La confidentialité est importante pour nous. Vous avez donc la possibilité de désactiver certains types de stockage qui peuvent ne pas être nécessaires au fonctionnement de base du site Web. Le blocage des catégories peut avoir un impact sur votre expérience sur le site Web. Plus d'informations
Le share of model mesure la fréquence à laquelle les modèles IA mentionnent votre marque face aux concurrents. Découvrez comment le mesurer, son importance et comment le faire croître.
.webp){kind=small}
.webp){kind=small}
Le share of model est la proportion des mentions de marque qu'un modèle IA accorde à votre marque face à toutes les marques de la même catégorie. Il répond à une question qui n'existait pas il y a quelques années : quand un grand modèle de langage assiste une décision d'achat, à quel point votre marque apparaît-elle de manière éminente ? À mesure que la découverte se déplace dans les assistants IA, cette métrique est devenue une mesure centrale de la visibilité.
L'idée est simple mais puissante. Posez à ChatGPT, Claude, Gemini ou Perplexity une question de catégorie comme « meilleur logiciel de gestion de projet pour équipes à distance », comptez quelles marques apparaissent, et votre part est votre tranche de ces mentions. C'est le successeur à l'ère de l'IA du share of voice, mesurant la présence à l'intérieur des réponses générées plutôt que dans les annonces ou les médias.
Le share of model mesure le nombre de mentions d'une marque par un ou plusieurs grands modèles de langage comme proportion du total des mentions de marque dans la même catégorie. Plus que la simple fréquence brute, il capture à quelle fréquence et avec quelle faveur une IA référence votre marque quand elle répond à des requêtes pertinentes. Une part élevée signifie que le modèle vous cite en premier quand un acheteur demande des options.
La métrique compte parce que les modèles agissent désormais comme gardiens d'accès aux consommateurs. Quand l'IA synthétise une réponse, un acheteur peut décider sans jamais visiter de site web, donc une marque peut devenir invisible avant tout trafic. Le share of model quantifie votre accès à travers cette porte, se plaçant aux côtés du share of voice IA comme chiffre phare de visibilité.
Les métriques plus anciennes mesuraient des canaux dirigés vers l'humain. Le share of voice suivait la présence de la marque dans la publicité et les médias. La part de recherche mesurait le volume de requêtes pour votre marque face aux concurrents. Les deux supposent qu'un humain fait la recherche. Le share of model capture la visibilité dans la découverte médiatisée par l'IA, où le modèle fait la recommandation et où le consommateur peut ne jamais atteindre votre site.
Il diffère aussi d'un classement de mot-clé, qui est statique : vous êtes soit premier, soit pas. Le share of model est probabiliste, car la même requête peut donner des réponses différentes à chaque fois. Un modèle pourrait nommer votre marque dans 80 pour cent des réponses à une requête et 20 pour cent à une autre, donc la métrique est une distribution, pas une position fixe.
La méthode standard est le sondage. D'abord, définissez 20 à 50 requêtes pertinentes qui reflètent la manière dont les acheteurs posent réellement leurs questions, couvrant les questions de catégorie, les comparaisons, les cas d'usage et les requêtes motivées par un problème. Ensuite, soumettez ces requêtes à plusieurs modèles tels que ChatGPT, Claude, Gemini et Perplexity. Troisièmement, enregistrez chaque mention de marque avec sa fréquence, sa position et son contexte. Enfin, calculez votre part comme vos mentions divisées par le total des mentions de la catégorie, multiplié par cent.
Parce que les sorties varient, les réponses uniques ne sont pas fiables ; un échantillonnage à grande échelle et répété transforme le hasard apparent en un signal stable. C'est la même logique d'échantillonnage derrière le suivi des prompts, où suivre de nombreuses requêtes dans le temps révèle le motif sous-jacent plutôt que le bruit d'une seule réponse.
Le share of model voyage rarement seul. Le taux de mention est le pourcentage de requêtes où votre marque apparaît tout court, donc un taux de mention de 36 pour cent signifie qu'environ une réponse sur trois vous nomme. La position de mention compte aussi, puisqu'une mention précoce porte plus de poids qu'une enterrée à la fin, un peu comme un classement de recherche en tête.
Le sentiment ajoute une nuance : une mention neutre reconnaît votre marque sans la recommander, ce qui est plus faible qu'une mention positive. L'exactitude des citations vérifie si le modèle vous décrit correctement, tout ce qui est en dessous d'environ 80 pour cent signalant un problème. Observer cela aux côtés de votre score de visibilité IA donne une image plus complète que la part seule.
Des points de référence utiles existent. Pour le taux de mention, en dessous de 15 pour cent est un stade précoce, 15 à 35 pour cent est en développement, 35 à 60 pour cent est établi, et au-dessus de 60 pour cent marque un leader de catégorie. Pour le share of voice dans les réponses IA, 15 à 25 pour cent est solide sur les marchés compétitifs, et même les leaders se situent souvent dans la fourchette de 10 à 20 pour cent quand de nombreuses marques se font concurrence.
Ces chiffres varient largement selon la catégorie et la concurrence, donc traitez-les comme une orientation, pas comme des cibles. Ce qui compte le plus est la tendance : une part en hausse sur plusieurs mois signale que votre contenu et votre réputation atteignent les modèles, tandis qu'une part stable ou en baisse vous dit que les concurrents prennent l'avance dans les réponses que les acheteurs voient.
Le share of model est le tableau de bord central de l'optimisation pour les moteurs génératifs. Il remplace de plus en plus le share of voice comme principale métrique de visibilité, car plus de décisions commencent désormais à l'intérieur d'un assistant IA que sur une page de résultats traditionnelle. Être absent du modèle signifie être absent du moment du choix.
Il recadre aussi le but du travail de contenu. Les classements Google et les citations IA ne se corrèlent pas de manière fiable, donc une solide position organique ne garantit pas un solide share of model. La métrique pousse les marques à gagner directement des mentions de marque IA et des citations LLM, et pas seulement à courir après les liens et les positions.
Commencez par mesurer pour établir une base de référence, puis créez un contenu conçu pour les modèles : des guides complets, des tableaux comparatifs, des sections riches en définitions et des statistiques citables qu'une IA peut extraire et réutiliser. Répondez aux requêtes exactes que vous suivez, dans un langage clair et structuré, afin que le modèle trouve votre marque quand il compose une réponse.
Le travail hors site compte tout autant. Les mentions de marque sur des sites tiers, des publications sectorielles, des plateformes d'avis et des forums communautaires se corrèlent fortement avec le fait d'apparaître dans les réponses IA, faisant des médias gagnés un canal critique. Corrigez les mentions inexactes à la source, gérez activement la réputation et construisez une autorité authentique. Associer cela à une recherche de mots-clés et une planification de contenu rigoureuses aligne votre contenu sur les questions que les modèles traitent le plus.
La métrique est bruitée par nature. Parce que les modèles génèrent de manière probabiliste, la mesure exige un échantillonnage répété et porte tout de même une variance, donc un petit ensemble de requêtes ou une seule exécution peut induire en erreur. Différentes plateformes se comportent différemment en raison de leurs méthodes de récupération, donc une part saine sur un modèle ne la garantit pas sur un autre.
Il n'y a pas non plus de flux de données officiel des fournisseurs de modèles, donc chaque chiffre est une estimation construite à partir de sondages. Traitez le share of model comme une tendance directionnelle à gérer dans le temps, validée à travers plusieurs plateformes et une bibliothèque de requêtes représentative, plutôt que comme un chiffre précis en temps réel. La cohérence de la méthode compte plus que n'importe quelle lecture unique.
Le share of model mesure à quelle fréquence les modèles IA mentionnent votre marque face aux concurrents quand ils répondent aux questions de catégorie, le successeur à l'ère de l'IA du share of voice. Il est probabiliste, mesuré en sondant de nombreuses requêtes à travers les plateformes, et se lit au mieux comme une tendance suivie aux côtés du taux de mention, de la position, du sentiment et de l'exactitude. À mesure que les décisions d'achat se déplacent dans les assistants IA, il devient une métrique de visibilité déterminante.
Suivez-le à côté de votre share of voice IA et des mentions de marque IA qui le génèrent, et utilisez les outils de recherche et de planification de contenu de Sorank pour aligner le contenu sur les requêtes que les modèles traitent. Sources de référence : Symphonic Digital et Nightwatch.
Vous définissez un ensemble de requêtes de catégorie, les soumettez à plusieurs modèles IA comme ChatGPT, Claude, Gemini et Perplexity, puis comptez les mentions de marque dans les réponses. Le share of model égale les mentions de votre marque divisées par le total des mentions de marque dans cette catégorie, multiplié par cent. Parce que les réponses varient, vous échantillonnez de nombreuses requêtes de manière répétée pour obtenir un chiffre stable plutôt que de vous appuyer sur une seule réponse.
Le share of voice mesure la présence de la marque dans les canaux dirigés vers l'humain comme la publicité et les médias. Le share of model mesure la présence à l'intérieur des réponses générées par l'IA, où le modèle recommande des options et où le consommateur peut ne jamais visiter de site web. Il est aussi probabiliste plutôt qu'un classement fixe, puisque la même requête peut produire des réponses et des mentions de marque différentes à chaque fois.
Non. Les classements Google et les citations IA ne sont pas corrélés de manière fiable, donc une solide position organique n'assure pas que votre marque apparaisse dans les réponses IA. Le share of model dépend davantage du fait d'être mentionné dans des sources tierces faisant autorité, de l'exactitude factuelle et d'un contenu clair et citable que des signaux de classement traditionnels basés sur les liens, c'est pourquoi il est suivi comme une métrique distincte.
.svg)
.svg)
