Profound a mené 221 véritables tâches d'achat sur ChatGPT auprès de 56 participants en 2026, et les marques que les gens ont réellement choisies sont apparues dans les réponses du modèle presque deux fois plus souvent que celles qu'ils ont rejetées : 24 % d'apparition contre 11 %, avec une corrélation de 0,57 entre visibilité et choix final. Aucune de ces requêtes ne nommait de marque. C'étaient de simples questions de catégorie, le type même qu'aucun suivi de termes de marque ne capture jamais. La plupart des tableaux de bord d'AI Share of Voice se limitent encore exactement à cette vue de marque, vérifiant si un moteur reconnaît le nom d'une entreprise tout en ignorant les requêtes sans marque, celles où la décision d'achat se prend réellement.
Ce que mesure réellement l'AI Share of Voice de marque
L'AI Share of Voice de marque suit les requêtes qui contiennent déjà le nom d'une entreprise, des formulations comme « Asana convient-il à une équipe de cinq personnes » ou « tarifs HubSpot pour les startups ». Elle teste la reconnaissance, à savoir si un moteur sait qu'une marque existe et la décrit correctement, généralement mesurée par un simple taux de mention sur une liste type de requêtes, la même méthodologie que nous avons détaillée précédemment. Le cadre de balisage des requêtes de Rankscale qualifie la visibilité de marque de plancher : échouez ce test, et rien d'autre dans la présence IA d'une marque ne peut se construire. Réussissez-le, et tout ce qui est prouvé, c'est que le modèle a entendu parler de l'entreprise, pas qu'il la suggérerait à quelqu'un qui n'en a jamais entendu parler.
Ce que mesure réellement l'AI Share of Voice sans marque
L'AI Share of Voice sans marque suit l'inverse : des requêtes qui ne mentionnent jamais de marque, comme « meilleur CRM pour les investisseurs immobiliers » ou « que dois-je utiliser pour suivre ma marque dans ChatGPT ». Ici, le moteur doit faire émerger une entreprise sans y être invité, en concurrence avec tous les rivaux qu'il juge pertinents pour cette question précise. Rankscale présente cela comme le plafond, le seul endroit d'où vient la vraie croissance du pipeline, car un acheteur qui sait déjà taper le nom d'une entreprise s'est généralement déjà décidé. C'est la distinction que nous avions esquissée lorsque nous avons défini l'AI Share of Voice pour la première fois, sans encore séparer les deux types de requêtes.
Ce que l'étude shopping de Profound a réellement trouvé
Profound a construit la preuve la plus nette de cet effet de plafond avec une étude menée en juillet 2026 aux côtés du consultant en croissance Kevin Indig et d'Eric Van Buskirk de Clickstream Solutions. Cinquante-six participants ont réalisé 221 véritables tâches d'achat sur ChatGPT, et les chercheurs ont enregistré les écrans, les transcriptions et les commentaires à voix haute, en plus des citations réelles du modèle. Les marques que les acheteurs ont finalement choisies sont apparues dans 24 % des réponses de ChatGPT, contre 11 % pour les marques qu'ils ont écartées, avec une corrélation de 0,57 entre visibilité et choix final.
La visibilité et le choix sont fortement corrélés, à 0,57.
C'est une corrélation forte pour une étude consommateur, et elle a tenu malgré le fait que 88 % des tâches d'achat impliquaient une marque que le participant ne connaissait pas au départ. Les auteurs de l'étude ont constaté que cette méconnaissance ne coûtait presque jamais la vente à une marque une fois qu'un produit était présenté clairement dans la conversation. Les acheteurs ont cliqué vers un site externe dans seulement 7,2 % des tâches, et les grilles de comparaison affichées dans la fenêtre de chat ont capté l'attention dans 35,9 % des cas. Rien de tout cela n'apparaît dans un rapport de suivi de marque, car rien de tout cela ne commence par un nom de marque.
Pourquoi la plupart des outils d'AI Share of Voice se limitent encore au suivi de marque
Les requêtes de marque sont mécaniquement faciles à générer : on prend le nom de l'entreprise, on le décline sur une vingtaine de formats de questions, et la liste est prête. Les requêtes sans marque demandent une vraie recherche : extraire le langage de catégorie que les acheteurs utilisent réellement, à partir des tickets support, des transcriptions d'appels commerciaux et des sites d'avis, puis tester lesquelles de ces formulations un moteur juge pertinentes pour une marque donnée. C'est plus proche de la recherche de mots-clés que du suivi de marque, ce qui explique probablement pourquoi l'écart de citation continue de surprendre les équipes marketing longtemps après le lancement. Nous avons mesuré l'ampleur de ce problème dans notre analyse de l'étude de Semrush sur 126 millions de requêtes : une marque peut être mentionnée en permanence sur les requêtes de marque et quand même manquer presque toutes les questions de catégorie qui l'auraient placée devant un inconnu.
Les limites honnêtes de l'AI Share of Voice comme indicateur
Rien de tout cela ne fait de l'AI Share of Voice un chiffre propre, de marque ou non. Dan Taylor, de Search Engine Land, a soutenu en juin 2026 que l'indicateur repose sur ce qu'il appelle un dénominateur caché : l'univers des requêtes IA possibles est pratiquement infini, si bien que l'échantillon de n'importe quel fournisseur, aussi large soit-il, revient à présenter un bac à sable fermé comme s'il s'agissait du web ouvert. Il a cité le passage d'OpenAI à GPT-5.0 en septembre 2025 comme preuve que le chiffre peut bouger pour des raisons qui n'ont rien à voir avec la position réelle d'une marque, puisque le volume de citations sortantes à l'échelle de la plateforme a chuté et que les scores de visibilité ont baissé avec lui, le même type de bascule que nous avions suivi lorsque la part de requêtes de ChatGPT avait bougé de vingt points en une seule année. Ses correctifs proposés, part des mentions, part des recommandations dans les réponses comparatives, et part du récit, c'est-à-dire le ton avec lequel une marque est décrite, ne résolvent pas non plus la séparation entre marque et sans marque. Quel que soit l'indicateur choisi par une équipe, il doit toujours être lu séparément pour les deux types de requêtes, et non fondu en un seul score.
Le schéma observé dans l'étude shopping se retrouve-t-il aussi dans l'achat B2B ?
Les données de Profound viennent du shopping grand public, pas de l'évaluation de logiciels B2B, et les deux ne se transposent pas automatiquement. La raison structurelle pour laquelle la visibilité sans marque compte ne dépend pourtant pas de la catégorie de produit : un acheteur qui recherche un outil de gestion de projet, un logiciel de paie ou un CRM pose le même type de question spontanée que les acheteurs de Profound posaient à propos d'ustensiles de cuisine, et un moteur doit tout de même choisir quels fournisseurs nommer sans qu'on lui en donne un. La recherche B2B ajoute une complication que le shopping grand public n'a pas, puisque des cycles de décision plus longs font que le même acheteur peut lancer une requête sans marque plusieurs semaines avant de taper un jour une requête de marque, si bien qu'un outil qui ne suit que les requêtes de marque ne voit jamais le moment qui comptait. Tant qu'une étude à l'échelle de celle de Profound ne portera pas spécifiquement sur les requêtes logicielles B2B, l'interprétation honnête est que le mécanisme s'applique presque certainement, même si l'écart exact de 24 contre 11 reste un chiffre du shopping, pas du SaaS.
Comment séparer le suivi de marque et sans marque sans tout reprendre à zéro
La plupart des équipes suivent déjà l'AI Share of Voice de marque, donc la correction la plus rapide consiste à superposer des requêtes sans marque plutôt qu'à remplacer quoi que ce soit. Récupérez les formulations réelles que les prospects utilisent avant même de connaître le nom d'une entreprise, principalement à partir des tickets support, des entretiens gagné-perdu et des sites d'avis, le même travail de sourcing que nous détaillons dans notre guide pour augmenter l'AI Share of Voice. Notez les deux ensembles de requêtes séparément dans chaque rapport présenté à la direction, car les moyenner masque exactement l'écart dont il est question ici. Refaites le test sur les deux ensembles après chaque sortie majeure de modèle, car l'exemple de GPT-5.0 cité par Taylor montre que les scores peuvent bouger pour des raisons qui n'ont rien à voir avec vos contenus. Et quand un concurrent apparaît dans une réponse sans marque à la place du nom d'une marque, traitez-le comme nous le décrivons dans notre analyse concurrentielle de l'AI Share of Voice : comme un écart à combler, pas comme une perte isolée à laisser passer.
Questions fréquemment posées
Quelle est la différence entre l'AI Share of Voice de marque et sans marque ?
L'AI Share of Voice de marque suit les requêtes qui nomment déjà une entreprise, comme « tarifs [marque] ». L'AI Share of Voice sans marque suit les requêtes de catégorie qui ne mentionnent jamais de marque, comme « meilleur outil de gestion de projet pour les agences ». La première mesure la reconnaissance ; la seconde mesure si un moteur recommande une marque à quelqu'un qui ne l'a pas demandée par son nom.
Pourquoi l'AI Share of Voice sans marque compte-t-elle davantage pour le pipeline ?
L'étude shopping de Profound menée en 2026 a montré que les marques choisies apparaissaient dans 24 % des réponses de ChatGPT contre 11 % pour celles qui étaient écartées, et cela uniquement sur des requêtes qui ne nommaient jamais de marque. Un acheteur qui tape déjà le nom d'une entreprise s'est généralement déjà décidé ; c'est au moment sans marque que la décision se prend réellement.
Qu'a réellement mesuré l'étude shopping de Profound ?
Profound, avec Kevin Indig et Clickstream Solutions, a mené 221 véritables tâches d'achat sur ChatGPT auprès de 56 participants en 2026, en enregistrant les écrans et les transcriptions en plus des citations du modèle. L'étude a relevé une corrélation de 0,57 entre la fréquence d'apparition d'une marque dans les réponses et le fait que les acheteurs la choisissent, et a constaté que la méconnaissance d'une marque nuisait rarement à ses chances.
L'AI Share of Voice est-elle un indicateur fiable ?
Partiellement. Dan Taylor, de Search Engine Land, a soutenu en juin 2026 que l'indicateur repose sur un dénominateur caché, puisque l'univers des requêtes IA possibles est pratiquement infini et qu'aucun échantillon de fournisseur ne le représente pleinement. Il est le plus utile quand les requêtes de marque et sans marque sont mesurées et présentées séparément, et non fondues en un seul chiffre.
Comment commencer à suivre l'AI Share of Voice sans marque ?
Récupérez les formulations de catégorie que les acheteurs réels utilisent avant de connaître votre nom, principalement via les tickets support, les entretiens gagné-perdu et les sites d'avis. Mesurez ces requêtes séparément des requêtes de marque dans chaque rapport, et refaites le test sur les deux ensembles après chaque sortie majeure de modèle, car les scores peuvent bouger pour des raisons indépendantes de votre contenu.
Le schéma observé dans l'étude shopping s'applique-t-il à l'achat de logiciels B2B ?
Probablement oui dans son mécanisme, même si les chiffres exacts ne sont pas prouvés hors du commerce de détail. Un acheteur B2B qui pose une question de catégorie sans nommer de fournisseur fait face au même problème de recommandation spontanée que Profound a mesuré dans le shopping, avec simplement un cycle de recherche plus long avant qu'une requête de marque n'apparaisse.