Part de voix IA : définition, formule et méthode pour la mesurer

Quand SparkToro et Gumshoe.ai ont fait poser par 600 volontaires les mêmes questions de recommandation de marques à ChatGPT, Claude et à l'IA de Google près de 3 000 fois, la probabilité d'obtenir deux fois la même liste de marques était inférieure à 1 sur 100. Ce seul résultat dicte la façon de mesurer la part de voix IA. Un prompt tapé une fois dans ChatGPT ne vous apprend presque rien. Un jeu de prompts défini, exécuté plusieurs fois sur chaque moteur et compté toujours de la même manière, donne un chiffre assez stable pour se comparer aux concurrents et se suivre de mois en mois.

Ce que mesure la part de voix IA

La part de voix IA est le pourcentage de mentions de marque que votre entreprise obtient dans les réponses générées par l'IA, sur l'ensemble des mentions de marques de votre catégorie, pour un jeu de prompts et des moteurs définis. C'est l'équivalent GEO de la part de voix classique que les marketeurs utilisaient pour la publicité et la presse, avec une différence de fond : un moteur IA n'affiche pas dix résultats en laissant l'acheteur choisir. Il rédige une seule réponse qui nomme deux, trois ou cinq marques, et une marque absente de cette réponse n'existe pas pour cet acheteur à ce moment-là.

La part de voix IA est la part de toutes les mentions de marques dans les réponses IA sur votre catégorie qui citent votre marque, mesurée sur un jeu de prompts fixe, moteur par moteur.

La formule est courte : part de voix IA = (mentions de votre marque ÷ total des mentions de toutes les marques suivies) × 100. Si 20 prompts sur ChatGPT produisent 48 mentions de marques au total et que 9 sont les vôtres, votre part de voix sur ChatGPT pour ce jeu de prompts est de 18,75 %. Toute la difficulté se trouve dans les données d'entrée : quels prompts, quels moteurs, combien d'exécutions et quels concurrents compter. La suite de ce guide couvre ces choix.

Pourquoi ce chiffre compte désormais plus que vos positions

Vos positions ne disent plus quelle part de l'attention de l'acheteur vous obtenez. Dans l'analyse du Pew Research Center portant sur 68 879 recherches Google, les utilisateurs ont cliqué sur un résultat classique dans 8 % des visites quand un résumé IA s'affichait, contre 15 % sans résumé, et sur un lien à l'intérieur du résumé lui-même dans 1 % des visites seulement.

Être nommé dans la réponse est ce qui vous protège. L'étude de Seer Interactive sur 3 119 requêtes informationnelles montre que le taux de clic organique des requêtes avec un AI Overview est passé de 1,76 % à 0,61 % entre mi-2024 et septembre 2025, tandis que les marques citées dans l'AI Overview obtenaient 35 % de clics organiques de plus que celles qui ne l'étaient pas. C'est pour cela que le GEO et le SEO ont désormais besoin de tableaux de bord séparés.

Étape 1 : construire un jeu de prompts qui ressemble à vos acheteurs

Commencez avec 25 à 50 prompts rédigés comme les acheteurs posent réellement leurs questions, pas comme vous taperiez des mots-clés. « Quel CRM pour une équipe commerciale de 50 personnes ? » est un bon prompt de test. « logiciel CRM outils » ne l'est pas. Couvrez quatre types de prompts : les questions de catégorie (« meilleur logiciel de paie pour une petite entreprise »), les questions de problème (« comment ne plus perdre de leads entre le marketing et les ventes »), les questions de comparaison (« alternatives à [concurrent] ») et quelques questions de marque (« que fait [votre marque] »).

Gardez les noms de marques hors des prompts de catégorie et de problème. Ces prompts mesurent si les moteurs IA pensent à vous sans qu'on vous cite, ce qui est le chiffre qui compte pour les nouveaux acheteurs. Les prompts de marque mesurent autre chose, la justesse de la description que les moteurs font de vous, et mélanger les deux gonfle votre score. L'écart entre les deux mérite d'être suivi à part, comme nous l'expliquons dans notre analyse de l'AI Share of Voice de marque et sans marque.

Étape 2 : exécuter chaque prompt plusieurs fois sur chaque moteur

Comme les réponses IA sont générées à partir de probabilités, le même prompt renvoie un ensemble de marques différent d'une exécution à l'autre. Les données de SparkToro et Gumshoe situent la probabilité d'obtenir la même liste dans le même ordre plutôt autour de 1 sur 1 000. Leur étude a aussi trouvé quelque chose de plus utile : sur des centaines de prompts formulés différemment mais avec la même intention, les moteurs renvoyaient un groupe similaire de marques en tête. La fréquence d'apparition d'une marque est assez stable pour être mesurée. Son rang exact dans une réponse donnée ne l'est pas.

En pratique, exécutez chaque prompt au moins trois à cinq fois par moteur, dans des sessions neuves sans conversation antérieure, et travaillez avec le taux de mention plutôt qu'avec un oui ou non sur une seule réponse. Nous expliquons pourquoi une vérification unique est une anecdote et pas une donnée dans notre article sur la mesure de la visibilité IA comme une distribution.

Étape 3 : compter les mentions, et garder la position comme signal secondaire

Pour chaque réponse, notez chaque marque mentionnée, l'ordre dans lequel elle apparaît, et si elle est recommandée, mentionnée de façon neutre ou déconseillée. Calculez ensuite la part de voix par moteur avec la formule ci-dessus.

Voici ce que cela donne pour un éditeur de CRM mid-market qui exécute 40 prompts cinq fois sur trois moteurs, soit 600 réponses à analyser. Sa marque apparaît 72 fois, ses deux principaux concurrents 84 et 54 fois, soit 210 mentions de marques au total. Sa part de voix est de 72 ÷ 210 × 100 = 34,3 %. En filtrant les mêmes données sur les prompts consacrés aux CRM abordables, sa part tombe à 12 %, ce qui montre précisément à l'équipe où elle perd des acheteurs.

La position porte quand même de l'information, puisqu'une marque citée en premier est lue avant une marque citée en cinquième. Mais vu à quel point l'ordre varie d'une exécution à l'autre, utilisez-la comme une moyenne sur de nombreuses réponses, jamais comme un classement pour un prompt. La part de voix calculée sur les mentions est le chiffre à suivre ; la position en donne le contexte.

Étape 4 : calculer par moteur, jamais en un score unique moyenné

ChatGPT, Gemini, Perplexity, Copilot, Google AI Overviews et Google AI Mode récupèrent et pondèrent les sources différemment, si bien qu'une même marque peut obtenir 35 % sur un moteur et 8 % sur un autre. Faire la moyenne en un seul chiffre masque le signal le plus utile dont vous disposez : là où vous êtes fort et là où vous êtes invisible. Notre comparaison de la façon dont les moteurs IA classent différemment les mêmes marques montre l'ampleur de ces écarts.

Étape 5 : noter le sentiment et les sources, pas seulement les mentions

Une part de voix élevée avec une formulation tiède est plus faible qu'elle n'en a l'air. Une marque décrite comme « une option moins chère au support limité » dans 35 % des réponses a un chiffre de visibilité qui cache un problème de positionnement. Suivez le sentiment à côté du comptage, comme nous le détaillons dans notre guide pour suivre le sentiment de marque dans l'IA.

Notez aussi les sources citées par chaque moteur. Ce sont elles qui expliquent le score. Dans l'étude d'Ahrefs sur 75 000 marques, les mentions de la marque sur le web présentaient la plus forte corrélation avec la visibilité dans les AI Overviews (0,664), les marques du quartile supérieur en mentions web obtenaient en moyenne plus de dix fois plus de mentions dans les AI Overviews que le quartile suivant, et 26 % des marques n'avaient aucune mention dans les AI Overviews. Les pages citées où vos concurrents apparaissent et pas vous forment votre écart de citation, et c'est généralement la liste d'actions la plus claire que produit la mesure.

Comment lire le résultat

Une part de voix n'a pas de sens isolément. Lisez-la face aux concurrents mesurés sur le même jeu de prompts et les mêmes moteurs, car 15 % peut suffire à mener une catégorie encombrée et rester loin derrière dans une niche. Notre analyse concurrentielle de l'AI Share of Voice détaille cette comparaison, et les benchmarks de l'AI Share of Voice donnent des repères par catégorie.

Lisez ensuite la tendance. Une mesure est une photographie ; le même jeu de prompts exécuté chaque semaine ou chaque mois montre si le travail de contenu, de relations presse et technique fait bouger le chiffre. Quand il est temps d'agir sur les écarts, les méthodes sont détaillées dans comment améliorer sa part de voix IA.

Les erreurs de mesure qui faussent le score

Tester un seul moteur est la plus fréquente. ChatGPT est le moteur que les équipes connaissent, c'est donc souvent le seul testé, alors que Gemini et les surfaces IA de Google peuvent raconter une tout autre histoire. Changer le jeu de prompts entre deux mesures est la deuxième : la comparaison perd tout son sens, donc figez les prompts de base et ajoutez les nouveaux dans un groupe à part.

La troisième consiste à lire une mention comme une recommandation. Apparaître huitième dans une liste d'outils que « certains utilisateurs envisagent aussi » n'est pas la même chose qu'être la réponse. La dernière est de s'arrêter à la visibilité. La part de voix dit si les moteurs IA vous nomment ; le trafic IA dans Google Analytics 4 dit si ces mentions amènent des visiteurs, et les deux chiffres ensemble indiquent si le travail porte ses fruits.