La demande IA n'a pas d'historique — alors fabriquez-le
Google Trends ne mesure pas les prompts. Sans série temporelle maison, un gain de visibilité IA reste une anecdote. Voici comment fabriquer votre historique.
Demandez à n'importe quel outil GEO l'évolution de la demande IA d'une catégorie sur les douze derniers mois : personne ne l'a. Les plateformes génératives sont des boîtes noires qui ne publient pas leurs volumes de sollicitation avec la granularité d'un planificateur de mots-clés. Face à ce vide, l'industrie du Search tente de plaquer ses anciens réflexes sur un nouveau paradigme, en espérant que les courbes de recherche traditionnelles fassent office de proxy.
Un gain de visibilité qui n'est pas rapporté à une baseline temporelle n'est pas un résultat, c'est une capture d'écran.
Sans série temporelle maison, chaque gain de présence revendiqué par une agence reste une anecdote non datée. Nous défendons une approche radicalement différente pour la méthode Sonar : l'agence doit fabriquer elle-même l'historique qui n'existe pas sur étagère. C'est cette série chronologique, bâtie de toutes pièces par des audits itératifs, qui rend un progrès attribuable et défendable devant un client.
1. Google Trends ne mesure pas la demande IA
La confusion est systémique. De nombreuses restitutions GEO superposent les courbes de Google Trends à des parts de voix génératives, assumant implicitement que l'intérêt de recherche classique reflète la demande adressée aux modèles de langage. C'est une erreur fondamentale de catégorie. Google Trends mesure des requêtes tapées dans un moteur ; la demande IA est constituée de prompts structurés, souvent conversationnels, adressés à un LLM.
Une requête classique cherche une navigation rapide ou une extraction factuelle (« logiciel paie PME »). Un prompt cherche une synthèse, une comparaison multicritère ou une recommandation (« Compare les trois meilleurs logiciels de paie pour une PME de 50 employés sous convention Syntec »). Les deux ne se superposent pas, car informer n'est pas recommander. Utiliser les volumes de recherche traditionnels pour justifier une stratégie GEO revient à mesurer la température avec un baromètre.
Cesser d'utiliser les mauvais instruments évite de piloter une stratégie d'optimisation sur des signaux d'intention qui n'existent tout simplement pas dans les environnements génératifs.
2. Le T0 comme acte fondateur
Puisque l'historique n'est pas disponible via une API publique, il incombe à l'agence de le générer. C'est la fonction exclusive de la baseline initiale. Avant la moindre recommandation technique, avant la moindre réécriture de contenu, il faut figer l'état de la citation de la marque sur un corpus défini à un instant précis. Dans notre méthodologie, le T0 est un actif, pas un livrable.
Ce T0 n'est pas une simple photographie destinée à rassurer le client. C'est la création du point d'origine d'un référentiel de mesure. Sans cette empreinte initiale, toute variation future de la part de modèle sera inattribuable. Le client ne saura jamais si l'augmentation de ses citations est le fruit de votre campagne de relations publiques, de la mise à jour de votre ontologie de hubs, ou d'une simple dérive paramétrique du modèle sous-jacent.
Figer un T0 transforme une observation isolée en un point de départ mesurable, condition sine qua non pour prouver le ROI de vos futures interventions techniques et sémantiques.
3. Rejouer à l'identique : la comparabilité inter-trimestres
La valeur d'une série temporelle repose intégralement sur la rigidité de son protocole d'acquisition. Pour qu'un delta trimestriel ait du sens, le socle de test doit être rejoué à l'identique, sans la moindre altération. La méthode Sonar impose un cadre d'exécution strict : un corpus standardisé de 86 requêtes, réparties sur 12 axes d'intention, testées simultanément sur 3 plateformes génératives distinctes, avec 3 passages par prompt.
Pourquoi trois passages ? Parce que les LLMs sont probabilistes. Une citation unique sur un seul tirage peut être une anomalie statistique. En multipliant les passages, nous calculons un intervalle de confiance de Wilson pour évaluer la stabilité inter-runs. Si vous ne normalisez pas ces tirages, vous serez incapable de dire si une baisse de citation est due à une perte d'autorité ou à la température du modèle. Il faut une méthode robuste : décomposez la variance pour isoler le signal du bruit.
Maintenir un protocole d'interrogation strict garantit que les variations de citation observées proviennent bien d'une évolution de la perception du modèle, et non d'une fluctuation de votre propre méthode de test.
4. Croiser présence et volume de demande
Mesurer la fréquence de citation avec rigueur est indispensable, mais insuffisant. Il faut ensuite étalonner cette présence face à la réalité du marché. C'est ici qu'intervient le croisement avec le volume de demande IA. Nous utilisons des sources de données spécifiques, comme le AI keyword volume de DataForSEO, qui tentent d'estimer la fréquence réelle des prompts soumis aux interfaces génératives.
En superposant votre série temporelle de présence avec ces volumes de demande IA, vous dimensionnez l'impact réel de vos gains. Être cité à 100 % sur un prompt que personne ne tape n'a aucune valeur commerciale. En croisant ces deux axes, vous évitez la part d'un marché fantôme et identifiez les véritables poches de croissance : les requêtes à fort volume de demande IA où votre marque est sous-représentée.
Croiser la citation et le volume de demande IA permet de prioriser les efforts d'optimisation sur les segments sémantiques qui génèrent un trafic aval réel.
5. Défendre le résultat en restitution
La finalité de cette ingénierie de la donnée est commerciale. Arriver en comité de direction avec un tableau de bord instantané ou une capture d'écran de ChatGPT citant favorablement la marque est une pratique obsolète. Un COMEX n'achète pas de la part de voix brute et décontextualisée ; il achète une trajectoire de croissance et une sécurisation de ses positions face à la concurrence.
C'est ici que la fabrication de l'historique prend tout son sens. Un delta trimestriel chiffré — par exemple, démontrer que la marque est passée de 12 % à 28 % de présence stable sur le segment décisionnel à fort volume — change radicalement la conversation. L'agence ne vend plus une prestation technique obscure, elle démontre sa capacité à influencer un algorithme probabiliste de manière mesurable et répétable au fil des mois.
Présenter un delta chiffré sur une série temporelle propre transforme une dépense perçue comme expérimentale en un investissement stratégique justifiable, facilitant ainsi le renouvellement des contrats d'accompagnement.