Un score de visibilité IA décrit d'abord le panel qui le produit. Un prompt qui nomme votre marque obtient presque toujours une réponse qui la nomme : il n'apprend rien sur votre place dans le marché, mais il pèse autant que les autres dans le calcul. Dès qu'une part du panel en contient, le chiffre présenté au comité de direction mesure vos choix de rédaction autant que votre position.
Trois décisions corrigent le biais : sortir ces prompts du score de marché, bâtir le panel par intentions plutôt que par formules, et additionner des compteurs quand vous agrégez, sans jamais moyenner des pourcentages.
Une limite reste entière. Au 27 octobre 2026, aucune étude consultée ne teste le même prompt avec et sans le nom de la marque, et aucune ne donne la répartition réelle des questions posées aux moteurs. Les ordres de grandeur qui suivent viennent de comparaisons observationnelles et d'arithmétique.
De combien un prompt de marque gonfle-t-il le score ?
De plusieurs points dès 9 % du panel, et le biais n'est pas le même pour tout le monde. Pratyush Kumar, cofondateur et actionnaire de l'éditeur Ranqo, a publié en juin 2026 une prépublication sur les données de sa plateforme : 102 marques et 102 025 réponses de cinq moteurs, de mars à mai 2026. Au premier run de chaque marque, ChatGPT la nomme sur 94,2 % des prompts qui contiennent son nom et 22,1 % des autres. Gemini passe de 94,0 % à 18,7 %, Perplexity de 98,5 % à 23,9 %.
Les prompts de marque ne représentent qu'environ 9 % des réponses. Ils suffisent pourtant à faire monter ChatGPT de 22,1 % à 28,6 %. Le détail par notoriété dit l'essentiel :
| Marques, par notoriété | Prompts sans le nom | Tous les prompts | Écart | Écart relatif |
|---|---|---|---|---|
| Les plus connues (11) | 72,9 % | 73,5 % | +0,6 point | +1 % |
| Intermédiaires (36) | 43,6 % | 52,2 % | +8,6 points | +20 % |
| Les moins connues (55) | 11,4 % | 17,3 % | +5,9 points | +52 % |
Source : Kumar, Ranqo, premier run, mars-mai 2026. Écart relatif : calcul de l'auteur.
Une marque très connue se lit donc à peu près juste, et une marque peu connue voit son score gonflé de moitié : elle peut se croire installée sur un marché où elle reste marginale. Le résultat reste à prendre pour ce qu'il est : une comparaison sur les clients d'un éditeur, sans test du même prompt avec et sans le nom.
L'arithmétique donne le reste. Prenons une présence de 95 % sur les prompts de marque, proche du plancher relevé par Kumar :
| Présence réelle sur les questions génériques | 10 % de prompts de marque | 20 % | 30 % |
|---|---|---|---|
| 5 % | 14 % | 23 % | 32 % |
| 20 % | 27,5 % | 35 % | 42,5 % |
| 50 % | 54,5 % | 59 % | 63,5 % |
Illustration arithmétique, calcul de l'auteur.
Passer de 10 % à 20 % de prompts de marque ajoute 7,5 points à une marque dont la présence n'a pas bougé. C'est à peu près la marge d'un panel de 100 prompts (±7,8 points à 20 %, voir le calcul complet) : un simple changement de panel peut se lire comme un succès.
Un score calculé sur les seules réponses qui nomment une marque n'y échappe pas, car ces réponses entrent à la fois au numérateur et au dénominateur. Exemple illustratif, marque fictive : sur 80 prompts génériques, 50 réponses nomment une marque, dont 10 Alba & Co, soit 20 %. Ajoutez 20 prompts de marque, soit 20 réponses qui nomment une marque, dont 19 Alba & Co : le score passe à 29 sur 70, soit 41,4 %.
Qu'est-ce qu'un prompt de marque ?
Un prompt de marque est un prompt dont le texte donne au moteur le nom de la marque mesurée, un de ses produits ou un de ses alias. La catégorie réelle est plus large que le nom seul :
- Le face-à-face. « Alba & Co ou Maison Lin pour un couple ? » impose les candidats. Dans les données de Kumar, les prompts de comparaison affichent 74,6 % de présence, contre 22,9 % pour les prompts de découverte.
- Le concurrent nommé. « Alternatives à Maison Lin » ne cite pas Alba & Co, mais il définit le marché à partir d'un rival et mesure une autre question.
- Le vocabulaire maison. Un nom de technologie ou une expression forgée par votre marketing conduit le moteur vers vos pages sans prononcer votre nom. C'est un raisonnement, sans mesure publiée, et seule une relecture par une personne extérieure à la marque le repère.
Ces prompts exposent aussi à un faux signal : un moteur qui renvoie le prompt tel quel semble nommer la marque, comme l'explique l'article sur les faux signaux.
Faut-il supprimer les prompts de marque ?
Non : il faut les sortir du score de marché et les lire à part. Ils répondent à une vraie question, celle de ce que les moteurs disent de vous à une personne qui vous connaît déjà. Kumar le formule ainsi : la couverture sur ces prompts confirme que la marque existe pour le moteur, sans mesurer sa place face aux concurrents.
| Panel de marché | Panel de marque | |
|---|---|---|
| Question | Vous cite-t-on quand personne ne vous nomme ? | Que dit-on de vous quand on vous nomme ? |
| Indicateur utile | Présence, part de voix, écart aux concurrents | Exactitude, sentiment, sources utilisées |
| Décision | Budget, priorités éditoriales | Correction des erreurs, réputation |
Le panel de marque nourrit notamment le travail sur les erreurs des moteurs. Les deux panels produisent deux chiffres, jamais un seul. Il n'existe pas de dosage correct entre eux, puisque la part réelle de ces questions reste inconnue.
Comment un panel se biaise-t-il sans nommer personne ?
Par trois voies : le mélange d'intentions, la pente des formulations et le choix des prompts après coup.
Le mélange d'intentions. Chez Kumar, la présence va de 22,9 % sur les prompts de découverte à 15,3 % pour les questions d'expert, 11,4 % sur un cas d'usage et 10,8 % sur un problème à résoudre. Semrush, avec Kevin Indig (juin 2026, 115 prompts, 14 pays, quatre moteurs), mesure autre chose, la part des domaines présents dans une réponse dont la marque est aussi nommée, et trouve la même pente : 43,3 % sur les requêtes comparatives, 18 % sur les requêtes informationnelles. Un panel rempli de « meilleur matelas » peut donc afficher le double d'un panel construit sur des problèmes concrets, sans qu'aucun des deux soit faux.
La pente des formulations. Lin et ses coauteurs (prépublication révisée en février 2025) montrent que des synonymes choisis par optimisation font varier jusqu'à 78 % la probabilité qu'un modèle mentionne un concept cible, une marque par exemple. Il s'agit d'une attaque en laboratoire, pas d'une rédaction ordinaire, mais elle établit que le mot pèse. Les formes courantes se repèrent à la relecture :
| Formulation orientée | Ce qu'elle impose | Reformulation neutre |
|---|---|---|
| Pourquoi les matelas bio sont-ils meilleurs ? | La conclusion | Quelles différences entre un matelas bio et un matelas classique ? |
| Quelles marques de matelas éviter ? | Le pôle négatif | Comment comparer des marques de matelas ? |
| Un matelas à 900 euros vaut-il le coup ? | Un prix de référence | Quel budget prévoir pour un bon matelas ? |
Exemples illustratifs.
Neutre ne veut pas dire réaliste : vos clients posent aussi des questions orientées. Le but est un panel équilibré entre les pôles, où chaque pente est un choix assumé.
Le choix après coup. Retirer les prompts où vous êtes absent parce qu'ils « ne sont pas pertinents » fabrique une hausse. Un panel s'écrit avant de voir les résultats, et toute modification se date.
Reste l'acheteur que le prompt suppose. Will Jack et ses coauteurs, affiliés à Unusual (mai 2026, 2 000 runs sur trois configurations de modèles), préfixent les mêmes prompts (« best CRM software », par exemple) par 10 profils d'acheteurs. La similarité des marques recommandées baisse de 0,12 à 0,20 sur une échelle de 0 à 1. Les leaders résistent, avec environ 80 % de constance, alors que les marques de milieu de marché voient jusqu'à 75 % des recommandations changer. Comme chez Kumar en points, le milieu de marché bouge le plus : un panel écrit pour un seul profil le décrit mal.
Comment construire un panel qui mesure le marché ?
Par intentions d'abord, par formulations ensuite. SparkToro (janvier 2026) a recueilli 142 prompts écrits par des personnes pour un même besoin, choisir un casque pour un proche qui voyage : leur similarité sémantique moyenne n'est que de 0,081. Pourtant Bose, Sony, Sennheiser et Apple reviennent dans 55 à 77 % des 994 réponses, alors que d'autres besoins (jeu, podcast) donnent des réponses très différentes. Une seule catégorie, et un coauteur qui vend du suivi, mais la leçon est utile : c'est l'intention qui structure la réponse.
- Une intention, un topic. Partez du vocabulaire des clients : appels commerciaux, tickets de support, recherche interne, requêtes Search Console. Évitez la page produit, qui parle comme vous.
- Une centaine de prompts, au moins 10 topics. Ce repère vient du calcul de marge : à 100 prompts, passer de 5 à 10 topics gagne jusqu'à 3,7 points de marge, selon l'hypothèse de ressemblance retenue. Une liste plus courte, de 30 à 50 questions, reste adaptée à un premier audit de décision : elle montre qui apparaît, pas un mouvement. Pour une grande marque, ajoutez un niveau au-dessus des topics plutôt que de multiplier les reformulations.
- Plusieurs registres par topic. Mot-clé court (« matelas couple mal de dos »), demande directe, question complète, conversation, mise en contexte (« je dors mal depuis un déménagement... »). Personne ne sait dans quelle proportion ces registres sont utilisés : variez-les sans prétendre reproduire la réalité.
- La langue du client. La langue du prompt décide de celle de la réponse : sur un projet déclaré français, l'équipe Nanga a vu 50 prompts anglais donner 50 réponses anglaises. Chen et ses coauteurs (septembre 2025) relèvent aussi que les moteurs diffèrent par leur stabilité d'une langue à l'autre. Adaptez chaque panel au lieu de le traduire, et testez la langue à part.
- Des tags dès le départ. Marque, concurrent, étape d'achat, profil. Sans elles, aucun des contrôles qui suivent n'est possible.
Pourquoi additionner les compteurs plutôt que moyenner les scores ?
Parce qu'une moyenne de pourcentages ignore ce que chaque pourcentage représente. Prenons un score calculé sur les réponses qui nomment une marque :
| Topic | Réponses | Nomment une marque | Nomment Alba & Co | Score |
|---|---|---|---|---|
| A | 40 | 4 | 2 | 50 % |
| B | 40 | 36 | 3 | 8,3 % |
| C | 40 | 0 | 0 | Non mesuré |
Exemple illustratif, marque fictive.
La moyenne de A et B donne 29,2 %. Si C compte pour zéro, elle tombe à 19,4 %. Les compteurs, eux, donnent 5 réponses sur 40, soit 12,5 %. Trois chiffres pour les mêmes réponses, et un seul respecte sa base. Rapporté à toutes les réponses, le compte donne 5 sur 120, soit 4,2 % : un autre indicateur, tout aussi valable, à condition de dire lequel. Une réponse qui ne nomme aucune marque n'est pas un échec de votre marque, et un topic parent doit lire exactement ce que lisent ses sous-topics.
L'addition n'est pas neutre pour autant : chaque topic pèse selon son nombre de prompts. Avec 40 % de présence sur votre topic fort et 10 % sur le faible, un panel réparti à 60 et 40 prompts affiche 28 %, un panel à 30 et 70 prompts 19 % (arithmétique illustrative). La répartition est donc une décision de gestion. Fixez-la selon le poids économique de chaque sujet, écrivez-la, et ne comparez que des panels de même structure.
Quel chiffre présenter au comité de direction ?
Le score de marché, seul, avec sa définition. Les prompts de marque nomment votre marque et non vos concurrents : ils faussent donc d'abord la comparaison, ce qui compte le plus pour un budget. Mesurez vos concurrents sur le même panel, et lisez l'écart.
Le jour où vous séparez les panels, le chiffre baisse. Ce n'est pas une perte de visibilité, c'est une rupture de série : présentez les deux calculs pendant un trimestre et notez la date. Mieux vaut expliquer une baisse une fois que défendre un chiffre qui ne résiste pas à la première question.
Comment assainir un panel existant ?
- Relisez le panel. Taguez chaque prompt qui contient votre nom, un alias, un produit ou un concurrent, puis repérez le vocabulaire maison.
- Recalculez deux scores. Marché et marque, à partir des compteurs. L'écart vous donne l'ampleur du biais.
- Retirez chaque topic à tour de rôle. Si un seul topic déplace le score de plus que sa marge, c'est lui que vous lisez.
- Appliquez le panel à vos concurrents. Si vous dominez partout alors que le marché dit le contraire, suspectez le panel avant de vous féliciter.
- Figez et datez. Toute modification du panel entre dans un journal, à côté des courbes.
Ces règles résistent mal à la vie d'un panel : chaque prompt ajouté peut rouvrir le biais. Le module GEO de Nanga les fait respecter au moment où le panel change. À l'ajout de prompts qui nomment votre marque, un avertissement rappelle qu'ils font monter l'AI Visibility Index et qu'il vaut mieux les garder dans un projet séparé pour lire les questions neutres. « Analyser les biais » note chaque formulation de -3 (risque) à +3 (bénéfice), nomme le marqueur repéré et propose une reformulation neutre, qui ne s'applique jamais sans votre geste. Dans la barre de filtres, un clic inclut un tag, un second l'exclut.
Les topics s'organisent sur trois niveaux (catégorie, topic, sous-topic), et un topic parent recalcule ses chiffres à partir des compteurs de ses sous-topics. Le suivi est hebdomadaire par défaut, quotidien en option.
Pour voir votre score de marché, séparé de vos prompts de marque : demander une démo.
Questions fréquentes
Qu'est-ce qu'un prompt de marque ?
C'est un prompt dont le texte donne au moteur le nom de la marque mesurée, un de ses produits ou un de ses alias. La réponse le reprend presque toujours : 94 % à 100 % selon le moteur, d'après la prépublication de Pratyush Kumar (juin 2026).
Les prompts de marque font-ils vraiment monter le score ?
Oui. Dans les données de Ranqo publiées par Pratyush Kumar, environ 9 % de prompts de marque font passer les marques peu connues de 11,4 % à 17,3 % et les intermédiaires de 43,6 % à 52,2 %. Les plus connues ne bougent presque pas.
Quelle part de prompts de marque accepter dans un score de marché ?
Aucune. Il n'existe pas de bon dosage, car aucune source consultée au 27 octobre 2026 ne donne la part réelle de ces questions chez les utilisateurs. Gardez-les dans un panel séparé, qui sert à lire ce que les moteurs disent de vous.
Combien de prompts faut-il pour mesurer le marché ?
Pour suivre une tendance, une centaine de prompts sur au moins 10 topics est un repère raisonné, sans valeur de norme. Une liste de 30 à 50 questions suffit à un premier audit : elle montre qui apparaît, sans permettre de lire un mouvement.
Peut-on faire la moyenne des scores de plusieurs topics ?
Non. Une moyenne donne le même poids à un topic de 4 réponses utiles et à un topic de 36, et lit un topic sans marque nommée comme un zéro. Additionnez les réponses qui nomment votre marque et la base de calcul, puis divisez une seule fois.
Sources :
- Pratyush Kumar, Ranqo, Generative Engine Optimization at Scale: Measuring Brand Visibility Across AI Search Engines, prépublication, juin 2026.
- Semrush, avec Kevin Indig, Why 62% of AI citations don't lead to brand mentions, juin 2026.
- Lin et al., LLM Whisperer: An Inconspicuous Attack to Bias LLM Responses, prépublication, juin 2024, révisée en février 2025.
- Jack, Lehman, Maloney et Xu, Unusual, Persona Conditioning of Brand Recommendations in Retrieval-Augmented Commercial Chat, prépublication, mai 2026.
- SparkToro, NEW Research: AIs are highly inconsistent when recommending brands or products; marketers should take care when tracking AI visibility, janvier 2026.
- Mahe Chen, Xiaoxuan Wang, Kaiwen Chen et Nick Koudas, Generative Engine Optimization: How to Dominate AI Search, prépublication, septembre 2025.