Qu’est-ce que la part de voix IA (Share of Model) et comment la mesurer ?

Qu’est-ce que la part de voix IA (Share of Model) et comment la mesurer ?

La part de voix IA, souvent appelée Share of Model, est une mesure comparative de la place occupée par une marque dans les réponses d’assistants comme ChatGPT, Gemini, Claude ou Perplexity. Elle ne mesure pas une visibilité absolue sur le web : elle mesure, sur un ensemble stable de situations voyageurs, à quelle fréquence votre marque apparaît, est réellement recommandée ou est citée par rapport à ses concurrents. Autrement dit, la bonne question n’est pas seulement « est-ce que mon hôtel est mentionné ? », mais « sur les mêmes demandes, face aux mêmes concurrents, dans le même moteur, à quelle fréquence suis-je présent, choisi ou appuyé par une citation ? ».

La part de voix IA n’est pas un simple comptage de mentions

Compter les fois où une marque apparaît dans une réponse IA est utile, mais insuffisant. Une marque peut être mentionnée en passant, listée parmi d’autres, ou au contraire être clairement recommandée comme meilleur choix. Ces situations n’ont pas la même valeur. Pour rendre la mesure exploitable, il faut distinguer au minimum trois niveaux : la présence, la recommandation et la citation. La présence répond à la question « la marque apparaît-elle ? ». La recommandation répond à « la marque est-elle proposée comme option pertinente ou préférable ? ». La citation répond à « la réponse s’appuie-t-elle explicitement sur une source visible liée à cette marque ou à son écosystème d’information ? ». Si vous mélangez ces trois niveaux dans un seul chiffre sans méthode claire, vous obtenez un indicateur séduisant mais peu utile. Si vous les séparez, vous pouvez comprendre si votre problème vient d’un manque de visibilité, d’un manque de préférence, ou d’un manque de preuves visibles. Pour clarifier ces niveaux de présence dans les réponses génératives, vous pouvez aussi lire la différence entre être cité, visible et recommandé par une IA.

Ce que la part de voix IA mesure vraiment

La part de voix IA mesure une position concurrentielle dans un périmètre défini. Ce périmètre comprend un corpus de questions, un panel de concurrents, un ou plusieurs moteurs, une langue, un marché et une période de test. C’est essentiel, car il n’existe pas de part de voix IA universelle. Vous pouvez avoir une forte part de voix sur les demandes « hôtel famille proche du centre de Rome » et une faible part de voix sur les demandes « boutique hotel design pour week-end romantique ». Vous pouvez aussi être très visible en anglais et beaucoup moins en français. La métrique dépend donc toujours du territoire de test. Elle doit être lue comme un indicateur de couverture concurrentielle sur des cas comparables, pas comme une vérité globale sur votre notoriété.

Commencer par un corpus stable de situations voyageurs

La qualité de la mesure dépend d’abord de la qualité du corpus de test. Il faut construire un ensemble de situations voyageurs suffisamment stable pour être rejoué dans le temps. Un bon corpus ne se limite pas à des requêtes génériques du type « meilleurs hôtels à Paris ». Il couvre des situations concrètes : destination, budget, durée, profil de voyageur, quartier, usage, contraintes, saisonnalité ou intention. Par exemple, une demande peut porter sur un séjour affaires, une autre sur un week-end en couple, une autre sur un hôtel familial près d’un point d’intérêt. L’objectif n’est pas de tester toutes les formulations possibles, mais de tester un échantillon cohérent des demandes qui comptent réellement pour votre marché. Si le corpus change à chaque mesure, vous ne suivez plus votre évolution : vous changez d’examen à chaque fois. Pour comprendre pourquoi le choix des formulations influence fortement les résultats, ce sujet prolonge utilement pourquoi les recommandations changent selon la question posée.

Comparer les concurrents uniquement sur les mêmes prompts

La comparaison n’a de sens que si toutes les marques sont observées sur exactement le même terrain. Il faut donc tester votre marque et ses concurrents sur les mêmes prompts, dans les mêmes conditions. Comparer votre présence sur une série de questions « luxe » et celle d’un concurrent sur une série de questions « famille » ne produit aucun signal sérieux. De la même manière, mélanger plusieurs langues, plusieurs marchés et plusieurs moteurs dans une seule moyenne masque souvent les vraies différences. La bonne pratique consiste à garder séparés, au moins au départ, les résultats par moteur, par langue, par marché et par famille de situations voyageurs. Vous pourrez agréger ensuite, mais seulement après avoir compris ce que vous agrègez.

Définir des règles de codage avant de lancer la mesure

Avant même de tester, il faut décider comment vous allez lire les réponses. Sans grille de codage, deux personnes peuvent interpréter la même réponse différemment. Une grille simple peut comporter les catégories suivantes :

• Absente : la marque n’apparaît pas.
• Mentionnée : la marque est citée, sans être vraiment proposée comme choix.
• Listée : la marque fait partie d’une sélection d’options.
• Recommandée : la marque est présentée comme particulièrement adaptée, prioritaire ou meilleure pour le besoin exprimé.
• Citée comme source ou appuyée par une source visible : lorsque l’interface affiche des sources explicites et que l’une d’elles renvoie au site de la marque ou à une source externe qui la documente.
• Ambiguë : la formulation ne permet pas de trancher proprement. Le point important n’est pas d’inventer une taxonomie complexe, mais d’appliquer toujours la même convention. Une métrique imparfaite mais stable vaut mieux qu’une métrique théoriquement parfaite mais codée différemment à chaque run.

Les trois indicateurs à suivre en priorité

1. Le taux de présence

Le taux de présence mesure la fréquence à laquelle votre marque apparaît dans les réponses sur le corpus testé. Formule simple : taux de présence = nombre de prompts où la marque apparaît / nombre total de prompts testés Cet indicateur dit si vous entrez dans le champ de réponse des modèles. Il ne dit pas encore si vous êtes préféré.

2. Le taux de recommandation

Le taux de recommandation mesure la fréquence à laquelle votre marque est réellement proposée comme option pertinente, pas seulement mentionnée. Formule simple : taux de recommandation = nombre de prompts où la marque est recommandée / nombre total de prompts testés C’est souvent l’indicateur le plus utile pour lire la performance concurrentielle, car il reflète mieux le passage de la simple visibilité au choix.

3. Le taux de citation

Le taux de citation ne peut être mesuré proprement que lorsque l’interface affiche des sources ou des références visibles. Il faut alors décider à l’avance votre convention de calcul. Deux options sont possibles :

• mesurer la citation sur l’ensemble des prompts testés ;
• mesurer la citation seulement sur les prompts où le moteur affiche des sources. L’essentiel est d’annoncer clairement le dénominateur. Sinon, les comparaisons deviennent trompeuses, surtout entre moteurs qui n’exposent pas tous leurs sources de la même manière.

Comment calculer une vraie part de voix concurrentielle

Les trois taux précédents vous donnent déjà une lecture utile. Pour parler de part de voix au sens strict, vous pouvez ensuite transformer ces observations en part relative face au panel concurrentiel. Le principe est simple : sur le même corpus, vous comptez combien de fois chaque marque est présente, recommandée ou citée, puis vous calculez la part de chaque marque dans le total observé. Par exemple, pour la présence : part de voix de présence = apparitions de votre marque / apparitions totales de toutes les marques du panel Le même raisonnement peut être appliqué à la recommandation et à la citation. Cette approche a un avantage majeur : elle permet de voir non seulement votre fréquence propre, mais aussi votre poids relatif dans l’espace concurrentiel observé. Une marque peut avoir un taux de présence correct, mais rester très derrière deux concurrents dominants. Inversement, elle peut progresser en part relative même si le volume brut reste stable, parce que le reste du panel recule.

Ajouter la position dans la réponse sans la confondre avec la part de voix

Dans de nombreuses réponses, l’ordre de présentation compte. Être cité en premier n’a pas la même portée qu’être placé en quatrième position à la fin d’une liste. Vous pouvez donc compléter la mesure avec des indicateurs comme :

• fréquence de Top 1 ;
• fréquence de Top 3 ;
• rang moyen lorsque la réponse est ordonnée ;
• part des cas où un concurrent précis vous devance. Ces indicateurs sont précieux, mais ils ne doivent pas remplacer les taux de présence et de recommandation. D’abord parce que toutes les réponses ne sont pas classées de manière explicite. Ensuite parce qu’une réponse conversationnelle peut recommander fortement une marque sans la présenter dans une liste numérotée.

Répéter les tests pour réduire l’effet de variabilité

Une réponse IA n’est pas un résultat parfaitement fixe. Elle peut varier selon le moteur, la langue, le marché, le moment du test, l’historique de session ou la façon exacte dont la demande est formulée. C’est pourquoi une mesure sérieuse ne repose pas sur un seul essai. Il faut répéter les tests et observer si les tendances se maintiennent. Plus l’écart est faible entre deux concurrents, plus la prudence est nécessaire. En pratique, cela signifie qu’un écart isolé ne doit pas être interprété comme un verdict stratégique. Ce qui compte, c’est la répétition du signal sur un corpus cohérent et sur plusieurs runs comparables. Pour comprendre pourquoi les moteurs ne se comportent pas de la même manière, vous pouvez lire ChatGPT, Gemini, Claude, Perplexity : quelles différences pour les acteurs du tourisme ?.

Séparer les résultats par moteur, langue et marché

Un score moyen global est tentant, mais il cache souvent l’information la plus utile. Une marque peut être forte dans un moteur et faible dans un autre. Elle peut dominer sur son marché domestique et disparaître sur un marché international. Elle peut aussi être bien captée dans une langue et mal comprise dans une autre. La bonne séquence est donc la suivante :

1. mesurer séparément par moteur ;
2. mesurer séparément par langue ;
3. mesurer séparément par marché ;
4. comparer les familles de situations voyageurs ;
5. seulement ensuite, produire une synthèse. Cela évite de confondre un problème de contenu, un problème de positionnement local, un problème de traduction, ou un simple effet de moteur.

Comment interpréter les écarts

La part de voix IA devient utile lorsqu’elle permet de poser un diagnostic. Une faible présence suggère souvent que la marque entre peu dans l’univers de réponse des modèles pour les situations testées. Cela peut indiquer un manque de clarté, de couverture thématique ou de corroboration externe. Une présence correcte mais une faible recommandation suggère autre chose : la marque est connue, mais pas suffisamment jugée pertinente ou préférée pour le besoin formulé. Le problème n’est plus seulement d’exister dans les réponses, mais d’être le bon choix. Une bonne recommandation sur quelques territoires seulement révèle souvent une spécialisation. Ce n’est pas forcément mauvais. Cela peut montrer que la marque possède une vraie force sur certains cas d’usage, mais pas encore sur l’ensemble du marché visé. Enfin, une citation faible malgré une présence correcte peut indiquer que la marque apparaît dans les réponses, mais sans preuves visibles ou sans appui suffisamment identifiable dans les sources affichées. Quand la mesure montre qu’un concurrent vous dépasse régulièrement, la suite logique consiste à analyser pourquoi une IA recommande un concurrent plutôt que votre entreprise.

Les limites à afficher dans tout reporting

La part de voix IA est utile, mais elle doit être présentée avec ses limites. Première limite : elle dépend du corpus testé. Si vous changez les situations voyageurs, vous changez aussi la métrique. Deuxième limite : elle dépend du moteur. Deux assistants peuvent produire des sélections différentes sans que l’une soit « fausse » et l’autre « vraie ». Troisième limite : elle dépend du format de réponse. Certaines interfaces citent des sources, d’autres non. Certaines classent les options, d’autres rédigent en langage naturel. Quatrième limite : elle ne mesure pas directement la performance business. Une progression de part de voix IA n’est pas, à elle seule, une preuve de hausse de trafic, de demande ou de réservation. Cinquième limite : elle reste sensible à la variabilité. Plus les écarts sont petits, plus il faut éviter les conclusions tranchées. Enfin, il ne faut pas confondre part de voix IA et part de voix SEO classique. Les deux logiques peuvent se recouper, mais elles ne décrivent pas la même chose. Une page bien classée sur Google peut d’ailleurs rester peu visible dans une réponse générative, comme expliqué dans pourquoi un contenu bien classé sur Google peut rester invisible dans les réponses des IA.

Le tableau de bord minimal à mettre en place

Un suivi simple suffit souvent pour commencer. Le tableau de bord minimal peut contenir :

• le taux de présence par moteur ;
• le taux de recommandation par moteur ;
• le taux de citation lorsque le format le permet ;
• la part relative face aux principaux concurrents ;
• la lecture par langue ;
• la lecture par marché ;
• la lecture par famille de situations voyageurs ;
• une indication des écarts stables et des écarts encore volatils. L’objectif n’est pas de produire un tableau impressionnant, mais un tableau qui aide à décider. Si vous ne pouvez pas expliquer ce que signifie une variation, l’indicateur est encore trop brut.

Ce qu’il faut retenir

La part de voix IA est une métrique comparative, pas absolue. Elle sert à mesurer la place d’une marque dans les réponses génératives face à des concurrents, sur un corpus stable de situations voyageurs. Pour la mesurer correctement, il faut séparer au minimum la présence, la recommandation et, quand c’est possible, la citation. Il faut tester les mêmes prompts pour tous les acteurs, conserver un périmètre constant, segmenter les résultats par moteur, langue et marché, puis répéter les observations pour limiter l’effet de variabilité. Bien utilisée, cette mesure ne dit pas seulement si vous êtes visible. Elle montre où vous êtes choisi, où vous ne l’êtes pas, et sur quels territoires concurrentiels votre positionnement tient réellement. Si vous voulez passer d’une intuition à une mesure comparable, l’étape utile est de mettre en place un audit GEO comparatif sur un corpus stable de situations voyageurs, afin d’évaluer présence, recommandation et citation face aux concurrents, moteur par moteur, langue par langue et marché par marché.