Vos prospects posent leurs questions à ChatGPT et Perplexity avant même d’ouvrir Google. Ils demandent quel prestataire choisir, quels outils comparer, quelle solution retenir pour leur secteur. Et l’IA répond, avec ou sans citer votre marque. La seule façon de le savoir, c’est de tester vous-même. Un audit manuel suffit pour commencer, et il révèle souvent des choses qu’aucun tableau de bord ne montre.
Pourquoi commencer par un audit manuel plutôt qu’un outil
Le marché des outils de suivi de visibilité IA a explosé. Peec AI, Otterly, Profound, Ahrefs Brand Radar : les solutions se comptent par dizaines, de 20 à plus de 500 euros par mois. Elles automatisent le suivi, c’est utile. Mais la plupart lancent chaque requête une seule fois et présentent le résultat comme une vérité figée. Or les réponses des IA varient d’une session à l’autre. Un chiffre unique ne veut rien dire.
L’audit manuel, lui, ne coûte que du temps. Comptez deux à trois heures pour un premier diagnostic complet. En échange, vous voyez exactement ce que l’IA raconte sur votre entreprise, mot pour mot. Vous repérez les erreurs, les confusions avec un concurrent, les requêtes où vous êtes tout simplement absent.
L’enjeu n’est pas théorique. Selon l’étude Ipsos-CESI de janvier 2025, 39 % des Français utilisent activement l’IA générative, et ChatGPT domine largement les usages. Côté international, McKinsey a mesuré en 2025 que 44 % des utilisateurs de recherche IA en font désormais leur source d’information principale, devant la recherche classique. Vos acheteurs B2B sont dans ce mouvement. La question n’est plus de savoir s’ils consultent ces outils, mais ce qu’ils y trouvent sur vous.
Construire son jeu de prompts : trois familles de requêtes
Un audit sérieux repose sur une liste de prompts stable, que vous rejouerez à l’identique chaque mois. Visez une trentaine de requêtes, réparties en trois familles. C’est cette répartition qui fait la différence entre un test superficiel et un vrai diagnostic.
Les prompts de marque directe. « Que fait [votre marque] ? », « Avis sur [votre marque] », « Quelles sont les alternatives à [votre marque] ? ». Ils vérifient ce que l’IA sait de vous et si elle le sait correctement.
Les prompts de catégorie. « Meilleurs prestataires SEO B2B en 2026 », « Comparatif des solutions d’emailing pour PME ». Ici, votre nom n’apparaît pas dans la question. C’est le terrain le plus important, parce que c’est là que l’acheteur compare sans vous connaître. Être absent de ces réponses, c’est ne pas exister au moment du choix.
Les prompts de scénario. « Je dois refondre le référencement d’un site industriel, quel type de prestataire choisir ? ». Ils reproduisent la vraie formulation d’un décideur en situation d’achat, plus longue et plus contextuelle qu’une requête Google.
Un conseil : construisez ces prompts à partir du parcours d’achat de vos clients, pas de votre organigramme interne. Ce que tape un prospect n’a rien à voir avec la façon dont vous décrivez vos services.
Tester en tenant compte de la variabilité des réponses
C’est le point que presque tout le monde néglige. Une IA générative ne donne pas deux fois la même réponse. La génération se fait mot après mot, avec une part d’aléatoire à chaque étape. S’ajoute la personnalisation : depuis avril 2025, ChatGPT s’appuie sur l’historique de conversation de chaque utilisateur. Deux personnes obtiennent des réponses différentes à une question identique.
Autrement dit, une requête lancée une seule fois ne mesure rien de fiable. La méthode propre consiste à jouer chaque prompt trois fois, puis à retenir la réponse médiane. Testez sur les principales plateformes : ChatGPT, Perplexity, Gemini, et les AI Overviews de Google.
Une même question posée trois fois à ChatGPT peut citer votre marque une fois, votre concurrent une autre, et personne la troisième. C’est la fréquence qui compte, jamais la réponse isolée.
Pensez aussi à distinguer deux modes chez ChatGPT. Avec la recherche web activée, il récupère des pages réelles et les cite. Sans recherche, il répond de mémoire, à partir de ses données d’entraînement figées à une date passée. Testez les deux : le second mode révèle comment votre marque est enregistrée « par défaut » dans le modèle. Enfin, testez en français et depuis une connexion française. Les réponses changent selon la langue et la zone géographique, un détail décisif pour une marque qui adresse le marché francophone.
Lire les résultats : de la mention au diagnostic
Mesurer, c’est bien. Interpréter, c’est là que se trouve la valeur. Chaque configuration raconte un problème différent, et chaque problème appelle une réponse différente.
Vous êtes absent des prompts de catégorie mais présent en marque directe. L’IA vous connaît, mais ne vous recommande pas spontanément. C’est un déficit de notoriété en haut de tunnel : les sources qui font autorité sur votre secteur ne vous mentionnent pas assez.
Vous êtes mentionné, mais mal décrit. Ancienne offre, mauvais positionnement, dirigeant qui n’est plus là. Le modèle reproduit un consensus daté ou puise dans des sources contradictoires. Le problème est celui de la clarté de votre entité et de la fraîcheur des sources qui parlent de vous.
Un concurrent est cité systématiquement à votre place. C’est un problème de part de voix. Il est présent là où vous ne l’êtes pas, généralement parce qu’il bénéficie d’une couverture par des sites tiers que vous n’avez pas.
Pour chaque réponse, notez trois choses dans un tableur : êtes-vous cité (oui/non), à quelle position (en premier, secondaire, ou simplement évoqué), et sur quel ton (positif, neutre, négatif). Relevez aussi les sources que l’IA affiche. Vous verrez vite d’où viennent les citations, et ce ne sont presque jamais vos propres pages. Ce diagnostic pose les bases pour travailler concrètement votre présence dans ces réponses .
Quand l’IA se trompe sur vous : mesurer puis corriger
Un audit n’a de sens que s’il déclenche une action. Et le premier motif d’action, c’est l’erreur pure. Le sujet est loin d’être marginal. L’étude du Tow Center de Columbia, publiée en mars 2025, a montré que les moteurs de recherche IA se trompent de source dans plus de 60 % des cas testés, souvent avec un aplomb total. Une IA qui affirme une information fausse sur votre entreprise fait plus de dégâts qu’une IA qui vous ignore.
Le problème, c’est qu’aucune plateforme n’offre de bouton « corriger cette information ». Ni OpenAI, ni Google, ni Perplexity. La correction passe donc par la source, pas par le modèle. La marche à suivre :
- Capturez la preuve : copie d’écran de la réponse erronée et de la question exacte.
- Identifiez la source citée qui contient l’erreur, ou la page consensus qui la propage.
- Corrigez cette source à l’endroit où elle vit : votre site, une fiche annuaire, une page tierce.
- Assurez-vous que les robots des IA peuvent accéder à vos pages à jour, puis rejouez le test quelques semaines plus tard.
La correction est lente, comptez plusieurs semaines pour qu’un changement se propage. Mais elle fonctionne, parce que ces modèles finissent par refléter ce que disent les sources qu’ils lisent. D’où l’importance de contenus clairs, structurés et faciles à extraire, un travail détaillé dans notre article sur la façon de structurer un contenu pour être repris par un LLM .
Par où commencer
Inutile de viser l’exhaustivité au premier essai. Un premier audit tient en trois mouvements.
- Rédigez quinze prompts, cinq par famille, et jouez-les trois fois sur ChatGPT et Perplexity.
- Consignez chaque réponse dans un tableur, avec citation, position, sentiment et sources.
- Rejouez exactement le même jeu chaque mois, et suivez le delta.
Vous obtiendrez en une matinée une image honnête de votre présence, et surtout une base de comparaison. C’est le suivi dans la durée qui transforme un audit ponctuel en pilotage. Les outils payants viendront plus tard, quand le volume de prompts à surveiller dépassera ce qu’une personne peut tester à la main.
Questions fréquentes
À quelle fréquence faut-il auditer sa présence dans les IA ?
Un rythme mensuel est idéal, avec le même jeu de prompts figé pour au moins un trimestre. En dessous, un audit trimestriel reste utile pour suivre les grandes tendances. L’essentiel est de comparer des données prises dans les mêmes conditions.
Combien de fois faut-il tester chaque requête ?
Au moins trois fois par plateforme, car les réponses varient à chaque session. Retenez la réponse médiane plutôt qu’une réponse isolée. Un seul test donne une photo trompeuse.
Un outil payant est-il indispensable ?
Non, surtout au départ. Pour une PME, un audit manuel de quinze à trente prompts suffit à révéler l’essentiel. Un outil devient pertinent quand le nombre de requêtes à suivre dépasse ce qu’on peut tester à la main chaque mois.
Que faire si ChatGPT donne une information fausse sur mon entreprise ?
Vous ne pouvez pas corriger le modèle directement. Il faut corriger la source qu’il cite ou la page qui propage l’erreur, vérifier que les robots des IA y accèdent, puis retester après quelques semaines. La correction remonte par les sources, pas par un formulaire.
Auditer sa marque dans les IA génératives n’est plus un luxe de grande entreprise. C’est un réflexe de veille, aussi simple qu’ouvrir ChatGPT et poser les bonnes questions. Le vrai travail commence après : comprendre ce que les résultats révèlent, et agir sur les sources qui façonnent votre image. Mesurer sans corriger ne sert à rien. Corriger sans mesurer, c’est avancer à l’aveugle.