Comment PSentry mesure la visibilité IA, et ce qu'il ne voit pas

Une lecture PSentry en français ne dit pas si l'acheteur se trouve à Lyon, à Liège ou à Lausanne. Elle dit ce que quatre assistants répondent à une question posée en français, toujours de la même façon. C'est une limite de la méthode, et elle mérite d'être posée d'entrée, avant d'expliquer comment PSentry mesure la visibilité IA.

Cette page décrit la méthode sans rien omettre : quels assistants, quels modèles, par quelle porte, à quel rythme, dans quelles langues, ce qu'une réponse laisse voir et ce qu'elle cache. Elle ne contient aucune promesse sur l'évolution des chiffres. PSentry mesure, il n'optimise rien.

Mesurer la visibilité IA : la méthode en bref

PSentry mesure la visibilité IA d'une marque en envoyant un jeu fixe de questions d'acheteurs à quatre assistants, ChatGPT, Claude, Gemini et Perplexity, par leurs API officielles, deux fois par mois, dans chaque langue et chaque marché où l'entreprise vend. Chaque réponse est conservée et lue pour trois choses : la marque est-elle nommée, quelles autres entreprises le sont, quelles sources web la réponse indique. Les lectures sont regroupées par langue et par marché en un AI Visibility Score et en une tendance. Rien dans la méthode ne cherche à modifier ce que disent les assistants.

Chaque élément de ce paragraphe est un choix, et chaque choix a un coût. Les voici un par un, en commençant par celui qui concerne le plus un lecteur francophone.

Le français ne désigne pas un seul marché

Une langue n'est pas un pays. Le français est la langue d'achat en France, en Belgique, en Suisse romande, au Luxembourg, au Québec et dans une bonne partie de l'Afrique de l'Ouest. Un fabricant qui vend à la fois à Paris et à Genève pose la même question, dans la même langue, à des marchés qui n'ont ni les mêmes distributeurs, ni les mêmes annuaires professionnels, ni les mêmes normes de référence.

La lecture PSentry se fait par langue et par marché, avec des questions générées pour chaque site et rédigées comme un acheteur de ce marché les formulerait. Mais elle ne prétend pas reproduire un acheteur connecté depuis un pays donné avec son propre compte. Si votre chiffre d'affaires francophone se partage entre la France et la Suisse, la lecture en français vous dit ce que les assistants répondent en français ; elle ne tranche pas entre Lyon et Lausanne. Mieux vaut le savoir avant de présenter le chiffre en comité de direction.

Le vocabulaire, lui, peut faire la différence. Un acheteur québécois et un acheteur parisien ne nomment pas toujours un produit ou un métier de la même manière, et un acheteur belge cite volontiers des organismes ou des normes que personne n'évoque à Paris. C'est dans la rédaction des questions, pas dans un réglage technique, que ces écarts se mesurent.

La remarque vaut aussi dans l'autre sens. Une PME française qui exporte vers l'Allemagne ou l'Italie a besoin d'une lecture dans la langue de ses acheteurs, pas d'une traduction de son jeu de questions français. Chaque langue a son propre jeu et son propre score, et l'analyse des écarts à l'export sert précisément à repérer les marchés où vous vendez et où les assistants ne vous nomment pas.

Quatre assistants, des modèles plus petits

Les quatre plateformes ne changent pas. Le modèle derrière chacune, si, parce que les éditeurs retirent et publient des modèles selon leur propre calendrier. Au 20 octobre 2026, la configuration de l'application est la suivante :

• ChatGPT : gpt-5-mini, qu'OpenAI présente dans sa documentation comme une version plus rapide et plus économique de GPT-5 ;
• Claude : claude-haiku-4-5, annoncé par Anthropic le 15 octobre 2025 comme son nouveau petit modèle ;
• Gemini : un modèle Gemini, par l'API de Google ;
• Perplexity : sonar-pro, par l'API de Perplexity.

Conséquence directe : un acheteur abonné à une offre payante de ChatGPT peut obtenir sa réponse d'un modèle plus grand que celui que nous interrogeons, et un modèle plus grand peut en savoir davantage et proposer une autre liste de fournisseurs. Le petit modèle permet de poser le même jeu de questions à quatre assistants, dans cinq langues, deux fois par mois, pour un prix qu'une PME exportatrice peut assumer. C'est un arbitrage de coût, payé en fidélité. Nous préférons l'écrire que le laisser découvrir.

Quand un éditeur retire un modèle et que nous passons à son successeur, la date du changement doit figurer à côté de la série. Une marche brutale sur un seul assistant ce jour-là renseigne sur le modèle, pas sur le marché.

L'API plutôt que la fenêtre de discussion

Une API est la porte qu'un éditeur ouvre aux logiciels ; la fenêtre de discussion, celle qu'il ouvre aux personnes. PSentry passe par la première, pour les quatre assistants. Le détail des deux approches figure dans notre article sur l'API et le raclage du navigateur.

La raison tient en un mot : la répétabilité. Un appel API ne transporte que ce que l'appelant y met, la question, le modèle, les paramètres. Il n'a ni historique de compte, ni préférences enregistrées, ni conversation précédente pour tirer la réponse d'un côté. Si deux lectures à quinze jours d'intervalle diffèrent, c'est l'assistant ou le web qui a changé, pas le compte de mesure. Et une comparaison entre le français et l'allemand n'est loyale que si l'instrument est identique dans les deux langues.

Le prix à payer : une réponse obtenue par l'API n'est pas la capture d'écran d'un acheteur. C'est ce qui s'en approche le plus tout en restant mesurable deux fois et comparable.

Ce qu'une réponse laisse voir

Chaque réponse conservée est lue sous trois angles.

• La mention. La marque est-elle nommée, oui ou non.
• Les concurrents. Les autres entreprises que l'assistant nomme pour la même question, marché par marché. Ce sont souvent des acteurs locaux absents de la liste de concurrents que l'entreprise tient en interne.
• Les sources. Les pages web que la réponse indique comme base, quand elle en indique.

Il n'y a pas de position dans ce classement, et c'est voulu. Une réponse n'est pas une page de résultats avec une première et une dixième place ; l'ordre des noms dans un paragraphe bouge d'une exécution à l'autre. Ce qui tient, c'est la fréquence : sur de nombreuses questions, dans une langue, sur un assistant, combien de fois la marque est nommée par rapport aux entreprises citées à ses côtés.

Sur les sources, les assistants se comportent de façon très différente, et nos propres données en disent plus qu'une description. Entre le 13 décembre 2025 et le 20 octobre 2026, PSentry a recueilli 17 719 réponses des quatre assistants par leurs API. Sur 100 réponses de Claude, 97 indiquaient au moins une source. Perplexity en indiquait dans 94 réponses sur 100, Gemini dans 56 ou 57, ChatGPT dans 44. Le nombre de sources varie aussi : environ 12 par réponse pour Claude, entre 11 et 12 pour Perplexity, environ 10 pour Gemini et environ 4 pour ChatGPT. Une réponse de ChatGPT sans source est donc le cas courant, pas une erreur de lecture.

Pour les questions posées en français, un peu plus de la moitié des sources citées sont des domaines en .com et environ un tiers des domaines en .fr. En italien, à titre de comparaison, plus de la moitié des sources sont en .it. Le web francophone pèse donc moins, dans ces réponses, que le web italien pour les questions en italien, et Perplexity est l'assistant qui puise le moins dans les domaines en .fr.

L'échantillon a des limites qu'il faut écrire à côté des chiffres. Les questions sont celles des utilisateurs de PSentry, surtout des services B2B et de l'industrie : ce n'est pas un portrait de tout ce qu'on demande aux assistants. Il ne contient encore aucune réponse à des questions en allemand, et seulement 259 en espagnol, trop peu pour conclure quoi que ce soit.

Ce que la méthode ne voit pas

Une page de méthode honnête est surtout une liste d'angles morts. Voici les nôtres.

• La mémoire. ChatGPT peut retenir des informations enregistrées par l'utilisateur et s'appuyer sur ses conversations passées. Un appel API part de zéro : l'acheteur qui discute d'un fournisseur depuis un mois n'est pas représenté.
• La personnalisation. Instructions personnalisées, offre souscrite, réglages et historique du compte façonnent la réponse que voit une personne. Rien de tout cela n'existe dans notre appel.
• La publicité. Sur certaines offres de ChatGPT, OpenAI affiche des annonces signalées comme telles sous la réponse. Elles sont hors de la réponse et hors de la réponse API : nous ne les enregistrons pas.
• AI Mode et les Aperçus IA de Google. Ce sont des fonctions de la recherche Google, pas de l'API Gemini. Une lecture sur Gemini ne dit rien de direct sur l'un ou l'autre.

Aucun de ces angles morts n'est masqué par le score. C'est précisément pour eux que le score est donné par langue et par assistant, et non comme un chiffre unique pour « l'IA ».

Deux scans par mois, délibérément

Toutes les offres font deux scans par mois. Il n'y a ni alerte en temps réel, ni interrogation continue, et ce n'est pas un manque en attente d'être comblé.

Les réponses d'un modèle de langage sont probabilistes : la même question posée deux fois dans l'heure peut produire deux listes différentes. Une lecture toutes les quelques heures enregistre surtout ce bruit et l'appelle mouvement. Le raisonnement complet se trouve dans pourquoi mesurer plus souvent dégrade la donnée. La règle pratique : un changement qui apparaît sur une lecture et disparaît à la suivante, c'est la météo ; un changement qui tient sur deux ou trois lectures consécutives, sur le même assistant et dans la même langue, mérite qu'on en parle.

Les offres diffèrent par le nombre de questions suivies, de 20 pour un site sur la plus petite à 600 sur la plus grande, pas par la fréquence.

Récupérer les lectures brutes

Un score qu'on ne peut pas vérifier n'est qu'une rumeur. Chaque lecture derrière le tableau de bord de PSentry s'exporte en CSV, et l'API publique, à partir de /v1/sites, renvoie les mêmes données à un script ou à un tableur. Si un chiffre semble faux, le texte de la réponse qui l'a produit est là, lisible mot par mot, et c'est un meilleur test de la méthode que tout ce qui est écrit sur cette page.

Les questions qu'on nous pose sur la méthode

Un petit modèle rend-il les lectures inutiles ?

Non. Il en fait des lectures d'un modèle précis, et c'est pour cela que le modèle est nommé. Les tendances sur un même assistant et les comparaisons entre langues tiennent, parce que le modèle est le même des deux côtés. Une affirmation sur ce que voit chaque utilisateur de ChatGPT ne tiendrait pas, et nous ne la faisons pas.

PSentry modifie-t-il ce que les assistants disent de ma marque ?

Non. PSentry est un outil de mesure : il envoie des questions et enregistre des réponses. Il ne publie aucun contenu, ne transmet rien aux éditeurs et ne promet aucune amélioration de visibilité.

Une lecture en français couvre-t-elle la Belgique et la Suisse ?

Elle couvre la question posée en français. Elle ne distingue pas un acheteur bruxellois d'un acheteur parisien, puisqu'elle ne reproduit pas la connexion d'un utilisateur depuis un pays donné. Si l'écart entre ces marchés compte pour vous, c'est dans la formulation des questions qu'il faut le chercher : noms de normes, d'organismes, de villes.

Puis-je vérifier une lecture moi-même ?

Oui. Prenez une question de votre jeu, le texte de la réponse dans l'export et la date : c'est ce que l'assistant a renvoyé par son API ce jour-là, sans retouche.