Framework IAB de mesure de la visibilité IA : 10 questions à poser à votre outil

ChatGPTPerplexityGeminiClaude

En bref : en août 2026, l'IAB (Interactive Advertising Bureau) a publié Measuring Visibility in the AI Era, le premier cadre de référence pour mesurer la visibilité d'une marque dans les réponses des IA comme ChatGPT, Gemini ou Google AI Overviews. Il définit un vocabulaire commun (les « 4P » : Presence, Prominence, Portrayal, Persuasion), sépare la mesure « directionnelle » de la mesure « décisionnelle » puis liste ce qu'un outil doit rendre transparent.

Chez BotRank, nous mesurons la visibilité IA de cette façon depuis le départ : réponses collectées chaque jour dans les interfaces que voient réellement les utilisateurs, résultats séparés par moteur et par marché, prompts qualifiés par intention de recherche, mentions et citations distinguées. Cet article traduit le framework en 10 questions à poser à n'importe quel outil de visibilité IA, avec nos réponses.

Plus de 20 éditeurs vendent aujourd'hui des outils de suivi de la visibilité IA. Deux d'entre eux peuvent mesurer la même marque, dans la même catégorie, puis livrer deux parts de voix différentes. Les directions marketing ont des budgets à investir dans le GEO (Generative Engine Optimization), mais aucun moyen de savoir si les chiffres qu'elles achètent sont fiables. Selon l'IAB, seules 16 % des marques suivent leur visibilité IA de manière systématique, en partie à cause de cette absence de standard.

Le framework de l'IAB change la donne. Pour la première fois, une organisation reconnue par toute l'industrie publicitaire pose les règles d'une mesure sérieuse. C'est une bonne nouvelle pour les marques. C'est aussi une bonne nouvelle pour les outils qui ont fait le choix de la rigueur.

Qu'est-ce que le framework IAB de mesure de la visibilité IA ?

Le framework IAB Measuring Visibility in the AI Era est un cadre de référence publié en août 2026 qui définit comment mesurer la visibilité organique d'une marque ou d'un éditeur dans les réponses générées par l'IA. Il a été élaboré par un groupe de travail réunissant des annonceurs (Walmart), des agences (WPP Media, PMG, Tinuiti), des organismes de mesure (Alliance for Audited Media, EMARKETER) ainsi que des éditeurs d'outils. Il fait partie du Project Eidos, l'initiative de l'IAB pour standardiser la mesure publicitaire.

Le document ne note pas les fournisseurs et ne prescrit aucun outil. Il fournit quatre briques :

  • Un vocabulaire commun : des définitions précises pour chaque métrique (taux de mention, taux de citation, part de voix, position, sentiment, etc.).
  • Des standards de qualité : une matrice qui distingue la mesure directionnelle de la mesure décisionnelle.
  • Un cadre de transparence : la liste de ce qu'un fournisseur doit dévoiler sur sa méthode. Un refus de répondre doit être lu comme un signal.
  • Des pratiques de stabilité : comment rester comparable d'une semaine à l'autre alors que les modèles changent sans prévenir.

Le framework couvre uniquement la visibilité organique. La visibilité payante dans les réponses IA et l'attribution du trafic sont annoncées comme des chantiers à venir.

Les 4P de la visibilité IA : la grille de lecture de l'IAB

L'IAB organise les métriques de visibilité IA en une hiérarchie causale de quatre niveaux. Si une marque n'est pas présente, rien d'autre ne compte. Si elle est présente mais mal décrite, sa présence peut lui nuire.

NiveauQuestion poséeMétriques IAB (marques)
PresenceLa marque apparaît-elle ?Taux de mention, taux de citation, part de voix, dynamique de visibilité
ProminenceOù et avec quelle importance ?Position dans la réponse
PortrayalDans quel contexte et avec quelle exactitude ?Sentiment, cadrage, taux d'hallucination, taux d'inexactitude factuelle
PersuasionLa visibilité déclenche-t-elle une action ?Force de recommandation, taux de clic après citation

Deux distinctions de ce vocabulaire méritent d'être retenues. La première sépare mention et citation : une marque peut être nommée dans une réponse sans que son site serve de source. Nous l'avons détaillé dans notre article Mentions de marque IA vs citations : pourquoi un score trompe. La seconde sépare hallucination et inexactitude factuelle. Une hallucination est inventée par le modèle. Une inexactitude factuelle reproduit fidèlement une source qui se trompe. Le remède n'est pas le même : dans le second cas, c'est la source qu'il faut corriger.

Mesure directionnelle ou mesure décisionnelle : la vraie ligne de partage

L'apport le plus structurant du framework est la distinction entre mesure directionnelle et mesure décisionnelle (« decision-grade »). Une mesure directionnelle indique une tendance : « sommes-nous plus visibles qu'au trimestre dernier ? ». Une mesure décisionnelle permet d'arbitrer un budget, d'évaluer une agence ou de présenter un résultat en comité de direction. Les deux sont légitimes. L'erreur consiste à prendre des données directionnelles pour des données décisionnelles.

CritèreDirectionnelDécisionnel
ÉchantillonPlusieurs réponses par requêteAssez de réponses par requête pour obtenir une distribution stable
Volume de requêtesAu moins 50 requêtes couvrant la catégorieJeu large et diversifié, avec sous-catégories
Intentions de rechercheAu moins 2 intentions, distribution publiéeLes 4 intentions, résultats segmentables par intention
CadenceMensuelle ou trimestrielleHebdomadaire ou plus fréquente
PlateformesUne ou plusieursLa majorité du trafic IA du marché, résultats par plateforme

Le framework rappelle aussi une réalité statistique que beaucoup de tableaux de bord ignorent : une mesure fondée sur une seule réponse n'est pas une mesure. Les IA ne répondent jamais deux fois exactement la même chose. La visibilité d'une marque sur un prompt est une distribution, pas une valeur unique.

Les 10 questions à poser à votre outil de visibilité IA (et nos réponses)

Nous avons traduit la matrice de qualité et le cadre de transparence de l'IAB en dix questions concrètes. Posez-les à votre fournisseur actuel ou à ceux que vous évaluez. Voici nos propres réponses.

1. Quels moteurs IA sont mesurés ? Les résultats sont-ils présentés séparément ?

L'IAB exige de connaître les plateformes couvertes et de voir les résultats de chacune séparément, car chaque moteur a ses propres biais. Un score qui mélange tous les moteurs masque ces écarts.

Chez BotRank : nous mesurons ChatGPT, Gemini, Google AI Overviews, Google AI Mode, Perplexity, Microsoft Copilot, Claude et Mistral. Chaque indicateur est disponible moteur par moteur. Nous l'avons montré dans notre analyse sur la non-transférabilité de l'optimisation d'un moteur à l'autre : additionner les moteurs sans les distinguer fausse le diagnostic.

2. Comment les réponses sont-elles collectées ?

C'est la première ligne du cadre de transparence de l'IAB. Un fournisseur doit dire s'il simule des requêtes, s'il observe un panel d'utilisateurs ou s'il utilise des données fournies par la plateforme. Il doit aussi préciser son mode d'accès (API officielles, navigateur, scraping) et indiquer si la recherche web est activée. Des résultats collectés de manières différentes ne doivent jamais être mélangés sans le dire.

Chez BotRank : nous collectons toutes nos réponses par scraping des interfaces grand public, celles qu'utilisent réellement vos clients : chatgpt.com, gemini.google.com, la page de résultats Google pour AI Overviews et AI Mode, perplexity.ai, etc. Nous n'utilisons pas les API des modèles. C'est un choix de méthode : une API renvoie un texte brut, souvent sans recherche web, sans sources affichées ni modules sponsorisés. Or l'IAB définit la position d'une marque comme sa place dans la réponse mise en forme « telle que l'utilisateur la voit » plutôt que dans le texte brut produit par le modèle. Le scraping mesure exactement cela : la réponse affichée, avec ses sources, son ordre et ses encarts.

3. Combien de réponses sont collectées, à quel rythme ?

Pour l'IAB, une réponse unique n'est qu'un échantillon de un : il faut assez de réponses pour décrire la variabilité normale d'un moteur. Le framework classe aussi une cadence mensuelle ou trimestrielle en « directionnel ». Une cadence hebdomadaire ou plus fréquente est attendue pour arbitrer un budget.

Chez BotRank : par défaut, chaque prompt est interrogé chaque jour sur chaque moteur suivi, soit sept fois plus souvent que le seuil décisionnel de l'IAB. Sur les principaux moteurs, un prompt accumule ainsi une série d'une vingtaine de réponses par mois. Une tendance se lit sur cette série, jamais sur une réponse isolée. La cadence reste ajustable par moteur quand un client préfère un rythme plus espacé.

4. Les prompts couvrent-ils les quatre intentions de recherche ?

L'IAB identifie le « biais lié aux prompts » comme l'une des deux grandes sources d'erreur. Un jeu de prompts dominé par les demandes de recommandation favorise les marques qui excellent dans ce contexte. Le framework demande donc de couvrir les quatre intentions (informationnelle, comparaison, recommandation, transactionnelle) et d'en publier la répartition.

Chez BotRank : chaque prompt est qualifié automatiquement selon son intention de recherche, avec un niveau de confiance, puis reste corrigeable à la main. Nous utilisons les quatre intentions de l'IAB, plus une cinquième pour les recherches d'avis. Ce suivi rend le biais visible : sur l'ensemble des prompts suivis dans BotRank, 52 % relèvent de la recommandation, contre 16 % pour la comparaison, 15 % pour le transactionnel, 14 % pour l'informationnel et 4 % pour les avis. Sans cette qualification, une marque ne saurait pas que son score est tiré par un seul type de question.

5. L'outil distingue-t-il les prompts qui citent déjà une marque ?

Ce point prolonge le précédent. Un prompt qui nomme la marque (« BotRank est-il un bon outil GEO ? ») gonfle mécaniquement sa visibilité. Mélanger ces prompts avec des prompts génériques revient à mesurer sa notoriété en posant des questions qui contiennent déjà la réponse.

Chez BotRank : chaque prompt est aussi qualifié selon qu'il nomme ou non une marque. Environ 15 % des prompts suivis sur la plateforme nomment une entité. Les isoler permet de lire la visibilité réellement gagnée sur les questions ouvertes, celles où la marque est en concurrence.

6. Mentions et citations sont-elles mesurées séparément ?

Le framework définit le taux de mention (la marque est nommée) et le taux de citation (la marque sert de source) comme deux métriques distinctes. L'écart entre les deux est en soi un signal.

Chez BotRank : les entités nommées et les sources citées sont analysées séparément pour chaque réponse. Nous savons quels sites et quelles pages les IA citent, comment leur part évolue, puis si la page citée parle réellement de la marque. Notre étude sur 1,2 million de réponses IA s'appuie sur cette séparation.

7. La position de la marque dans la réponse est-elle mesurée ?

Être cité en premier ou en dixième position n'a pas la même valeur. L'IAB demande aussi d'expliquer comment la position est calculée dans les réponses rédigées en texte libre.

Chez BotRank : chaque marque, chaque produit et chaque source citée reçoit sa position d'apparition dans la réponse. La position des sources suit l'ordre dans lequel le moteur les affiche.

8. Comment la marque est-elle décrite ?

Le niveau « Portrayal » de l'IAB couvre le sentiment et le cadrage : la marque est-elle présentée comme le leader, comme l'option économique ou comme une solution dépassée ?

Chez BotRank : chaque réponse est découpée en extraits rattachés aux marques citées, puis analysée en sentiment, thèmes et mots-clés par notre module Perception. Il devient possible de voir comment une marque et ses concurrents sont décrits, pas seulement s'ils sont cités. Les informations de marque contradictoires sont souvent la première cause d'un mauvais cadrage.

9. Les résultats sont-ils mesurés marché par marché ?

Une même question posée depuis la France ou depuis l'Allemagne ne renvoie ni les mêmes marques ni les mêmes sources. L'IAB demande de publier l'origine géographique des requêtes et de présenter les résultats par marché plutôt qu'en un score global.

Chez BotRank : chaque prompt est rattaché à un marché et interrogé dans ce contexte. Les groupes multi-marques et multi-pays lisent leur visibilité pays par pays.

10. Les données brutes restent-elles accessibles derrière le score ?

L'IAB accepte les scores composites à une condition : publier leur pondération et laisser accès aux métriques qui les composent. « Le score composite n'est qu'une couche de présentation », écrit le framework.

Chez BotRank : le score de visibilité se décompose par moteur, par prompt, par marché et par concurrent. Les réponses brutes, les extraits et les sources restent consultables. Les données sont aussi accessibles par API et via notre serveur MCP, pour être croisées avec les données internes de la marque.

Ce que le framework laisse ouvert : où nous allons

L'IAB présente son framework comme un point de départ. Trois sujets restent ouverts.

  • La visibilité payante. Le framework note que réponses organiques et emplacements sponsorisés cohabitent désormais dans la même réponse. BotRank mesure déjà les emplacements sponsorisés dans les réponses IA, séparément de la visibilité organique : nos clients voient les deux sans jamais les confondre. Le scraping des interfaces réelles rend cette mesure possible, car les API ne renvoient pas ces encarts. Pour comprendre l'enjeu : ChatGPT Ads vs GEO.
  • Les hallucinations et les inexactitudes factuelles. Mesurer ce que les IA affirment de faux sur une marque exige une source de vérité fournie par la marque. C'est le prochain chantier de toute l'industrie. Chez BotRank, nous y travaillons au sein de notre module Perception, qui analyse déjà comment chaque réponse décrit la marque : l'étape suivante consiste à confronter ces descriptions aux informations de référence fournies par la marque, pour distinguer hallucinations et inexactitudes factuelles. Notre analyse sur les faux sites cités par les IA montre pourquoi le sujet est urgent.
  • La stabilité face aux mises à jour des modèles. Une part de voix peut perdre cinq points en une nuit parce qu'un modèle a changé, sans que la marque ait bougé. L'IAB recommande de distinguer les variations dues à la plateforme des variations dues au marché. Une variation qui touche toute une catégorie sur un même moteur signale presque toujours une mise à jour du modèle. Suivre des milliers de prompts dans de nombreuses catégories rend ce type de mouvement visible.

Nous avons aussi une lecture critique. Le framework reste peu chiffré : en dehors du plancher de 50 requêtes, de la fenêtre de 7 jours et de la cadence hebdomadaire, les seuils de variabilité acceptables sont laissés au groupe de travail. Et un vocabulaire commun ne rend pas les chiffres comparables entre outils tant que les jeux de prompts diffèrent. C'est précisément pour cela que la transparence sur les prompts compte autant que la métrique elle-même.

Comment utiliser le framework IAB dès maintenant

  1. Décidez de l'usage des données. Une veille de tendance tolère une mesure directionnelle. Un arbitrage budgétaire exige une mesure décisionnelle.
  2. Envoyez les 10 questions ci-dessus à vos fournisseurs. Une réponse floue ou un refus est une information en soi.
  3. Exigez des résultats par moteur et par marché. Méfiez-vous d'un score unique sans décomposition.
  4. Vérifiez la répartition de vos prompts par intention. Si 80 % de vos prompts sont des demandes de recommandation, votre visibilité est surestimée ou sous-estimée selon votre profil.
  5. Présentez des tendances avec une marge. L'IAB recommande d'écrire « environ 22 %, à plus ou moins 4 points » plutôt que « 22 % ». Cela évite de sur-réagir à une variation normale.

Pour aller plus loin sur le choix d'un outil : les 5 fonctionnalités indispensables d'un outil GEO et les signaux de visibilité IA que les marques ratent.

FAQ : le framework IAB de mesure de la visibilité IA

Qu'est-ce que le framework IAB « Measuring Visibility in the AI Era » ?

C'est un cadre de référence publié par l'IAB en août 2026. Il définit les métriques de la visibilité d'une marque dans les réponses des IA, les critères de qualité d'une mesure fiable et les informations qu'un fournisseur doit rendre transparentes.

Que sont les 4P de la visibilité IA ?

Presence (la marque apparaît-elle ?), Prominence (à quelle position ?), Portrayal (comment est-elle décrite ?) et Persuasion (la visibilité déclenche-t-elle une action ?). Ces quatre niveaux forment une hiérarchie : sans présence, les autres métriques n'ont pas de sens.

Quelle différence entre mesure directionnelle et mesure décisionnelle ?

Une mesure directionnelle indique une tendance générale. Une mesure décisionnelle repose sur assez de réponses, de prompts, de moteurs et une cadence au moins hebdomadaire pour justifier un arbitrage budgétaire.

Quelle différence entre taux de mention et taux de citation ?

Le taux de mention mesure la part de réponses qui nomment la marque. Le taux de citation mesure la part de réponses qui utilisent un contenu de la marque comme source. Une marque peut être très mentionnée et peu citée.

BotRank est-il certifié par l'IAB ?

Non. L'IAB n'a pas encore lancé de programme de certification : le framework en pose les bases. BotRank ne fait pas partie du groupe de travail. Nous avons aligné notre méthode et nos réponses sur les critères publiés, pour que chaque client puisse les vérifier.

Une mesure de la visibilité IA alignée sur les critères de l'IAB

Collecte quotidienne dans les interfaces réelles des IA, résultats par moteur et par marché, prompts qualifiés par intention, mentions et citations séparées.

Essayer BotRank gratuitement pendant 7 jours

Source : IAB, Measuring Visibility in the AI Era, août 2026. Données BotRank au 17 novembre 2026, calculées sur l'ensemble des prompts suivis sur la plateforme. Une erreur ? Écrivez à contact@botrank.ai, nous corrigerons.

AI Search & GEO expert

Après près de 15 ans en stratégie digitale côté annonceur (dont 10 ans à l'Olympique Lyonnais où il avait notamment la charge du SEO).
Florian a co-fondé en 2025 BotRank.ai, l'outil GEO (Generative Engine Optimization) utilisé par plus de 2 500 entreprises pour piloter leur visibilité dans les réponses des moteurs IA. Il écrit régulièrement sur le GEO et l'AI Search.