Visibilité IA : ce que les outils mesurent vraiment

Mesurer sa visibilité dans les IA, en 2026, est un exercice plus difficile qu'il n'y paraît. Les outils existent, les cadres méthodologiques se sont structurés, le marché s'organise autour de quelques acteurs. Pourtant, quand on regarde ce que tout cela mesure vraiment, trois constats s'imposent.

La donnée bouge d'un jour à l'autre sans qu'on sache toujours pourquoi. Les outils mesurent des données qui ne se recouvrent pas. Et une partie significative de ce qu'il faudrait suivre ne se trouve dans aucune solution du marché.

Cet article propose une lecture structurée du sujet, pour un lecteur qui doit piloter, justifier des budgets ou évaluer un outil. Au programme : trois cadres méthodologiques qui tiennent, six métriques nouvelles qui montent avec la bascule agentique de l'AI Search, et trois outils de référence présentés factuellement. Le tout jusqu'aux angles morts qui bornent les méthodes de suivi actuelles.

Résumé exécutif

• Trois cadres méthodologiques se complètent : le 3-Layer Framework d'Aleyda Solís (presence, readiness, business impact), le 3-Tier Reporting Model d'iPullRank (input, channel, performance) et les six métriques agentic de Beyond RAG (mai 2026). Aucun ne s'oppose aux autres ; ils s'articulent selon l'audience du reporting.
• Les six métriques agentic (sub-query coverage, retrieval-to-citation ratio, reflection survival rate, bridge-entity centrality, tool-call inclusion, distillation stage-failure rate) sont la nouveauté forte de 2026. Elles répondent au passage du RAG single-shot au fonctionnement agentique, où le citation tracking traditionnel ne suffit plus.
• Trois limites structurelles interdisent de penser ce suivi comme une évolution du rank tracking : le non-déterminisme des LLMs (sorties variables à prompt identique), la personnalisation invisible (contexte utilisateur, embedding personnel, mémoire d'arrière-plan), l'absence de volumétrie agrégée des prompts.
• Trois outils dominent le marché en 2026, avec trois approches distinctes : Profound (data provider), Peec AI (tracker pur orienté produit), Otterly (méthodologie d'expérimentation publique). Aucun ne mesure le triple cadre en entier, ni n'embarque les six métriques agentic.
• La posture de pilotage qui tient : mesurer la dynamique plutôt que la position absolue, croiser les sources plutôt que dépendre d'un outil unique, lire le suivi comme un signal directionnel plutôt que comme un KPI absolu. Et accepter que la part de bruit reste élevée : c'est la nature du sujet, pas un défaut des outils.

Sommaire

1. Pourquoi mesurer la visibilité IA ne ressemble pas au rank tracking
2. Trois cadres méthodologiques qui structurent la mesure en 2026
3. Le panorama du marché : trois outils, trois approches
4. Les limites communes des outils du marché

Pourquoi mesurer la visibilité IA ne ressemble pas au rank tracking

L'article précédent posait la distinction qui sépare la récupération ancrée (grounded retrieval) de la génération probabiliste (probabilistic generation) : deux mécanismes très différents qui s'enchaînent quand une IA répond à votre question. La récupération va chercher dans un index, elle reste mesurable avec les fondamentaux SEO. La génération produit une sortie de tokens en s'appuyant sur des distributions de probabilités, elle n'est pas reproductible.

La mesure de la visibilité IA repose entièrement sur cette asymétrie. On essaie d'objectiver un comportement de sortie qui n'a pas la stabilité dont on a hérité du rank tracking. Trois limites structurelles méritent d'être posées clairement : pas comme un disclaimer, mais comme la matière même du problème.

Le non-déterminisme

Plusieurs paramètres internes pilotent la génération de la réponse. La température, qui contrôle le degré de variation autorisée dans le choix des mots. Le seed, cette valeur numérique qui initialise le tirage probabiliste interne, rarement exposée aux outils tiers : impossible de fixer une sortie reproductible.

S'y ajoutent la version exacte du modèle au moment de l'inférence, c'est-à-dire au moment où il génère votre réponse, qui peut changer sans préavis. Et les fluctuations du contexte au sein d'une session. Autant de variables qui produisent une variance comportementale. Ce n'est pas du bruit de mesure, c'est une caractéristique de fonctionnement.

La personnalisation invisible

Une part substantielle de ce qu'un utilisateur voit dans une réponse IA dépend d'éléments que personne d'autre ne voit. Une mémoire d'arrière-plan stockée dans son profil : Google a breveté le mécanisme dès mars 2024, avant même que ChatGPT Memory n'existe. Un embedding utilisateur, qui décrit ses centres d'intérêt dans un modèle de représentation. Le contexte conversationnel des sessions précédentes, la géolocalisation, la langue de l'interface.

Aucun outil tiers n'a accès à ces signaux. Quand un tracker remonte "votre marque apparaît dans 35 % des réponses sur cette requête", il rapporte 35 % d'apparition dans une simulation neutre du profil utilisateur, qui n'existe en pratique pour personne. La mesure ne ment pas, mais elle mesure une situation qui n'existe pas.

L'absence de volumétrie agrégée

Sur le rank tracking classique, le volume de recherche par mot-clé est une donnée publique exploitable. On sait combien de fois "assurance habitation" est requêté dans Google chaque mois. En AI Search, il n'existe aucun équivalent : ni les éditeurs d'outils, ni les plateformes elles-mêmes ne publient de volumétrie agrégée des prompts.

Personne ne sait combien de fois votre catégorie est vraiment interrogée dans ChatGPT, Perplexity, Gemini ou Claude. Quand un acteur en propose une, comme Profound avec Prompt Volumes, il s'agit d'une estimation propriétaire reconstruite, pas d'un signal public d'usage.

Conséquence : tous les outils de tracking échantillonnent sur la base d'une bibliothèque qu'ils construisent, pas d'une volumétrie qu'ils observent. Ils maintiennent une bibliothèque de prompts (quelques centaines à quelques milliers de requêtes représentatives d'un marché) et mesurent votre visibilité sur cette bibliothèque. La bibliothèque est un artefact, pas une réalité.

Le piège du citation tracking : ce que dit l'étude Oumi/NYT

Une étude publiée en avril 2026 illustre l'angle mort le plus problématique. Le New York Times a commandé à la startup Oumi une analyse de la précision des AI Overviews de Google. Méthodologie : 4 326 requêtes testées sur le benchmark SimpleQA (un standard sectoriel conçu par OpenAI), en deux vagues. Octobre 2025 sur Gemini 2, février 2026 sur Gemini 3.

Les résultats : Gemini 3 produit des AI Overviews correctes à 91 % (contre 85 % avec Gemini 2). Mais sur ces réponses correctes, 56 % sont qualifiées d'ungrounded : elles citent des sources qui, à la vérification, ne supportent pas réellement l'information donnée. La proportion était de 37 % avec Gemini 2 ; elle a presque doublé avec Gemini 3. Google a contesté publiquement la méthodologie (failles supposées du benchmark, juge LLM propriétaire) : la mesure exacte reste débattue, l'angle mort qu'elle illustre demeure.

Autrement dit : votre marque apparaît dans une AI Overview, avec un lien vers votre site. Il y a pourtant plus d'une chance sur deux que la phrase autour du lien n'ait pas de fondement vérifiable dans votre page. Le tracker comptabilise la citation comme un signal positif. La réalité est ailleurs.

Le citation tracking traditionnel, celui que les outils du marché vendent comme métrique centrale, n'a pas de réponse à cette dérive. Il compte des liens, pas des liens fondés. Il agrège du signal et du bruit dans la même colonne.

Trois cadres méthodologiques qui structurent la mesure en 2026

Une fois les limites posées, la question devient pratique : comment construire une lecture fiable de sa visibilité IA, malgré la variance, la personnalisation et le bruit ? Trois cadres méthodologiques se sont consolidés en 2026 pour y répondre. Aucun ne prétend résoudre ces limites structurelles : chacun propose une manière de s'organiser autour d'elles.

Ils ne s'opposent pas. Ils correspondent à trois lectures complémentaires de la même réalité : trois couches d'analyse pour trois audiences, la direction business, l'équipe opérationnelle et l'ingénierie de la pertinence.

Le 3-Layer Framework : présence, readiness, impact business

Le premier cadre est celui d'Aleyda Solís, publié en avril 2026 sous le titre A 3 Layer Framework to Measure AI Presence, Readiness and Business Impact. C'est le plus accessible des trois pour parler à une direction marketing ou à un comité exécutif, parce qu'il structure la mesure autour de questions business pures.

Trois couches connectées, avec un rôle distinct pour chacune.

Layer 1 (Presence) mesure si et comment votre marque apparaît dans les réponses IA. Cinq KPI principaux :

• le prompt coverage : sur quelle proportion d'une catégorie de prompts représentatifs vous apparaissez ;
• le recommendation rate : parmi ces apparitions, combien de fois vous êtes recommandé explicitement ;
• le linked citation rate : combien de fois le lien vers votre site est cliquable ;
• le comparative win rate : sur les prompts comparatifs, combien de fois vous êtes préféré ;
• la representation accuracy : parmi vos mentions, combien sont correctement positionnées sur votre proposition de valeur.

Tracé sur une dizaine de plateformes, ce groupe de KPI dessine une cartographie de surface.

Layer 2 (Readiness) diagnostique pourquoi la visibilité se présente ainsi. Le cadre identifie dix caractéristiques structurelles que les marques gagnantes en AI Search partagent : accessibilité, extractabilité, fraîcheur, autorité d'entité, présence dans les sources tierces de confiance, et ainsi de suite. Un trou en Presence devient une hypothèse Readiness à tester : si votre prompt coverage est bas dans une catégorie, le diagnostic se déplace côté infrastructure.

Layer 3 (Business Impact) mesure si la visibilité crée de la valeur commerciale. C'est l'apport le plus distinctif du framework : Aleyda Solís y assume l'attribution partielle, plutôt que de prétendre la résoudre. Quatre niveaux de confiance à séparer rigoureusement dans le reporting :

• Observé (Observed) : métriques natives avec referrer ou UTM. Confiance haute, couverture faible.
• Proxy propriétaire (Proxy own) : signaux internes, comme la hausse des recherches de marque ou la demande sur des pages connues pour apparaître dans les réponses IA. Confiance moyenne.
• Proxy externe (Proxy third-party) : données externes, comme le comportement du trafic IA comparé aux concurrents via des outils tiers. Confiance moyenne à basse, couverture plus large.
• Modélisé (Modelled) : estimations produites en appliquant des hypothèses aux données observées et proxy. Confiance la plus basse : pour planifier, jamais pour prouver.

Le principe qui rend le cadre opérationnel : chaque couche passe une hypothèse à la suivante. Un trou de Presence devient un chantier de Readiness, qui devient une action dont l'effet est mesuré via le Business Impact. La formule d'Aleyda Solís qui résume la posture : "Measured AI referral traffic is the floor, not the ceiling, of AI's contribution."

Le 3-Tier Reporting Model : input, channel, performance

Le deuxième cadre vient d'iPullRank, posé par Mike King et son équipe dans l'article Beyond Rankings publié en mars 2026. La granularité y est plus fine que dans le 3-Layer, parce que le cadre est conçu pour piloter une équipe SEO/AI Search au niveau tactique. Trois groupes de métriques couvrent le customer journey complet.

Input Metrics mesurent la substance du contenu produit, côté IA. Quel est l'alignement sémantique entre vos pages et les requêtes qui comptent ? Quelle est la pertinence des passages quand un retriever les évalue ?

La fraîcheur du contenu, l'activité des bots sur le site, le ranking sur les synthetic queries, ces sous-requêtes que les agents génèrent à partir d'une question initiale. C'est la couche qui se rapproche le plus du SEO technique traditionnel, mais traduite en signaux que les LLMs lisent réellement.

Channel Metrics mesurent la visibilité de la marque, ce qu'iPullRank appelle la "nouvelle SEO" : citations, share of voice, citation rate, citation quality et, apport notable, citation sentiment. Cette dernière métrique est l'une des plus structurantes. Ce n'est plus seulement "êtes-vous cité", mais "comment êtes-vous cité" : une citation positive et une citation neutre n'ont pas la même valeur business.

Performance Metrics mesurent ce que la visibilité produit : trafic, événements, conversions, profondeur d'engagement. Le cadre traite l'AI Search à la fois comme un canal de marque et comme un canal de performance.

iPullRank a documenté ce cadre par une étude originale sur 79 000 couples URL-requête analysés sur quatre plateformes IA (ChatGPT, Claude, Perplexity, Google). Quatre enseignements opérationnels en ressortent :

• Le top 10 organique Google reste un prérequis pour être cité par les IA, avec une baisse marquée au-delà.
• Les mid-tail queries optimisées voient leur probabilité de citation grimper de 292 %.
• La densité bat le volume : les URL citées font 1 800 mots en moyenne contre 1 200 pour les non citées, mais ajouter des mots sans augmenter la densité d'entités diminue la probabilité de citation.
• La profondeur peut nuire : la Conceptual Depth, traditionnellement valorisée en SEO, peut desservir les citations IA, qui cherchent la réponse la plus directe possible. C'est ce qu'iPullRank appelle la Depth Divergence.

Sept métriques propriétaires opérationnalisent le cadre : Cosine Similarity, Comprehensive Coverage Index, Strategic Entity Richness, Explanatory Efficiency Index, Conceptual Depth Score, Information Gain Score, Entity Density. Chacune a sa définition technique et son "why it matters" en termes de comportement LLM. L'article complémentaire Clicks to Citations (avril 2026) y ajoute une dimension par persona. Les KPI doivent être segmentés, parce que des audiences différentes utilisent des vocabulaires différents ; la visibilité par segment compte davantage que la moyenne globale.

Les six métriques agentic : le nouveau cadre qui change la donne

Le troisième cadre est le plus récent et le plus structurant. Mike King l'a posé en mai 2026 dans Beyond RAG: Why Every AI Search Platform Is Now Agentic. Le diagnostic est direct : le RAG single-shot (une requête, une récupération, une réponse) n'est plus l'architecture par défaut.

Toutes les plateformes IA majeures (Google AI Mode, ChatGPT Deep Research, Perplexity Pro, Claude, Gemini Deep Research) ont basculé sur l'Agentic RAG. Quatre propriétés structurelles le définissent :

• Planning : le plan de recherche est généré avant toute récupération ;
• Tool Use : la récupération n'est qu'un outil parmi d'autres ;
• Iteration : l'agent récupère, lit, récupère à nouveau ;
• Reflection : le système grade son propre brouillon avant la sortie finale.

Concrètement : une seule requête utilisateur est décomposée en 5 à 20 sous-requêtes. Votre contenu doit gagner à cinq étapes successives. Le planner décompose la requête, le router choisit les outils, le retriever récupère les passages candidats, le pairwise reranker les compare, et le critic les filtre une dernière fois.

Chaque gatekeeper en amont du résultat final est invisible au tracker classique. C'est ce qui produit le diagnostic central de Mike King : le citation tracking traditionnel sous-estime votre empreinte réelle par un facteur de 3 à 10× dans les systèmes agentiques. Si vous apparaissez dans quatre des douze sous-requêtes mais que vous n'êtes cité qu'une seule fois dans la réponse finale, le citation tracking manque 75 % de votre impact réel.

Les six métriques posées par Mike King ne se substituent pas aux métriques classiques : elles s'y ajoutent pour couvrir les angles morts du pipeline agentique. Pour les comprendre, le plus simple est de les rattacher au pipeline. Quatre métriques se placent à des étapes précises du filtre : planner, router, retriever/reranker, critic. Deux fonctionnent transversalement : positionnement structurel dans le graphe, diagnostic global.

Les quatre métriques de gatekeeper

• Sub-query coverage, au niveau du planner. Quelle proportion du plan de recherche vous concerne ? Admettons qu'une requête "meilleur CRM pour PME industrielle" soit décomposée en dix sous-requêtes : si votre contenu apparaît dans quatre d'entre elles, votre couverture est de 40 %. La métrique révèle un invisible des trackers classiques : vous pouvez être absent de la requête principale et présent sur ses sous-requêtes. L'action induite est de couvrir la diversité sémantique de votre catégorie, pas seulement les requêtes principales.
• Tool-call inclusion, au niveau du router. Un agent ne se contente pas de lire des passages : il peut aussi appeler des outils pendant qu'il construit sa réponse. Un calculateur de tarif, une API de stock produit, un comparateur, un service de réservation. Si votre marque expose des outils accessibles (un calculateur public, une API ouverte, un point d'accès via le protocole MCP), l'agent peut les solliciter. La métrique mesure à quelle fréquence il le fait quand une sous-requête le justifierait. C'est une dimension nouvelle de la visibilité IA : vous n'êtes pas cité, vous êtes utilisé.
• Retrieval-to-citation ratio, au niveau du reranker. Sur les sous-requêtes où votre contenu fait partie des passages récupérés, à quelle fréquence parvient-il jusqu'à la citation finale ? Un ratio faible signale que vous êtes bien indexé mais que vous perdez systématiquement au pairwise rerank. C'est probablement la métrique la plus actionnable pour une équipe contenu, parce qu'elle pointe directement la qualité intrinsèque du passage.
• Reflection survival rate, au niveau du critic. Le critic, dernier gatekeeper avant la sortie, évalue le brouillon de réponse et retire les passages qui présentent des signaux d'alerte : fraîcheur insuffisante, contradiction interne, fiabilité faible, biais détecté. Si votre contenu apparaît dans cinquante brouillons et que le critic en retire huit, votre taux de survie est de 84 %. C'est une métrique de qualité éditoriale au sens strict : fraîcheur, alignement avec les sources d'autorité, signaux EEAT.

Les deux métriques transversales

• Bridge-entity centrality, dans le graphe sémantique. Êtes-vous positionné comme le lien canonique entre les entités clés ? Quand l'agent cherche les relations entre deux entités, par exemple "CRM industriel" et "intégration ERP", il privilégie les sources qui font canoniquement le pont entre les deux. Si vous êtes cette source, vous êtes cité dans des réponses où l'utilisateur n'a jamais tapé votre nom. C'est probablement la métrique la plus sous-exploitée à ce jour. Elle ne se travaille pas par optimisation de page : elle se construit par positionnement thématique, contenus de fond qui croisent deux entités, mentions tierces qui valident le pont.
• Distillation stage-failure rate, depuis un agent local. À quelle étape du pipeline perdez-vous le plus ? Cette métrique ne se mesure pas en interrogeant les plateformes. Elle se mesure depuis un agent local que vous opérez en parallèle, qui reproduit l'architecture en cinq étapes et observe où votre contenu est retiré. Si vous perdez 60 % au reranker, 25 % au critic, 15 % au retriever, vous savez où agir en priorité. C'est la seule métrique strictement diagnostique du lot : les autres mesurent l'effet, celle-ci pointe la cause.

Ce que cela change

Les six métriques redessinent ce qu'il faudrait suivre pour avoir une lecture fidèle de la visibilité réelle dans l'AI Search 2026. Aucune n'est dans un outil commercial à la mi-2026. Mais leur formulation opérationnelle est publique, et iPullRank fournit une architecture de référence avec son harnais open source (le repository agentic-rag-audit).

À court terme, c'est probablement la principale différenciation qui se dessine entre les équipes les plus avancées et les autres. Non pas l'outil de tracking choisi, mais la capacité à mettre en place un suivi que les plateformes existantes ne permettent pas.

L'articulation des trois cadres

Les trois cadres ne se substituent pas, ils se complètent. Aleyda 3-Layer donne la lecture business pour le reporting exécutif. iPullRank 3-Tier donne la lecture opérationnelle pour le pilotage tactique. Les six métriques agentic donnent la lecture technique émergente pour l'ingénierie de la pertinence.

Le bon usage, en pratique, consiste à les articuler selon l'audience : trois niveaux de reporting pour trois questions différentes. Où en est-on, pourquoi, comment l'améliorer.

Le panorama du marché : trois outils, trois approches

Le marché du suivi de visibilité IA s'est structuré en deux ans autour de quelques acteurs. Trois d'entre eux dominent en 2026, chacun avec une approche méthodologique distincte. Aucun ne se substitue à un autre : ils répondent à des questions différentes, et il est fréquent que des équipes expertes en combinent deux selon les usages.

Plutôt qu'un comparatif d'achat, qui daterait dans trois mois, on les présente ici sur quatre dimensions stables : positionnement et fonctionnalités, méthodologie de capture, expertise et production éditoriale. Une cinquième dimension, transversale, examine où chacun se loge dans le triple cadre méthodologique.

Profound : volume d'études et discipline méthodologique

Profound se positionne comme la plateforme de référence pour l'Answer Engine Optimization. Sa Series C de 96 millions de dollars, levée en février 2026 sur une valorisation à 1 milliard, en fait l'acteur le mieux financé du secteur.

La proposition produit s'organise autour de trois modules. Answer Engine Insights : tracking de visibilité, share of voice, sentiment, sources citées, classement face aux concurrents. Agent Analytics : mesure du trafic IA réel au niveau infrastructure. Prompt Volumes : estimation des volumétries de prompts par marché.

Couverture annoncée : dix moteurs de réponse, plus de trente langues, suivi quotidien. La méthodologie distinctive de Profound : la capture des réponses IA se fait directement depuis le navigateur plutôt que via l'API. La promesse est d'éviter les écarts de comportement entre les versions API et les versions consommateur des modèles.

Mais ce qui distingue le mieux Profound, c'est le volume et la rigueur de sa production research. Le dataset cumulé dépasse les 3,25 milliards de citations IA en 2025-2026, et la plateforme publie régulièrement des études fondatrices nommées :

• Markdown vs HTML, RCT sur 381 pages (Brandon Punturo, février 2026). Première étude contrôlée randomisée publique sur l'effet du Markdown servi aux robots IA. Sur 6 sites, 381 pages réparties aléatoirement (HTML en contrôle, Markdown en traitement), mesure du trafic bot sur 3 semaines. Résultat : pas d'effet statistiquement significatif. Profound publie une étude qui invalide une hypothèse populaire potentiellement favorable à son propre produit.
• 250M AI responses, Tech SEO Connect (Josh Blyskal, décembre 2025). Analyse de 250 millions de réponses IA à travers 8 moteurs de réponse. Pose plusieurs diagnostics structurants : 39 % seulement d'overlap ChatGPT/Google SERP, le citation flattening (les LLMs distribuent l'attention plus uniformément que les humains sur les positions 1-10), 2,4 sous-requêtes moyennes par prompt en fan-out. L'indexation Google y apparaît comme un prérequis non suffisant.
• 27M Citation Categories (Brandon Punturo, janvier 2026). Classification de 27 millions de citations en 8 catégories de sources à travers 7 plateformes IA. Documente la diversité des sources et la divergence par plateforme (Perplexity 19 % de sources sociales contre 5 % pour ChatGPT).

Dans le triple cadre méthodologique, Profound couvre fortement la couche Presence d'Aleyda et apporte une dimension Business Impact via Agent Analytics, qui mesure le trafic IA réel. Côté iPullRank, principalement des Channel Metrics, avec une amorce d'Input Metrics via les recommandations de contenu. Les six métriques agentic ne sont pas exposées à la mi-2026.

Peec AI : l'approche tracker pur, orienté produit

Peec AI se présente comme une plateforme d'AI search analytics conçue pour les équipes marketing. Series A de 21 millions de dollars levée en novembre 2025 ; plus de 1 300 marques et agences clientes revendiquées fin 2025, moins d'un an après le lancement. Basée à Berlin, la plateforme assume un positionnement européen distinct des acteurs US. Couverture annoncée : six plateformes (ChatGPT, Perplexity, Gemini, Microsoft Copilot, Google AI Mode, Google AI Overviews), multi-pays, plus de 115 langues.

La méthodologie distinctive : une extraction depuis l'interface utilisateur plutôt que via l'API, avec l'argument d'éviter les écarts API/UI. La plateforme met en avant la classification des sources citées en cinq catégories (éditorial, UGC, concurrent, référence, informationnel) pour diagnostiquer l'origine de la visibilité. S'y ajoutent une détection regex et un prompt clustering pour les régimes de monitoring profonds.

Côté production research, Peec AI développe une matière éditoriale soutenue avec une dimension critique assumée :

• llms.txt hoax (Malte Landwehr, juillet 2025). Article éditorial fondateur qui falsifie l'engouement sectoriel pour le protocole llms.txt, proposé par Jeremy Howard en septembre 2024 et adopté par plus de 600 sites mi-2025. Aucun moteur de réponse n'a annoncé supporter le protocole, et John Mueller (Google Search Advocate) confirme que les services IA ne le vérifient même pas dans les logs serveur. Cet article a structuré la critique sectorielle sur les pratiques GEO sans preuve.
• Top domains cited, 30M sources (Tomek Rudzki, mars 2026). Analyse de 30 millions de sources directement citées par 5 plateformes IA américaines. Documente le top 10 global (Reddit, YouTube, LinkedIn, Wikipedia, Forbes en tête) et surtout la divergence radicale par plateforme. G2 n'apparaît dans le top 5 que chez Perplexity, Forbes dans celui de ChatGPT ; Facebook et Yelp dominent côté Google AI Mode et AIO.
• Citation rate benchmarks, 1M (Tom Wells, février 2026). Étude pédagogique forte sur la distinction citation vs récupération : une page peut être récupérée comme candidate sans être citée dans la réponse finale. Propose des benchmarks opérationnels par plateforme (ChatGPT 2,0+, Google AI Mode 1,1-1,5, Perplexity 1,5-2,0), avec une donnée frappante : 64 % des URLs ne sont jamais citées par Perplexity malgré leur présence dans la sidebar.

Dans le triple cadre, Peec AI couvre la couche Presence d'Aleyda et apporte une dimension critique sur la Readiness via ses falsifications publiées. Côté iPullRank, principalement des Channel Metrics, avec une attention particulière à la classification du sentiment et de la position. Les six métriques agentic ne sont pas mesurées.

Otterly : expérimentation contrôlée et études à grande échelle

Otterly se positionne comme une plateforme d'AI search monitoring orientée à la fois agences et équipes marketing internes. Basée à Vienne, la plateforme revendique en 2026 plus de 10 000 professionnels marketing utilisateurs. La reconnaissance sectorielle suit : Gartner Cool Vendor AI in Marketing 2025, G2 High Performer Winter 2026, Best AI Search Software Solution aux European Search Awards 2026. Couverture : six plateformes (ChatGPT, Perplexity, Google AI Overviews, Google AI Mode, Gemini, Microsoft Copilot).

L'offre s'organise autour de modules complémentaires. Search Prompt Monitoring interroge automatiquement une bibliothèque de prompts chaque jour ; l'AI Keyword Research Tool transforme mots-clés ou URL en prompts représentatifs. S'y ajoutent le Brand Visibility Index, le Domain Ranking & Analytics (suivi hebdomadaire des URL citées et de leur position) et un GEO Audit qui produit un SWOT et des recommandations tactiques.

Côté production research, Otterly publie deux types de contenu complémentaires qui constituent ensemble sa contribution sectorielle :

• La série GEO Experiment. Plus de dix expériences contrôlées publiées sur 2025-2026, chacune avec méthodologie exposée : typiquement 14 jours, 5 à 7 plateformes IA testées, dispositif au niveau page avec contrôle. La série couvre llms.txt, Markdown vs HTML, schema markup, texte caché, métadonnées d'images, contenu IA vs contenu humain. Un format pédagogique qui pose une hypothèse, expose le protocole et publie les résultats, y compris négatifs.
• Les AI Search Studies à grande échelle. Études analytiques sur datasets internes avec méthodologie statistique formelle (corrélation de Pearson notamment). Deux études fondatrices à retenir. Two Different Googles (Thomas Peham, décembre 2025) : 30 353 citations AI Mode et 2 498 citations AIO sur 100 requêtes Google allemandes de premier plan. L'étude démontre que Google AI Mode et Google AI Overviews fonctionnent comme deux systèmes IA distincts, avec un différentiel de volume de 12× et une divergence radicale dans l'attribution de marque. URL AI Citation Study, 1M URLs (Rick Tousseyn, mai 2026) : 1 028 959 URLs uniques analysées sur 6 plateformes. L'étude falsifie les conventions SEO traditionnelles transférées au GEO : longueur d'URL, profondeur, tirets et TLD affichent tous une corrélation de Pearson inférieure à 0,04, négligeable.

Dans le triple cadre, Otterly couvre la Presence d'Aleyda et apporte une dimension Readiness plus marquée que les deux autres via son GEO Audit. Côté iPullRank, c'est l'outil le plus équilibré entre Channel Metrics et Input Metrics grâce aux recommandations GEO ciblées. Les six métriques agentic restent absentes.

Ce qu'on retient de ce panorama

Les trois outils couvrent efficacement la couche Presence du cadre Aleyda et les Channel Metrics du cadre iPullRank. C'est leur cœur de métier, et ils le font avec des nuances de spécialisation qui se complètent plus qu'elles ne s'opposent.

Mais ce que ce panorama révèle surtout, c'est la valeur de leur production research. Profound, Peec AI et Otterly publient depuis 2024-2025 des études à grande échelle qui documentent plusieurs convergences sectorielles structurantes. Trois sont particulièrement notables :

• llms.txt n'a pas d'effet documenté sur la visibilité IA. Peec AI le pose dès juillet 2025 (llms.txt hoax, mobilisant la position de John Mueller). Otterly le mesure sur 90 jours et 62 100 visites bot : 0,1 % de trafic sur le fichier. Google le formalise dans son guide officiel d'optimisation IA (mai 2026). Trois sources indépendantes, trois méthodologies, même conclusion.
• Google AI Mode et Google AI Overviews fonctionnent comme deux systèmes distincts. Convergence Otterly (Two Different Googles, décembre 2025), Profound (Citation Categories, 27 millions de citations, janvier 2026) et Peec AI (Top domains 30M, mars 2026). Trois échantillons massifs convergent sur l'asymétrie radicale entre les deux interfaces Google.
• Reddit domine les citations IA cross-plateformes. Convergence Profound (datasets multiples), Peec AI (étude 30M sources) et Otterly (étude sur plus d'un million de citations). Reddit apparaît en position 1 ou 2 sur toutes les plateformes principales, testées indépendamment par les trois acteurs.

Cela dit, aucun de ces trois outils n'embarque les six métriques agentic posées par Mike King en mai 2026, et aucun ne mesure le triple cadre dans son entier. Le Business Impact d'Aleyda et les Performance Metrics d'iPullRank restent à construire en interne, via le suivi GA4, les questions de découverte au signup et les proxies tiers. Aucun outil ne fait cela à votre place.

C'est cette double absence, la couche agentique côté technique et la couche Business Impact côté business, qui dessine la matière des limites communes.

Les limites communes des outils du marché

Le panorama a montré ce que les trois outils dominants savent faire. Voici l'autre versant : les limites qui leur sont communes, et qui définissent l'état actuel du marché de la mesure de visibilité IA.

Ces limites ont été identifiées par plusieurs voix critiques du secteur et par les trois acteurs eux-mêmes. Aucune n'est imputable à un outil en particulier. Toutes sont structurelles.

1. Des sorties non reproductibles

Le non-déterminisme posé en ouverture s'applique ici sans remède. Les LLMs sont par nature non déterministes : une même requête peut produire des sorties différentes selon l'instance, l'heure, la session. Sans accès à la température, au seed et au contexte d'inférence, ce que les outils mesurent un jour n'est pas reproductible le lendemain. Une part des chiffres rapportés est du bruit qui se fait passer pour du signal.

2. Un utilisateur neutre qui n'existe pas

Les plateformes IA intègrent profil utilisateur, géolocalisation, historique de conversation et, chez Google, un mécanisme de stateful chat documenté dans le brevet US20240289407A1 publié en mars 2024. Les outils de tracking interrogent les modèles avec un utilisateur neutre, c'est-à-dire personne. La mesure produit une situation qui ne représente aucun utilisateur réel.

3. Un share of voice sans dénominateur

Aucun équivalent du volume de recherche Google n'existe pour les prompts IA. Lily Ray pose la limite directement dans sa rétrospective : les outils ne peuvent pas mesurer ce que les utilisateurs réels demandent en agrégat, parce qu'il n'y a pas de signal public d'usage côté plateformes. Conséquence : les estimations de share of voice IA n'ont pas de dénominateur stable, et restent, au mieux, directionnelles.

4. Le citation tracking mesure les survivants

Dans une architecture agentic RAG, une requête utilisateur est décomposée en 5 à 20 sous-récupérations coordonnées. Votre contenu peut apparaître dans plusieurs de ces étapes sans figurer dans la citation finale rendue à l'utilisateur. Mike King documente dans Beyond RAG (mai 2026) une sous-estimation d'un facteur 3 à 10× chez les outils qui ne mesurent que la sortie finale du filtre. Le citation tracking traditionnel mesure les survivants, pas le filtre.

5. Des règles différentes selon le système

Trois études convergentes documentent que les systèmes IA ne fonctionnent pas selon les mêmes règles. Otterly mesure un différentiel de 12× de volume de citations entre Google AI Mode et Google AI Overviews sur 100 requêtes communes (Two Different Googles, décembre 2025).

Profound documente des distributions de sources radicalement différentes par plateforme (Citation Categories, 27M citations, janvier 2026). Peec retrouve cinq top 5 distincts par moteur (Top domains 30M, mars 2026). Une stratégie de visibilité IA unifiée est, par construction, inadaptée à un marché fragmenté.

6. L'off-site sous-représenté

Sur les requêtes IA qui concernent votre propre marque, jusqu'à 97,9 % des citations pointent vers des sources tierces : Reddit, YouTube, Wikipédia, comparateurs, avis tiers. L'étude d'Aleyda Solís sur 25 sites e-commerce US (mai 2026) documente le pattern : Sony pèse 2,1 % des citations sur ses propres requêtes, Etsy plafonne à 17,1 %. Même les leaders catégoriels restent sous les 15 %. La visibilité IA est structurellement un problème de corroboration off-site avec un socle de qualité on-site, pas l'inverse.

7. La prescription sans preuve

Beaucoup d'outils embarquent des recommandations techniques qui ne survivent pas aux études contrôlées récentes. Quatre sources convergent en 2025-2026 :

• Peec AI documente que llms.txt n'a aucun support officiel (article fondateur de Malte Landwehr, juillet 2025) ;
• Otterly mesure que les expériences schema ne produisent pas l'effet GEO promis (expérience contrôlée, mars 2026) ;
• Ahrefs publie une étude contrôlée sur 1 885 pages, appariées à 4 000 pages témoins (mai 2026). Elle falsifie l'effet du JSON-LD sur les citations IA : +2,4 % sur AI Mode, −4,6 % sur AI Overviews ;
• Google formalise dans son guide officiel d'optimisation IA (mai 2026) que ni schema, ni llms.txt, ni Markdown ne sont requis pour la visibilité IA.

La couche prescriptive vendue par une partie du marché est, selon la formule de Pedro Dias, un levier déconnecté du compteur.

Pour conclure : une critique sectorielle qui converge

Ces limites ne sont pas des défauts d'un outil en particulier : ce sont des contraintes structurelles communes à tous les outils du marché, posées par une communauté critique dont les voix se complètent. Elles ne se résolvent pas par l'outil utilisé. Elles imposent une posture de pilotage différente : croiser les sources, lire un mouvement plutôt qu'une donnée absolue, accepter qu'une part du signal reste irréductiblement bruitée.

Cette posture a depuis trouvé son prolongement méthodologique sur ce blog : Mesurer sa présence IA : output, retrieval et latent transforme ce constat en plan de mesure en trois couches.