Pourquoi s'appelle-t-elle Citation Method ?

Parce que la citation est le point où la visibilité devient mesurable. Tout ce qui la précède (être dans la mémoire du modèle, être récupéré, survivre au reclassement, tenir dans la fenêtre de contexte) est invisible de l'extérieur et ne peut qu'être déduit. La citation est le premier maillon observable directement : c'est donc l'ancre autour de laquelle le reste de la chaîne est mesuré.

En quoi la Citation Method diffère-t-elle de la méthode ABC ?

La méthode ABC (Acquisition, Behavior, Conversion) est un cadre pour mesurer la chaîne commerciale, du trafic au chiffre d'affaires, et elle reste utilisée ici comme troisième couche de la Citation Method. Ce qu'elle ne fait pas, c'est expliquer pourquoi un modèle d'IA vous cite ou non. La Citation Method ajoute cela : huit maillons qui décrivent comment la réponse est produite, et un diagnostic qui désigne l'un d'eux. ABC vous dit que le trafic ne convertit pas. La chaîne de citation vous dit que le trafic n'est jamais arrivé, et lequel des huit maillons l'a arrêté.

Est-ce de l'AEO ou du GEO ?

Les deux, et la distinction compte moins que le vocabulaire ne le laisse penser. L'AEO (Answer Engine Optimization) désigne généralement le fait d'être la source citée par un moteur de réponse ; le GEO (Generative Engine Optimization) le fait d'être bien représenté dans le texte généré. Dans la chaîne de citation, ce sont des maillons différents de la même chaîne : l'AEO pèse surtout sur les maillons deux à six, le GEO sur les maillons cinq à sept. Nous ne les proposons pas comme des services séparés, car une marque qui perd au deuxième maillon ne peut pas être aidée par un travail visant le sixième.

D'où viennent les huit maillons ?

Du fonctionnement réel de la génération augmentée par récupération (RAG) : une décision de routage, une étape de récupération, une étape de reclassement, une fenêtre de contexte à la limite stricte, une étape de génération et une étape de citation décidée séparément de la génération. Les deux derniers maillons, l'influence et l'action, sont les nôtres : ils couvrent ce qui se passe après la production de la réponse, c'est-à-dire si la description est correcte et s'il se passe quelque chose chez vous. Le modèle est descriptif, pas propriétaire. Ce qui nous est propre, c'est de mesurer chaque maillon séparément et de considérer le diagnostic comme le livrable.

Combien de temps avant que la méthode ne donne des résultats ?

La base de référence existe au bout de deux à quatre semaines : c'est à ce moment que vous savez pour la première fois où vous en êtes. Le travail technique sur le deuxième maillon et le travail sur les passages du quatrième se voient généralement en quelques semaines. La sélection, au troisième maillon, évolue sur un à deux mois. Le travail sur l'entité, au premier maillon, est le plus lent et doit être jugé en trimestres, car la mémoire du modèle ne se met à jour que lorsque les modèles le sont.

Quels modèles d'IA mesurez-vous ?

ChatGPT, Gemini, Perplexity et Google AI Overview en standard, mesurés séparément plutôt qu'en moyenne. Les garder distincts compte plus qu'il n'y paraît : une même marque est régulièrement dominante sur un modèle et absente d'un autre, et les causes diffèrent ; l'un lit peut-être une page rendue tandis qu'un autre ne dépasse jamais le JavaScript.

De quelles données avez-vous besoin pour commencer ?

Pour les deux premières phases, rien d'autre de votre part que votre site et le nom de vos concurrents : la mesure porte sur les réponses publiques des modèles. Pour boucler la chaîne au huitième maillon, il nous faut aussi l'analytics, Search Console et ce qui porte la valeur de conversion : un CRM, des données de commandes ou un processus hors ligne. Sans cette dernière partie, le huitième maillon relève de la supposition, et nous préférons le dire plutôt que de publier un chiffre.

Pouvons-nous nous arrêter après la mesure et faire le reste nous-mêmes ?

Oui, c'est une façon normale d'utiliser la méthode. Après la deuxième phase, vous avez une base de référence, et après la troisième, une liste priorisée de causes rattachées aux maillons de la chaîne. Beaucoup de clients reprennent cela en interne et mènent eux-mêmes les actions. C'est pour la mesure continue que la plupart reviennent, car un plan sans série temporelle derrière lui ne peut pas vous dire s'il a fonctionné.

Mesurez-vous aussi les concurrents ?

Oui, et ce n'est pas une option. Chaque prompt renvoie les acteurs que le modèle a nommés : la visibilité des concurrents est donc un sous-produit de la mesure de la vôtre. C'est important, car la part de voix dans les réponses d'IA est un réservoir de taille fixe : une réponse nomme une poignée de prestataires, et en être absent revient au même, que la raison soit votre contenu ou celui de quelqu'un d'autre.

La méthode est-elle réservée aux grandes entreprises ?

Non. La chaîne fonctionne de la même façon quelle que soit la taille ; la différence tient au nombre de prompts et de catégories nécessaires pour couvrir le marché sur lequel vous vendez. Un spécialiste avec un seul domaine de service est souvent plus facile à faire progresser qu'une grande marque à l'entité diffuse, car le premier maillon récompense la clarté plutôt que la taille.

Qu'est-ce qui distingue la Citation Method d'une offre AEO classique ?

La plupart des offres AEO commencent par le remède (plus de contenu, plus de données structurées, plus de liens) et rendent compte de l'activité. La Citation Method commence par le diagnostic et refuse d'agir sans en avoir un. Chaque action doit nommer le maillon qu'elle doit faire bouger et la mesure qui montrera si elle y est parvenue. Sinon, elle n'est pas réalisée.

Méthodologie de visibilité IA

La Citation Method

La méthode de CitationLab pour la visibilité IA. Une réponse d'IA se construit à travers huit maillons, et une marque peut décrocher à n'importe lequel d'entre eux. La méthode mesure les maillons séparément, pour que le diagnostic puisse nommer celui qui vous bloque.

Tout ce qui est publiéUne source citée

01Découverte
02Récupération
03Sélection
04Contexte
05Génération
06Citation
07Influence
08Action

Trouver le maillon. Le corriger. Mesurer à nouveau.

Faites cartographier votre chaîne

En bref

La Citation Method est la méthode de CitationLab pour l'optimisation AEO et GEO. Elle repose sur la façon dont les modèles de langage produisent réellement leurs réponses : une réponse se construit à travers huit maillons (découverte, récupération, sélection, contexte, génération, citation, influence et action) et une marque peut perdre à n'importe lequel d'entre eux. La méthode mesure les maillons séparément au lieu de les fondre en un score unique, et se déroule en cinq phases : cartographie, mesure, diagnostic, action et suivi. L'objectif est de pouvoir dire à quel maillon vous perdez, pourquoi, et ce qui doit changer, au lieu de miser au hasard sur « plus de contenu » ou « plus de liens ».

Dernière mise à jour 23. august 2026

Les marques avec lesquelles nous travaillons

01La méthode

Les huit maillons

Voici comment naît une réponse d'IA, maillon par maillon. La chaîne se lit de gauche à droite : il faut franchir le premier maillon pour atteindre le deuxième. La plupart des marques « invisibles dans ChatGPT » perdent au deuxième ou au troisième maillon, tout en appliquant des remèdes qui relèvent du cinquième.

01
Découverte
La question: Une recherche est-elle seulement lancée, et êtes-vous présent là où elle a lieu ?
Ce qui décide
Le système décide d'abord s'il répond à partir de la mémoire du modèle ou en récupérant des documents. S'il répond de mémoire, votre visibilité dépend de ce que le modèle a déjà appris sur vous, pas de ce que vous avez publié hier.
Comment ça échoue
La marque est absente de la mémoire du modèle, et la question ne déclenche pas de recherche. Vous êtes invisible sans que votre site ait le moindre problème.
Comment nous le mesurons
Part des réponses qui déclenchent une récupération par rapport aux réponses de mémoire, par modèle et par prompt. Perception Match montre ce que le modèle pense de vous sans aucune source associée.
Ce que nous faisons
Construire l'entité : nom, catégorie et faits cohérents sur votre propre site, dans les ouvrages de référence, les sources sectorielles et la couverture par des tiers. C'est un travail lent, qui se mesure en trimestres.
02
Récupération
La question: Faites-vous partie des documents réellement récupérés ?
Ce qui décide
La question est découpée en plusieurs sous-recherches, et chacune récupère un petit nombre de documents. La liste des candidats est courte, et elle dépend de l'index sur lequel porte la recherche, pas de l'apparence de la page.
Comment ça échoue
Le contenu a besoin de JavaScript pour s'afficher, se trouve derrière un mur de consentement, est bloqué pour les robots d'IA, ou n'existe pas dans la langue de la question.
Comment nous le mesurons
Explorabilité pour les agents IA, couverture de l'index, contrôles robots et rendu dans l'audit du site, et lesquelles de vos URL apparaissent réellement comme sources dans les mesures récurrentes.
Ce que nous faisons
Fondations techniques : contenu rendu côté serveur, robots d'IA autorisés, URL propres, sitemaps, versions linguistiques et un site lisible sans exécuter de code.
03
Sélection
La question: Survivez-vous au reclassement des documents récupérés ?
Ce qui décide
Les documents récupérés sont à nouveau évalués, cette fois au plus près de la question elle-même. C'est là que la plupart sont écartés : récupérés, mais pas utilisés.
Comment ça échoue
La page traite du sujet mais ne répond pas à la question. Elle a été écrite pour une expression de recherche, pas pour la façon dont une personne formule sa demande à une IA.
Comment nous le mesurons
« Récupéré mais non cité » par prompt : nous voyons lesquelles de vos URL ont intégré l'ensemble de sources sans atteindre la réponse.
Ce que nous faisons
Écrire pour la question plutôt que pour le mot-clé : la question formulée dans le titre, la réponse en premier, et un contenu qui couvre toute la question plutôt que la moitié.
04
Contexte
La question: Votre texte entre-t-il dans ce que le modèle lit réellement ?
Ce qui décide
Seuls les passages les mieux classés tiennent dans la fenêtre de contexte. Ce sont les paragraphes qui sont en concurrence, pas les sites. Un long document où la pertinence est diluée perd face à un paragraphe concis.
Comment ça échoue
Votre réponse est là, mais enfouie sous une introduction, du langage marketing et des préliminaires. Le passage extrait ne dit rien.
Comment nous le mesurons
Chunkalyzer, dans le module AI Monitor de Manager, montre comment votre contenu est découpé en passages et lesquels sont réellement retenus.
Ce que nous faisons
Optimisation des chunks : paragraphes autonomes, définitions qui se suffisent à elles-mêmes, tableaux et listes pour les faits qui s'y prêtent, et suppression des préambules avant l'essentiel.
05
Génération
La question: Votre formulation est-elle utilisée quand la réponse est assemblée ?
Ce qui décide
Le générateur construit la réponse à partir de passages qui répondent directement, n'ont pas besoin d'être réécrits pour avoir du sens, et apportent quelque chose que les autres sources n'ont pas.
Comment ça échoue
Votre passage fait partie de l'ensemble, mais la formulation d'un concurrent est plus facile à réutiliser. Vous restez en toile de fond au lieu de devenir une phrase de la réponse.
Comment nous le mesurons
Réutilisation mot pour mot, et quelles phrases reviennent d'un modèle à l'autre et d'un jour à l'autre.
Ce que nous faisons
Écrire des phrases qui supportent d'être citées hors contexte : chiffres précis, limites claires, données propres et formulations que personne d'autre n'a.
06
Citation
La question: Êtes-vous nommé comme source, avec un lien ?
Ce qui décide
Être utilisé et être crédité se décident séparément. Le modèle peut construire la réponse sur vos informations et renvoyer malgré tout vers quelqu'un d'autre.
Comment ça échoue
La marque est mentionnée sans lien, ou vos informations sont attribuées à une page qui les a reprises.
Comment nous le mesurons
Mentions avec et sans lien, par modèle et par prompt, et quels domaines sont crédités à votre place.
Ce que nous faisons
Rendre la source sans ambiguïté : contenu original, datation, attribution à un auteur, balises canoniques, et faire en sorte que ce soit vous, et non un agrégateur, l'original citable.
07
Influence
La question: Êtes-vous représenté correctement, et cela fait-il évoluer la perception ?
Ce qui décide
Une citation n'est pas une recommandation. Le modèle peut vous nommer dans la mauvaise catégorie, avec un prix obsolète, ou dans un comparatif que vous perdez.
Comment ça échoue
Forte visibilité, mauvais récit. Vous êtes souvent mentionné et rarement recommandé.
Comment nous le mesurons
Sentiment et contexte de chaque mention, attributs qui vous sont prêtés, acteurs auxquels vous êtes comparé, et écart entre votre propre positionnement et la description du modèle (Perception Match).
Ce que nous faisons
Corriger la base factuelle là où le modèle la puise, et rendre le positionnement assez clair pour survivre à un résumé.
08
Action
La question: Se passe-t-il quelque chose chez vous ensuite ?
Ce qui décide
Une réponse d'IA envoie moins de visiteurs qu'un résultat de recherche, mais ils arrivent plus avancés dans leur décision. La valeur se trouve dans la conversion, pas dans le clic.
Comment ça échoue
Le trafic arrive, mais la page d'atterrissage répond à autre chose que ce que l'utilisateur vient de demander à l'IA.
Comment nous le mesurons
Les visites référées par l'IA comme source à part entière, les recherches de marque, le trafic direct et la conversion, reliés aux données CRM ou de commandes.
Ce que nous faisons
Des pages d'atterrissage qui répondent à l'intention du prompt, et une mesure qui permet d'attribuer une valeur à une visite venant de ChatGPT au lieu de la voir disparaître dans le « direct ».

02La méthode

La chaîne en un coup d'œil

Chaque maillon a sa propre cause, sa propre mesure et son propre remède. C'est pourquoi la méthode ne les fond pas en un score unique : un seul chiffre vous dit que les choses vont mal, pas où.

La chaîne en un coup d'œil
Maillon	Ce qui décide	Comment nous le mesurons	Remède type
1.Découverte	Le système décide d'abord s'il répond à partir de la mémoire du modèle ou en récupérant des documents. S'il répond de mémoire, votre visibilité dépend de ce que le modèle a déjà appris sur vous, pas de ce que vous avez publié hier.	Part des réponses qui déclenchent une récupération par rapport aux réponses de mémoire, par modèle et par prompt. Perception Match montre ce que le modèle pense de vous sans aucune source associée.	Construire l'entité : nom, catégorie et faits cohérents sur votre propre site, dans les ouvrages de référence, les sources sectorielles et la couverture par des tiers. C'est un travail lent, qui se mesure en trimestres.
2.Récupération	La question est découpée en plusieurs sous-recherches, et chacune récupère un petit nombre de documents. La liste des candidats est courte, et elle dépend de l'index sur lequel porte la recherche, pas de l'apparence de la page.	Explorabilité pour les agents IA, couverture de l'index, contrôles robots et rendu dans l'audit du site, et lesquelles de vos URL apparaissent réellement comme sources dans les mesures récurrentes.	Fondations techniques : contenu rendu côté serveur, robots d'IA autorisés, URL propres, sitemaps, versions linguistiques et un site lisible sans exécuter de code.
3.Sélection	Les documents récupérés sont à nouveau évalués, cette fois au plus près de la question elle-même. C'est là que la plupart sont écartés : récupérés, mais pas utilisés.	« Récupéré mais non cité » par prompt : nous voyons lesquelles de vos URL ont intégré l'ensemble de sources sans atteindre la réponse.	Écrire pour la question plutôt que pour le mot-clé : la question formulée dans le titre, la réponse en premier, et un contenu qui couvre toute la question plutôt que la moitié.
4.Contexte	Seuls les passages les mieux classés tiennent dans la fenêtre de contexte. Ce sont les paragraphes qui sont en concurrence, pas les sites. Un long document où la pertinence est diluée perd face à un paragraphe concis.	Chunkalyzer, dans le module AI Monitor de Manager, montre comment votre contenu est découpé en passages et lesquels sont réellement retenus.	Optimisation des chunks : paragraphes autonomes, définitions qui se suffisent à elles-mêmes, tableaux et listes pour les faits qui s'y prêtent, et suppression des préambules avant l'essentiel.
5.Génération	Le générateur construit la réponse à partir de passages qui répondent directement, n'ont pas besoin d'être réécrits pour avoir du sens, et apportent quelque chose que les autres sources n'ont pas.	Réutilisation mot pour mot, et quelles phrases reviennent d'un modèle à l'autre et d'un jour à l'autre.	Écrire des phrases qui supportent d'être citées hors contexte : chiffres précis, limites claires, données propres et formulations que personne d'autre n'a.
6.Citation	Être utilisé et être crédité se décident séparément. Le modèle peut construire la réponse sur vos informations et renvoyer malgré tout vers quelqu'un d'autre.	Mentions avec et sans lien, par modèle et par prompt, et quels domaines sont crédités à votre place.	Rendre la source sans ambiguïté : contenu original, datation, attribution à un auteur, balises canoniques, et faire en sorte que ce soit vous, et non un agrégateur, l'original citable.
7.Influence	Une citation n'est pas une recommandation. Le modèle peut vous nommer dans la mauvaise catégorie, avec un prix obsolète, ou dans un comparatif que vous perdez.	Sentiment et contexte de chaque mention, attributs qui vous sont prêtés, acteurs auxquels vous êtes comparé, et écart entre votre propre positionnement et la description du modèle (Perception Match).	Corriger la base factuelle là où le modèle la puise, et rendre le positionnement assez clair pour survivre à un résumé.
8.Action	Une réponse d'IA envoie moins de visiteurs qu'un résultat de recherche, mais ils arrivent plus avancés dans leur décision. La valeur se trouve dans la conversion, pas dans le clic.	Les visites référées par l'IA comme source à part entière, les recherches de marque, le trafic direct et la conversion, reliés aux données CRM ou de commandes.	Des pages d'atterrissage qui répondent à l'intention du prompt, et une mesure qui permet d'attribuer une valeur à une visite venant de ChatGPT au lieu de la voir disparaître dans le « direct ».

03La méthode

À quoi ça ressemble quand ça marche

Un client mesure quarante prompts dans sa catégorie. À gauche, la base de référence. À droite, les mêmes prompts huit semaines plus tard.

Base de référence

Récupéré: 64 %
Sélectionné: 18 %
Cité: 7 %

Huit semaines plus tard

Récupéré: 67 %
Sélectionné: 41 %
Cité: 22 %

Le diagnostic désigne le troisième maillon : nous sommes récupérés, mais écartés à la sélection. Le remède n'est pas davantage de contenu : c'est de réécrire les pages pour qu'elles ne parlent plus seulement du sujet mais répondent à la question.

La sélection a plus que doublé. La récupération a à peine bougé, comme prévu : nous n'y avons pas touché. Et maintenant, la citation est le nouveau goulot d'étranglement : moins de la moitié des réponses qui nous sélectionnent nous créditent. Le prochain cycle s'attaque au sixième maillon.

Un exemple construit avec des chiffres réalistes, pas un cas client.

Vous voulez savoir à quel maillon vous perdez ?

Nous exécutons votre ensemble de prompts sur les modèles, établissons la base de référence et vous remettons le diagnostic, avant que quiconque ne propose la moindre activité.

Réserver un bilan de visibilité IA

04La méthode

Notre façon de travailler

De « nous ne savons pas » à quelque chose de mesurable. Après la deuxième phase, vous savez où vous en êtes, et vous pouvez vous arrêter à tout moment et faire le reste vous-même.

01
Cartographie
Agit sur: Maillons 1–2
Nous identifions les questions que vos clients posent réellement à une IA. Pas des mots-clés, des prompts. Ce sont deux choses différentes, qui produisent des réponses différentes. L'ensemble de prompts est construit autour des personas et du parcours client, du premier symptôme jusqu'à « qui dois-je choisir », et confronté à vos concurrents.
Ce qui vous resteUn ensemble de prompts qui reflète votre parcours client, avec des personas et des concurrents définis.
02
Mesure
Agit sur: Maillons 1–7
Les prompts sont exécutés selon un calendrier fixe, chaque semaine, ou chaque jour en option, sur ChatGPT, Gemini, Perplexity et les réponses IA de Google. Nous mesurons à quelle fréquence vous êtes mentionné, à quelle fréquence vous êtes cité avec un lien, et qui est nommé à votre place. La répétition n'est pas décorative : un même prompt peut donner une réponse différente d'une exécution à l'autre, et une réponse isolée est une anecdote, pas une mesure. CAVIS exécute des conversations entières plutôt que des questions isolées, parce que la réponse change à mesure que le client passe de « qu'est-ce que c'est ? » à « qui dois-je choisir ? ».
Ce qui vous resteUne base de référence à partir de laquelle mesurer l'évolution, par prompt, par modèle et par maillon de la chaîne.
03
Diagnostic
Agit sur: Situe la perte dans la chaîne
Nous cherchons le pourquoi. Le contenu est-il invisible parce qu'il nécessite JavaScript ? L'entité manque-t-elle ? Les faits sont-ils noyés dans le texte marketing ? Êtes-vous récupéré sans jamais être sélectionné ? Les causes sont généralement peu nombreuses et concrètes, et chacune relève d'un maillon précis de la chaîne.
Ce qui vous resteUne liste priorisée de causes, pas de symptômes, chacune rattachée au maillon dont elle relève.
04
Action
Agit sur: Corrige là où se trouve la cause
Nous la menons, ou vous la menez, avec le plan comme point de départ. Fondations techniques, structure, entité et contenu, dans l'ordre qui produit l'effet le plus rapide. L'ordre n'est pas arbitraire : inutile d'écrire de meilleurs paragraphes pour le quatrième maillon si vous ne passez jamais le deuxième.
Ce qui vous resteDes actions avec un responsable, un ordre et un effet attendu, ainsi que le maillon que chaque action doit faire bouger.
05
Suivi
Agit sur: Mesure à nouveau, au même endroit
La visibilité dans la recherche IA est périssable : les modèles sont mis à jour et vos concurrents travaillent aussi. La mesure récurrente se poursuit, et vous disposez de votre propre accès au tableau de bord tout du long. De plus, nous passons en revue l'évolution ensemble à un rythme fixe, pour que vous obteniez l'interprétation et la prochaine action, pas seulement les chiffres.
Ce qui vous resteUne mesure récurrente par prompt et par modèle, votre propre tableau de bord et une revue régulière où les chiffres deviennent la prochaine action.

Puis la troisième phase recommence. Non pas parce que quelque chose a échoué, mais parce que le goulot d'étranglement s'est déplacé : une fois le troisième maillon corrigé, le sixième est devenu la nouvelle contrainte. C'est pourquoi ce n'est pas un plan avec une date de fin.

05La méthode

Pourquoi la recherche IA a besoin de sa propre méthode

La logique SEO suppose une liste classée. Il n'y a pas de liste dans une réponse d'IA. Il y a une chaîne de décisions à l'intérieur du système, et la plupart sont prises avant qu'un seul mot ne soit écrit.

Le modèle répond souvent sans chercher
Une réponse provient soit de ce que le modèle a déjà appris (mémoire paramétrique), soit de documents qu'il récupère sur le moment (retrieval). Publier quelque chose de nouveau n'agit que sur le second. Le premier évolue lorsque la marque est décrite ailleurs de façon suffisamment large, fréquente et cohérente, dans la durée.
La liste des candidats est courte
Quand le système effectue une recherche, la question est découpée en plusieurs sous-recherches, et chacune récupère un petit nombre de documents. Là où un moteur de recherche affiche dix liens bleus et une page deux, une réponse d'IA n'a pas de page deux. Si vous n'êtes pas dans la liste des candidats, vous n'existez pas pour cette réponse.
Ce sont les passages qui sont en concurrence, pas les pages
Le modèle ne lit pas votre site. Il lit une poignée de passages sélectionnés parce qu'ils ressemblent à la question. Un paragraphe précis l'emporte sur une longue page où la pertinence est éparpillée.
Être utilisé et être crédité sont deux choses différentes
Votre contenu peut porter la réponse sans que vous soyez nommé, et vous pouvez être nommé sans être décrit correctement. Ce sont deux pertes, et aucune n'apparaît dans un rapport de positionnement.

06La méthode

De la citation au chiffre d'affaires

Les deux derniers maillons de la chaîne, l'influence et l'action, sont ceux où la visibilité rencontre le business. C'est là que nous utilisons ABC : Acquisition, Behavior, Conversion, la structure de reporting que Google Analytics a rendue universelle, avec la recherche IA mesurée comme un canal d'entrée à part entière et la conversion issue du CRM plutôt que de l'outil d'analytics.

01
A – Acquisition
D'où viennent les clients, et quels canaux apportent de la qualité. La recherche IA est mesurée ici, dans les mêmes conditions que la recherche organique et la publicité : volume, qualité, comportement et conversion.
02
B – Behavior (comportement)
Ce qu'ils font une fois arrivés, et où nous les perdons. Pour le trafic IA, la mesure la plus importante est l'adéquation à l'intention : la page d'atterrissage répond-elle à ce que l'utilisateur a réellement demandé au modèle ?
03
C – Conversion
Ce qui crée réellement de la valeur. Leads et ventes portent une valeur issue du CRM, des données de commandes ou des conversions hors ligne, et cette valeur est réinjectée dans le canal. Sans cette étape, vous optimisez le volume et vous appelez ça de la croissance.

À propos d'ABC : Acquisition, Behavior et Conversion constituent la structure de reporting d'Universal Analytics, pas un terme que nous avons inventé. Ce n'est pas la même chose que l'analyse ABC, qui classe stocks, produits ou clients par valeur, ni que le modèle ABC des thérapies cognitives. Dans la Citation Method, ABC est la couche commerciale, pas l'ensemble de la méthode. Lire l'article sur l'ABC de la visibilité IA.

07La méthode

Sur quoi repose la méthode

La méthode n'est pas qu'une diapositive. Chaque maillon de la chaîne dispose d'un outil qui le mesure, et nous avons construit la plupart nous-mêmes, parce que personne d'autre ne mesurait ce dont nous avions besoin.

CitationLab AI Marketing Manager
La mesure récurrente. Le module AI Monitor de Manager exécute l'ensemble de prompts chaque semaine, ou chaque jour en option, sur ChatGPT, Gemini, Perplexity et Google AI Overview, et enregistre mentions, citations, sources, concurrents et part de voix par modèle et par exécution. Ce sont les données derrière les maillons un à sept.
Voir comment fonctionne AI Marketing Manager
CAVIS
Le framework derrière l'ensemble de prompts. CAVIS simule des conversations entières plutôt que des questions isolées, pondère chaque mesure selon sa place dans le parcours d'achat, et c'est grâce à lui que la mesure reflète un parcours client plutôt qu'une liste de questions.
Voir le framework CAVIS
Chunkalyzer
L'analyse des chunks dans le module AI Monitor de Manager. Montre comment votre contenu est découpé en chunks, lesquels sont récupérés et lesquels n'entrent jamais dans la fenêtre de contexte. C'est l'outil du quatrième maillon.
Perception Match
Compare votre propre positionnement (ce qu'affirment votre site et vos supports commerciaux) à ce que les modèles disent réellement de vous lorsqu'on les interroge, et note l'écart. C'est le diagnostic des maillons un et sept : le problème est-il que vous êtes invisible, ou que le récit est faux ?
Audit de site pour les agents IA
Une revue technique pour vérifier que le contenu peut tout simplement être récupéré : rendu, accès des robots, données structurées, versions linguistiques et lisibilité machine. Sans cela, tout le reste n'est que supposition.
Voir le SEO technique
Gestion AEO
L'opérationnel. Les phases quatre et cinq mises en système, avec des spécialistes de la technique, de l'entité, du contenu et de la conversion, et chaque changement enregistré comme une expérimentation avec une hypothèse.
Voir notre façon de travailler

08La méthode

Cinq règles auxquelles la méthode ne déroge pas

Une méthode ne vaut quelque chose que si elle dit aussi ce qu'elle refuse de faire. Voici les règles qui déterminent comment sont produits les chiffres de cette page.

01
Mesurer avant d'interpréter
Les données brutes sont enregistrées en premier : la réponse complète, les sources, la date, le modèle. L'interprétation vient ensuite et peut toujours être rattachée à la réponse sur laquelle elle repose.
02
Pas de score unique
Un « score de visibilité IA » combiné masque précisément ce que vous avez besoin de savoir : à quel maillon vous perdez. Nous ventilons toujours par modèle, prompt, catégorie et maillon.
03
Des causes, pas des symptômes
« Nous ne sommes pas visibles dans ChatGPT » est un symptôme. Un diagnostic doit désigner un maillon et une cause, sinon le remède relève de la devinette.
04
En continu, pas ponctuellement
Un même prompt peut donner des réponses différentes d'une exécution à l'autre. Une réponse est une anecdote. La méthode mesure selon un calendrier fixe, car l'évolution ne se lit que dans une série temporelle.
05
Dire ce que les chiffres ne montrent pas
Nous indiquons où se situe la limite de ce que la mesure peut prouver. Là où nous ne voyons pas de causalité, nous le disons au lieu de tracer une flèche.

09La méthode

Ce que la méthode ne promet pas

La visibilité IA est un domaine jeune, plein d'affirmations péremptoires. Voici les quatre que nous ne ferons pas.

Personne ne peut garantir une citation
Personne ne vend d'emplacement dans une réponse d'IA, et ceux qui prétendent le contraire vendent autre chose. La méthode rend la probabilité mesurable et les causes actionnables. Elle n'achète pas de placement.
Le premier maillon est lent
La mémoire du modèle se met à jour quand les modèles sont entraînés ou actualisés, pas quand vous publiez. Le travail sur l'entité se mesure en trimestres. Les maillons deux à quatre peuvent évoluer en quelques semaines.
Les chiffres fluctuent
Un même prompt donne des réponses différentes d'une exécution à l'autre. C'est pourquoi nous mesurons de façon répétée et lisons des tendances plutôt que des exécutions isolées, et pourquoi la capture d'écran d'une bonne réponse n'est pas un résultat.
La visibilité n'est pas du chiffre d'affaires
Une mention qui ne convertit jamais n'est qu'un chiffre. C'est pourquoi la méthode ne s'arrête pas au sixième maillon.

10La méthode

Les questions auxquelles la méthode est conçue pour répondre

Personne ne vient en demandant une méthode. On vient avec un symptôme. Voici les quatre que nous entendons le plus, et le maillon où chacun se situe généralement.

Pourquoi ChatGPT ne nous mentionne-t-il pas du tout ?

Presque toujours le premier ou le deuxième maillon, et les deux appellent des remèdes opposés. Si le modèle répond de mémoire sans chercher, la marque est absente de ce qu'il a appris, et le travail porte sur l'entité : des faits cohérents sur vous là où les modèles apprennent, mesurés en trimestres. Si le modèle cherche et que vous êtes toujours absent, la cause est généralement mécanique : un contenu qui n'apparaît qu'une fois JavaScript exécuté, des robots d'IA bloqués dans le robots.txt, ou aucune page dans la langue de la question. La mesure distingue les deux cas, car hésiter entre eux fait perdre un trimestre.

Nous sommes récupérés comme source mais jamais cités. Qu'est-ce qui ne va pas ?

C'est le troisième ou le quatrième maillon, et c'est le diagnostic que nous posons le plus souvent. Être récupéré signifie que votre page a intégré la liste des candidats ; ne pas être cité signifie qu'elle a perdu au reclassement, ou qu'elle est entrée dans la fenêtre de contexte mais que le passage extrait ne répondait pas à la question. Le remède n'est presque jamais davantage de contenu. Il s'agit de formuler la question dans le titre, de placer la réponse dans le premier paragraphe et de rendre chaque paragraphe assez autonome pour pouvoir être extrait tout en gardant son sens.

Nous sommes souvent mentionnés mais mal décrits. Comment corriger cela ?

C'est le septième maillon, et c'est une perte déguisée en victoire. La part de voix semble saine alors que le modèle vous place dans la mauvaise catégorie, cite un prix obsolète ou vous présente comme l'option bon marché dans un comparatif que vous préféreriez gagner. Perception Match note l'écart entre ce que vous dites de vous et ce que disent les modèles. La correction consiste à rectifier la base factuelle dans les sources où le modèle puise réellement, ce qui est rarement votre propre page d'accueil, et à rendre le positionnement assez clair pour survivre à un résumé en une phrase.

Comment savoir si le travail a un effet ?

Parce qu'il existe une base de référence, établie avant tout changement. La deuxième phase l'établit par prompt, par modèle et par maillon, et les mêmes prompts continuent ensuite de tourner selon le même calendrier, si bien que l'évolution se lit dans une série temporelle plutôt que sur une capture d'écran. Les maillons évoluent à des vitesses différentes : le travail technique et sur les passages se voit en quelques semaines, le travail sur l'entité en trimestres. Si un changement ne peut pas être rattaché à un maillon et à une mesure, la méthode le considère comme non testé, pas comme une victoire.

11FAQ

Questions fréquentes sur la Citation Method

La Citation Method est la méthode de CitationLab pour l'optimisation AEO et GEO. Elle modélise une réponse d'IA comme une chaîne de huit maillons (découverte, récupération, sélection, contexte, génération, citation, influence et action), mesure chaque maillon séparément, diagnostique le maillon où une marque perd et corrige la cause dans ce maillon plutôt que partout à la fois.

12La méthode

Pour aller plus loin

Laissez vos concurrents deviner.
Nous, nous mesurons la chaîne.

Huit maillons, cinq phases et un diagnostic qui désigne l'un d'eux. Prenez le contrôle de la façon dont l'IA vous décrit et vous recommande.

Parler à un stratège de la recherche IA Voir notre façon de travailler

Votre avis

Cette page vous a-t-elle été utile ?

Cette page vous a-t-elle aidé ? Dites-nous si quelque chose n'est pas clair ou manque.

La Citation Method

Les marques avec lesquelles nous travaillons

Les huit maillons

Découverte

Récupération

Sélection

Contexte

Génération

Citation

Influence

Action

La chaîne en un coup d'œil

À quoi ça ressemble quand ça marche

Vous voulez savoir à quel maillon vous perdez ?

Notre façon de travailler

Cartographie

Mesure

Diagnostic

Action

Suivi

Pourquoi la recherche IA a besoin de sa propre méthode

Le modèle répond souvent sans chercher

La liste des candidats est courte

Ce sont les passages qui sont en concurrence, pas les pages

Être utilisé et être crédité sont deux choses différentes

De la citation au chiffre d'affaires

A – Acquisition

B – Behavior (comportement)

C – Conversion

Sur quoi repose la méthode

CitationLab AI Marketing Manager

CAVIS

Chunkalyzer

Perception Match

Audit de site pour les agents IA

Gestion AEO

Cinq règles auxquelles la méthode ne déroge pas

Mesurer avant d'interpréter

Pas de score unique

Des causes, pas des symptômes

En continu, pas ponctuellement

Dire ce que les chiffres ne montrent pas

Ce que la méthode ne promet pas

Personne ne peut garantir une citation

Le premier maillon est lent

Les chiffres fluctuent

La visibilité n'est pas du chiffre d'affaires

Les questions auxquelles la méthode est conçue pour répondre

Pourquoi ChatGPT ne nous mentionne-t-il pas du tout ?

Nous sommes récupérés comme source mais jamais cités. Qu'est-ce qui ne va pas ?

Nous sommes souvent mentionnés mais mal décrits. Comment corriger cela ?

Comment savoir si le travail a un effet ?

Questions fréquentes sur la Citation Method

01Qu'est-ce que la Citation Method ?

02Pourquoi s'appelle-t-elle Citation Method ?

03En quoi la Citation Method diffère-t-elle de la méthode ABC ?

04Est-ce de l'AEO ou du GEO ?

05D'où viennent les huit maillons ?

06Combien de temps avant que la méthode ne donne des résultats ?

07Quels modèles d'IA mesurez-vous ?

08De quelles données avez-vous besoin pour commencer ?

09Pouvons-nous nous arrêter après la mesure et faire le reste nous-mêmes ?

10Mesurez-vous aussi les concurrents ?

11La méthode est-elle réservée aux grandes entreprises ?

12Qu'est-ce qui distingue la Citation Method d'une offre AEO classique ?

Pour aller plus loin

Laissez vos concurrents deviner.Nous, nous mesurons la chaîne.

Cette page vous a-t-elle été utile ?

Laissez vos concurrents deviner.
Nous, nous mesurons la chaîne.