Mention, citation et part de voix IA : définitions et formules

Réponse courte

Une mention IA se produit lorsque le nom d'une marque apparaît dans une réponse observée. Une citation IA se produit, dans ce protocole, lorsqu'une URL ou un domaine de la marque est explicitement affiché comme source. La part de voix IA est la part des événements de mention obtenue par la marque parmi un ensemble de concurrents, sur un panel fixe de prompts, plateformes et répétitions. Ces mesures ne sont ni un classement universel, ni une audience réelle, ni une attribution de revenu.

Pour produire un nombre défendable, publiez le prompt exact, la plateforme, la date, le marché, le nombre de runs, les règles de normalisation et le dénominateur. Répétez chaque prompt, car une réponse générative varie. Gardez ChatGPT, Gemini, AI Overviews, AI Mode et Perplexity séparés avant tout éventuel résumé. Enfin, conservez les sorties brutes : si une autre personne ne peut pas recalculer le taux à partir de l'export, le score est un indicateur propriétaire, pas une métrique auditable.

À retenir

• Une marque peut être mentionnée sans être citée, et citée sans être nommée dans le texte.
• Le dénominateur doit être constitué des runs éligibles, avec les échecs expliqués.
• La couverture de prompts mesure la diversité des questions touchées ; le taux de mention mesure la fréquence des runs positifs.
• Une part de voix dépend entièrement du panel de concurrents et de prompts retenu.
• Ne fusionnez pas un panel tiers, une impression Search Console, un clic et une conversion.

Le contrat de mesure

Avant la première exécution, écrivez un dictionnaire. Les définitions suivantes sont celles de cette page ; un fournisseur peut en adopter d'autres, mais il doit les déclarer.

Une « réponse » et un « run » sont ici synonymes d'une exécution enregistrée d'un prompt sur une surface. Un run est éligible si la plateforme a retourné une réponse complète exploitable selon la règle fixée avant le test. Les timeouts, refus, pages de connexion et erreurs techniques restent dans un registre d'échec ; on ne les supprime pas silencieusement.

Les formules fondamentales

Taux de mention

Taux de mention = runs éligibles avec mention / runs éligibles × 100

Un run mentionnant deux fois la marque compte une fois pour ce taux, sauf si le protocole mesure explicitement le nombre d'occurrences. Évitez de laisser une réponse longue dominer le résultat.

Taux de citation

Taux de citation = runs éligibles avec au moins une citation du domaine / runs éligibles × 100

Décidez si plusieurs URLs du même domaine comptent comme un événement de run ou plusieurs citations. Publiez les deux colonnes si les deux questions sont utiles : runs_cités et URLs_citées.

Couverture de prompts

Couverture = prompts uniques avec ≥ 1 mention / prompts uniques éligibles × 100

Cette métrique évite qu'un petit nombre de questions très favorables masque l'absence sur le reste du parcours. Elle est toutefois sensible au nombre de répétitions : cinq occasions rendent un prompt plus susceptible d'obtenir au moins une mention qu'un seul run.

Taux conditionnel mention vers citation

Taux mention → citation = runs avec mention ET citation / runs avec mention × 100

Si vous calculez plutôt runs cités / runs mentionnés, une citation sans mention textuelle peut produire un ratio étrange. La convention ci-dessus exige les deux événements dans le numérateur. Gardez aussi une catégorie citation_sans_mention.

Part de voix IA

Part de voix de la marque M =
  événements de mention de M /
  somme des événements de mention de toutes les marques du panel
  × 100

Plusieurs marques peuvent coexister dans une réponse ; chacune génère alors un événement. Le dénominateur n'est donc pas le nombre de runs. Une autre définition peut attribuer un seul point par réponse, fractionner le point ou pondérer l'ordre. Aucune n'est universelle : choisissez-en une, nommez-la et ne changez pas en cours de série.

Les décisions de normalisation à prendre avant le test

Le sentiment peut être annoté en plus, mais il exige une grille distincte. « Alternative à X » n'est pas automatiquement négatif ; « déconseillé pour ce cas » peut être utile et exact. Faites contrôler un échantillon par deux humains et publiez l'accord entre annotateurs avant d'automatiser.

Protocole reproductible en huit étapes

1. Définir la décision

Choisissez ce que la mesure doit éclairer : comparer des thèmes, surveiller une campagne, diagnostiquer des sources ou suivre des concurrents. Une métrique sans décision produit un tableau coûteux sans action.

2. Construire le panel de prompts

Échantillonnez les étapes du parcours : définition, problème, méthode, comparaison, risque, coût, alternative et action. Dédupliquez les reformulations trop proches. Notez l'origine : donnée de recherche, support client, vente, communauté ou hypothèse. Un panel interne ne représente pas automatiquement la demande globale.

3. Geler les entités

Listez marque, produits, domaines détenus et concurrents avant d'observer les réponses. Ajouter après coup le concurrent le plus visible modifie le dénominateur et invalide la comparaison historique.

4. Fixer les surfaces

Documentez application, mode, compte, abonnement, pays, langue, date, modèle affiché et mémoire. Ne présentez pas « Google » comme une seule surface si vous testez AI Overviews et AI Mode séparément.

5. Répéter et étaler

Exécutez plusieurs runs par prompt et répartissez-les dans le temps lorsque l'objectif est une tendance. Cinq répétitions sont un exemple de protocole, pas une vérité statistique. Plus la variance est forte, plus l'intervalle et l'échantillon doivent être examinés.

6. Conserver les observations brutes

Enregistrez identifiant, prompt, réponse, sources, horodatage, moteur, paramètres, statut et erreur. Gardez les URLs avant et après normalisation. Une capture seule est difficile à recalculer ; un score seul est impossible à auditer.

7. Annoter puis recalculer

Appliquez la taxonomie de marque et les règles de citation. Recalculez les taux localement à partir du CSV. Inspectez tous les cas ambigus ou au moins un échantillon aléatoire documenté.

8. Publier avec incertitude et rupture

Affichez numérateur, dénominateur, taux d'échec, plateformes et période. Si le panel, le modèle ou la règle change, placez une rupture de série. Un pourcentage à une décimale n'implique pas une précision réelle.

Exemple travaillé : 360 exécutions

Une équipe teste 24 prompts sur trois plateformes, cinq fois chacun : 24 × 3 × 5 = 360 runs éligibles. L'exemple est fictif et montre les calculs, pas la performance de SEOryon ou d'une marque réelle.

Le total donne 72 mentions sur 360 runs, soit 20 %. Les 30 citations donnent 8,33 %. Supposons que les 30 runs cités contiennent aussi une mention : le taux conditionnel est 30 / 72 = 41,7 %. Si 14 des 24 prompts ont obtenu au moins une mention sur une plateforme, la couverture descriptive est 14 / 24 = 58,3 % ; une analyse plus rigoureuse publiera aussi la couverture par plateforme.

Pour la part de voix, le panel concurrentiel compte 72 événements pour la marque, 90 pour le concurrent A et 48 pour le concurrent B :

Part de voix = 72 / (72 + 90 + 48) = 34,3 %

Ce 34,3 % ne signifie pas que 34,3 % des utilisateurs préfèrent la marque. Il signifie seulement qu'elle représente 34,3 % des événements de mention parmi ces trois marques, sur ce panel et cette période. Ajouter un quatrième concurrent ou des prompts transactionnels peut changer immédiatement le résultat.

Si six runs supplémentaires ont échoué, publiez 360 éligibles sur 366 tentés, taux d'échec 1,64 %. Les retirer du journal ferait perdre une information opérationnelle ; les inclure comme réponses sans mention répondrait à une autre question. La convention doit être explicite.

Relier le panel aux données propriétaires

Un panel de prompts observe des réponses synthétiques choisies par l'analyste. Les rapports propriétaires observent d'autres événements. Google a annoncé en juin 2026 un rapport Search Console de performance générative, initialement pour un sous-ensemble de propriétés, avec impressions, pages, pays, appareils et tendances (annonce et périmètre Google). Ces impressions ne révèlent pas nécessairement le prompt, la mention textuelle ou la citation telle que définie ici.

Bing a lancé AI Performance en preview publique en février 2026, avec notamment citations totales, pages citées et phrases d'ancrage échantillonnées. Bing avertit que les chiffres ne représentent ni placement, ni autorité, ni rang (documentation Bing). Conservez donc les métriques Bing sous leur nom au lieu de les additionner aux runs d'un tracker.

Votre analytics mesure enfin les sessions reconnues et les conversions selon sa configuration. Une réponse peut influencer une recherche de marque ultérieure sans référent. Traitez cette influence comme une hypothèse à étudier avec expériences, enquêtes ou séries temporelles, pas comme une conversion certaine.

Ce que les données prouvent et ne prouvent pas

L'AI Visibility Index 2026 de Semrush distingue lui aussi mentions et citations et publie des résultats par plateforme. Selon sa méthodologie et son communiqué, l'analyse couvre 126 millions de prompts américains dédupliqués, de janvier à avril 2026, issus du clickstream Datos et de données de mots-clés AI Overviews, dans 22 secteurs et sur ChatGPT, Google AI Mode, AI Overviews et Gemini (méthodologie Semrush, communiqué Semrush).

Cette échelle montre qu'une segmentation par plateforme et secteur est possible. Elle ne rend pas le score propriétaire universel : les détails complets de déduplication, exécution des prompts, versions de modèle, répétitions et incertitude ne sont pas tous publics. Il s'agit d'un fournisseur commercial. Utilisez cette étude pour comprendre une méthode de marché, pas pour calibrer automatiquement votre taux local.

Google décrit le query fan-out et la récupération de plusieurs résultats pour ses expériences de recherche IA, tout en rappelant que les fondamentaux SEO restent applicables (guide Google). Cela explique pourquoi une réponse n'est pas nécessairement l'image du top 10 de la requête visible. Cela ne dévoile ni toutes les sous-requêtes, ni une formule permettant de garantir une citation.

Erreurs fréquentes et conditions d'arrêt

• Diviser le nombre d'occurrences du nom par le nombre de prompts, alors que chaque prompt a plusieurs runs.
• Compter une page Wikipédia parlant de la marque comme domaine détenu.
• Détecter un homonyme sans contrôle de contexte.
• Mélanger une URL citée, un nom cité et une source d'ancrage non affichée.
• Modifier le panel concurrentiel après avoir vu les résultats.
• Comparer un seul run en janvier à cinq runs en juillet.
• Agréger les plateformes sans montrer leurs lignes séparées.
• Présenter un score de panel comme part d'audience ou part de marché.

Arrêtez la publication si le dénominateur est inconnu, si plus d'observations sont absentes que le seuil prédéfini, si les sorties brutes ne sont pas conservées ou si un changement de protocole a été masqué. La décision peut être « données insuffisantes ».

Actif réutilisable : protocole de visibilité IA SEOryon

Le fichier assets/protocole-visibilite-ia.csv sert de journal ligne par ligne. Conservez au minimum : prompt_id, prompt_version, thème, plateforme, surface, marché, langue, run, horodatage, statut, réponse, sources_brutes, marques_détectées, domaines_normalisés, annotateur et règle_version.

Ajoutez une feuille de synthèse qui calcule les formules de cette page, jamais l'inverse. L'agrégat doit être reconstructible depuis les lignes. Versionnez le fichier avant chaque modification de marque, de prompt ou de règle.

Pour continuer

• Revenir aux 45 définitions du glossaire SEO, GEO et recherche IA pour cadrer les unités voisines.
• Construire le panel avec le protocole complet pour mesurer la visibilité IA.
• Comparer les fonctions et exports d'un outil de suivi des citations IA.
• Interpréter l'écart entre citations IA et positions Google sans conclure trop vite à la causalité.

Comment SEOryon intervient

SEOryon peut être évalué ou utilisé dans ce cadre sans bénéficier d'une définition favorable. La mesure doit exposer observations, dénominateurs et limites, et les affirmations publiques doivent rester rattachées au panel concerné. Aucun « score SEOryon » ne doit remplacer les taux bruts ou promettre une visibilité future.

Exercice mesurable : produire un mini-benchmark auditable

1. Choisissez dix prompts représentant cinq étapes du parcours.
2. Testez deux plateformes, cinq runs par prompt : 100 runs tentés.
3. Définissez deux marques et leurs domaines avant l'exécution.
4. Annotez mentions, citations, échecs et cas ambigus.
5. Calculez les taux par plateforme, la couverture et la part de voix.
6. Donnez le CSV à une seconde personne pour recalcul.

Livrable : 100 lignes tentées, un registre d'échecs et une synthèse avec numérateurs. Critère de réussite : écart de recalcul nul, 100 % des cas ambigus décidés, plateformes séparées et aucune conclusion d'audience ou de revenu non soutenue.

FAQ

Une mention sans lien a-t-elle de la valeur ?

Elle peut signaler une présence dans la réponse, mais sa valeur commerciale n'est pas automatique. Suivez séparément sentiment, recherche de marque, trafic et conversions, puis testez les relations sans affirmer une causalité non observée.

Combien de répétitions faut-il par prompt ?

Il n'existe pas de nombre universel. Commencez avec plusieurs runs, mesurez la variance et augmentez l'échantillon lorsque la décision ou l'instabilité le justifie. Publiez toujours le nombre choisi.

Peut-on additionner les résultats de toutes les plateformes ?

Un total descriptif est possible si les unités sont identiques, mais il peut cacher de grands écarts et surpondérer une surface. Montrez d'abord chaque plateforme et explicitez toute pondération.

Une citation est-elle nécessairement cliquable ?

Non. Les interfaces et définitions varient. Le protocole doit préciser si la source est un lien visible, un domaine affiché, une référence numérotée ou une donnée de grounding rapportée par la plateforme.

Comment suivre une évolution après un changement de prompts ?

Conservez l'ancien panel comme cohorte fixe et lancez le nouveau en parallèle pendant une période de raccord. Ne tracez une série continue que sur les prompts et règles communs.

Références

1. Semrush : AI Visibility Index methodology2. Semrush : 2026 AI Visibility Index press release3. Google Search Central : Generative AI performance reporting5. Bing Webmaster Blog : AI Performance public preview6. Google Search Central : AI features optimization guide

Note de méthode et de mise à jour

Page revue le 16 juillet 2026. Les formules sont des conventions analytiques déclarées, pas des standards imposés par les plateformes. L'exemple de 360 runs est fictif. Vérifier chaque trimestre les rapports Google, Bing et la méthodologie Semrush ; placer une rupture de série lors de tout changement de prompts, plateformes, modèles, règles de normalisation ou définition d'éligibilité.