On vérifie la visibilité d'une entreprise dans les réponses de l'IA en posant au modèle cinq questions qu'un client poserait, et en notant si le nom de l'entreprise apparaît dans la réponse. Le test prend un quart d'heure et ne demande aucun outil. Répété chaque mois, il montre si le travail sur la visibilité porte ses fruits.
Les cinq questions
Remplacez les crochets par votre métier et votre secteur, puis posez chaque question séparément dans ChatGPT, Claude et Perplexity.
- La demande de recommandation : « Qui, près de [ville], peut réaliser [service] sur mesure ? »
- La question sur le meilleur : « Quel est le meilleur [métier] de [région] ? »
- La question sur le prix : « Combien coûte [service] à [ville], et qui le propose ? »
- La question sur le choix du prestataire : « Comment choisir un bon [profession], et qui recommandes-tu à [région] ? »
- La question directe sur vous : « Que sais-tu de l'entreprise [nom] de [ville] ? »
Comment lire le résultat
| Ce que vous voyez | Ce que cela signifie |
|---|---|
| Le nom de votre entreprise dans la réponse | Le modèle dispose de données sur vous et les juge fiables. Objectif atteint. |
| Uniquement les noms de concurrents | La concurrence a des données plus cohérentes et mieux décrites. C'est un retard rattrapable. |
| Une réponse générale sans aucun nom | Dans ce métier et ce secteur, personne n'est encore visible. S'y lancer coûte peu. |
| Des informations erronées sur vous | Le pire des cas. Quelque part en ligne, il existe des informations contradictoires sur l'entreprise. |
La dernière question est la plus importante
La question directe sur le nom de l'entreprise ne teste pas tant la visibilité que l'exactitude. Si le modèle donne une mauvaise adresse, un ancien nom ou un service que vous ne proposez pas, il existe en ligne des informations contradictoires, le plus souvent dans la fiche Google, un vieil annuaire professionnel ou un profil qui n'est plus à jour.
Que faire si vous n'y êtes pas
- Des données structurées sur le site : une description de l'entreprise dans un format lisible par les machines (type d'activité, adresse, zone, services, horaires).
- Un contenu sous forme de questions et réponses : rédigé exactement comme le client pose la question. Une réponse courte juste sous la question se cite facilement telle quelle.
- Un fichier llms.txt : un court fichier sur le serveur qui dit clairement qui vous êtes et ce qu'il vaut la peine de citer. C'est une proposition de standard : tous les outils d'IA ne le lisent pas, mais l'ajouter ne coûte rien.
- Une seule version des faits : l'année de création, la zone, la liste des services. Face aux contradictions, le modèle ne sait pas quelle version est la bonne.
- Une présence dans les sources qu'utilisent les modèles : la fiche Google, les annuaires professionnels, les profils professionnels.
Pourquoi cela commence à compter
Un moteur de recherche classique affiche dix liens, et l'utilisateur choisit. Un modèle de langage répond par un seul paragraphe avec deux ou trois noms. Il n'y a pas de deuxième page de résultats, donc la différence entre la première et la quatrième place cesse d'exister : il n'y a plus que la présence ou l'absence.
Dans la plupart des métiers locaux, la concurrence ne fait encore rien dans ce sens. C'est pourquoi, aujourd'hui, un site correctement décrit et des informations cohérentes suffisent, alors que dans deux ans, cela coûtera autant que le référencement classique aujourd'hui.
Une remarque sur la reproductibilité
Les modèles ne répondent pas exactement de la même façon à chaque fois, et certains d'entre eux consultent un moteur de recherche en temps réel. C'est pourquoi il vaut mieux faire le test dans trois outils et le répéter le mois suivant, plutôt que de tirer des conclusions d'une seule réponse.