Pourquoi les réponses de l'IA changent à chaque exécution, à quel point elles bougent, et comment mesurer la présence de votre marque sur plusieurs prompts.

Sur cette page
En bref
la volatilité de la recherche IA mesure à quel point les marques, les URL et l'ordre d'une réponse IA changent d'une exécution à l'autre, et d'une semaine à l'autre. La même question peut renvoyer une liste de marques différente, d'autres citations et un autre ordre, car la réponse est générée avec de l'aléatoire et l'étape de récupération change aussi. La position dans une réponse IA est donc une mauvaise mesure. Mesurez à quelle fréquence votre marque apparaît sur de nombreux prompts et de nombreuses exécutions, puis construisez les sources qui rendent cette présence stable.
Pour aller plus loin, demandez à
Quiz rapide
Comment être cité par ChatGPT et les autres IA ?
Sorank correspond à vos réponses
Testez-le 3 jours sur votre propre site et voyez où vous en êtes sur Google, ChatGPT et les autres IA.
Commencer mes 3 jours offerts3 jours offerts, puis vous arrêtez quand vous voulez. Garantie résultats 90 jours, sous conditions.
Dans la recherche organique de Google, la volatilité signifie que votre position sur un mot-clé monte et descend. Dans la recherche IA, c'est plus que cela. La réponse elle-même est différente à chaque exécution. Une réponse IA volatile peut changer de trois façons : les marques qu'elle nomme, les URL qu'elle cite et l'ordre dans lequel elle les présente. Chacun de ces éléments peut bouger sans la moindre modification de votre site.
La différence compte, car un classement est un résultat fixe à un instant donné. Google renvoie une liste ordonnée, et pour la même requête, sur le même marché, cette liste est en grande partie reproductible. Un modèle d'IA renvoie un seul échantillon parmi une gamme de réponses possibles. Votre marque a une probabilité d'apparaître dans cette gamme. C'est cette probabilité que vous pouvez mesurer, et c'est elle que vous pouvez faire évoluer.
Deux chiffres d'une étude publiée en 2026 montrent l'ampleur de l'effet. Rand Fishkin, de SparkToro, a travaillé avec Patrick O'Donnell, de Gumshoe.ai. Environ 600 volontaires ont envoyé 12 prompts à ChatGPT, Claude et l'IA de Google, soit 2961 exécutions au total. Les chercheurs ont constaté moins d'une chance sur 100 que ChatGPT ou l'IA de Google renvoie deux fois la même liste de marques. La probabilité d'obtenir la même liste dans le même ordre était d'environ une sur 1000 exécutions. Le rapport SparkToro, daté du 28 janvier 2026, couvre des données collectées en novembre et décembre 2025.
Dans quelle mesure les listes de marques IA sont-elles stables ?
Source : SparkToro et Gumshoe.ai, janvier 2026
Une fois admis que la réponse est un échantillon, la manière de la suivre doit changer. Le comparatif ci-dessous résume les deux logiques. C'est l'idée centrale de tout ce guide.
Suivre un classement ou suivre la présence
Le changement le plus visible concerne la liste de marques elle-même. Un prompt comme « meilleur outil de gestion de projet pour une équipe de 10 personnes » peut citer cinq marques dans une exécution, puis cinq autres à la suivante. Certaines marques reviennent souvent, d'autres entrent et sortent. La présence dans l'ensemble est plus stable que la position à l'intérieur de celui-ci, c'est pourquoi les chercheurs conseillent de suivre la présence plutôt que le rang.
Cela a une conséquence pratique. Si vous testez un prompt une fois et voyez votre marque en deuxième position, vous ne savez presque rien. Si vous le testez 60 fois et voyez votre marque dans 40 réponses, vous savez quelque chose d'utile : vous êtes un choix régulier pour cette question.
Les citations sont les liens qu'un modèle d'IA affiche comme sources. Elles bougent encore plus que la liste de marques lorsque le modèle effectue une recherche web en direct, car chaque exécution peut récupérer un ensemble de pages différent. Une citation qui disparaît n'est pas toujours une perte. Votre marque peut rester citée dans le texte sans lien. C'est pourquoi il faut suivre deux choses séparément : la mention nommée et l'URL citée.
La position dans une réponse est l'élément le moins stable. Un modèle d'IA peut placer votre marque en première position dans une exécution, puis en quatrième dans la suivante, sans que son opinion sur vous ait réellement changé. Considérez l'ordre comme du bruit, sauf s'il évolue dans une seule direction sur des dizaines d'exécutions.
Trois mécanismes expliquent l'essentiel des changements. Vous ne pouvez pas les désactiver, mais les connaître vous dit quoi mesurer et quoi ignorer.
Un modèle de langage ne choisit pas une seule meilleure réponse. Il choisit chaque mot suivant dans une distribution de probabilités. Un réglage appelé température contrôle l'ampleur de ce choix. À faible valeur, la sortie est plus proche d'être reproductible, à valeur élevée elle varie davantage. Les développeurs peuvent régler la température dans une API, mais les applications grand public qu'utilisent la plupart de vos acheteurs ne l'exposent pas. Supposez que l'échantillonnage est toujours actif. Les volontaires de SparkToro ont gardé leurs réglages habituels, personnalisés ou par défaut, ce qui explique pourquoi leurs résultats décrivent ce que voit un utilisateur ordinaire.
Quand un modèle d'IA effectue une recherche sur le web, il n'envoie pas votre question exacte à un moteur. Il la reformule en plusieurs sous-requêtes et récupère des pages pour chacune. Une petite différence de formulation, une page indexée le matin même ou un résultat différent pour une seule sous-requête peuvent changer les sources qui arrivent dans la réponse finale. Les URL d'où vous êtes cité sont le produit d'une étape de récupération qui bouge. Notre guide sur la manière dont les modèles d'IA choisissent leurs sources explique le mécanisme, et l'outil de suivi de Sorank sur ce que l'IA recherche réellement répond précisément à cette question.
Les fournisseurs mettent à jour les modèles et les systèmes qui les entourent sans grand préavis. Une nouvelle version de modèle, un changement dans le moment où un modèle décide de chercher, ou une évolution de l'index web peuvent modifier les réponses sur tout un thème en une seule journée. Quand vos données montrent un changement brutal, vérifiez d'abord une mise à jour probable, puis comparez avec votre référence avant de réagir.
| Mécanisme | Ce qui bouge | Comment cela apparaît | Ce qu'il faut faire |
|---|---|---|---|
| Échantillonnage | Liste de marques, formulation et ordre | Réponses différentes au même prompt le même jour | Mesurer sur de nombreuses exécutions et publier une part |
| Récupération | URL citées | Sources différentes citées d'une semaine à l'autre | Renforcer les pages et les sources tierces qui se récupèrent bien |
| Mises à jour des modèles et des index | Style général des réponses et marques favorisées | Un changement brutal à une date précise | Conserver une référence et noter chaque mise à jour identifiable |

Les chiffres mesurés restent rares, et la plupart viennent d'éditeurs d'outils de SEO et de visibilité IA. Deux sources méritent une lecture attentive. La première est une étude de la plateforme SEO Authoritas, qui a comparé les AI Overviews aux résultats organiques. La seconde est un ensemble de mesures de BrightEdge, qui a comparé les AI Overviews au mode IA.
Authoritas a mesuré la volatilité des classements avec un score. Plus le score est élevé, plus les résultats ont changé sur la période. Pour les AI Overviews, le score était de 0,68 à 8 semaines et de 0,73 à 13 semaines. Pour les résultats organiques, il était de 0,49 et 0,55. Digital Information World, qui a relayé l'étude en février 2025, indiquait aussi qu'environ 70% des résultats des AI Overviews avaient changé en deux à trois mois. Cet article ne précisait ni l'échantillon de mots-clés ni les dates de mesure. Vérifiez donc le rapport original d'Authoritas avant de citer un chiffre dans un document client.
Résultats des AI Overviews qui ont changé en 2 à 3 mois
Source : étude Authoritas, relayée par Digital Information World, février 2025
BrightEdge a mesuré la même question sous un autre angle. Son analyse d'août 2025 a relevé une volatilité des mentions de marque supérieure de 16,7% pour les AI Overviews par rapport au mode IA. Elle a aussi constaté que les AI Overviews conservaient 24% de leurs URL inchangées, contre 20% pour le mode IA. Le tableau met ces chiffres côte à côte.
| Mesure | AI Overviews | Comparaison | Source |
|---|---|---|---|
| Score de volatilité, 8 semaines | 0,68 | 0,49 pour les résultats organiques | Authoritas |
| Score de volatilité, 13 semaines | 0,73 | 0,55 pour les résultats organiques | Authoritas |
| Volatilité des mentions de marque | 16,7% de plus | Par rapport au mode IA | BrightEdge, août 2025 |
| URL inchangées | 24% | 20% pour le mode IA | BrightEdge, août 2025 |
Les AI Overviews apparaissent dans la page de résultats Google habituelle pour un sous-ensemble de requêtes. Le mode IA est une interface distincte, de type conversationnel. Les chiffres de BrightEdge suggèrent que les AI Overviews varient davantage dans les marques qu'elles citent, alors que le mode IA conserve moins de ses URL stables. La leçon pratique est de vérifier chaque surface séparément. Un seul chiffre « IA de Google » masque la différence, et c'est précisément cette différence qu'il faut anticiper. Notre comparatif de Google AI Mode et des AI Overviews explique ce que chacun implique pour le SEO.
Le point clé est qu'on ne peut pas supposer que la stabilité organique se transfère. Les résultats organiques sont moins volatils que les AI Overviews dans les données d'Authoritas, mais ils ne sont pas figés. Une page qui garde la position 3 pendant un mois peut tout de même chuter après une mise à jour majeure. Il faut donc une méthode qui sépare les vrais changements des mouvements ordinaires sur les deux surfaces.
La plupart des outils de suivi de positions ont été conçus pour Google, où un mot-clé a une liste ordonnée unique qui change lentement. Appliquée à un modèle d'IA, la même logique produit un chiffre fondé sur un seul échantillon. Si votre marque est troisième dans une exécution et huitième dans la suivante, une moyenne de ces deux exécutions ne vous apprend presque rien. Un outil qui affiche « vous êtes numéro 3 dans ChatGPT » présente un tirage unique comme un fait. Notre guide du suivi de positions couvre la méthode classique, et cet article explique ce qui change une fois la réponse générée plutôt que listée.
La conclusion de SparkToro est que les produits de suivi de positions fondés sur des rangs fixes mesurent du bruit. L'étude conseille de suivre la présence plutôt que le rang. Elle juge raisonnable un pourcentage de visibilité mesuré sur des dizaines à des centaines de prompts, chacun exécuté plusieurs fois. Demandez à tout éditeur de montrer la taille de l'échantillon et la méthode derrière un score avant de lui faire confiance.
Un prompt, une capture d'écran ou une part mesurée
La documentation de Google va dans le même sens, pour une autre raison. Google indique qu'une page doit être indexée et éligible à l'affichage dans la Recherche, avec un extrait, pour être utilisée dans les AI Overviews ou le mode IA. Il indique aussi qu'il n'existe aucun balisage spécial ni fichier propre à l'IA à ajouter. Il n'y a pas de réglage de « classement IA » à optimiser : le travail consiste à être présent et digne de confiance sur de nombreuses sources, et à mesurer honnêtement cette présence.
La méthode ci-dessous demande quelques jours de mise en place et quelques minutes par semaine pour l'entretenir. Vous pouvez la faire dans un tableur. Les outils dédiés vous épargnent surtout la répétition, pas la réflexion.
La méthode de mesure en cinq étapes
Le taux de visibilité est la part des réponses qui nomment votre marque. La marge d'erreur indique quelle part d'un changement est réelle. Utilisez une marge d'erreur à 95% fondée sur l'erreur type d'une proportion :
taux de visibilité = réponses qui nomment votre marque / total des réponses
erreur type = racine(p x (1 - p) / n) où p est le taux de visibilité et n le nombre d'exécutions
marge d'erreur à 95% = 1,96 x erreur type
Voici un exemple illustratif, avec des chiffres fictifs et non une mesure. Votre marque apparaît dans 37 exécutions sur 80, soit un taux de visibilité de 46%. L'erreur type est de 5,6 points, ce qui donne une marge d'erreur à 95% d'environ 11 points. Présentez le résultat sous la forme 46% plus ou moins 11 points. Si le lot suivant affiche 40%, ce chiffre se situe dans la fourchette, et ce n'est pas un signal pour réécrire vos pages.
Une marque peut être nommée sans lien, liée sans être recommandée, ou recommandée dans une phrase qui ne nomme jamais un concurrent. Consignez ces états séparément : nommée et recommandée, nommée seulement, et citée seulement. Leurs parts évoluent pour des raisons différentes, et chacune appelle une correction différente. Une citation sans mention est un problème de sources. Une mention sans recommandation est un problème de positionnement.
Votre première feuille de mesure
Note
Répéter chaque prompt à la main devient fastidieux après quelques semaines. Le suivi des mentions IA de Sorank indique, pour chaque prompt suivi, à quelle fréquence ChatGPT, Claude et Gemini mentionnent votre marque, avec les sources et les recherches derrière chaque réponse. Son exécution est mensuelle, ce qui fait un échantillon mince pour un seul prompt. Lisez sa tendance sur plusieurs mois, et ajoutez vos propres exécutions répétées pour les prompts les plus importants.

Un rapport mensuel doit répondre à une seule question : votre présence évolue-t-elle, et le mouvement est-il plus grand que le bruit ? Montrez le taux de visibilité par groupe de prompts avec sa marge d'erreur, pas un chiffre unique. Ajoutez la répartition des positions, c'est-à-dire la fréquence à laquelle votre marque apparaît en premier, en deuxième ou plus bas dans les réponses où elle est nommée, afin que l'ordre apparaisse comme une dispersion plutôt que comme un classement. Les oscillations autour d'une tendance stable ou en hausse sont normales. Une baisse régulière sur plusieurs lots ne l'est pas : elle justifie de vérifier les prompts, les notes de version des modèles et les sources citées avant de réécrire quoi que ce soit. Inscrivez la règle d'action dans le rapport lui-même : un changement n'est réel que s'il dépasse la marge d'erreur sur deux lots consécutifs.
Vous ne pouvez pas supprimer la volatilité, mais vous pouvez rendre votre présence plus constante. La présence progresse lorsque votre marque est décrite de la même façon sur plusieurs sources que les modèles d'IA utilisent déjà. La documentation de Google donne la référence minimale de ce dont ses propres fonctions IA ont besoin.
Les recommandations de Google sur les AI Overviews et le mode IA sont brèves. Une page doit être indexée et éligible à l'affichage d'un extrait. Les fondamentaux restent valables : règles robots.txt accessibles aux robots, liens internes, texte visible pour les lecteurs, et données structurées qui correspondent au texte affiché. Google indique qu'il n'est pas nécessaire de créer de nouveaux fichiers lisibles par machine, de fichiers texte pour l'IA ou un balisage spécial pour apparaître.

Les modèles d'IA se font une image d'une marque à partir de nombreux endroits à la fois. Si votre nom, votre catégorie, votre cas d'usage principal et votre localisation diffèrent entre votre site, vos profils et vos annuaires, l'image se brouille et la liste de marques devient moins stable. Rédigez une description courte et factuelle de votre entreprise, avec sa catégorie et ses cas d'usage, et réutilisez-la partout où vous contrôlez le texte. Vérifiez-la chaque trimestre.
La corroboration signifie que plusieurs sources indépendantes disent la même chose de vous. Les avis, les articles comparatifs, les annuaires sectoriels et les médias professionnels de votre niche sont les endroits habituels. Obtenez ces mentions grâce à un travail utile, comme des données originales, un comparatif de produits clair ou un outil que les gens utilisent vraiment. Ne les achetez pas. Les placements payants ajoutent du bruit, et ce sont le type de schéma qui se casse dès que les paiements s'arrêtent.
Les modèles d'IA extraient des passages, pas des pages entières. Une page qui donne une courte définition dans le premier paragraphe, une réponse directe à la question principale et une étape suivante claire est plus facile à extraire et à citer avec exactitude. Notre checklist GEO énumère les points à vérifier sur chaque page.
Liste de contrôle de la stabilité de votre marque
Les équipes réagissent à la volatilité de quatre façons courantes. Chacune a un usage et une limite. Lisez-les comme des options combinables, pas comme un classement de la meilleure. La plupart des équipes utilisent la première et la dernière ensemble.
Principe : interroger un prompt chaque jour et noter la position de votre marque dans la réponse. Quand l'utiliser : vous voulez une alerte précoce quand une requête précise change brutalement. Avantages : c'est familier, peu coûteux et facile à tracer. Limites : c'est un seul échantillon par jour, et il ne permet pas de distinguer une vraie perte d'un tirage ordinaire. Exemple : un prompt nomme votre marque le lundi et non le mercredi. Le graphique montre une baisse, mais une seule exécution ne permet pas de savoir s'il s'agit d'une position perdue ou d'une variation normale.
Principe : exécuter de nombreux prompts plusieurs fois et publier la part des réponses qui nomment votre marque, avec sa marge d'erreur. Quand l'utiliser : vous avez besoin d'un chiffre pour un rapport ou pour une décision d'investissement éditorial. Avantages : cela correspond à la façon dont la réponse est générée et donne une fourchette au lieu d'un faux point. Limites : cela coûte plus d'exécutions et exige de la rigueur pour garder le jeu de prompts stable. Exemple : votre taux de visibilité est de 46% plus ou moins 11 points sur 80 exécutions. Le mois suivant, il est de 52%. Vous pouvez dire que la tendance est à la hausse, mais pas encore affirmer qu'il s'agit d'un vrai gain : vous attendez un autre lot.
Principe : faire apparaître les mêmes affirmations exactes sur plusieurs sources indépendantes. Quand l'utiliser : votre positionnement est clair et vous voulez des recommandations qui tiennent. Avantages : cela aide dans les réponses IA comme dans la recherche traditionnelle, et l'effet dure. Limites : c'est lent, et cela montre rarement un résultat en un mois. Exemple : une société de logiciels voit ses cas d'usage décrits dans deux avis, une page comparative et un annuaire sectoriel, de sorte que les modèles d'IA répètent la même description pour différents prompts.
Principe : mettre à jour les pages qui répondent à vos questions principales pour que la réponse soit claire, exacte et datée. Quand l'utiliser : votre page est citée mais mal décrite, ou une page concurrente est citée à la place de la vôtre. Avantages : c'est rapide à faire et cela améliore l'extraction des passages. Limites : une meilleure page ne garantit pas une mention, et les changements mettent du temps à apparaître dans vos données. Exemple : une page de glossaire reçoit une définition en une phrase en tête, un court tableau comparatif et une note de mise à jour visible, et le lot de mesure suivant montre la description correcte.
| Méthode | Ce qu'elle indique | Stabilité du signal | Effort | Idéale pour |
|---|---|---|---|---|
| Rang quotidien | Une position un jour donné | Faible | Faible | Repérer une baisse brutale sur une requête |
| Présence sur plusieurs exécutions | Part des réponses qui nomment votre marque | Élevée, avec une marge d'erreur | Moyen à élevé | Rapports et décisions budgétaires |
| Corroboration | Cohérence de la description par les sources | Élevée sur plusieurs mois | Élevé | Recommandations à long terme |
| Rafraîchissement de page | Qualité de réponse de vos pages clés à la question | Moyenne | Moyen | Corriger une description fausse ou absente |
Les résultats organiques de Google et les réponses IA demandent des instruments différents. Les confondre mène à de mauvaises conclusions, gardez-les donc séparés dans vos rapports.
Le Capteur de volatilité des SERP gratuit de Sorank couvre le premier type. Chaque matin, il collecte les 10 premiers résultats organiques de 20 mots-clés en anglais aux États-Unis, répartis sur cinq secteurs, les compare à la veille et donne un score de 0 à 10, global et par secteur. Il montre à quel point la première page de Google a bougé, ce qui en fait un signal précoce utile pour les changements d'algorithme. Il ne mesure pas les réponses IA et ne remplace donc pas la méthode fondée sur les prompts ci-dessus. Pour le volet Google de la question, lisez le capteur sur sa propre page, et gardez-le à côté de vos données de classement plutôt qu'à côté de vos chiffres de visibilité IA.

Search Console et Google Analytics rendent compte des clics Google et des visites par référencement. Un outil de suivi de positions rend compte des positions sur Google. Aucun ne montre quelles réponses IA ont cité votre marque. Pour cela, il faut des réponses consignées ou un outil qui les consigne. Pour les visites venant des modèles d'IA, le volet référent est couvert dans notre guide sur le reporting GEO.
La plupart des erreurs de volatilité viennent de la lecture du bruit comme un signal. Chaque erreur ci-dessous montre à quoi elle ressemble, comment la repérer dans vos données et comment la corriger.
Ce que c'est : une capture d'écran ou une réponse unique présentée comme votre position. Comment la repérer : le rapport affiche une position sans taille d'échantillon, sans période et sans marge d'erreur. Comment la corriger : publiez le taux de visibilité sur au moins 30 exécutions par prompt, avec la marge d'erreur et la période.
Ce que c'est : reformuler un prompt entre deux contrôles, par exemple « meilleur CRM » une semaine puis « meilleur CRM pour startups » la suivante, puis lire le résultat comme une tendance. Comment la repérer : le texte du prompt dans le tableur diffère entre deux dates pour la même ligne. Comment la corriger : figez le jeu de prompts et versionnez-le. Ajoutez un nouveau prompt comme une nouvelle ligne et ne modifiez jamais une ancienne.
Ce que c'est : réécrire une page après une baisse de cinq points. Comment la repérer : le changement est plus petit que la marge d'erreur de ce prompt. Comment la corriger : n'agissez que lorsqu'un changement dépasse la marge d'erreur sur deux lots consécutifs, et notez ce qui a changé par ailleurs sur la même période, comme une mise à jour de modèle ou le lancement d'un concurrent.
Ce que c'est : consigner chaque lien vers votre site comme une victoire, même quand la réponse présente votre marque comme une option à éviter ou comme une simple note de bas de page. Comment la repérer : personne ne lit la phrase qui entoure la citation. Comment la corriger : consignez les trois états séparément (nommée et recommandée, nommée seulement, citée seulement), et lisez la phrase avant de cocher la case.
Ce que c'est : des prompts rédigés par l'équipe marketing pour un rapport. Comment la repérer : les prompts utilisent des noms de produits internes ou du jargon que les clients n'emploient jamais. Comment la corriger : prenez les prompts dans les appels commerciaux, les conversations de support et les requêtes Search Console, et testez-en quelques-uns avec de vrais clients.
Ce que c'est : supposer qu'un taux de visibilité plus élevé apportera automatiquement plus de visites. Comment la repérer : le taux de visibilité monte pendant que les sessions de référencement restent stables. Comment la corriger : mesurez séparément les visites référentes, vérifiez quels modèles d'IA et quelles pages les envoient, et reliez les deux jeux de données dans un même rapport mensuel.
Ce que c'est : lancer un projet de fichier texte pour l'IA ou de nouveau balisage, en espérant déclencher des citations. Comment la repérer : le projet ne contrôle ni l'indexation ni l'éligibilité aux extraits. Comment la corriger : commencez par les recommandations de Google. Confirmez que les pages clés sont indexées et éligibles à l'affichage d'un extrait, puis corrigez d'abord le texte et les liens internes.
| Erreur | Signe dans vos données | Correction |
|---|---|---|
| Une exécution présentée comme un résultat | Aucune taille d'échantillon ni marge d'erreur | Publier une part sur au moins 30 exécutions |
| Prompts modifiés entre deux contrôles | Même ligne, texte différent, dates différentes | Figer et versionner le jeu de prompts |
| Réagir dans la marge d'erreur | Changement plus petit que la marge | N'agir que sur les changements qui persistent sur deux lots |
| Citation comptée comme recommandation | Aucune lecture de la phrase qui l'entoure | Consigner les trois états séparément |
| Prompts que personne ne tape | Jargon interne dans la liste de prompts | Tirer les prompts du langage réel des clients |
| Visibilité traitée comme du trafic | Visibilité en hausse, visites référentes stables | Mesurer les visites référentes à part |
Vous n'avez pas besoin d'un programme complet pour commencer. La première semaine consiste à mettre en place la mesure afin que les six mois suivants soient lisibles. Suivez ces étapes dans l'ordre.
Votre première semaine
Une fois la référence établie, la volatilité cesse d'être une source d'inquiétude. Elle devient une fourchette que vous pouvez mesurer, et un ensemble de changements auxquels vous pouvez vous préparer.
Les modèles de langage choisissent chaque mot dans une distribution de probabilités, donc le même prompt peut produire une formulation, une liste de marques et un ordre différents. La récupération change aussi : le modèle reformule la question en sous-requêtes, et les pages récupérées peuvent varier d'une exécution à l'autre.
Authoritas a mesuré pour les AI Overviews un score de volatilité de 0,68 à 8 semaines et de 0,73 à 13 semaines, contre 0,49 et 0,55 pour les résultats organiques. SparkToro a constaté moins d'une chance sur 100 que ChatGPT ou l'IA de Google renvoie deux fois la même liste de marques.
Une position isolée dans une réponse IA est trop instable pour agir dessus. Suivez à quelle fréquence votre marque apparaît sur de nombreux prompts et exécutions, publiez cette part en pourcentage avec sa marge d'erreur, et gardez le suivi de positions classique pour les résultats organiques de Google, où les positions bougent plus lentement.
