Mesurer votre part de voix LLM : nouveaux KPIs du search

Une marque peut afficher 35 % de part de voix dans ChatGPT et 9 % dans Perplexity. Une moyenne globale masque ces écarts.

Cet article vous montre comment mesurer votre part de voix LLM et relier ces chiffres à votre trafic.

Part de voix LLM : mesurer la présence d’une marque dans les réponses génératives

La part de voix LLM indique la proportion de mentions qu’une marque obtient dans les réponses générées pour un marché donné. Elle se calcule face à un groupe défini de concurrents, sur les mêmes prompts et les mêmes assistants.

La formule de base est la suivante :

Part de voix LLM = mentions de la marque ÷ mentions totales des marques suivies × 100

Le dénominateur inclut la marque analysée et les concurrents retenus. Une marque citée plusieurs fois dans une même réponse peut n’être comptée qu’une fois. Cette règle évite de surpondérer les réponses longues.

47 mentions sur 235 mentions concurrentielles donnent une part de voix de 20 %. Cette valeur mesure la place de la marque dans la conversation générée. Elle ne signifie pas que 20 % des utilisateurs ont vu la réponse.

Chaque couple formé d’un prompt et d’une réponse devient une unité d’analyse. Le suivi enregistre alors la présence de chaque marque dans chaque réponse.

Le score global se ventile par assistant, par intention et par prompt. Une marque peut atteindre 35 % de part de voix dans ChatGPT, 18 % dans Gemini et 9 % dans Perplexity. La moyenne globale masque ces écarts.

Assistant	Part de voix indicative
ChatGPT	35 %
Gemini	18 %
Perplexity	9 %

Le périmètre de comparaison reste stable pendant toute la période. Il comprend :

• le pays
• la langue
• les assistants
• les prompts
• les concurrents
• la fréquence d’exécution
• la règle de comptage

Une modification du panel change le dénominateur et fausse l’évolution du score.

Le groupe concurrentiel réunit les acteurs directs et les solutions substituables. Une plateforme SaaS suit donc les logiciels concurrents, les agences spécialisées et les outils internes qui résolvent le même problème.

Mentions, citations et taux de recommandation qualifient la visibilité

Le taux de mention rapporte les réponses qui nomment une marque au total des réponses testées. 47 réponses positives sur 235 donnent un taux de 20 %. Le calcul ignore le nombre de fois où le nom apparaît dans une même réponse.

Une mention place le nom d’une marque dans le texte généré. Une citation ajoute une source, une URL ou un domaine présenté comme preuve. Une marque peut donc être mentionnée sans recevoir de lien vers son site.

Niveau	Définition	Points attribués
Mention	Le nom de la marque figure dans le texte généré	1 point
Citation	Une source, une URL ou un domaine est présenté comme preuve	2 points
Recommandation principale	La réponse répond directement à une demande de choix	3 points
Absence	La marque n’apparaît pas dans la réponse	0 point

Le taux de citation mesure la fréquence à laquelle les réponses renvoient vers une page ou un domaine donné. L’analyse distingue l’URL exacte, le domaine, le type de contenu et la fonction de la page citée.

Une recommandation principale répond directement à une demande de choix. Une mention secondaire apparaît dans une liste, une comparaison ou un exemple. Le suivi enregistre ces deux niveaux séparément.

Il n’existe pas de rang universel entre les réponses de ChatGPT, Gemini, Perplexity ou Google AI Mode. Le marquage s’appuie donc sur des catégories stables : première recommandation, shortlist principale, mention secondaire et mention périphérique.

La tonalité décrit le cadrage de la marque dans la phrase qui la contient. Le codage distingue une tonalité positive, neutre ou négative. Une erreur factuelle reçoit un champ distinct. Une description favorable peut rester inexacte.

L’audit vérifie les caractéristiques attribuées à la marque :

• prix
• secteur
• fonctionnalités
• zone géographique
• niveau de service
• comparaisons avec les concurrents

Une pondération simple attribue 1 point à une mention, 2 points à une citation, 3 points à une recommandation principale et 0 point à une absence. Le score se calcule alors ainsi :

La méthode précise le traitement des mentions répétées. Elle précise aussi les variantes de nom de marque, les erreurs de détection, les coefficients, les moteurs suivis et la période de référence. Cette documentation rend le score reproductible.

Un panel de prompts couvre les intentions commerciales

Le panel sélectionne les prompts selon leur valeur commerciale. Il retient aussi leur fréquence probable et leur proximité avec une décision d’achat. Une demande de devis pèse davantage qu’une question générale sur une catégorie.

Trois formats de prompts

• Prompts de catégorie

  Ils explorent un marché. Ces prompts décrivent une catégorie de solutions.

• Prompts de comparaison

  Ils opposent deux solutions face à face.

• Prompts de résolution de problème

  Ils décrivent un besoin sans nommer de marque.

Ces trois formats suivent des chemins de recherche distincts. Les prompts d’achat utilisent « quelle solution choisir », « meilleur outil pour » ou « alternative à ». Les prompts de choix d’outil demandent une recommandation selon un budget, un secteur, une taille d’équipe ou une contrainte technique.

La répartition suit trois étapes :

• Sensibilisation : questions de définition, de contexte et de problème, soit environ 40 % du panel.
• Considération : comparaisons, alternatives et critères, soit environ 35 % du panel.
• Décision : recommandations, prix, intégrations et prestataires, soit environ 25 % du panel.

Un univers de 300 à 800 prompts couvre généralement plusieurs produits, personas, secteurs et localisations dans un programme B2B SaaS. Le volume dépend du nombre de marchés, de concurrents et de cas d’usage suivis.

L’échantillon hebdomadaire conserve les prompts prioritaires. Une rotation mensuelle introduit des formulations nouvelles sans remplacer la base de référence. Cette combinaison distingue la tendance réelle de l’effet d’un changement de questionnaire.

Le choix des assistants dépend du marché français et du public ciblé. ChatGPT, Google Gemini, Perplexity, Microsoft Copilot et Claude couvrent des usages différents. Google AI Overviews et Google AI Mode se suivent séparément, car ils relèvent de la recherche Google.

Chaque exécution consigne trois blocs d’information :

• Contexte : prompt, catégorie, intention, assistant et modèle si disponible.
• Collecte : date, pays et langue.
• Résultat : réponse brute, marques citées, URLs, tonalité et erreurs factuelles.

Les prompts proviennent des requêtes SEO, des recherches internes, des tickets du service client, des briefs commerciaux et des entretiens avec les clients. Cette collecte rapproche le panel des formulations employées avant un achat.

Un suivi segmenté révèle les progrès de visibilité

La mesure de référence s’établit avant toute optimisation. Elle couvre deux à quatre semaines d’exécutions. Cette durée limite l’effet d’une réponse isolée.

Le tableau de bord sépare au minimum ces indicateurs opérationnels :

• la part de voix
• le taux de mention
• le taux de citation
• le taux de recommandation
• la position
• la tonalité
• les erreurs factuelles

Un score unique ne remplace pas ces indicateurs.

La comparaison par assistant révèle les écarts de couverture. Une marque peut afficher une forte part de voix dans ChatGPT. Elle reste pourtant absente des réponses de Gemini ou de Perplexity. Le plan d’optimisation cible alors le moteur sous-représenté.

La comparaison par intention localise le problème. Une marque visible sur les prompts de sensibilisation peut disparaître des prompts de comparaison et de décision. Le contenu à produire change selon l’étape du parcours.

Le panel stable sert à comparer l’évolution. La rotation mensuelle introduit de nouvelles formulations sans remplacer la base de référence. Les deux séries restent séparées.

Une variation mensuelle se lit selon trois seuils :

• Moins de 5 points : vérification avant toute conclusion.
• Entre 5 et 10 points : analyse des réponses concernées.
• Plus de 10 points : rapprochement avec les changements de contenu et de moteur.

Les seuils de 5 et 10 points servent de repères de pilotage, pas de normes universelles.

Les outils GEO automatisent le suivi des réponses

Les plateformes de visibilité IA exécutent les prompts. Elles stockent les réponses et détectent les marques. Elles extraient les citations et comparent les concurrents.

Meteoria propose quatre formules :

• Starter : 75 € par mois, 25 prompts quotidiens, 25 crédits, trois assistants au choix, projets et pays illimités, intégrations Google Analytics et Matomo.
• Pro : 175 € par mois, 100 prompts quotidiens.
• Advanced : 420 € par mois, 300 prompts quotidiens.
• Enterprise : à partir de 700 € par mois, avec volume supérieur, API, SSO et Data Studio.

Hikoo propose trois offres, tarifs hors taxes :

• Monitoring : 69 € HT par mois, 30 prompts, 500 URLs auditées, 1 500 réponses IA, cinq concurrents et deux plateformes.
• Growth : 179 € HT par mois, 80 prompts et quatre plateformes.
• Agent : 499 € HT par mois, 200 prompts, 5 000 URLs auditées, 15 000 réponses, 20 concurrents, neuf plateformes et des corrections de pages préparées.

SE Ranking combine le suivi des prompts et l’analyse des sources IA. Il ajoute les fonctions SEO classiques. Son suivi couvre Google AI Overviews, Google AI Mode, ChatGPT, Gemini et Perplexity. Une comparaison des concurrents complète l’ensemble.

Ahrefs Brand Radar analyse un index de plus de 405 millions de prompts. Ces prompts proviennent de recherches et de sept plateformes IA. Le suivi de prompts personnalisés commence à 50 dollars par mois. L’accès à toutes les plateformes coûte 699 dollars par mois, avec 2 500 vérifications personnalisées.

Le choix d’un outil repose sur plusieurs critères. Il faut comparer les points suivants :

Points à vérifier avant de choisir

• Comparer le volume de prompts à votre périmètre de marques.
• Vérifier les assistants couverts et le pays suivi.
• Contrôler la fréquence de collecte et la durée de conservation des réponses.
• Confirmer la présence de l’export et de l’API.
• Examiner les règles de déduplication et les métriques proposées.

L’export doit fournir la réponse brute. Il doit aussi donner la date, le prompt et le moteur. Les marques reconnues, les citations et les paramètres de collecte doivent y figurer.

Cette traçabilité permet de reproduire un calcul. Elle permet aussi de contrôler les erreurs de détection.

La part de voix LLM complète le suivi SEO

Le SEO mesure la visibilité d’une page dans une liste de résultats. La part de voix LLM mesure la présence d’une marque dans une réponse synthétisée. Une page peut être bien positionnée sans apparaître dans une réponse générée.

La position Google ne prédit pas la mention dans un assistant. Les modèles choisissent leurs sources selon le sujet, la fraîcheur, la structure, la réputation du domaine et le contexte du prompt.

Le rapprochement commence par les URLs citées. L’équipe compare les pages exposées dans les réponses avec leurs impressions, clics, backlinks, contenus, données structurées et positions organiques.

L’analyse sépare les sources propriétaires des sources concurrentes. Une marque peut être citée par :

• son propre site
• un média
• une documentation partenaire
• une place de marché
• une page concurrente qui la compare

Signal	Ce qu’il traduit
Impression	Un lien apparaît dans une fonctionnalité de recherche.
Mention	Le nom apparaît dans une réponse.
Clic	Un utilisateur ouvre un lien.

Ces trois signaux n’ont pas le même poids. Les URLs citées révèlent les formats que les assistants privilégient.

Une même marque n’obtient pas les mêmes citations selon le format. Une page peut être citée pour :

• une documentation technique
• une page tarifaire
• un comparatif
• une étude

Le rapprochement identifie ainsi les contenus à renforcer ou à créer.

Les données GEO se rapprochent ensuite des sessions Analytics. L’équipe compare les périodes, les pages de destination, les conversions, les formulaires, les ventes et les demandes de contact liés aux assistants IA.

Avant de rapprocher les données GEO et SEO

• Lister les URLs citées dans les réponses des assistants.
• Relier chaque URL à ses impressions, clics et positions organiques.
• Séparer les sources propriétaires des sources concurrentes.
• Comparer les pages de destination aux sessions Analytics des assistants IA.

Search Console mesure les impressions génératives Google

Search Console propose un rapport dédié aux performances génératives de Google Search. Il couvre Google AI Overviews et Google AI Mode, avec les impressions et les pages exposées.

Le rapport couvre deux fonctionnalités et quatre dimensions :

• Google AI Overviews et Google AI Mode.
• Les impressions et les pages exposées.
• Les pays et les appareils.
• L’évolution des impressions dans le temps.

Dimensions du rapport

• Google AI Overviews et Google AI Mode

  Les AI Overviews et le mode IA de Google. Le rapport couvre ces deux fonctionnalités génératives de Google Search.

• Impressions et pages exposées

  Impressions et pages exposées. Le rapport affiche le nombre d’impressions et les pages qui apparaissent dans ces réponses.

• Pays et appareils

  Pays et appareils. Le rapport ventile les impressions par pays et par type d’appareil.

• Évolution dans le temps

  Évolution dans le temps. Le rapport montre la progression des impressions génératives sur la période choisie.

Search Console se limite aux fonctionnalités génératives de Google Search. Elle ne mesure pas ChatGPT, Claude, Perplexity ou Microsoft Copilot. Un outil GEO reste donc nécessaire pour comparer plusieurs assistants.

Ce que Search Console mesure et ce qu’il ne mesure pas

Le rapprochement associe les pages exposées, les requêtes, les clics et les sessions. Il sépare la visibilité utile à l’acquisition des expositions restées sans interaction.

GA4 isole les visites référées par les assistants IA

GA4 identifie les sessions venant de référents comme ChatGPT, Gemini, Perplexity, Claude et Microsoft Copilot. Il ne voit que les visites qui cliquent vers le site.

Le rapport Acquisition filtre la source de la session. Vous pouvez utiliser la dimension « source de session ». Vous pouvez aussi créer un groupe de canaux nommé « Assistants IA ».

Le filtre regroupe les domaines référents des assistants suivis, comme ChatGPT, Gemini, Perplexity, Claude et Microsoft Copilot, par expression régulière. La liste évolue avec l’ajout de nouveaux assistants.

Les sessions se lisent par page de destination. L’analyse ajoute les conversions, le chiffre d’affaires, la durée d’engagement et les événements clés. Elle montre quelles pages transforment une visite issue d’une réponse IA.

GA4 ne voit pas les utilisateurs qui lisent une réponse sans cliquer. Il ne mesure donc pas toute l’influence des assistants. Les mentions et les citations complètent cette mesure comportementale.

Les paramètres de suivi modifient le classement du trafic : ils déterminent dans quel canal une visite apparaît.

Plan de marquage à fixer avant comparaison

• Source : fixez-la pour chaque assistant
• Support : renseignez-le à l’identique sur chaque lien
• Campagne : nommez-la de façon stable d’un mois à l’autre
• Paramètres UTM : appliquez-les avant toute comparaison entre assistants

Le suivi mensuel compare les sessions référées, les conversions et le revenu attribué. Une hausse de citations se relie ainsi à une hausse de visites. Elle peut aussi révéler une visibilité sans trafic direct.

Les usages français imposent plusieurs assistants

En France, en septembre 2026, ChatGPT concentre 79,03 % du trafic référent des chatbots. Google Gemini et Perplexity suivent loin derrière. Le tableau détaille la part des cinq assistants.

Assistant	Part d’usage en France	Utilité du suivi
ChatGPT	79,03 %	Priorité pour la couverture générale et les recommandations
Google Gemini	11,82 %	Suivi des usages liés à l’écosystème Google
Perplexity	4,62 %	Analyse des réponses fortement sourcées
Microsoft Copilot	2,72 %	Suivi des publics Microsoft et professionnels
Claude	1,80 %	Contrôle des usages spécialisés et B2B

La part d’usage et la part de voix ne se confondent pas :

• La part d’usage décrit le trafic référent de la plateforme.
• La part de voix mesure la proportion de mentions d’une marque dans un panel de réponses.

Ces parts peuvent pondérer un tableau de bord. Elles ne remplacent pas une moyenne simple. La moyenne pondérée reflète l’exposition potentielle. La moyenne simple compare la performance entre assistants.

Les écarts de visibilité doivent rester visibles. Une marque peut dominer Perplexity grâce à ses pages sourcées. Elle peut pourtant rester peu recommandée dans ChatGPT. Cette différence révèle des leviers GEO distincts.

La mesure de référence s’établit avant toute optimisation. Elle couvre deux à quatre semaines d’exécutions. Le suivi mensuel compare ensuite les assistants sur le panel stable.