légitimes, mais c'est là que les faux positifs s'accumulent.
3. Relisez la liste des concurrents détectés. Un cartographe, le nom d'un moteur ou un domaine de redirection trahissent une extraction défaillante.
4. Cherchez votre nom dans les réponses où il n'apparaît que dans une adresse. Comptez-les à part.
5. Datez chaque rupture. Si un score bouge le même jour sur tous les topics d'un moteur, sans action de votre côté, suspectez d'abord la mesure.

Quelles questions poser à un outil GEO sur ses données ?

Une réponse précise et datée vaut mieux qu'une promesse de fiabilité. Ces six questions valent pour tout fournisseur :

1. Puis-je lire la réponse brute derrière chaque chiffre ? Sans cela, rien de ce qui suit n'est vérifiable.
2. Quelles non-réponses rejetez-vous, avec quels exemples récents ? Une équipe qui a rencontré le problème sait le décrire.
3. Combien de vraies réponses vos filtres écartent-ils à tort ? Un filtre jamais mesuré peut échanger un biais contre un autre.
4. Comment séparez-vous mention et source ? Demandez le cas d'une marque dont le nom est un domaine, et celui d'une source enveloppée dans une redirection, qui doit revenir à l'éditeur réel.
5. Quel est votre dénominateur, et que devient une absence ? Le tableau ci-dessus montre l'enjeu. Cherchez la mention « non mesuré » là où un 0 % serait faux.
6. Que deviennent l'historique et les doublons après une correction ? Série recalculée, rupture signalée ou données laissées en l'état : chaque option se défend si elle est annoncée. Une seconde collecte dans la journée ne doit pas doubler les volumes.

Que fait Nanga de ces cinq cas ?

Le module GEO de Nanga écarte les échos de prompt, les phrases d'intention et les messages génériques repérés au lieu de les compter comme réponses. Il retire le texte d'interface identifié avant l'analyse et traite un nom présent dans un domaine cité comme une source. Pour les projets qui suivent Google AI Overviews, les questions sans encart sortent des indicateurs de visibilité et alimentent un taux de diffusion. Un run partiel ou en échec est signalé, certains écrans affichent « non mesuré » plutôt que 0 %, le calcul de l'AI Visibility s'ouvre facteur par facteur, et les réponses du dernier run s'exportent en JSON, CSV ou Markdown.

Pour lire les réponses derrière votre score, moteur par moteur : demander une démo.

Questions fréquentes

Sources :

• Équipe Nanga, observations sur ses propres données, juillet à octobre 2026, sans audit extérieur.
• Julius Schulte, Malte Bleeker et Philipp Kaufmann (Université de Saint-Gall), Don't Measure Once: Measuring Visibility in AI Search (GEO), prépublication, avril 2026.
• OpenAI, GPT-5 prompting guide, page archivée et non datée, consultée le 26 octobre 2026.
• Google Search Central, AI features and your website, consulté le 26 octobre 2026.
• OpenStreetMap, Copyright and License, consulté le 26 octobre 2026.
• Mapbox, Attribution, consulté le 26 octobre 2026.