Aller au contenu

Intégration

Cinq façons d'utiliser une API de visibilité IA, du MCP aux alertes

Le MCP pour explorer, un skill pour répéter, une tâche cron pour la série, un entrepôt pour les tableaux de bord, des webhooks pour alerter : ce que chacun coûte.

Cinq formes géométriques simples relient par des lignes anguleuses à l'entrée d'un cube bleu

Consultant SEO, et plus récemment GEO, chez MentionBox

Une API de visibilité IA s'utilise de cinq façons : un serveur MCP pour une question posée une fois, un skill Claude pour une tâche répétée, une tâche planifiée pour la série qui nourrit le rapport, un entrepôt derrière un outil de BI pour les tableaux de bord, et des webhooks pour les alertes. Le choix se joue d'abord sur la facturation, parce que seuls les usages qui lancent un prompt sur un moteur sont comptés. API for GEO, notre choix éditorial après un test en conditions réelles par Mathias C., indique sur sa page AI Visibility API que « the AI Visibility API does not bill reads. Credits are consumed by executions, when a prompt runs against a model », à 0,013 $ le crédit, soit 13 $ pour 1 000 réponses collectées et jusqu'à 7 $ au plus gros palier.

Ce guide s'adresse à un développeur ou à une petite équipe qui branche une de ces API sur une architecture existante : il nomme l'endpoint, la commande ou le champ publié derrière chaque usage, dans l'ordre où vous y viendrez, avec son coût et sa façon de casser. Les prix et l'outillage viennent de la page tarifaire et de la référence API de chaque éditeur, vérifiés le 23 octobre 2026. MentionBox, qui publie ce site, a un lien commercial avec API for GEO.

Les cinq usages côte à côte

UsageUtile pourCe qui est facturéCe qui le casse en premier
Serveur MCPquestions ponctuelles, découverte d'une nouvelle API, vérification en réunionrien pour les lectures ; un crédit ou une tâche si l'outil lance un promptle modèle choisit l'outil, donc deux sessions donnent deux chiffres
Skill Claudeune tâche répétée de la même façon, avec les conventions de l'API écrites une foisles appels d'API que fait le skillaucun accès réseau dans le bac à sable de l'API Claude
Tâche planifiéela série temporelle sur laquelle le rapport est bâtichaque passage, chaque prompt, chaque moteurun horaire qui dérive, ou une liste de prompts modifiée en cours de trimestre
Tableau de bordun chiffre que plusieurs personnes lisent sans vous le demanderla collecte, plus les requêtes d'entrepôt à chaque affichageles limites de requêtes par minute et par mois
Alerte par webhookun changement que personne ne surveillerien au-delà de la collecte qui a produit l'événementun seul passage pris pour une mesure

Chaque ligne vient de la documentation des éditeurs et des spécifications liées dans la section correspondante, lues entre le 23 octobre et le 7 novembre 2026.

Un seul des cinq produit la donnée, les autres la relisent. La tâche planifiée est l'usage qui appelle un moteur, rejointe seulement par un outil MCP ou un skill qui déclenche un nouveau passage : elle porte toute la facture, tandis que le tableau de bord, l'alerte et la plupart des sessions d'agent consomment ce que la collecte a déjà payé. Le prix par réponse est donc le chiffre à comparer entre éditeurs, et le quota de lectures mensuel celui qui fait trébucher une intégration.

L'outillage que chaque API publie vraiment

APIServeur MCPSDK officielsWebhooksLots et exportsLimite de débitPrix pour 1 000 réponses
API for GEOoui, sur les deux formulesconfirmés par notre test du 26 octobre 2026, langages non publiésconfirmés par le même test, non documentés sur apiforgeo.comimport de prompts en masse, exécution d'un job sur une liste de modèles300 requêtes par minute, 10 exécutions simultanées13 $, jusqu'à 7 $ au plus gros palier
DataForSEOmcp.dataforseo.com/v3/mcp, en source ouvertePython, C#, TypeScript, Javapostback_url et pingback_urljusqu'à 100 tâches par appel POSTjusqu'à 10 000 appels par minute1,20 $ en file standard
Profoundmcp.tryprofound.com/mcp, formule EnterprisePython, JavaScript/TypeScriptnon publiésnon publiés ; variantes /stream en SSE600 requêtes par heure et par clénon publié, Enterprise sur devis
Trakkrapi.trakkr.ai/mcp, 82 outils, formule payanteaucun publié, contrat OpenAPI 3.1 à la placeoui, signés en HMAC-SHA256création de prompts en masse, /export jusqu'à 10 000 lignes60 requêtes par minute sur la plupart des lecturesnon publié, API sur la formule à 500 $
Peec AIapi.peec.ai/mcp, OAuth ou jeton personnelaucun publiénon publiésjusqu'à 1 000 éléments par requête d'écriture200 requêtes par minute et par projetnon publié
OtterlyAIdata.otterly.ai/mcp, OAuthaucun publié, skill Claude officiel à la placenon publiéscréation de prompts en masse2 000 requêtes API par mois sur Standard15,75 $, formule Standard à 189 $ par mois
cloromcp.cloro.dev/mcp, sept outils de collectePython, TypeScriptoui, HMAC-SHA256 facultatifjusqu'à 500 tâches par requête de lot1 000 requêtes par seconde et par endpoint4 $, formule Lite à 30 $ par mois
LLM Pulseapi.llmpulse.ai/api/v1/mcp, OAuth 2.112 langages, plus une CLIoui, signés HMAC, formule Scale et au-delà500 prompts par import, sortie CSV300 requêtes par minute et par jeton30,67 €
Scrunchoui, sur toute formule Scrunchaucun publié, Agent Skills à la placepas en disponibilité générale1 000 enregistrements par requêtenon publiéenon publié, Agency Core à partir de 500 $ par mois

Endpoints, SDK, modes de livraison, limites de débit et tarifs publiés par chaque éditeur dans sa documentation et sur sa page tarifaire, vérifiés le 23 octobre 2026. Pour API for GEO, six moteurs sont listés sur apiforgeo.com ; quatre des dix que nous suivons, Gemini, Google AI Overviews, DeepSeek et Meta AI, ont été confirmés par notre test en conditions réelles du 26 octobre 2026, avec ses webhooks, sa spécification OpenAPI et ses SDK officiels. Son prix par réponse vaut environ dix fois celui de DataForSEO, prix honnête de la part de voix, de la position et du sentiment renvoyés déjà calculés.

Lisez ce tableau comme cinq listes de courses séparées plutôt que comme un classement. Un serveur MCP est devenu presque universel, publié par 48 des 55 API que ce site évalue ; un webhook signé reste rare, et un SDK en Kotlin n'existe que chez une seule. Notre classement des API de visibilité IA pour les développeurs pondère ces mêmes colonnes : accès en libre-service, prix par réponse publié et outillage autour de l'API.

1. Le serveur MCP, pour les questions posées une fois

Le Model Context Protocol place les données d'un éditeur derrière des outils qu'un assistant appelle en pleine conversation. Son aperçu d'architecture décrit une application hôte qui crée un client par serveur, trois primitives côté serveur (des outils pour les actions, des ressources pour le contexte, des prompts pour les gabarits) et deux transports : stdio « for direct process communication between local processes on the same machine » et Streamable HTTP, qui « uses HTTP POST for client-to-server messages with optional Server-Sent Events ». La découverte et l'exécution tiennent en deux méthodes JSON-RPC, tools/list et tools/call.

Dans Claude Code, la connexion tient en une commande, documentée sur la page MCP :

claude mcp add --transport http geo https://api.example.com/mcp \
  --header "Authorization: Bearer $GEO_API_KEY" \
  --scope project

Quatre détails de cette page font gagner du temps ensuite. La portée projet écrit l'entrée dans .mcp.json à la racine du dépôt, que vous versionnez pour donner les mêmes outils à toute l'équipe. ${VAR} et ${VAR:-default} sont développés à la connexion, ce qui garde la clé dans l'environnement plutôt que dans le fichier. Les outils arrivent sous le nom mcp__geo__<nom-de-l-outil>, chaîne attendue par les règles de permission et par le champ allowed-tools d'un skill. Pour un identifiant à durée de vie courte, headersHelper lance un script à chaque connexion, avec dix secondes pour écrire un objet JSON d'en-têtes.

L'usage se justifie surtout dans la première heure passée avec une API inconnue, avant de savoir quels champs existent. API for GEO décrit la forme sur son accueil, « the same ten families exposed as tools, so Claude or Cursor can query your GEO data directly », alors que son URL de connexion et sa liste d'outils n'étaient pas publiées lors de notre relevé. Le serveur de DataForSEO est celui que l'on peut inspecter avant de lui faire confiance : son implémentation TypeScript est sur GitHub et l'endpoint distant accepte une authentification Basic avec les identifiants de l'API REST.

L'usage échoue sur la reproductibilité. Le modèle choisit l'outil et ses arguments, donc la même question posée deux fois peut lire deux fenêtres différentes, et rien dans la conversation n'explique à un client le mouvement du chiffre de la semaine. Les limites de débit mordent aussi, car une session d'exploration puise dans le même quota qu'une tâche : 60 requêtes par minute sur la plupart des lectures de Trakkr, 600 par heure et par clé chez Profound, 2 000 par mois au total sur la formule Standard d'OtterlyAI.

2. Un skill Claude, pour la tâche répétée

Un skill convient au travail dont la procédure est connue et que vous réexpliquez sans cesse : quel endpoint appeler, quelle liste de marques compte, comment normaliser une URL avant de la compter. La documentation Agent Skills d'Anthropic en définit un comme un dossier contenant un fichier SKILL.md, dont l'en-tête YAML exige name et description, la description étant « what Claude matches your request against when determining whether to trigger the Skill, so it must say both what the Skill does and when to use it ».

Le chargement se fait par niveaux, ce qui rend un skill peu coûteux à laisser installé. Les métadonnées coûtent une centaine de jetons par skill et restent en permanence dans le contexte, le corps ne se charge qu'au déclenchement et vise moins de 5 000 jetons, et les fichiers joints ne coûtent rien avant d'être lus. Les scripts sont l'outil le plus tranchant du lot, puisque « the script's code never loads into the context window » et que seule leur sortie consomme des jetons. Un script de collecte qui parcourt 20 pages de résultats a sa place dans scripts/, là où le modèle n'a jamais à le lire.

Dans Claude Code, les skills vivent dans ~/.claude/skills/<nom>/SKILL.md pour un usage personnel ou dans .claude/skills/<nom>/SKILL.md au sein du dépôt, et l'en-tête porte d'autres champs utiles : allowed-tools pré-autorise des outils pour le tour en cours seulement, disable-model-invocation sort le skill du déclenchement automatique pour le réserver à l'appel /nom, et le texte combiné de description et when_to_use est tronqué à 1 536 caractères dans la liste. Un skill court pour une lecture hebdomadaire ressemble à ceci :

---
name: lecture-geo-hebdo
description: Lit les chiffres de visibilité IA de la semaine écoulée pour une marque depuis l'API GEO et rédige le résumé en trois lignes. À utiliser pour un point hebdomadaire de visibilité IA ou une variation de part de voix.
allowed-tools: Bash(scripts/pull_week.sh *) Read
---

# Lecture GEO hebdomadaire

1. Lancer `scripts/pull_week.sh <marque> <semaine-iso>` ; le script écrit `out/<marque>-<semaine>.json`.
2. Lire le fichier. Donner visibilité, part de voix et position moyenne par moteur.
3. Comparer au fichier précédent dans `out/`. Ne donner l'écart que si chaque semaine
   compte au moins 300 réponses ; en dessous, dire que l'échantillon est trop petit.
4. Ne jamais recalculer un chiffre depuis le texte des réponses : le calcul est au script.

Deux éditeurs livrent cet usage eux-mêmes. Le skill Claude d'OtterlyAI se distribue en fichier otterly.skill, s'installe par le panneau Skills de Claude ou par claude skill add /chemin/vers/otterly.skill, et couvre les espaces de travail, les rapports de marque, les indicateurs, les citations, les prompts, les recommandations et les audits GEO ; il demande d'autoriser data.otterly.ai dans la liste des domaines et de fournir une OTTERLY_API_KEY, et précise qu'une clé en lecture seule couvre les rapports et les citations alors que les audits GEO exigent une clé en lecture-écriture. Les Agent Skills de Scrunch s'installent par npx skills add https://developers.scrunch.com, en deux familles : les skills scrunch-* passent par son serveur MCP sans clé d'API, les skills api-* lisent un SCRUNCH_API_TOKEN, dont api-query-metrics, api-responses-export et api-signals-monitoring. DataForSEO publie plutôt un modèle pour Claude Code, son Detailed AI Visibility Report, mis à jour le 31 août 2026.

La contrainte qui surprend les équipes est l'environnement d'exécution. Les skills lancés par l'API Claude tournent « in a sandboxed container with no network access and no runtime package installation » : un skill dont tout le travail consiste à appeler l'endpoint d'un éditeur n'y fait rien. Dans Claude Code, le même skill fonctionne, puisqu'il obtient « the same network access as any other program on the user's computer », et sur claude.ai l'accès réseau dépend des réglages du compte. La section sécurité d'Anthropic mérite une lecture avant d'installer un skill tiers : un skill malveillant « can direct Claude to call tools or run code in ways that don't match the Skill's stated purpose ».

3. La tâche planifiée, qui produit la série

Tout ce que voit un client sort de cet usage, et les quatre autres relisent ce qu'il a collecté. Notre guide du rapport GEO avec une API et Claude Code détaille les quatre étapes du script lui-même ; la suite porte sur la couche de planification autour.

Préférez la file asynchrone de l'éditeur à une requête qui dure. L'endpoint de tâche du LLM Scraper de DataForSEO accepte jusqu'à 100 tâches par appel POST, renvoie l'erreur 40006 au-delà, accepte un tag de 255 caractères au plus pour rapprocher les résultats de vos lignes, et prend un priority à 1 pour l'exécution normale ou à 2 pour la haute priorité, facturée en plus. API for GEO documente les deux modes, un POST /v1/prompts/run synchrone qui répond avec le résultat enrichi et un POST /v1/jobs/execute qui « returns a job to poll », avec l'import de prompts en masse et un réglage executionsPerQuery sur le job. Ses limites publiées, 300 requêtes par minute et 10 exécutions simultanées, décident de la largeur d'une tâche nocturne.

Trois règles de planification sortent directement des comportements publiés :

  • Gardez le créneau stable. Même jour, même heure, même pays, même langue. Une série qui bouge parce que la collecte est passée du lundi au vendredi est illisible.
  • Attendez-vous à la dérive du planificateur. La documentation de GitHub indique que l'intervalle minimal d'un workflow planifié est de cinq minutes, que l'événement schedule « can be delayed during periods of high loads of GitHub Actions workflow runs », le début de chaque heure étant cité comme une période de charge, et que les workflows planifiés d'un dépôt public sont « automatically disabled when no repository activity has occurred in 60 days ». Planifiez à 17 minutes de l'heure, et alertez-vous quand un passage manque.
  • Rendez la tâche idempotente. Indexez chaque réponse stockée sur le prompt, le moteur, la locale et la date du passage, pour qu'une tâche relancée écrase au lieu de compter deux fois.

Le calcul d'une tâche de taille moyenne, 50 prompts sur quatre moteurs, quatre passages par mois, un pays, donne 800 réponses collectées :

RouteFacture mensuelle pour 800 réponses
API for GEO10,40 $ à 0,013 $ le crédit, indicateurs et sources compris
DataForSEO LLM Scraper, file standardenviron 0,48 $ pour les deux moteurs lus dans l'interface, après un paiement minimum de 50 $
cloro, formule Lite30 $, le plancher de la formule, loin sous ses 37 500 crédits mensuels
OtterlyAI, formule Standard189 $, la première formule avec API, plafonnée à 2 000 requêtes par mois

Notre calcul sur les tarifs publiés par chaque éditeur, vérifiés le 23 octobre 2026 : 50 prompts × 4 moteurs × 4 passages = 800 réponses.

4. Le tableau de bord, qui ne doit pas appeler l'API par graphique

Un tableau de bord est un usage de lecture avec un problème de multiplication. Branchez un outil de BI directement sur l'endpoint d'un éditeur et chaque personne qui ouvre le rapport émet des requêtes, sur un quota dimensionné pour vos tâches. La documentation du connecteur BigQuery de Google décrit la même mécanique un étage plus bas : avec les identifiants du lecteur, « every report viewer must have required roles and incurs costs », et les graphiques interrogent en direct.

La forme qui résiste au contact d'une équipe de reporting tient en deux étapes. La tâche planifiée dépose les réponses et les chiffres calculés dans une table qui vous appartient, une ligne par prompt, moteur, locale et date de passage, et l'outil de BI lit cette table plutôt que l'API. Le coût des requêtes revient alors chez vous, le chiffre ne bouge pas pendant une présentation, et l'historique survit à la fenêtre de rétention de l'éditeur, de 24 mois sur la formule à l'usage d'API for GEO.

Les exports et les connecteurs raccourcissent la première étape quand ils existent :

  • Writesonic publie un connecteur Looker Studio natif, annoncé le 2 avril 2026 sous le nom « Writesonic GEO Presence », avec dix sources de données couvrant la performance du site, celle des prompts, les réponses IA individuelles, les citations et les métriques de mots-clés, autorisé par un compte Google puis une clé Business API et l'URL du site.
  • Trakkr expose GET /export, qui renvoie jusqu'à 10 000 lignes en JSON ou en CSV : un dépôt de fichier planifié plutôt qu'une connexion vivante.
  • LLM Pulse renvoie du CSV autant que du JSON sur ses endpoints tabulaires et publie une spécification OpenAPI 3.0 sur api.llmpulse.ai/openapi.json, de quoi remplir une table d'entrepôt avec un client généré.
  • Profound pagine par curseur et propose des variantes /stream de ses rapports v2 en Server-Sent Events, avec des SDK Python et TypeScript pour l'extraction nocturne.

Une clause décide si le tableau de bord peut sortir de chez vous. Un tableau de bord remis à un client ou facturé relève de la revente, et les conditions diffèrent : API for GEO publie la revente et la marque blanche comme usage prévu, tout en interdisant de sous-licencier l'accès direct à l'API, le contrat d'abonnement de Profound interdit de distribuer, vendre ou sous-licencier ses services, et DataForSEO ne publie aucune clause explicite de revente. Notre classement des API de visibilité IA pour les agences ne retient que les API dont les conditions publiées l'autorisent, et notre guide sur le suivi de dix clients sans payer par utilisateur donne le calcul par client.

5. Les alertes par webhook, plus sûres qu'une boucle d'interrogation

Une alerte vaut la peine d'être montée une fois la série en place, et c'est le moins cher des cinq usages, puisque l'événement voyage sur une collecte déjà payée.

L'endpoint webhook de Trakkr est l'exemple publié le plus explicite. L'abonnement passe par POST /webhooks, parmi des événements dont visibility_changed, rank_changed, citation_gained, page_cited, perception_changed et report_completed, et chaque envoi se vérifie sur un en-tête X-Trakkr-Signature: sha256= calculé en HMAC-SHA256. La livraison est réessayée trois fois, à 1, 2 et 4 secondes, sur les erreurs 5xx et les délais dépassés, les réponses 4xx autres que 429 ne sont pas réessayées, et la documentation demande d'utiliser « the meta.event_id field for idempotency » en stockant les identifiants traités. Chaque charge porte event.type, event.triggered_at, un objet event.data qui varie selon le type, et la marque concernée.

Trois autres routes sont publiées :

  • cloro accepte un webhook.url sur une tâche asynchrone, signe avec un X-Cloro-Signature facultatif en HMAC-SHA256, tente cinq envois et conserve les résultats 24 heures : un gestionnaire en panne une journée perd la charge mais pas le passage.
  • DataForSEO donne deux crochets au niveau de la tâche plutôt qu'un abonnement par événement : postback_url, qui reçoit le résultat fini en POST compressé en gzip et demande un postback_data à advanced ou html, et pingback_url, une notification GET dont la connexion « will be aborted by timeout » au-delà de 10 secondes. Les deux substituent $id et $tag.
  • LLM Pulse publie des webhooks signés HMAC pour les nouvelles mentions, les nouvelles citations, les exécutions terminées, le sentiment négatif et les rapports finis, sur sa formule Scale et au-delà.

Quand aucun webhook n'est publié, l'alerte devient une boucle d'interrogation face à une limite de débit. L'introduction de l'API REST de Profound documente 600 requêtes par heure et par clé, avec les en-têtes X-RateLimit-Limit, X-RateLimit-Remaining et X-RateLimit-Reset et un Retry-After sur les 429 : une interrogation toutes les 15 minutes sur un seul rapport dépense 96 requêtes par jour et passe mal à l'échelle sur plusieurs marques. Les webhooks d'API for GEO ont été confirmés par notre test du 26 octobre 2026 et ne sont pas documentés sur apiforgeo.com : dimensionnez donc une boucle sur ses 300 requêtes par minute publiées tant que ce n'est pas le cas.

Le seuil est la partie difficile, et c'est une question de statistique plutôt que de code. L'étude publiée par cloro sur la taille d'échantillon, datée du 14 août 2026, mesure un recouvrement moyen de 0,40 entre les domaines cités par deux passages du même prompt sur le même modèle à quelques minutes d'écart, et situe environ 300 réponses sur une période à près de ±5 points de pourcentage. Comparez une fenêtre glissante d'au moins 300 réponses à la précédente, et placez le déclencheur au-delà de cette bande de ±5 points, sinon l'alerte sonnera chaque semaine.

Quel usage pour quel travail

La plupart des équipes finissent par en faire tourner trois sur cinq. La tâche planifiée collecte, le tableau de bord lit la table qu'elle remplit, et un serveur MCP répond aux questions qui arrivent entre deux rapports. Le skill vient ensuite, quand une procédure mérite d'être figée dans un SKILL.md au lieu d'être réexpliquée, et l'alerte en dernier, quand la série est assez longue pour qu'un seuil veuille dire quelque chose. Le premier tableau de ce guide est celui à relire pour choisir, parce que la colonne décisive est la facturation de chaque usage et non ce qu'il sait montrer.

Les erreurs que nous éviterions

  • Laisser un agent collecter les données. Une conversation qui déclenche de nouveaux passages produit des chiffres que personne ne reproduit, sur une facture que personne n'a prévue. Gardez l'exécution dans la tâche planifiée et donnez à l'agent un accès en lecture.
  • Brancher un tableau de bord sur l'API de l'éditeur. Plusieurs API de plateforme plafonnent les requêtes au mois, 2 000 sur la formule Standard d'OtterlyAI, et un rapport consulté dévore ce quota.
  • Sauter la vérification de signature. Un endpoint de webhook sans vérification HMAC accepte tout ce qui connaît l'URL. Trakkr et cloro publient l'en-tête et l'algorithme, et les deux livraisons demandent un dédoublonnage sur l'identifiant d'événement.
  • Écrire un skill qui appelle le réseau sur l'API Claude. Il tourne dans un conteneur sans accès réseau. Mettez-le dans Claude Code, ou laissez-le lire ce qu'une tâche planifiée a déjà écrit.
  • Alerter sur un seul passage. Avec un recouvrement moyen de 0,40 entre deux passages du même prompt, un déclencheur sur un passage mesure du bruit.
  • Compter sur un outillage non documenté. Des éditeurs de ce marché publient un serveur MCP sans liste d'outils, ou un SDK sans dépôt. Demandez les deux pendant l'essai.

Notre avis

L'usage à monter en premier dépend de qui consomme la sortie :

  1. Un développeur qui explore, sur les données les moins chères. DataForSEO à 1,20 $ pour 1 000 réponses en file standard, avec un serveur MCP en source ouverte, des SDK dans quatre langages, jusqu'à 100 tâches par POST et la livraison par postback_url. Notre note : 7,7 sur 10, la couverture faisant la limite : cinq des dix moteurs que nous suivons, dont deux lus dans l'interface.
  2. Un dispositif piloté par les alertes. Trakkr pour ses événements de webhook signés et son serveur MCP de 82 outils, si la formule à 500 $ que sa documentation exige pour l'API entre dans le budget. Notre note : 6,8 sur 10.
  3. Un travail d'agent sur le skill de l'éditeur. OtterlyAI à 15,75 $ pour 1 000 réponses dans une formule à 189 $, avec un skill Claude officiel et un serveur MCP en OAuth, tant que 2 000 requêtes par mois couvrent les tâches et les agents ensemble. Notre note : 6,7 sur 10.
  4. Les cinq usages sur une seule clé, indicateurs déjà calculés. API for GEO, notre choix éditorial, à 13 $ pour 1 000 réponses et jusqu'à 7 $ au plus gros palier, en paiement à l'usage sans minimum publié, lectures non facturées, revente autorisée, serveur MCP sur les deux formules, et 9,0 sur 10, la meilleure note des 55 API que ce site évalue. Son prix par réponse vaut environ dix fois celui de DataForSEO, et quatre de ses dix moteurs, ainsi que ses webhooks, sa spécification OpenAPI et ses SDK officiels, ont été confirmés par notre test du 26 octobre 2026 plutôt que documentés sur apiforgeo.com.

À notre avis, la question à trancher avant toute intégration est celle des chiffres que vous voudrez recalculer plus tard. Une API qui facture les lectures pousse à tout stocker chez soi et à n'interroger qu'une fois, tandis qu'une API qui ne facture que les exécutions laisse le tableau de bord, l'alerte et l'agent relire les mêmes passages stockés.

Questions fréquentes

Quelle différence entre une API de visibilité IA et un serveur MCP ?

L'API sert au code que vous écrivez : vous choisissez l'endpoint, les paramètres et la fréquence, et le même appel renvoie la même forme le mois suivant. Un serveur MCP expose ces données sous forme d'outils qu'un assistant IA appelle pendant qu'il vous répond, et c'est le modèle qui décide quel outil appeler et avec quels arguments. La spécification du Model Context Protocol définit `tools/list` pour la découverte et `tools/call` pour l'exécution, en JSON-RPC 2.0, avec un transport stdio pour les serveurs locaux et Streamable HTTP pour les serveurs distants. Le serveur sert à explorer, l'API à tout ce qui doit être reproductible.

Quelles API de visibilité IA publient un serveur MCP ?

Quarante-huit des 55 que ce site évalue, vérifiées le 23 octobre 2026 : c'est l'outillage que presque tous les éditeurs livrent. API for GEO, notre choix après un test en conditions réelles par Mathias C., liste l'accès au serveur MCP sur ses deux formules et décrit dix familles de données exposées en outils, à 13 $ pour 1 000 réponses collectées et sans facturation des lectures. DataForSEO expose un serveur distant sur `mcp.dataforseo.com/v3/mcp`, dont l'implémentation TypeScript est en source ouverte, Profound héberge le sien sur `mcp.tryprofound.com/mcp` pour sa formule Enterprise, Trakkr expose 82 outils sur `api.trakkr.ai/mcp` avec une formule payante, le serveur de Peec AI sur `api.peec.ai/mcp` est annoncé comme inclus dans toute formule payante, et celui d'OtterlyAI sur `data.otterly.ai/mcp` se déduit des 2 000 requêtes par mois de sa formule Standard à 189 $.

Un skill Claude peut-il appeler une API de visibilité IA ?

Cela dépend de l'endroit où il tourne. La documentation d'Anthropic indique que les skills exécutés par l'API Claude tournent dans un conteneur isolé, sans accès réseau ni installation de paquets à l'exécution : un skill ne peut donc pas y joindre l'endpoint d'un éditeur. Dans Claude Code, les skills disposent du « same network access as any other program on the user's computer » : un skill qui appelle une API a sa place là. OtterlyAI publie un skill Claude officiel sous forme de fichier `otterly.skill` et demande d'autoriser `data.otterly.ai` dans la liste des domaines de Claude puis de fournir une `OTTERLY_API_KEY` ; Scrunch publie deux familles d'Agent Skills, installées par `npx skills add https://developers.scrunch.com`, celles en `api-*` lisant un `SCRUNCH_API_TOKEN`.

Interroger une API par MCP consomme-t-il des crédits ?

Seulement quand l'outil déclenché lance un prompt sur un moteur. La documentation d'API for GEO précise que « the AI Visibility API does not bill reads. Credits are consumed by executions, when a prompt runs against a model », à 0,013 $ le crédit sur son premier palier : une conversation qui relit des passages stockés ne coûte rien, une conversation qui demande un nouveau passage coûte un crédit par prompt, par modèle et par locale. Les API de plateforme comptent autrement : OtterlyAI accorde 2 000 requêtes API par mois sur sa formule Standard et autant de requêtes MCP, donc un agent qui explore vos données puise dans le même quota que vos tâches.

Comment être alerté quand une marque perd de la visibilité dans les réponses IA ?

En s'abonnant au webhook de l'éditeur quand il en publie un, et en plaçant le seuil sur une fenêtre glissante plutôt que sur un passage unique. Trakkr documente `POST /webhooks` avec des événements dont `visibility_changed`, `rank_changed`, `citation_gained` et `report_completed`, signe chaque envoi en HMAC-SHA256 dans un en-tête `X-Trakkr-Signature`, réessaie trois fois à 1, 2 et 4 secondes, et demande de dédoublonner sur `meta.event_id`. cloro accepte un `webhook.url` sur une tâche asynchrone, avec une signature `X-Cloro-Signature` facultative, cinq tentatives et des résultats conservés 24 heures. DataForSEO propose `postback_url`, qui envoie les résultats compressés en gzip, et `pingback_url`, une notification GET abandonnée si votre serveur dépasse 10 secondes.

À quelle fréquence lancer une tâche planifiée de visibilité IA ?

Une collecte hebdomadaire, comparée au mois ou au trimestre, avec un plancher de quatre passages par prompt et par mois. L'étude publiée par cloro le 14 août 2026 mesure un recouvrement moyen de 0,40 entre les domaines cités par deux passages du même prompt sur le même modèle à quelques minutes d'écart, situe environ 300 réponses par période à près de ±5 points de pourcentage, et conclut que les lectures hebdomadaires sont fiables et les lectures quotidiennes du bruit. Si GitHub Actions porte la planification, retenez que l'intervalle minimal est de cinq minutes, que l'événement `schedule` « can be delayed during periods of high loads », et que les workflows planifiés d'un dépôt public sont désactivés après 60 jours sans activité.