Share of Model : le KPI qui remplace le Share of Voice à l'ère de l'IA

Votre score de Share of Voice est flatteur. Votre pipeline issu du trafic organique s'érode en silence. Ces deux réalités ne se contredisent pas - elles décrivent le même problème.

Les acheteurs ont déplacé leur recherche vers les assistants IA. Quand un acheteur B2B demande à ChatGPT " Quelle est la meilleure plateforme GTM pour une entreprise SaaS de 50 personnes ? ", les marques qui apparaissent dans la réponse entrent sur la liste restreinte. Celles qui n'y figurent pas ne sont jamais évoquées. La visibilité de marque se joue désormais avant même que le trafic sur le site n'existe. Les indicateurs classiques - taux de clics, pages vues - ne captent que les utilisateurs qui atterrissent effectivement sur votre site ; or si un LLM ne mentionne pas votre marque dans sa réponse, ces utilisateurs n'atteignent jamais votre funnel.

Le Share of Voice ne peut pas vous dire tout cela. Il a été conçu pour un autre monde.

---

Pourquoi le Share of Voice mesure aujourd'hui le mauvais monde

Le Share of Voice était un bon indicateur pour l'époque à laquelle il a été conçu. À l'origine, il mesurait la part de présence publicitaire qu'une marque s'appropriait sur un marché - quelle portion de la conversation elle dominait via les médias payants. Il répondait à la question : " Quelle est la voix de notre marque sur le marché ? "

Cette question supposait que les acheteurs voyaient des annonces, parcouraient des pages de résultats et cliquaient sur des liens. Quand les acheteurs interrogent des assistants IA pour obtenir des recommandations de produits, ils court-circuitent souvent la page de résultats. L'IA fournit une réponse directe, et les marques qui y sont citées captent l'attention. Le Share of Model suit quelles marques sont " top of mind " pour l'IA - ce qui revient de plus en plus à être top of mind pour les acheteurs qui utilisent l'IA dans leur recherche.

Les chiffres qui illustrent ce basculement ne relèvent plus de la spéculation. Des enquêtes récentes auprès d'acheteurs montrent que la majorité des acheteurs de logiciels commencent désormais leur recherche avec un chatbot IA plutôt qu'avec Google, qu'une part significative finit par choisir un fournisseur différent de celui initialement envisagé, et qu'une portion non négligeable achète auprès d'une marque qu'ils n'avaient jamais entendue avant la recommandation de l'IA.

Voilà la différence concrète : vous pouvez atteindre 40 % de Share of Voice grâce à un budget publicitaire agressif et avoir malgré tout 0 % de Share of Model si les plateformes IA ne vous mentionnent jamais. L'inverse est tout aussi vrai - une marque plus modeste dotée d'une forte autorité éditoriale peut dominer les recommandations IA tout en étant écrasée à 1 contre 10 dans les médias traditionnels.

Ce n'est pas une nuance. C'est une rupture structurelle dans la façon dont fonctionne la visibilité.

---

Ce qu'est le Share of Model - et ses trois sous-métriques fondamentales

Le Share of Model (SoM) est un indicateur marketing qui mesure à quelle fréquence, avec quelle prominence et avec quelle tonalité une marque apparaît dans les réponses des grands modèles de langage - par rapport à ses concurrents. C'est l'équivalent du Share of Voice à l'ère de l'IA.

Le calcul est le suivant : (nombre de réponses IA dans lesquelles votre marque est mentionnée) ÷ (nombre total de requêtes testées) × 100. Lancez 20 prompts à intention d'achat sur ChatGPT et votre marque apparaît dans 5 réponses - votre SoM pour cette plateforme est de 25 %.

La formule est simple. La mesure ne l'est pas, car la visibilité dans les LLM est probabiliste. Un modèle IA pourrait mentionner votre marque dans 80 % des réponses à un prompt donné et seulement dans 20 % des réponses à une formulation légèrement différente. Cette variabilité rend la mesure par fréquence indispensable et les classements en instantané unique sans signification.

Le SoM se décompose en trois sous-métriques à suivre séparément :

1. Citation Share of Voice - À quelle fréquence vous êtes cité par rapport à vos concurrents sur un ensemble défini de prompts. Une distinction importante : une URL peut être citée sans que la marque soit nommée (Recognition Gap), et la marque peut être nommée sans qu'un lien URL soit posé (Referral Gap). Le chiffre d'affaires corrèle davantage avec les citations ; la notoriété corrèle davantage avec les mentions. Suivez les deux et reportez-les séparément.

2. Intégration des URL sources - Quelles pages de votre site sont effectivement utilisées comme sources citées. L'écart mention-citation apparaît quand les plateformes IA évoquent votre marque dans une réponse sans pour autant renvoyer vers vos contenus comme source. Cela signale que l'IA connaît votre marque, mais ne fait pas suffisamment confiance à vos contenus pour les citer. Combler cet écart passe par la publication de contenus structurés et faisant autorité sur votre propre domaine, qui répondent directement aux questions que les systèmes IA soulèvent.

3. Sentiment des mentions - Si l'IA vous présente de façon positive, neutre ou négative. Pour chaque mention, notez si la marque est décrite comme une solution recommandée, citée sans évaluation, ou évoquée avec des réserves et des critiques. Le sentiment est déterminant : vous pouvez augmenter la fréquence de citation tout en perdant le contrôle du récit si le modèle vous mentionne avec des bémols.

---

La vérité qui dérange : la majeure partie de votre visibilité IA se construit hors de vos propres pages

Voici le constat qui devrait transformer toute votre stratégie de contenu.

Une étude de Foundation × AirOps a analysé 57,2 millions de citations IA portant sur 50 marques, sept secteurs et 5,1 millions de réponses IA sur une période de 60 jours. Résultat : sur l'ensemble des 50 marques et sept secteurs, seuls 10,15 % des citations dans les réponses LLM pointaient vers des domaines appartenant aux marques. Les 90 % restants renvoyaient vers des sources que ces marques ne contrôlent pas : fils Reddit, vidéos YouTube, sites d'avis, sites concurrents, forums communautaires et bien d'autres. Dans plus de deux réponses IA sur trois, les contenus propres à la marque étaient totalement absents des sources citées - même quand la marque elle-même était le sujet de la réponse.

Relisez cette dernière phrase. L'IA parlait de ces marques - et ne citait pourtant pas leurs propres pages.

L'AirOps 2026 State of AI Search Report confirme ce schéma à grande échelle : environ 85 % des mentions de marques dans les réponses générées par l'IA proviennent de sites tiers plutôt que de domaines propres, et environ 48 % des citations émanent de plateformes communautaires comme Reddit et YouTube.

L'écart se creuse encore davantage sur les requêtes non brandées. Quand AirOps a analysé les réponses IA à des requêtes non brandées comme " Quel est le meilleur outil d'automatisation marketing pour le mid-market ? ", seul un faible pourcentage à un chiffre des liens cités provenait de domaines appartenant aux marques - et dans la plupart de ces réponses, aucune source propriétaire n'était citée. Ces requêtes représentent la phase de découverte initiale, celle où les acheteurs constituent leur première liste de candidats.

C'est le moment qui compte le plus en B2B - et vos propres contenus en sont presque totalement absents.

Les marques qui investissent dans une forte présence hors de leurs propres pages ont une probabilité nettement plus élevée d'obtenir de la visibilité dans la recherche IA que par leurs seuls contenus propriétaires. La majorité des mentions tierces provient de listicles, de pages de comparaison et de roundups d'avis, et la plupart des marques mentionnées apparaissent parmi les premières positions sur la page.

La conclusion est sans appel : si votre stratégie de contenu vise principalement à " publier davantage sur notre blog ", vous optimisez pour les 10 % et ignorez les 90 %.

---

Pourquoi le SoM est volatile - et doit être mesuré en continu

Si la réalité des sources tierces est la première vérité qui dérange, les données sur la volatilité sont la deuxième.

Seules 30 % des marques restent visibles d'une réponse IA à l'autre, et à peine 20 % sont présentes sur cinq passages consécutifs du même prompt, selon l'AirOps 2026 State of AI Search Report.

Les LLM reconstruisent la réponse de zéro à chaque fois, réévaluant quelles pages correspondent le mieux à la requête. Cette reconstruction permanente entraîne un brassage constant, ce qui explique que la visibilité au niveau de chaque réponse individuelle paraisse instable. Il n'existe pas de " position numéro un " à conserver. Il n'y a qu'une probabilité d'apparaître - et cette probabilité se déplace en permanence.

Des analyses indépendantes de grands ensembles de données de citations montrent qu'une part significative des domaines cités change d'un mois à l'autre pour des requêtes identiques, et que sur une période de six mois, la majorité des domaines cités sont entièrement différents de ceux du début.

C'est pourquoi un relevé trimestriel de votre visibilité IA n'est pas une stratégie de mesure. C'est un faux sentiment de sécurité.

La fraîcheur est le levier que vous pouvez réellement actionner. Les données sont cohérentes sur plusieurs études :

• Les pages non mises à jour depuis plus de 3 mois ont plus de 3 fois plus de chances de perdre leur visibilité IA par rapport aux pages récemment actualisées (AirOps, 2026 State of AI Search)
• Plus de 70 % de l'ensemble des pages citées par l'IA ont été mises à jour au cours des 12 derniers mois (AirOps, 2026 State of AI Search)
• Les citations commerciales - celles directement liées aux décisions d'achat - se concentrent fortement sur les contenus mis à jour au cours de l'année écoulée (AirOps, 2026 State of AI Search)

Pour les requêtes à intention d'achat, la fraîcheur devient une nécessité, non une option. Quand les utilisateurs comparent des solutions, les modèles privilégient les pages qui reflètent des tarifs, des fonctionnalités et des affirmations à jour.

L'ère " publier une fois, se positionner durablement " est révolue. Dans la recherche IA, un contenu qui n'est pas activement entretenu disparaît silencieusement des réponses.

---

Instrumenter le Share of Model : guide pas à pas

Étape 1 - Définir la bibliothèque de prompts

Votre bibliothèque de prompts est le socle de tout le reste. Une bibliothèque opérationnelle pour le tracking doit couvrir trois types de requêtes : les prompts à intention d'achat (" meilleurs outils pour X "), les prompts de comparaison (" marque A vs marque B ") et les prompts informationnels (" comment fonctionne X ? "). La combinaison de ces catégories donne une image plus complète des endroits où votre marque apparaît et de ceux où elle est absente.

Commencez avec 20 à 30 prompts. Étendez à 50-100 une fois que vous disposez d'une baseline. Priorisez les prompts qui correspondent aux vraies questions de recherche de vos acheteurs - puisez-les dans les enregistrements de conversations commerciales, les tickets support et les données " Autres questions posées " de la recherche Google.

Étape 2 - Définir le périmètre concurrentiel

Lancez les mêmes requêtes et notez quand les concurrents apparaissent. Calculez : (vos mentions) ÷ (vos mentions + toutes les mentions concurrentes) × 100. C'est votre part relative - si vous apparaissez 6 fois et que vos concurrents apparaissent 14 fois au total, votre SoM compétitif est de 30 %.

Suivez 3 à 5 concurrents directs. Au-delà, le signal devient trop dilué.

Étape 3 - Tracker par plateforme, pas en score agrégé

Le Share of Model se mesure plateforme par plateforme - votre SoM ChatGPT, Perplexity, Gemini et Claude sont suivis séparément, car une marque peut avoir un SoM élevé sur une plateforme et proche de zéro sur une autre. Le périmètre des pages citées par chaque moteur se recoupe bien moins qu'on ne le suppose.

Étape 4 - Établir un rythme et s'y tenir

Sauvegardez votre jeu de requêtes et utilisez-le chaque mois. La régularité prime sur n'importe quel point de données isolé - les réponses des modèles IA évoluent fréquemment à mesure que les index sont mis à jour. Un suivi mensuel vous permet de relier des actions GEO concrètes (mises à jour de contenu, travail sur les signaux d'entité, modifications de schéma) à des variations mesurables du SoM.

Dans des catégories à évolution rapide comme le SaaS, un suivi hebdomadaire vaut la peine.

---

Comment améliorer votre SoM : le playbook en trois niveaux

La mesure vous indique où vous en êtes. Voici comment faire bouger le curseur.

Niveau 1 - Owned : les Grounding Pages comme fondation de précision

Vos propres contenus ne sont pas la principale source de la plupart des citations IA - mais ils restent indispensables. Ils constituent la source faisant autorité vers laquelle les auteurs tiers et les membres de communautés se tournent quand ils écrivent sur vous. Sans eux, les 90 % n'ont rien de fiable sur quoi s'appuyer.

Chez Nukipa, nous appelons ces pages des Grounding Pages : des pages structurées, riches en faits, qui codifient votre positionnement, les détails de vos produits et vos preuves dans un format que les systèmes IA peuvent extraire proprement. Considérez-les comme la source de vérité canonique pour tout ce qui sera écrit sur vous ailleurs. Elles doivent être mises à jour selon un rythme régulier - les pages non actualisées depuis plus de trois mois ont plus de 3 fois plus de chances de perdre leur visibilité par rapport aux pages récemment mises à jour.

Niveau 2 - Earned : les citations tierces sont le vrai moteur

C'est là que la plupart des équipes marketing B2B sous-investissent. Des analyses récentes suggèrent que les mentions de marque sur des sites tiers corrèlent plus fortement avec la visibilité IA que les backlinks traditionnels - ce qui déplace l'effort vers l'earned media et les relations presse digitales.

Le playbook concret :

• Apparaître dans les contenus comparatifs. Pour les marques challengers, figurer dans les listes " meilleurs de ", les articles comparatifs et les roundups d'avis sectoriels est la voie principale vers la visibilité dans la recherche IA.
• Participer authentiquement aux plateformes communautaires. Les plateformes communautaires et le contenu généré par les utilisateurs façonnent aujourd'hui la façon dont les modèles comprennent la confiance, l'expérience et l'évaluation dans une catégorie. Participez aux forums, plateformes de Q&A et communautés de niche où votre audience pose des questions - de façon authentique, en répondant aux questions et en apportant du contexte, pas en faisant de l'autopromotion.
• Obtenir des mentions presse et analystes. Les placements earned media dans des publications que les systèmes IA indexent et auxquelles ils font déjà confiance sont le mécanisme qui inscrit votre marque dans la mémoire du modèle.

Niveau 3 - Freshness Loop : mise à jour continue plutôt qu'optimisation ponctuelle

Les LLM récompensent la nouveauté, pas le bruit. Le web est saturé de répétitions, et les grands modèles filtrent en faveur des sources qui apportent quelque chose de nouveau. Les équipes performantes se démarquent par le gain d'information. Elles publient des données propriétaires, des insights internes et des points de vue originaux qui enrichissent la connaissance du modèle - sans la répéter.

Établissez un cycle de mise à jour régulier : passez en revue vos pages clés chaque trimestre, actualisez les statistiques, ajoutez de nouvelles preuves et vérifiez que vos données structurées sont à jour. Ce n'est pas un projet éditorial - c'est une habitude de maintenance.

---

Une note rapide sur les outils

La catégorie de mesure du SoM est réelle et croît rapidement, mais elle reste jeune. Il n'existe pas encore de formule unifiée - HubSpot, Semrush et Profound la calculent chacun différemment. Ce n'est pas une raison d'attendre ; c'est une raison de choisir une méthodologie cohérente et de s'y tenir.

Les catégories d'outils qui méritent une évaluation :

• Plateformes dédiées à la visibilité IA (ex. Profound, AthenaHQ, Scrunch AI, Otterly.AI) - conçues spécifiquement pour le tracking de prompts, le monitoring des citations et le SoM compétitif sur plusieurs LLM
• Plateformes SEO avec modules de visibilité IA (ex. Semrush, Ahrefs) - utiles si vous souhaitez avoir les données IA aux côtés des métriques de recherche classiques dans un seul tableau de bord
• Outils de diagnostic gratuits (ex. l'AEO Grader de HubSpot) - adaptés pour un snapshot de baseline ponctuel, pas pour un suivi continu

Recherchez une Citation Intelligence qui affiche les URL et domaines cités par les systèmes IA, regroupés et présentés dans le temps ; un benchmarking concurrentiel avec comparaison de Share of Voice ; ainsi que des alertes en cas de chute de visibilité et de gains concurrentiels.

Quel que soit l'outil choisi : lancez de nombreux prompts liés à votre catégorie sur chaque modèle pertinent pour votre audience - plusieurs fois -, et traitez les résultats comme des tendances directionnelles, non comme des chiffres exacts. Mesurez par modèle, pas en score agrégé unique, car la visibilité dans un modèle ne préjuge pas de celle dans un autre.

---

Le changement de paradigme de la mesure en une phrase

Le Share of Voice mesurait à quel point vous parliez fort dans un monde d'annonces et de liens classés. Le Share of Model mesure si les systèmes IA - qui médiatisent aujourd'hui la première phase de la plupart des décisions d'achat B2B - vous incluent dans la réponse.

On ne pilote pas ce qu'on ne mesure pas. Et en ce moment, la plupart des équipes marketing B2B mesurent un monde que leurs acheteurs ont déjà quitté.

Les marques qui construisent dès maintenant la mesure du SoM et l'infrastructure de contenu earned qui la sous-tend créent un avantage cumulatif. Celles qui attendent que l'indicateur soit " mature " cèdent du terrain dont la reconquête prendra des années.