Nouveau modèle, nouvelle courbe : qui a bougé, votre marque ou le moteur ?

Quand une courbe de visibilité IA bouge, la question utile n'est pas « qu'a fait l'équipe ce mois-ci ? » mais « qui a changé : la marque ou le moteur ? ». Un score de visibilité mesure un couple, votre marque et le modèle qui répond. Remplacer le modèle suffit à déplacer le chiffre, à la hausse comme à la baisse, sans qu'une ligne de votre site ou de vos campagnes ait changé et sans qu'aucune alerte ne se déclenche.

Pour une direction marketing, la règle est simple : aucun mouvement ne se commente, ne se récompense ni ne se finance avant d'avoir été daté face au calendrier des modèles. Cette vérification coûte peu. L'oublier peut coûter un arbitrage budgétaire.

Le déploiement de GPT-6 dans ChatGPT, en octobre 2026, en fournit un cas d'école : un déploiement lancé sur deux jours selon l'offre, des sources qui changent de forme, et des mesures qui continuent de tourner comme si de rien n'était.

Un modèle peut-il déplacer votre score sans que votre marque change ?

Oui, parce que le modèle décide de la longueur de la réponse, du nombre de sources et du fait même de chercher sur le web. Ces trois paramètres pèsent sur vos mentions et vos citations, et aucun ne dépend de vous.

Deux relevés le montrent, dans des sens opposés. Writesonic, éditeur d'une plateforme de visibilité IA, a soumis le 27 avril 2026 les mêmes 50 prompts à trois modèles de ChatGPT, une seule fois chacun, depuis un compte américain. L'équipe Nanga a observé de son côté, en octobre 2026, le passage d'un modèle à un modèle plus récent chez un autre éditeur.

Sources : Writesonic, avril 2026 ; équipe Nanga, octobre 2026. Writesonic présente lui-même ses mesures comme indicatives : un compte, un run par prompt, un seul jour.

L'écart le plus parlant se trouve à l'intérieur d'un même nom de produit. Dans le relevé de Writesonic, GPT-5.3 Instant n'envoie que 13,4 % de ses citations vers des sites de marque, contre 56,8 % pour GPT-5.4 Thinking. « ChatGPT » ne désigne donc pas un comportement unique. Autre mesure de l'équipe Nanga : deux modèles voisins, chez un même éditeur, cherchent sur le web pour 3 prompts sur 10 pour l'un, 9 sur 10 pour l'autre.

Le sens de l'effet ne se devine pas à l'avance. Une réponse plus longue laisse davantage de place pour nommer une marque, une réponse plus courte en laisse moins, et aucune de ces variations ne dit quoi que ce soit de la marque. La hausse est le cas le plus piégeux, car personne n'enquête sur une bonne nouvelle.

Qu'a changé le déploiement de GPT-6 en octobre 2026 ?

Le modèle et la présentation des réponses, avec un démarrage étalé sur deux jours selon l'offre. Selon TestingCatalog et 9to5Mac, OpenAI annonce le 7 octobre 2026 de nouveaux modèles GPT-6 pour les conversations courantes, avec une couche de présentation appelée Intelligent UI, qui mêle texte, graphiques, boutons et widgets selon la question. GPT-6 Sol arrive d'abord pour Plus, Pro, Business et Enterprise, GPT-6 Luna le lendemain pour Free et Go, soit le 8 octobre selon Borncity. Le même Borncity insiste : le 7 octobre marque le début d'une distribution progressive, pas son achèvement.

Deux conséquences de lecture en découlent. Une date de lancement est le début d'une transition et non un interrupteur. Et, depuis ces jours-là, le même mot « ChatGPT » recouvre au moins deux variantes selon l'offre de l'utilisateur.

Un point passe inaperçu dans ces comptes rendus : aucun des trois ne décrit la façon dont les sources s'affichent désormais. C'est pourtant là que les chiffres bougent. L'équipe Nanga a observé qu'à partir du 7 octobre, les sources de ChatGPT ont quitté leur emplacement habituel pour de petites pastilles de citation. Un relevé qui les cherche à l'ancien endroit voit les réponses sourcées presque disparaître, sans qu'aucune mesure ne tombe en erreur, alors que ChatGPT n'a jamais cessé de citer.

Illustration arithmétique, marque fictive. Alba & Co est citée dans 30 réponses sur 100. Si 40 réponses sur 100 perdent leurs sources à la lecture, réparties au hasard, le compteur tombe à 18. Soit 12 points de moins, sans qu'une seule recommandation ait changé.

Qu'est-ce qu'une rupture de série ?

Une rupture de série est un changement du moteur, de la forme de ses réponses ou de la mesure qui rend deux points d'une même courbe non comparables, sans que la marque y soit pour rien.

Son trait distinctif : rien ne casse. L'équipe Nanga a recensé sept changements de format en deux mois, en 2026, et aucun n'a fait échouer un run. Trois exemples montrent à quoi cela ressemble dans un tableau de bord.

• Une source qui change de place. Sur Google AI Overviews, en octobre 2026, l'équipe Nanga a vu les références changer de place dans le format de la réponse. Un relevé qui ne suit pas ce déplacement lit une chute brutale des réponses sourcées, alors que Google n'a pas cessé de citer.
• Un refus qui ressemble à une absence. Un modèle récent peut décliner un prompt. Il produit alors une réponse qui ne nomme aucune marque, et une courbe la compte comme une réponse où vous n'êtes pas.
• Une réponse coupée. Sur certains sujets sensibles, un filtre de contenu interrompt la réponse en plein milieu d'une adresse web, et la coupure se reproduit à l'identique. Le thème semble perdre ses sources, alors que seule la sortie a été coupée.

Ces cas font baisser un score. D'autres le gonflent à tort, comme les échos de prompt et le texte d'interface comptés pour des mentions : ils sont détaillés dans l'article sur les faux signaux de visibilité IA.

Comment distinguer un changement de modèle du bruit ordinaire ?

Pas sur un seul chiffre, car les réponses varient énormément même quand rien ne change. Schulte, Bleeker et Kaufmann ont suivi quatre secteurs en contexte germanophone suisse, du 24 janvier au 20 mars 2026 : d'un jour à l'autre, les listes de sources ne se recoupent qu'à 34 à 42 %. Relancer les mêmes prompts le même jour ne fait pas mieux : 32 à 43 %. L'essentiel de l'instabilité tient donc au hasard des réponses, pas au passage du temps. Ahrefs mesure la même agitation sur plus de 43 000 mots-clés en 2025 : le texte d'un AI Overview a 70 % de chances de changer d'une observation à l'autre, et 45,5 % des sources citées sont nouvelles à chaque fois, alors que le sens reste très proche (similarité cosinus de 0,95).

Une variation isolée ne prouve donc rien. Ce qui distingue une rupture, c'est sa forme, et cette forme se lit en croisant plusieurs signaux. L'article sur le nombre de prompts nécessaire à une mesure fiable traite la question de l'ampleur, celle-ci traite de la cause.

Grille de lecture de l'auteur, à utiliser comme une hypothèse de départ et non comme une preuve.

Un seul critère ne suffit pas. Trois critères alignés à une même date justifient de traiter le mouvement comme une rupture jusqu'à preuve du contraire.

Quelles règles de lecture adopter ?

Cinq, applicables dès la prochaine revue.

1. Tenez un journal des modèles. Une ligne par événement : date, moteur, nature du changement, source. Notez le début et la fin présumée d'un déploiement, puisque le déploiement se fait par étapes. Sans ce journal, chaque mouvement finit attribué à la dernière action marketing en date.
2. Surveillez la part de réponses sourcées. C'est la part des réponses qui s'appuient sur au moins une source, toutes marques confondues. Elle ne dépend presque pas de vous, ce qui en fait une bonne variable de contrôle : si elle saute, regardez le moteur avant votre contenu. Comparez-la à sa propre histoire plutôt qu'à un repère externe : les 57,8 % de runs ChatGPT sans citation relevés par Schulte et ses coauteurs valent pour leur corpus et leur période.
3. Comparez à périmètre constant. Mêmes prompts, mêmes moteurs, même pays, même langue. Ajouter un moteur ou une série de prompts change le score sans rien changer à la marque. Lisez moteur par moteur : une moyenne tous moteurs dilue une rupture survenue sur un seul.
4. Lisez-vous à côté de vos concurrents. Sur les mêmes réponses, un mouvement partagé par rival.fr et maison-lin.com parle du moteur. Un mouvement qui vous est propre parle de vous.
5. Traitez la rupture honnêtement. Gardez la courbe, marquez la date, calculez une nouvelle référence sur deux à quatre semaines (la fenêtre d'agrégation que recommandent Schulte et ses coauteurs) et ne calculez aucune évolution à travers la rupture. Face au changement de modèle cité plus haut, l'équipe Nanga a laissé la rupture visible dans ses séries et l'a signalée, plutôt que de raccorder la courbe. Un reporting qui annonce « rupture le 7 octobre, nouvelle référence le 4 novembre » résiste mieux à une question de la direction financière qu'une courbe raccordée.

Que faire du budget quand une rupture tombe pendant une campagne ?

Ne rien arbitrer sur la période qui la traverse. Une campagne de contenu lancée en septembre et mesurée fin octobre porte, cette année, l'arrivée de GPT-6 dans son résultat, quel qu'il soit. Couper parce que le score baisse ou renforcer parce qu'il monte reviendrait à financer une décision prise par le moteur.

La parade existe et se prépare avant la rupture : garder des prompts témoins, jamais travaillés, et comparer les deux groupes. La méthode complète figure dans le guide pour prouver l'incrémentalité du GEO.

Illustration arithmétique, marque fictive. Sur les prompts travaillés, Alba & Co passe de 20 % à 26 %. Sur les prompts témoins, de 20 % à 25 %. Le modèle explique l'essentiel : le gain imputable au travail est de 1 point, pas de 6, et ce point reste à confirmer sur les semaines suivantes.

Qu'est-ce qui reste sans preuve ?

Au 29 octobre 2026, la recherche menée pour cet article n'a trouvé aucune étude indépendante qui mesure l'effet de GPT-6 sur la visibilité des marques. Les relevés publiés viennent d'éditeurs d'outils, celui de Writesonic porte sur un modèle antérieur et sur un seul jour, et les observations de l'équipe Nanga n'ont pas fait l'objet d'un audit extérieur. La même recherche n'a trouvé ni seuil validé pour séparer une rupture du bruit, ni mesure de la durée d'un déploiement sur un moteur grand public. La grille ci-dessus reste donc une méthode de raisonnement. Elle dit quoi vérifier, sans garantir la cause.

Que doit vous dire un tableau de bord ?

Il doit vous permettre d'écarter les explications qui n'ont rien à voir avec votre marque, avant de lire le score lui-même. Cinq informations y suffisent.

• Si le dernier run est complet. Un run partiel présenté comme un run normal crée une baisse de toutes pièces.
• La différence entre zéro et non mesuré. Un moteur sans donnée sur une période n'est pas un moteur où vous êtes absent.
• Le détail par moteur. La rupture se voit moteur par moteur, rarement dans une moyenne.
• Les dates sur la courbe. Ajouts et retraits de moteurs, déploiements, actions réalisées.
• Les réponses derrière le chiffre. Une rupture se confirme en lisant dix réponses avant et dix réponses après.

Sur plusieurs moteurs et sur plusieurs mois, c'est cette discipline qui se relâche la première. Le module GEO de Nanga l'inscrit dans les écrans. Sur le graphique Tendances de performance, des repères signalent les dates où un modèle IA a été ajouté ou retiré du projet, et les drapeaux d'événements vous laissent dater le reste, comme un déploiement public. Performance par modèle détaille la Visibilité IA, déclinaison GEO de l'AI Visibility Index, moteur par moteur, et un repère Marché indique, à côté de votre part de sources, la part des réponses IA qui s'appuient sur au moins une source. Un run partiel est signalé comme tel, avec le nombre de prompts et les moteurs concernés, et les écrans de topics et de concurrents affichent « non mesuré » plutôt qu'un faux 0 %.

Pour voir votre courbe de visibilité avec ses changements de modèles, moteur par moteur : demander une démo.

Questions fréquentes

Sources :

• TestingCatalog, OpenAI rolls out GPT-6 with Intelligent UI in ChatGPT, 7 octobre 2026. Compte rendu de l'annonce d'OpenAI.
• 9to5Mac, OpenAI brings GPT-6 to ChatGPT and debuts Intelligent UI, 7 octobre 2026.
• Borncity, GPT-6: OpenAI startet den Rollout für ChatGPT-Nutzer am 7. Oktober, 20 octobre 2026. Article rédigé avec assistance IA selon l'éditeur.
• Writesonic, GPT-5.5 Cites Brand Sites 47% of the Time. GPT-5.4 Did 57%., 28 avril 2026, mis à jour le 7 mai 2026. 50 prompts testés le 27 avril, un run par prompt, un compte américain.
• Schulte, Bleeker et Kaufmann, Don't Measure Once: Measuring Visibility in AI Search (GEO), 8 avril 2026. Prépublication, quatre secteurs, données suisses germanophones du 24 janvier au 20 mars 2026.
• Ahrefs, AI Overviews Change Every 2 Days (But Never Change Their Mind), 11 novembre 2025. Plus de 43 000 mots-clés sur un mois.
• Équipe Nanga, observations sur ses propres données, jusqu'à octobre 2026, sans audit extérieur.