API ou raclage : d'où viennent les données IA

Tout outil de visibilité IA doit bien récupérer ses réponses quelque part. Avant qu'un tableau de bord vous annonce que Gemini vous a nommé dans une réponse sur les logiciels de gestion en allemand, il a fallu que quelque chose pose réellement la question à Gemini et lise ce qui revenait. Il n'existe que deux façons de le faire, et presque aucun acheteur ne demande laquelle il est en train de payer.

Ce n'est pas une question de détail. La méthode de collecte décide de ce que vos données veulent dire, de leur stabilité dans le temps, et du fait que le score affiché décrive le système auquel votre client parle vraiment, ou un cousin proche de ce système.

Deux portes vers le même modèle

L'API officielle

Tous les grands fournisseurs de modèles exposent une interface programmatique. Vous envoyez une requête contenant une invite, vous désignez un modèle, du texte vous revient. C'est le canal que les développeurs empruntent pour bâtir des applications au-dessus de ChatGPT, Claude, Gemini ou Perplexity. Un outil qui collecte ainsi pousse votre jeu d'invites dans ce canal à intervalles réguliers et conserve les réponses.

Le navigateur

L'autre voie consiste à piloter le produit grand public comme le ferait une personne. Ouvrir un navigateur, se connecter à un compte, taper l'invite dans la zone de conversation, attendre la fin de l'affichage, puis racler le texte sur la page. En pratique, cela signifie de l'automatisation de navigateur sans interface, souvent acheminée par des proxys résidentiels pour que le trafic ne paraisse pas automatisé, parfois avec des pauses artificielles entre les frappes afin de survivre à la détection des robots.

Les deux méthodes aboutissent à un bloc de texte qui cite votre marque ou ne la cite pas. La ressemblance s'arrête là.

Pourquoi les deux portes ne donnent pas la même réponse

L'interface de conversation n'est pas une fine pellicule posée sur l'API. C'est un produit, et les produits ont des partis pris. Entre la zone où vous écrivez et le modèle qui répond, plusieurs couches s'interposent.

Une invite système que vous ne verrez jamais. Le produit grand public embarque ses propres consignes de ton, de sécurité, de mise en forme, et sur le moment où il convient d'aller chercher sur le web. L'API, par défaut, ne transporte pas ces consignes. Mêmes poids du modèle, briefing différent.
Une recherche d'informations qui se déclenche ou non. L'application grand public peut décider seule d'aller consulter le web avant de répondre. Un appel d'API répond à partir de ce que le modèle a absorbé pendant son entraînement, sauf si vous activez explicitement un outil de recherche. Cette seule différence peut faire passer une marque d'absente à présente, car une jeune entreprise que les données d'entraînement connaissent à peine reste trouvable par une recherche faite sur le moment.
La mémoire et la personnalisation. Un compte connecté accumule du contexte : conversations passées, préférences déclarées, consignes personnalisées. L'appel d'API, lui, est à chaque fois un inconnu qui frappe à la porte.
L'aiguillage. Les produits grand public décident de plus en plus souvent à votre place quel modèle traite une demande, et modifient cette logique sans prévenir personne. L'API vous oblige à nommer le modèle.

Résultat : la même question, posée par les deux portes le même après-midi, peut renvoyer deux listes différentes de fournisseurs recommandés. Aucune des deux n'est fausse. Ce sont des réponses à des questions légèrement différentes.

Ce que chaque méthode réussit

L'API est reproductible. Vous savez quel modèle vous avez interrogé, vous pouvez l'interroger de nouveau avec les mêmes paramètres, et si la réponse change vous pouvez raisonnablement soupçonner que c'est le web qui a bougé, pas l'appareil de mesure. Elle est versionnée, donc un éditeur peut vous dire exactement ce qui a été demandé et à qui. Elle tient la charge sans bagarre, et c'est la voie que le fournisseur a construite pour l'accès programmatique : personne n'a besoin de se faire passer pour un humain afin d'y entrer.

Le navigateur, lui, colle à l'expérience vécue. Si vous voulez savoir ce que votre acheteur voit vraiment, sur la surface qu'il utilise vraiment, avec l'interrupteur de recherche web dans l'état où il se trouve aujourd'hui, le navigateur est la seule chose qui vous le montre. L'argument est sérieux et mérite d'être pris au sérieux.

Ce que chaque méthode rate

La faiblesse honnête de l'API, c'est qu'elle reste une approximation. Ce n'est pas littéralement l'écran que votre client a sous les yeux. Si un outil interroge un modèle sans recherche activée et vous rapporte que vous êtes invisible, il vous a dit quelque chose de vrai sur ce que le modèle sait, et quelque chose d'incomplet sur ce que l'application grand public aurait répondu. Un éditeur qui ne le déclare pas vous laisse tirer la mauvaise conclusion.

Les faiblesses du raclage par navigateur sont plus nombreuses, et bien moins discutées.

Ça casse. Un changement de mise en page du côté du fournisseur peut corrompre silencieusement l'extraction du texte. La panne dangereuse n'est pas la bruyante, celle où l'outil ne renvoie rien. C'est la silencieuse, celle où il continue de renvoyer quelque chose, et où ce quelque chose est désormais faux.
C'est une relation conflictuelle. Les fournisseurs détectent et bloquent activement l'automatisation, et leurs conditions d'utilisation l'interdisent en général. Bâtir un produit de données sur une méthode de collecte que la partie adverse cherche à fermer donne un modèle économique fragile, et cette fragilité vous est transmise.
C'est difficile à reproduire. Quel compte, sur quelle formule, avec quelle mémoire derrière lui, depuis quel réseau, avec quelles fonctionnalités déployées sur ce compte cette semaine. Changez un seul de ces éléments et vous avez changé l'expérience.
Le compte lui-même dérive. Faites tourner vos invites pendant des mois depuis le même compte connecté et il accumule un historique. L'outil mesure alors ce qu'un utilisateur très étrange, qui ne pose que des questions de veille concurrentielle, s'entend répondre.

L'arbitrage que personne ne veut énoncer

Il n'y a pas de bonne réponse ici, seulement un choix entre la fidélité à la surface que le client utilise et la reproductibilité de la mesure. Vous pouvez rester près de ce que voit l'utilisateur, ou vous assurer qu'une variation de votre score traduit une variation du monde et non de votre racleur. Optimiser les deux à la fois relève du marketing, pas de l'ingénierie.

Ce à quoi vous avez droit, ce n'est pas une méthode parfaite. C'est une méthode déclarée. Un éditeur qui refuse de dire comment il collecte ses données vous demande de faire confiance à un chiffre dont il tient la provenance pour un secret, ce qui est une drôle de chose à demander à quelqu'un qui achète un instrument de mesure.

Ce qu'il faut demander avant de signer

Interrogez-vous les API officielles, ou automatisez-vous l'interface web ? Une réponse floue est déjà une réponse.
Si ce sont les API : la recherche web est-elle active pendant l'interrogation, et puis-je voir ce réglage ?
Si ce sont les API : quelle version de modèle, et me prévenez-vous quand elle change sous mes pieds ?
Si c'est le navigateur : depuis quel type de compte, et qu'advient-il de mon historique quand l'interface change ?
Dans les deux cas : combien de fois exécutez-vous chaque invite avant d'annoncer un résultat ? Une exécution unique d'un système probabiliste, c'est une anecdote.
Puis-je lire le texte brut de la réponse derrière chaque mention que vous revendiquez, ou seulement le score agrégé ?

Notre méthode, dite sans détour

PSentry collecte via les API officielles des quatre plateformes qu'il couvre : ChatGPT, Claude, Gemini et Perplexity. C'est une déclaration de méthode, pas une revendication de supériorité. Nous avons choisi la reproductibilité plutôt que la fidélité à l'interface grand public, parce qu'une réponse raclée charrie une variance que nous ne savons pas séparer du signal que nous cherchons à mesurer, et parce qu'une comparaison entre langues et marchés ne vaut d'être menée que si l'appareil est identique dans chacun d'eux.

Le prix de ce choix est réel et nous n'allons pas le cacher : nous mesurons ce que les modèles disent par la porte que les fournisseurs ont bâtie pour les machines, pas par celle qu'emprunte votre client. Les analyses tournent selon un calendrier, deux fois par mois, et vous pouvez lire les réponses sous-jacentes au lieu de croire le score. Si un outil refuse de vous montrer le texte, son score est une rumeur.

Questions Fréquentes

Le raclage par navigateur est-il illégal ?

La légalité et les conditions d'utilisation sont deux questions distinctes, et nous ne sommes pas juristes. Ce qui n'est pas discutable, c'est que les grands fournisseurs interdisent dans leurs conditions l'accès automatisé à leurs interfaces grand public, et investissent pour le détecter. Cela pose un risque d'entreprise à l'intérieur de votre chaîne de données, et vous avez intérêt à savoir s'il s'y trouve.

Si les API répondent à partir des données d'entraînement, sont-elles inutiles pour mesurer la visibilité ?

Non, mais elles constituent une autre focale. Ce qu'un modèle dit sans chercher vous apprend ce qu'il a intériorisé de votre marque, et c'est le signal le plus lent et le plus durable. Un résultat de recherche pris à la volée peut changer demain. Les deux méritent d'être connus, et un outil devrait vous dire lequel des deux il vous montre.

Un outil peut-il faire les deux ?

En principe, oui. En pratique, vous vous retrouvez avec deux jeux de données qui se contredisent, et quelqu'un doit trancher lequel devient le score du tableau de bord. Demandez comment se fait cette réconciliation, car c'est là que se cachent les hypothèses intéressantes.

Comment repérer un éditeur qui a discrètement changé de méthode de collecte ?

Cherchez une discontinuité dans votre propre historique : un saut du score qui ne correspond à rien de ce que vous avez fait ni à rien de ce qui s'est passé sur votre marché. Demandez ensuite les réponses brutes de part et d'autre du saut. S'il ne peut pas les produire, vous avez appris quelque chose.

La méthode de collecte compte-t-elle davantage pour certaines entreprises ?

Elle compte surtout si vous vendez dans plusieurs langues, comme la plupart des exportateurs français. Les écarts entre marchés sont souvent ténus, et une collecte bruyante ou à la dérive les noie. Si vous ne regardez jamais qu'une seule langue, vous pouvez tolérer plus de bruit, car le signal que vous cherchez est plus grossier.