Vos outils de visibilité IA vous mentent : ce que le prompt tracking ne voit pas

Une étude de Demand-Genius avance que les outils de suivi de visibilité IA donnent une image faussée de votre présence dans ChatGPT. Le vrai sujet n’est pas de savoir si l’IA cite votre marque, mais comment elle en parle dans le contexte de la demande initiale formulée par l’utilisateur. Et sur ce point, vos outils de prompt tracking préférés ne vous aideront pas. Alors, que mesurez-vous vraiment quand vous suivez votre visibilité dans les réponses génératives des moteurs de recherche et chatbots IA ?

Ce que l’étude a réellement testé

L’équipe de Demand-Genius a posé la même question business à ChatGPT, encore et encore.

Une seule variable changeait : le prisme par lequel l’acheteur entre dans le sujet.

Le protocole enchaîne cinq prompts, du problème à la solution.

Le premier prompt est identique pour tous.

Le deuxième introduit une douleur précise : attribution, reporting, demand gen, cycle de vie, …

Puis on demande une recommandation finale.

Le test a couvert 8 catégories B2B, avec cinq prismes plus un contrôle, chaque chemin étant lancé trois fois.

C’est bon à savoir : l’étude porte sur un seul modèle, GPT-5.3, avec trois runs par test. Avec l’arrivée de GPT-5.6, l’étude est donc déjà factuellement obsolète pour ce qui concerne l’environnement de ChatGPT mais elle donne une tendance et une méthodo intéressante à creuser.

Visibilité et framing : deux mesures très différentes

Toute la démonstration repose sur cette distinction :

• La visibilité, c’est être dans la pièce.
• Le framing, c’est ce qui se dit sur vous une fois que vous y êtes.

Presque tous les outils d’AEO du marché comptent la première et ignorent la seconde.

Pour mesurer le cadrage, l’étude utilise un indicateur maison : le frame retention ratio.

Il calcule la part des concepts posés au prompt 2 qui survivent jusqu’à la réponse finale.

Sa moyenne s’établit à 0,37 sur l’ensemble des chemins.

En clair : un tiers du cadrage initial pèse encore sur la recommandation et c’est suffisant pour faire basculer le verdict.

L’exemple qui fait mal : mêmes marques, mais un gagnant différent

Prenez la catégorie martech, familière pour beaucoup d’entre nous.

Quel que soit le prisme, les mêmes marques ressortent en tête.

Sur ce sujet, la récurrence des trois premières marques atteint 91 % au moment de la short-list.

Chaque dashboard de prompt tracking enregistre donc un « win » sur tous les chemins.

Sous la surface, l’histoire est différente.

Poussé à trancher, le modèle recommande HubSpot sur les prismes attribution et ABM (Account Based Marketing), mais il recommande Salesforce sur les autres.

Les deux marques apparaissent dans chaque réponse.

Les deux tableaux de bord affichent donc 100 % de wins, alors que l’IA vient d’orienter deux acheteurs vers des solutions différentes.

Sur l’ensemble des catégories, la récurrence des marques atteint 0,82 en K3, mais les chemins ne convergent vers le même choix final que dans 61 % des cas en moyenne.

Autrement dit, quatre fois sur dix, le prisme d’entrée suffit à changer le vainqueur.

Pourquoi le B2B est le plus exposé ?

Plus une décision est complexe, plus la conversation qui précède la reco est longue.

Or l’achat B2B commence rarement par « quel produit acheter ».

Il commence par « qu’est-ce qui ne va pas, et comment les autres le règlent ».

Cette phase de cadrage se fait de plus en plus avec l’IA.

Pour beaucoup de prospects, l’IA est le premier point de contact avec votre marque.

Une recherche antérieure de l’éditeur montrait déjà que seules 16 % des réponses IA en parcours B2B citent une marque directement.

Au stade de la découverte et de la considération, ce taux tombait à zéro.

C’est justement là que se joue le cadrage, et c’est là que vos outils de prompt tracking ne voient rien.

Nuance utile : l’effet est plus fort sur les catégories matures, où les options crédibles sont peu nombreuses.

Sur des sujets plus ouverts, comme la stratégie IA, même la liste des marques citées devient instable.

Pour un acteur émergent, cette instabilité est une porte d’entrée à saisir.

Ce que vous devez changer dans votre mesure de vos performances AEO

La visibilité reste un objectif, mais il ne doit pas être le seul.

Le modèle peut dire « cette marque n’est pas un bon choix » pendant que votre dashboard reste au vert, car vous avez été cité…

Premier ajustement nécessaire : mesurer l’expérience de votre acheteur réel, pas celle du consommateur moyen

Beaucoup d’outils passent par l’API des différents providers IA (OpenAI pour ChatGPT, Anthropic pour Claude, Gemini, …) mais cette approche efface le contexte.

Dans certains cas, les outils simulent un profil générique mais qui n’a rien de votre persona qui a déjà une mémoire et un contexte très détaillé influençant les réponses des modèles.

Pour un spécialiste B2B, ces données ne reflètent pas ce que voit son ICP.

Deuxième ajustement : regrouper vos prompts suivis par intention et par catégorie, pas un par un

Catégoriser ses prompts à suivre dans un outil de prompt tracking est clé, et il ne faut pas négliger cette phase pour améliorer les reporting formalisés par ces solutions.

Troisième ajustement : mesurer comment vous apparaissez, pas seulement si vous apparaissez

C’est un changement de posture par rapport au vieux réflexe SEO d’il y a quelques années qui consistait à produire un contenu par variation de requête.

Cette approche existe déjà côté positionnement de marque : nos conseils pour soigner l’image de votre marque dans les IA conversationnelles vont dans ce sens.

Elle rejoint aussi ce que nous détaillions sur les façons d’être cité par les IA génératives et sur les outils de GEO disponibles aujourd’hui.

Et vous, votre outil actuel mesure-t-il vraiment ce que voit votre acheteur, ou juste ce qui vous arrange de voir dans votre reporting ?