Suivre sa marque dans ChatGPT gratuitement : la méthode

Vous n'avez rien à acheter pour savoir si les assistants IA citent votre marque. Il vous faut un tableur, un après-midi et la discipline de mener le test correctement. La plupart de ceux qui s'y essaient obtiennent une réponse inutilisable, non pas parce que la méthode est difficile, mais parce qu'ils commettent une erreur précise dès la première minute.

Voici la méthode, en entier. Puis, parce que cela compte davantage que la méthode elle-même, voici exactement l'endroit où elle cesse d'être tenable.

Commencez par la feuille de prompts

Ouvrez un tableur. Une ligne par question. Rédigez-les avant d'ouvrir ChatGPT : si vous improvisez au moment de les taper, vous écrirez sans y penser celles que vous savez déjà gagner.

L'erreur la plus répandue consiste à interroger le modèle sur vous-même. « Qu'est-ce que [votre marque] ? » ne vous apprend rien : le modèle produira quelque chose, il produit toujours quelque chose. C'est une consultation, pas de la visibilité. Écrivez les questions qu'un acheteur pose avant de savoir que vous existez. Elles se répartissent en trois familles, et il vous les faut toutes les trois :

• Les prompts de catégorie. « Quel est le meilleur outil pour [tâche à accomplir] dans une entreprise de taille moyenne ? » « Qui sont les principaux fournisseurs de [produit] en Europe ? » C'est la question brute de l'inclusion : quand le modèle énumère le terrain, votre nom lui vient-il seulement à l'esprit ?
• Les prompts comparatifs. « Comparez les principales options en [catégorie]. » « [Concurrent connu] et ses alternatives. » Ils vous disent dans quel ensemble le modèle vous range, et si vous apparaissez comme un pair ou comme une arrière-pensée.
• Les prompts de problème. Pas de catégorie, pas de fournisseur, juste la douleur. « Mon entrepôt tombe en rupture sur les articles qui tournent le plus, que faire ? » Personne ne les teste, et c'est souvent là qu'un concurrent inattendu se voit nommé, parce que le modèle raisonne à partir d'un symptôme et non d'une taxonomie de produits.

Une douzaine de prompts suffisent pour commencer. Ennuyeux, précis, écrits avec les mots de vos clients et non dans le jargon interne de votre secteur.

Une session propre. C'est là que tout le monde se trompe

Si vous lancez ces questions depuis votre compte ChatGPT habituel, celui qui sait qui vous êtes, qui a votre entreprise en mémoire et des semaines de conversations sur votre produit dans son historique, la réponse obtenue n'est pas celle que reçoit un inconnu. Elle est personnalisée, façonnée par tout ce que vous lui avez déjà raconté. Certains font le test, se voient cités en premier et concluent que tout va bien. Ils lisent leur propre reflet.

Donc, avant toute chose :

• Désactivez la mémoire et la personnalisation, ou passez par une conversation temporaire quand l'assistant en propose une.
• Déconnectez-vous complètement lorsque c'est possible, ou ouvrez un profil de navigateur neuf, sans session.
• Ne nommez jamais votre marque, ni dans le prompt ni dans les relances. Dès que vous le faites, vous avez contaminé le reste de la conversation.
• Ouvrez une conversation neuve pour chaque prompt. Pas un nouveau message dans le même fil : un nouveau fil. Le contexte se transporte, et un modèle qui vient de vous recommander continuera de vous recommander.

Ce n'est pas glorieux, et c'est la différence entre un test et un placebo.

Répétez chaque prompt plusieurs fois

Les modèles de langue sont probabilistes. Posez deux fois la même question et vous pouvez obtenir deux listes de fournisseurs différentes. Ce n'est pas un défaut que l'on corrige par un réglage, et cela entraîne une conséquence que la plupart des tests manuels refusent d'admettre : une exécution isolée est une anecdote. Répétez chaque prompt plusieurs fois, dans des sessions propres distinctes, et lisez le résultat comme une fréquence, pas comme un fait. « Citée dans quatre exécutions sur six » est un constat. « Citée » n'en est pas un.

Refaites ensuite le même parcours sur les autres assistants. ChatGPT, Claude, Gemini et Perplexity ne sont pas interchangeables : ils ont été entraînés différemment, ils vont chercher l'information différemment, et une marque qu'un modèle recommande avec assurance peut être invisible chez un autre.

Ce qu'il faut noter à chaque exécution

Quatre colonnes. Résistez à l'envie d'en ajouter.

• Citée : oui ou non. Le nom apparaît dans la réponse, c'est tout.
• Liée : oui ou non. Le nom est donné comme source ou lien cliquable. Ce sont deux résultats réellement distincts. Un modèle peut décrire votre produit avec justesse, longuement, et ne jamais vous lier, parce qu'il répond avec ce qu'il a absorbé à l'entraînement et n'a aucune page à désigner. Vous pouvez être très visible et ne recevoir aucun clic, et c'est pourquoi votre tableau de bord d'analytique ne voit rien de tout cela.
• Qui d'autre est nommé. Toutes les autres marques de la réponse, dans l'ordre où elles apparaissent. La colonne la plus inconfortable, et la plus utile. Les entreprises qu'un modèle nomme à votre place ne sont souvent pas les concurrents inscrits sur vos fiches internes : les modèles regroupent les marques selon la façon dont le web en parle, pas selon la carte que vous avez dessinée de votre marché.
• Comment vous êtes décrit. Pas un score de sentiment, les mots exacts. « Pour grands comptes », « option économique », « pour développeurs », « une alternative plus modeste à X ». Être nommé avec la mauvaise description peut être pire que ne pas être nommé : un modèle qui vous présente comme le choix bon marché a pris une décision de positionnement à votre place, et il la répète à chaque acheteur qui pose la question.

Perplexity, c'est là que vous découvrez le pourquoi

Les autres assistants vous disent ce qu'ils pensent. Perplexity vous montre d'où il le tient, parce qu'il va chercher des pages en direct et cite ses sources dans le texte. C'est la surface la plus utile de tout l'exercice. Lancez-y vos prompts de catégorie et vos prompts comparatifs, puis ignorez la réponse et lisez la liste des sources : ces adresses sont les pages sur lesquelles le modèle se forge une opinion de votre marché, et de vous.

Attendez-vous à une surprise. Ce ne sont généralement pas vos pages. Ce sont des agrégateurs d'avis, un fil de forum, un classement rédigé par quelqu'un qui n'a aucun intérêt dans votre secteur, la page comparative d'un concurrent qui vous décrit avec des mots que vous n'auriez jamais choisis. Voilà la matière première de votre visibilité dans les IA, et vous ne l'avez jamais lue.

Vérifiez que vous n'avez pas fermé la porte vous-même

Cela prend quelques minutes, et c'est la seule chose ici qui puisse invalider tout le reste. Ouvrez votredomaine.fr/robots.txt et cherchez ces noms :

• GPTBot, le robot d'OpenAI
• ClaudeBot, celui d'Anthropic
• PerplexityBot
• Google-Extended, qui régit l'usage de vos contenus dans les produits génératifs de Google

Un Disallow: / sous l'un de ces noms signifie que vous avez exclu ce système de la lecture de votre site. Beaucoup de sites ont ajouté ces lignes pendant la panique du scraping, sur le conseil de quelqu'un qui est parti depuis, et n'y sont jamais revenus. Le blocage peut rester votre choix. Il doit être une décision, pas un héritage.

La partie honnête : là où la méthode meurt

Tout ce qui précède fonctionne. Cela ne coûte rien, et vous apprendrez plus en un après-midi qu'avec des heures de spéculation sur la recherche générative. Cela ne survit pas non plus à la deuxième semaine.

Regardez ce que vous avez bâti. Une douzaine de prompts. Chacun répété plusieurs fois, parce qu'une exécution isolée n'est que du bruit. Le tout sur quatre assistants. Et si vous exportez, tout est à refaire dans chaque langue où vous vendez, car la visibilité ne voyage pas : une marque qu'un modèle recommande avec assurance en français peut disparaître de la même question posée en allemand, où le web en dit beaucoup moins. Multipliez. Le total n'est pas grand, il est absurde. Et vous ne tenez qu'un seul instantané.

Voici ce qui achève vraiment la méthode manuelle : un contrôle ponctuel ne vaut presque rien. Il vous dit où vous en étiez un mardi. Il ne dit pas si vous glissez hors de l'ensemble des réponses, si un concurrent monte, ni si le travail éditorial d'un trimestre entier a changé quoi que ce soit. La valeur est dans la tendance, et une tendance suppose de tout recommencer, à l'identique, à intervalle régulier, sans fin.

Personne ne tient ce rythme à la main. Ce problème combinatoire est précisément la raison d'être d'un outil de suivi, et c'est ce que PSentry automatise : des analyses planifiées, sur les quatre plateformes et dans chaque langue où vous vendez.

Commencez tout de même par le tableur. Faites-le une fois à la main, sérieusement, en sessions propres. Il faut savoir ce que l'on mesure avant de laisser quoi que ce soit le mesurer à votre place.

Questions Fréquentes

Combien de fois faut-il répéter chaque prompt ?

Assez pour qu'un motif se détache du bruit, et en session propre à chaque fois. Si votre marque apparaît dans la moitié des exécutions et s'évanouit dans l'autre, c'est cela, le constat. L'aplatir en un oui ou un non revient à jeter la seule chose intéressante que vous ayez apprise.

Puis-je passer par l'API plutôt que par l'interface de discussion ?

Oui, et cela règle proprement le problème de la mémoire. Mais vous changez d'objet de test : le modèle derrière l'API n'est pas toujours configuré comme le produit grand public et peut ne pas avoir les mêmes comportements de recherche ou de navigation activés. Si vos acheteurs utilisent l'application de discussion, testez l'application de discussion.

Le modèle décrit mal mon produit. Puis-je le corriger ?

Pas directement. Il n'existe ni formulaire à remplir ni facteur de classement à régler. Ce qu'un modèle dit de vous reflète ce que le web dit de vous. Si les sources que Perplexity mobilise dans votre catégorie sont une poignée de sites d'avis et un fil de forum, ce sont ces surfaces qui comptent, et elles ne vous appartiennent pas. Quiconque vous garantit ce qu'une IA dira de votre marque vend une chose qu'il ne peut pas livrer.

À quelle fréquence répéter un contrôle pour qu'il ait un sens ?

Assez souvent pour voir le changement, pas au point de regarder du bruit. Les modèles ne révisent pas leur opinion sur une marque d'un jour à l'autre : vérifier chaque jour produit surtout l'illusion d'agir. Ce qui compte, c'est une cadence régulière, exécutée toujours de la même manière, pour qu'un mouvement réel se distingue du simple caractère probabiliste du modèle.