L'IAB a donné un langage commun à la visibilité IA. Les marques doivent encore le traduire en décisions concrètes.

TL;DR : L'IAB a publié son premier cadre pour mesurer la visibilité IA, offrant au secteur une hiérarchie commune (présence, mise en avant, représentation, persuasion) et une distinction claire entre indicateurs exploratoires et mesures suffisamment fiables pour guider une décision. Un vocabulaire commun n'est toutefois qu'un point de départ : selon McKinsey, seulement 16 % des marques du classement Fortune 500 suivent la recherche IA de manière systématique. Or, pour les marques gérant plusieurs établissements, une moyenne globale rassurante peut masquer les marchés où elles perdent du terrain. Jenette Simisky, VP Product Management chez Yext, explique comment le suivi de la visibilité IA devient un levier d'action : mesurer de façon constante, se comparer aux concurrents locaux avec Scout, combler les écarts grâce au Knowledge Graph, puis mesurer à nouveau.

---

Les équipes marketing ont passé deux décennies à perfectionner la mesure de la recherche. Classements, impressions, clics, trafic, conversion : un vocabulaire commun auquel tout le monde faisait confiance.

Puis, la recherche basée sur l'IA a bouleversé l'ensemble du système.

Un client peut désormais poser une question à ChatGPT, Gemini ou Perplexity, obtenir une réponse unique et synthétisée, prendre une décision, et ne jamais se rendre sur votre site web.

Les spécialistes du marketing se retrouvent alors face à une question difficile, sans méthode standard pour y répondre : avons-nous seulement été visibles ? Pendant longtemps, les réponses provenaient de plus de 20 fournisseurs différents, chacun mesurant la visibilité IA à sa manière. McKinsey a constaté que seulement 16 % des marques suivent la performance en recherche IA de façon systématique, alors même que celles qui prennent du retard risquent de perdre près de la moitié de leur trafic.

Ce mois-ci, cela a commencé à changer. L'IAB a publié son premier cadre pour mesurer la visibilité des marques sur les plateformes pilotées par l'IA : un langage commun pour une discipline que chacun, jusque-là, définissait à sa façon. Il s'agit d'une avancée significative, qui fait passer la visibilité IA du statut de « phénomène à surveiller » à celui de « phénomène que l'on peut mesurer, gérer et améliorer de façon systématique ».

Pour comprendre ce que ce cadre change concrètement pour les marques, et où se situe encore le travail le plus difficile, nous avons échangé avec Jenette Simisky, VP Product Management chez Yext, qui accompagne au quotidien les marques confrontées à cette problématique.

1. L'IAB vient de publier son premier cadre pour mesurer la visibilité IA. Pourquoi est-ce important en ce moment, et quel problème cela résout-il pour les marques ?

Ce que le cadre de l'IAB apporte avant tout, c'est la validation du fait que la visibilité IA devient une véritable discipline marketing, et non plus un indicateur expérimental.

Pendant des années, les marques ont disposé de méthodes relativement bien établies pour mesurer les performances de recherche : classements, impressions, clics, trafic et conversion. La recherche par IA transforme fondamentalement ce parcours. Un consommateur peut poser une question à ChatGPT, Gemini, Claude ou Perplexity, obtenir une réponse, prendre une décision, et ne jamais se rendre sur votre site web.

Il en résulte une lacune considérable en matière de mesure. Les marques doivent savoir : suis-je apparue dans les résultats ? Avec quel niveau de visibilité ? Qu'est-ce que l'IA a dit à mon sujet ? M'a-t-elle recommandée plutôt qu'un concurrent ? Et surtout, que puis-je faire pour influencer la réponse ?

Jusqu'à présent, les fournisseurs répondaient à ces questions de manière très différente. Le fait que l'IAB ait identifié plus de 20 fournisseurs de mesure de la visibilité IA, avec très peu de cohérence dans les méthodologies ou les résultats, illustre bien le problème.

Créer un langage commun autour de la visibilité IA est important, car cela donne aux spécialistes du marketing un cadre pour distinguer un point de données intéressant d'un élément réellement exploitable pour une décision commerciale.

Et pour moi, c'est là le changement important : nous passons de « la recherche par IA est un phénomène à surveiller » à « la visibilité IA est un phénomène que nous devons mesurer, gérer et améliorer de façon systématique ».

2. Pouvez-vous expliquer simplement les notions de présence, notoriété, représentation et persuasion ? Pourquoi fonctionnent-elles comme une hiérarchie plutôt que comme quatre indicateurs distincts ?

J'aime beaucoup cette hiérarchie, car elle reflète la façon dont un consommateur vit une réponse générée par l'IA.

• La présence, c'est : êtes-vous visible ? Lorsqu'une personne pose une question pertinente pour votre activité à un moteur d'IA, votre marque apparaît-elle ? Est-elle mentionnée ou citée, et à quelle fréquence, par rapport à vos concurrents ?
• La notoriété, c'est : si vous êtes visible, où vous situez-vous ? Êtes-vous la première recommandation ? L'une des marques mentionnées parmi d'autres ? Vos concurrents apparaissent-ils systématiquement avant vous ?
• La représentation, c'est : que dit-on de vous ? Être visible n'est pas automatiquement positif. L'IA peut décrire votre marque à partir d'informations obsolètes, mettre en avant des éléments négatifs, ou tout simplement présenter un concurrent sous un jour plus favorable. Le sentiment, l'exactitude et le contexte comptent tous.
• La persuasion, c'est : la réponse donne-t-elle réellement envie de vous choisir ? En fin de compte, la visibilité doit influencer une décision du consommateur. Le moteur IA se contente-t-il de mentionner votre marque, ou la recommande-t-il activement ?

Cette hiérarchie est importante, car vous ne pouvez pas sauter d'étape. Vous ne pouvez pas influencer un client via l'IA si vous n'apparaissez pas dans la réponse. Et la présence ne suffit pas si vous êtes relégué derrière votre concurrence ou représenté négativement.

C'est pourquoi je pense que les marques doivent aborder la visibilité IA comme un système, plutôt que de se focaliser sur un seul indicateur.

3. Quelle est, en pratique, la différence entre une mesure exploratoire et une mesure suffisamment fiable pour guider une décision ? Comment les marques peuvent-elles savoir à laquelle elles ont affaire ?

Une mesure exploratoire indique où chercher. Une mesure fiable pour la prise de décision offre un degré de confiance suffisant pour déterminer la marche à suivre.

Les données exploratoires peuvent être très utiles. Elles peuvent vous indiquer que vous apparaissez moins souvent qu'un concurrent, que le sentiment autour de votre marque évolue, ou que vos performances semblent varier selon les moteurs d'IA.

Mais si je dois réorienter un budget, modifier une stratégie de contenu, ou déployer une stratégie d'optimisation sur des milliers d'établissements, j'ai besoin de bien plus de rigueur derrière cette conclusion.

C'est là que des éléments comme la taille de l'échantillon, la couverture des prompts, la géographie, la fréquence des tests, la reproductibilité et le contexte concurrentiel deviennent essentiels.

Une question que j'encouragerais tout spécialiste du marketing à poser à son fournisseur de mesure de visibilité IA est la suivante : qu'y a-t-il exactement derrière ce chiffre ?

Combien de prompts ont été testés ? Lesquels ? Sur quels modèles ? À quelle fréquence ? Pour quels établissements ? Les prompts sont-ils avec ou sans marque ? Comment les concurrents sont-ils sélectionnés ? Puis-je reproduire ce résultat dans le temps ?

Un tableau de bord esthétique ne signifie pas nécessairement que l'on dispose de données suffisamment fiables pour guider une décision.

4. McKinsey a constaté que seulement 16 % des marques suivent la performance en recherche IA de façon systématique, alors même que les retardataires pourraient perdre jusqu'à la moitié de leur trafic. Pourquoi un tel écart ?

Parce que les comportements ont évolué plus vite que l'infrastructure de mesure actuelle.

Les organisations marketing ont passé des décennies à construire des systèmes autour d'un parcours de recherche assez prévisible : requête, page de résultats, clic, site web. L'IA bouleverse ce modèle. Désormais, la réponse elle-même devient la destination.

Par ailleurs, les réponses générées par l'IA sont probabilistes. Vous pouvez poser une question similaire deux fois et obtenir des réponses différentes. Les résultats peuvent varier selon le modèle, le prompt, la zone géographique et le contexte. Appliquer les méthodes de mesure SEO traditionnelles à la recherche par IA ne fonctionne donc pas vraiment.

Il y a aussi une difficulté pratique : beaucoup de marques ne savent pas par où commencer. Elles entendent parler de GEO, d'AEO, de visibilité IA et d'optimisation des prompts, mais la conversation devient rapidement très théorique.

Je pense que l'enjeu est de simplifier tout cela pour les spécialistes du marketing. Il faut commencer par trois questions :

1. Comment ma marque se positionne-t-elle ?
2. Comment nous situons-nous par rapport à nos concurrents ?
3. Que devons-nous faire ensuite ?

Si la mesure ne permet pas, au bout du compte, de répondre à cette troisième question, elle a une valeur limitée.

5. L'IAB présente le suivi de la concurrence comme un cas d'utilisation majeur de la mesure exploratoire. Comment Yext aide-t-il les marques à savoir où elles se situent face à leurs concurrents dans les réponses de l'IA aujourd'hui ?

C'est un domaine où Scout se distingue particulièrement.

Scout ne se contente pas d'indiquer à une marque si elle est apparue dans une réponse générée par l'IA. L'outil compare sa visibilité à celle des concurrents que les consommateurs voient réellement, à la fois sur la recherche IA et la recherche traditionnelle, et ce jusqu'au niveau local.

Ce contexte local compte énormément pour les marques gérant plusieurs établissements. L'environnement concurrentiel d'un prestataire de santé à Boston peut être totalement différent de celui du même groupe de santé sur un autre marché. C'est vrai également pour les services financiers, la restauration, le commerce de détail, l'automobile, et à peu près toutes les marques disposant d'un réseau d'établissements.

Scout analyse à la fois les requêtes avec et sans marque, et suit des signaux tels que le le taux de réussite dans les réponses de l'IA, la part de voix, le classement, les sources et le volume de citations, le sentiment, ainsi que l'évolution des performances dans le temps. Les marques peuvent passer d'une vue globale à des marchés et des établissements individuels pour comprendre précisément où elles gagnent et où elles perdent du terrain.

Et nous allons ensuite au-delà des indicateurs.

Nous commençons à expliquer pourquoi un concurrent l'emporte. Peut-être dispose-t-il d'un volume d'avis plus important. Ses pages locales intègrent peut-être un balisage Schema. Peut-être ses données structurées sont-elles plus complètes. Ou les sources citées par les moteurs d'IA contiennent peut-être des informations de meilleure qualité ou plus cohérentes à son sujet.

C'est là toute la différence entre surveiller l'IA et véritablement construire une stratégie de visibilité IA.

6. Si la mesure fiable pour la prise de décision est la direction que prend le secteur, quel est le rôle de Yext pour y amener les marques, et que devraient-elles faire pour s'y préparer ?

Je pense qu'atteindre une mesure fiable pour la prise de décision exige de la cohérence, un volume suffisant et des résultats exploitables.

La cohérence est primordiale. Les réponses de l'IA sont par nature variables ; il faut donc une méthodologie contrôlée pour établir des comparaisons pertinentes dans le temps. Avec Scout, nous utilisons volontairement un ensemble cohérent de questions, et nous répétons cette mesure. Si vous changez constamment les questions posées alors que les réponses de l'IA évoluent également, il devient très difficile de savoir si la performance de la marque s'est réellement améliorée, ou si vous mesurez simplement autre chose.

Vient ensuite la question du volume. Et par volume, je n'entends pas nécessairement le fait de poser des milliers de questions différentes. Je veux dire générer suffisamment d'observations, avec cette méthodologie cohérente (sur l'ensemble des établissements, des moteurs d'IA, des concurrents, et dans la durée), pour distinguer une véritable tendance de la variabilité naturelle de l'IA générative.

C'est particulièrement important pour les grandes marques et les marques gérant plusieurs établissements. Une moyenne au niveau de la marque peut sembler saine tout en masquant des écarts importants d'un marché à l'autre. À grande échelle, vous commencez à comprendre où vous gagnez ou perdez systématiquement du terrain, quels concurrents apparaissent à votre place, et si ces tendances évoluent réellement dans le temps.

Enfin, la mesure doit déboucher sur des actions concrètes. L'objectif n'est pas d'ajouter un tableau de bord de plus. Il s'agit de comprendre ce qui influence votre visibilité et ce que vous pouvez faire pour l'améliorer.

C'est là, je pense, que Yext se distingue particulièrement. Scout permet d'identifier où une marque gagne ou perd du terrain, et Yext permet de relier ces enseignements à la présence numérique qui influence, en amont, les réponses de l'IA. Si l'opportunité concerne les informations sur l'entreprise, les avis, le contenu local ou d'autres signaux de visibilité, les marques peuvent agir via Yext, puis mesurer à nouveau.

Au fond, c'est la boucle que nous cherchons à créer : mesurer de façon constante, observer à grande échelle, comprendre ce qui influence le résultat, agir, puis mesurer à nouveau.

7. Autre chose à ajouter ?

J'ajouterais que la visibilité IA n'est pas vraiment un nouveau canal à gérer isolément. C'est le résultat de l'ensemble de votre présence digitale.

Les moteurs d'IA synthétisent des informations provenant de votre site web, de vos fiches, de vos avis, de vos contenus sur les réseaux sociaux et de nombreuses autres sources. Vous ne pouvez pas vous contenter d'optimiser une page pour ChatGPT et considérer la partie gagnée.

C'est aussi pour cette raison que je pense que Yext occupe une position unique sur ce sujet.

Nous avons passé des années à aider de grandes marques, aux structures complexes, à gérer les informations sous-jacentes sur leurs activités à travers l'écosystème numérique. Aujourd'hui, Scout fournit à ces marques les capacités d'analyse nécessaires pour comprendre comment ces informations sont interprétées par la recherche par IA et la recherche traditionnelle, et comment elles se comparent à leurs concurrents. Le Knowledge Graph et les produits de visibilité de marque de Yext leur donnent ensuite les moyens d'agir sur ce qu'elles apprennent.

L'autre élément distinctif que je tiens à souligner est l'intelligence locale.

De nombreux outils peuvent dire à un CMO : « Votre marque est apparue dans 37 % de ces prompts. » C'est intéressant.

Mais si vous gérez 5 000 établissements, les questions les plus utiles sont : où perdons-nous du terrain ? Face à qui ? Pourquoi gagnent-ils ? Que devons-nous corriger en premier ? Et pouvons-nous le faire à grande échelle ?

C'est le problème sur lequel nous nous concentrons avec Scout.

Le cadre de l'IAB est une étape importante, car il donne au secteur un vocabulaire commun pour mesurer ce nouveau monde. La prochaine étape consiste à transformer ces indicateurs en éléments réellement exploitables pour les spécialistes du marketing.

Pour moi, c'est là que cela devient passionnant : la visibilité IA ne devrait pas être seulement mesurable. Elle devrait être gérable.

En conclusion

Le cadre de l'IAB est important, car il donne enfin au secteur une manière commune de parler de la visibilité IA : un vocabulaire commun là où plus de 20 approches concurrentes coexistaient. Mais le vocabulaire n'est qu'un point de départ, pas la ligne d'arrivée. Les marques qui tireront leur épingle du jeu ne seront pas celles qui possèdent le plus de tableaux de bord. Ce seront celles qui sauront répondre à la troisième question : « que devons-nous faire ensuite ? », puis prouver que l'action entreprise a porté ses fruits.

C'est le changement de perspective à retenir : la visibilité IA ne devrait pas être seulement un phénomène à mesurer. Elle devrait être gérée : mesurez-la de façon constante, observez-la à grande échelle, comprenez ce qui influence le résultat, agissez, puis mesurez-la à nouveau. Le cadre indique quoi examiner. Mais c'est en bouclant la boucle que vous transformez un chiffre observé en un résultat maîtrisé.

La visibilité IA devrait être gérable, pas seulement mesurable. Découvrez comment Yext aide les marques à boucler la boucle.