Aller au contenu

Guides

Part de voix, visibilité, position : les mesures GEO expliquées

La part de voix, la visibilité et la position moyenne sont calculées par l'éditeur sur ses réponses stockées : cinq documentations, cinq dénominateurs différents.

Trois cylindres transparents remplis de cubes empilés, celui du centre entièrement bleu, les deux autres presque vides.

Consultant SEO, et plus récemment GEO, chez MentionBox

La part de voix, la visibilité et la position moyenne sont calculées par l'éditeur de la mesure, et non par le moteur IA. Chacune est un comptage sur un ensemble de réponses stockées, et la formule figure dans la documentation de l'API : la visibilité est la part des réponses qui citent votre marque, la part de voix divise vos mentions par celles de toutes les marques, et la position moyenne est le rang moyen de votre marque dans les réponses qui la citent. Les dénominateurs changent d'un éditeur à l'autre, si bien que les mêmes 200 réponses collectées se présentent en 34,0 % de visibilité chez l'un et en 40,0 % chez l'autre, les deux chiffres étant justes selon leur propre définition.

Cette page s'adresse à celui qui lit l'un de ces chiffres dans un rapport mensuel, et à celui qui écrit le code qui le produit. Elle parcourt une vraie réponse d'API champ par champ, puis la formule publiée de chaque mesure, l'arithmétique sur un mois de 200 réponses, le chiffre gratuit que Google publie désormais, et les erreurs qui font diverger deux outils sur la même marque.

Trois chiffres sur une réponse d'API

API for GEO publie ses champs avec leur définition sur la page de son AI Visibility API, ce qui en fait un exemple utilisable. Son endpoint POST /v1/visibility/entities renvoie une ligne par entité suivie, plus une série temporelle :

{
  "results": [
    {
      "name": "Loopwork",
      "entityType": "brand",
      "visibility": 68.4,
      "shareOfVoice": 24.1,
      "avgPosition": 1.8,
      "mentions": 137,
      "sentiment": { "score": 76, "label": "positive" }
    }
  ],
  "timeseries": [
    { "bucket": "2026-08-10", "visibility": 64.2, "avgPosition": 2.1 }
  ]
}
ChampDéfinition publiée à côté
visibility« Percentage of in-scope responses mentioning the entity. »
shareOfVoice« Entity mentions ÷ all entity mentions in scope. »
avgPosition« Mean rank of the first mention inside the answer. Lower is better. »
mentions« Raw mention count across in-scope responses. »
sentiment« Score from 0 to 100 and its derived label. »

Définitions des champs tirées de la page AI Visibility API d'API for GEO, lue le 31 octobre 2026. MentionBox, qui publie ce site, a un lien commercial avec API for GEO.

Les mots porteurs de ce tableau sont « in scope ». Les filtres envoyés avec la requête définissent l'ensemble de réponses stockées sur lequel les quatre chiffres se calculent : une plage de dates, un moteur, un pays ou une étiquette de prompt les déplacent tous en même temps. Le endpoint de comparaison des modèles du même éditeur restreint la portée à un seul moteur et y décrit la part de voix comme « entity mentions ÷ all mentions within this model ». Une part de voix par moteur et une part de voix tous moteurs confondus sont deux quantités différentes, et le nom du champ ne dit pas laquelle s'affiche.

Ce que change le dénominateur, en chiffres

Prenons un mois sur un moteur : 200 réponses stockées pour votre liste de prompts, dont 170 citent au moins une marque. Votre marque apparaît dans 68 réponses, avec 78 mentions, sur 540 mentions de marques au total. Sa première mention arrive au rang 1 dans 20 réponses, au rang 2 dans 24 et au rang 3 dans 24.

ChiffreFormuleRésultat sur ces 200 réponses
Visibilité, toutes les réponses au dénominateurréponses qui vous citent ÷ toutes les réponses collectées68 ÷ 200 = 34,0 %
Visibilité, réponses citant une marque seulementréponses qui vous citent ÷ réponses citant au moins une marque68 ÷ 170 = 40,0 %
Part de voixvos mentions ÷ toutes les mentions de marques78 ÷ 540 = 14,4 %
Position moyennesomme des rangs de première mention ÷ réponses qui vous citent140 ÷ 68 = 2,1
Score de proéminence, échelle Scrunchhaut de réponse 100, milieu 50, bas 0, moyennés3 200 ÷ 68 = 47

Formules citées des documentations liées dans cet article, lues le 31 octobre 2026. Les comptages sont une illustration, choisie pour être arithmétiquement cohérente.

Six points de visibilité séparent les deux premières lignes, sans aucune différence de collecte. L'écart grandit avec le nombre de réponses qui ne citent personne, et c'est précisément cette population qui bouge quand un moteur se met à répondre à une catégorie de façon générique.

Les mêmes noms dans cinq autres documentations

DocumentationVisibilitéPart de voixPosition
Rapport marques de Peec AIsum(visibility_count) / sum(visibility_total), documenté ailleurs comme réponses citant la marque ÷ total des réponses × 100mention_count / sum(mention_count), renvoyé entre 0 et 1sum(position_sum) / sum(position_count), 1 est le meilleur
Glossaire de Profound« The percentage of responses that mention your brand, out of all responses that mention at least one brand »« How often your brand is mentioned compared with all brands »« The average position of your brand relative to competitors across responses »
Indicateurs de rapport d'OtterlyAIcouverture de marque : prompts citant la marque ÷ tous les prompts de la périodementions de ma marque ÷ total des mentions de marques × 100somme des positions de mention ÷ nombre de prompts où la marque est apparue
Référence des mesures de Scrunchbrand_presence_percentage, « share of responses whose text names your brand, regardless of tone »brand_share_of_voice, part des mentions dans l'ensemble concurrentiel actif, « normalized so every entity's slice sums to 1 »brand_position_score de 0 à 100 : « top-of-response = 100, middle = 50, bottom = 0 »
Mesures de visibilité IA d'Ahrefsimpressions, « calculated by summing up search volumes (based on Google) of prompts where your brand appears as an AI Answer »« a brand's percentage share of impressions compared to other tracked brands », moyenne pondérée entre plateformesaucune mesure de position parmi les indicateurs de visibilité IA documentés

Définitions tirées de la documentation ou du centre d'aide de chaque éditeur, lus le 31 octobre 2026.

Quatre détails de ce tableau changent le sens d'un rapport :

  • Ahrefs pondère par la demande. Sa part de voix divise des impressions et non des mentions, et les impressions additionnent le volume de recherche Google derrière chaque prompt : apparaître sur un prompt à fort volume compte donc davantage que sur un prompt de niche. Son endpoint POST /v3/brand-radar/sov-history renvoie une valeur share_of_voice par marque et par date, décrite comme une estimation. Une marque peut gagner des mentions et perdre de la part de voix si ces gains tombent sur des prompts à faible volume.
  • Scrunch mesure votre place dans le texte, et non votre rang face aux concurrents. Un score unique de 0 à 100 construit sur le haut, le milieu et le bas de la réponse répond à une autre question que « deuxième sur cinq marques », et les deux ne tiennent pas sur le même axe.
  • Peec AI renvoie le numérateur et le dénominateur séparément. visibility_count et visibility_total arrivent sous forme de comptages, ce qui permet de réagréger un pourcentage par semaine, par moteur ou par pays sans moyenner des moyennes. Sa page visibilité énonce la formule « (Number of responses mentioning your brand / Total responses) × 100 ».
  • Un même éditeur peut décrire sa mesure de deux façons. Le glossaire de Profound définit le score de visibilité comme un pourcentage de réponses, tandis que sa documentation analytics MCP décrit le même visibility_score comme une mesure de « how often and how prominently a brand appears in AI answers for a category over a date range », et avertit que le champ est « a raw decimal. Multiply it by 100 to match the percentage the Profound platform shows, so 0.42 is 42% ».

La position moyenne s'améliore quand la visibilité s'effondre

La position moyenne se calcule sur les réponses où la marque apparaît, et sur rien d'autre. OtterlyAI publie ce dénominateur sous la forme « number of prompts where brand appeared », et le position_count de Peec AI porte la même restriction.

La conséquence surprend sur un mauvais mois. Dans l'exemple des 200 réponses, perdre les 24 réponses où la marque arrivait au rang 3 fait passer la visibilité de 34,0 % à 22,0 % et la position moyenne de 2,1 à 1,5. La marque semble mieux classée et se retrouve citée dans un tiers de réponses en moins. Tout graphique de position moyenne sans le nombre d'apparitions à côté peut donc annoncer un progrès qui est une perte.

Le sentiment et le taux de citation ne sont pas plus stables

Les deux mesures affichées à côté des trois premières reposent sur des échelles aussi variables :

  • Échelle de sentiment. Peec AI renvoie ((sum(sentiment_sum) / sum(sentiment_count)) / 2 + 0.5) * 100, qui projette une moyenne sous-jacente de -1 à +1 sur une échelle de 0 à 100 : un mois parfaitement neutre se lit donc 50. Scrunch construit son brand_sentiment_score en notant « positive = 100, mixed = 50, negative = 0 » par réponse avant de moyenner, si bien qu'un ensemble moitié positif moitié négatif se lit aussi 50. API for GEO publie un score de 0 à 100 avec un libellé, par marque et par réponse. Les trois chiffres partagent une échelle, sans partager une méthode.
  • Taux de citation. Le endpoint de comparaison des modèles d'API for GEO définit citationRate comme la « share of this model's answers that cite at least one source », une propriété du moteur. Le brand_citation_rate de Scrunch est la « share of all responses (whether they cite anything or not) that cite at least one URL you own », une propriété de votre site. Le rapport domaines de Peec AI divise encore autrement, avec un citation_rate défini comme sum(citation_count) / sum(retrieval_count), soit les citations sur les pages que le moteur a lues. Trois champs, un nom, trois questions. Notre guide sur le suivi des citations de vos pages traite cette famille à part.

Le seul chiffre disponible sans API payante

Google publie désormais un chiffre à lui. Le rapport Generative AI performance de la Search Console couvre AI Overviews et AI Mode, définit l'impression comme « how many times links to your site were shown to a user in a generative AI feature on Google Search », et a été déployé « to all websites worldwide » le 31 août 2026. Il répartit les données par page, par pays, par appareil et par type de recherche (texte ou multimodale), et exclut les expériences de Search Labs.

Il mesure un lien vers votre site plutôt qu'une mention de votre marque, et il s'arrête là : aucun clic, aucune position, aucun concurrent, aucun texte de réponse. Un site peut être nommé dans des milliers d'AI Overviews sans un seul lien, et le rapport n'afficherait rien. Il répond à « les surfaces IA montrent-elles mes pages », et il ne produira pas de part de voix.

Les API des moteurs forment l'autre voie peu coûteuse, et elles renvoient de la matière brute plutôt que des mesures. La documentation de l'outil de recherche web d'OpenAI décrit des annotations url_citation et un champ sources qui « returns the complete list of URLs the model consulted » ; l'outil de recherche web d'Anthropic renvoie des blocs web_search_result et des citations portant jusqu'à 150 caractères du texte cité ; l'API de Perplexity renvoie search_results avec titre, URL et date. Toutes les parts, tous les rangs et tous les sentiments d'un rapport GEO sont calculés par-dessus ces sorties, par l'éditeur ou par vous.

Calculer les trois mesures soi-même

À partir de réponses brutes, le travail de comptage est court, et quatre décisions déterminent la solidité de la série :

  1. Figer le dénominateur par écrit. Toutes les réponses collectées, ou seulement celles qui citent une marque. Stockez les deux comptages pour pouvoir produire l'un ou l'autre pourcentage plus tard, comme le font les deux champs de Peec AI.
  2. Fusionner les alias avant de compter. « Loopwork », « Loop Work » et « loopwork.io » forment une seule entité, et une marque dont les alias passent à côté perd des mentions au profit de personne. API for GEO indique résoudre les alias sur une entité unique ; un compteur maison a besoin de la même liste, tenue à jour.
  3. Définir le rang une fois pour toutes. L'ordre de première mention parmi les marques suivies, les ex æquo tranchés par la place dans le texte, est la définition que publient la plupart des éditeurs. Une bande de proéminence dans la réponse est un second choix défendable, et les deux ne doivent jamais cohabiter dans une colonne.
  4. Garder des compteurs, pas des ratios. Stocker 68 et 200 permet de réagréger par semaine, par moteur ou par pays. Stocker 34,0 % oblige à moyenner des moyennes, ce qui surpondère en silence les moteurs qui ont renvoyé le moins de réponses.

La taille de l'échantillon règle le reste. L'étude publiée par cloro le 14 août 2026 mesure un recouvrement moyen de 0,40 entre les domaines cités par deux exécutions du même prompt sur le même modèle, à quelques minutes d'intervalle, et situe environ 300 réponses par période autour de ± 5 points de pourcentage, avec environ 294 réponses de chaque côté pour défendre un passage de 20 % à 30 %. Un mois à une seule exécution produit un chiffre sans marge d'erreur, quel que soit le nom du champ.

Cinq erreurs qui font diverger deux outils

  • Comparer des pourcentages entre éditeurs. Deux scores de visibilité pour la même marque le même mois reposent sur des dénominateurs, des listes de prompts, des moteurs, des pays et des nombres d'exécutions différents : ce sont deux mesures de deux populations.
  • Filtrer sur sa propre marque avant d'agréger. La documentation de Peec AI nomme le piège : filtrer sur brand_id dans filters « also shrinks share_of_voice's denominator, so SoV collapses to 1.0 when scoping to a single brand ». Sa clause having existe pour cette raison. Toute part calculée après un filtre sur une seule entité vaut 100 % par construction.
  • Tracer la position moyenne seule. Elle est moyennée sur les apparitions, donc elle s'améliore à mesure que les apparitions disparaissent.
  • Moyenner des pourcentages par moteur sans pondération. Quatre moteurs à 400, 300, 200 et 50 réponses ne contribuent pas à égalité à la visibilité d'une marque, et une moyenne simple de quatre pourcentages fait comme si. Ahrefs rend sa pondération explicite ; un tableur, rarement.
  • Changer d'ensemble concurrentiel en cours de trimestre. La part de voix divise par les mentions des marques suivies : ajouter deux concurrents fait donc baisser votre part sans que rien ne change dans les réponses. La page d'aide d'Ahrefs note elle-même que la part de voix IA « can change a lot depending on how you've set up the entities for your brand and competitor brands ».

Notre avis sur le chiffre à présenter

Selon nous, la visibilité est le chiffre à placer en haut d'un rapport mensuel, parce que son dénominateur s'énonce en une ligne et se défend en réunion. La part de voix est le chiffre qui bouge quand la catégorie bouge, et elle doit figurer à côté de la liste des marques par lesquelles elle divise, jamais seule. La position moyenne est un diagnostic, utile à côté du nombre d'apparitions et trompeuse sans lui.

Questions fréquentes

Qu'est-ce que la part de voix dans la recherche IA ?

La part de voix divise les mentions de votre marque par les mentions de toutes les marques suivies, sur le même ensemble de réponses IA, et s'affiche en pourcentage. Le glossaire de Profound la définit comme « how often your brand is mentioned compared with all brands », OtterlyAI publie la formule « mentions de ma marque ÷ total des mentions de marques × 100 », et Peec AI la renvoie sous la forme `mention_count / sum(mention_count)`, sur une échelle de 0 à 1. Ahrefs calcule autre chose sous le même nom : sa part de voix IA est « a brand's percentage share of impressions compared to other tracked brands », où les impressions additionnent les volumes de recherche Google des prompts où la marque apparaît.

Quelle différence entre visibilité et part de voix ?

La visibilité compte des réponses, la part de voix compte des mentions. Si votre marque apparaît dans 68 des 200 réponses collectées, la visibilité vaut 34,0 % ; si ces réponses contiennent 78 des 540 mentions de marques de l'ensemble, la part de voix vaut 14,4 %. La visibilité monte quand vous apparaissez dans plus de réponses, la part de voix baisse quand les concurrents sont davantage cités à l'intérieur des réponses où vous figurez déjà : les deux peuvent donc partir dans des sens opposés le même mois.

Comment se calcule la position moyenne dans une réponse IA ?

La plupart des éditeurs prennent le rang de la première mention de votre marque parmi les marques citées, puis le moyennent sur les seules réponses où la marque apparaît. OtterlyAI publie ce dénominateur comme le nombre de prompts où la marque est apparue, Peec AI renvoie `sum(position_sum) / sum(position_count)` avec 1 comme meilleure valeur, et le glossaire de Profound donne un cas chiffré : une marque citée en premier dans la moitié des réponses qui la mentionnent et en deuxième dans l'autre moitié obtient une position moyenne de 1,5. Scrunch mesure plutôt la proéminence, en notant 100 le haut de la réponse, 50 le milieu et 0 le bas, moyennés dans un `brand_position_score`.

Peut-on comparer le score de visibilité de deux outils ?

Non, sauf si les deux publient le même dénominateur. Le glossaire de Profound divise par « all responses that mention at least one brand », ce qui écarte toute réponse qui ne cite personne, tandis que la documentation de Peec AI divise par le total des réponses analysées et que le `brand_presence_percentage` de Scrunch est la « share of responses whose text names your brand ». Sur 200 réponses dont 170 citent une marque, les mêmes 68 apparitions se lisent 40,0 % ou 34,0 %. S'y ajoutent les listes de prompts, les moteurs, les pays et le nombre d'exécutions.

Google publie-t-il ma visibilité dans les réponses IA ?

En partie, et seulement en impressions. Le rapport « Generative AI performance » de la Search Console couvre AI Overviews et AI Mode, définit l'impression comme « how many times links to your site were shown to a user in a generative AI feature on Google Search », et a été déployé sur tous les sites du monde le 31 août 2026. Il répartit les données par page, pays, appareil et type de recherche (texte ou multimodale), et ne donne ni clic, ni position, ni mention de marque, puisqu'il mesure les liens vers votre site et non les mots de la réponse.

Combien de réponses faut-il pour qu'une part de voix soit stable ?

Plusieurs centaines par période. L'étude publiée par cloro le 14 août 2026 mesure un recouvrement moyen de 0,40 entre les domaines cités par deux exécutions du même prompt sur le même modèle à quelques minutes d'intervalle, situe environ 300 réponses par période autour de ± 5 points de pourcentage, et demande environ 294 réponses de chaque côté pour défendre un passage de 20 % à 30 %. Une liste de 50 prompts sur quatre moteurs, exécutée quatre fois par mois, atteint 800 réponses : assez pour une comparaison trimestrielle, pas pour une lecture hebdomadaire.