Ce que mesure réellement le share of model
L’idée est la suivante : votre acheteur cible ouvre ChatGPT ou Perplexity et pose une question du type « quels cabinets RevOps travaillent avec des SaaS en early stage ». Votre marque apparaît dans la réponse, ou non. Le share of model est le pourcentage de réponses pertinentes générées par l’IA qui vous citent, vous mentionnent ou vous recommandent, sur un ensemble de requêtes défini.
Ce n’est pas la même chose que le share of voice. Le share of voice, au sens SEO classique, est la part du volume de recherche sur vos mots-clés que votre domaine capte dans les résultats organiques. Il suppose une page de résultats que l’acheteur fait défiler et dans laquelle il choisit. La recherche IA ne lui donne pas de page. Elle lui donne une réponse synthétisée, et les sources sur lesquelles elle s’appuie restent largement invisibles pour la personne qui lit.
Si vous n’êtes pas dans la réponse du modèle, vous n’êtes pas dans la short-list. L’acheteur n’a jamais vu votre résultat. Il n’a jamais eu l’occasion de vous choisir.
Pourquoi l’ancienne mesure ne tient plus
Le share of voice a été conçu pour un monde de listes. La première position recevait plus de clics que la cinquième. Il existait une logique de conversion que l’on pouvait suivre du mot-clé au clic, puis au lead.
La recherche IA écrase tout cela. Le modèle lit le contenu, se forge un avis, et vous fait suffisamment confiance pour vous inclure, ou non. L’acheteur voit un paragraphe, pas un classement. Et pour les acheteurs B2B en début de recherche, c’est de plus en plus dans ce paragraphe que se forme la short-list, avant toute interaction avec un fournisseur.
Nous l’avons entendu directement de la bouche d’acheteurs avec qui nous travaillons : « Nous investissons dans le SEO depuis dix-huit mois. Nos positions organiques sont correctes. Mais les leads issus de l’organique baissent depuis plus d’un an. » Le canal n’est pas cassé. Ce qui est cassé, c’est l’hypothèse selon laquelle les positions sur les mots-clés décrivent encore le comportement des acheteurs.
Les plateformes réagissent. Plusieurs outils de visibilité IA sont apparus cette année pour mesurer précisément cela. Un outil de suivi de la visibilité IA a lancé ce trimestre une intégration MCP pour envoyer les données de citation directement vers les autres outils de votre stack. Le marché construit la couche de mesure parce que les praticiens ont besoin de ce chiffre, et qu’ils en ont besoin dans leurs workflows existants.
Le share of model, un chiffre RevOps
C’est là que la plupart des équipes se trompent. Cette métrique a tendance à atterrir dans les dashboards marketing, à côté des études de brand lift et des impressions sur les réseaux sociaux. Ce n’est pas sa place.
Si votre ICP mène des recherches assistées par l’IA avant même de remplir un formulaire, votre taux de citation influence le pipeline en haut du funnel avant qu’aucun enregistrement CRM n’existe. Cela en fait une métrique de revenu, pas une métrique de marque.
Ce dont il s’agit vraiment : le point de conversion entre notoriété et pipeline que l’attribution ne voit pas encore. Un acheteur demande à une IA « quelle est la meilleure façon de structurer le reporting de revenu pour une entreprise post-Série A », et votre nom ne ressort pas. Vous ne recevez pas la demande de démo. Vous ne pouvez pas suivre la perte, car il n’y a ni session, ni UTM, ni formulaire soumis. Mais la perte est réelle.
Le share of model a sa place dans la même conversation que la couverture de pipeline, le mix de canaux et les taux de conversion, pas sur un dashboard de notoriété à part dont personne ne tire d’action.
La plupart des équipes RevOps avec qui j’échange n’ont pas encore commencé à le suivre. Il reste chez l’équipe contenu ou la fonction SEO, parfois sans aucun responsable. Mon sentiment est que c’est une erreur qui se paie de plus en plus cher avec le temps : plus tôt vous faites du share of model une métrique RevOps suivie, plus tôt vous commencez à constituer la base de référence dont vous avez besoin pour agir.
Le marché remarque ce déplacement. Une agence spécialisée en recherche IA qui a repositionné toute sa pratique cette année décrit désormais son cœur de métier comme l’ingénierie de la visibilité de marque dans ChatGPT, les AI Overviews et l’AI Mode, plutôt que l’optimisation pour les classements en liens bleus. Ce repositionnement montre où la préoccupation liée au revenu s’est déplacée.
Comment mesurer le share of model
Il existe deux façons de le faire, peut-être trois.
Première option : construire vous-même un ensemble de requêtes. Listez les trente à cinquante questions que votre ICP est le plus susceptible de poser à un assistant IA pendant sa phase de recherche. Lancez ces requêtes chaque mois sur ChatGPT, Gemini, Perplexity et Google AI Overviews. Notez si vous apparaissez, si vous êtes cité, et avec quelle visibilité. C’est manuel, mais cela vous appartient et ne nécessite aucun nouveau contrat.
Deuxième option : utiliser l’une des plateformes de visibilité IA qui automatisent ce travail. Certaines suivent les taux de citation sur les principales plateformes IA de façon récurrente. Les différences de méthodologie comptent : quel ensemble de requêtes, quels modèles, à quelle fréquence, selon quel scoring. Je poserais ces questions avant d’acheter.
Troisième option : remonter depuis votre CRM. Si des acheteurs mentionnent de temps en temps « je vous ai trouvés via ChatGPT » ou « vous êtes ressortis dans une recherche que je faisais », consignez-le. C’est bruité et incomplet, mais c’est un vrai signal sur l’endroit où le funnel commence réellement.
Ma recommandation : commencez par l’ensemble de requêtes manuel avant d’ajouter un outil de plus. Construisez-le à partir d’une vraie recherche sur votre ICP, pas d’outils de mots-clés. Lancez-le chaque trimestre. Vous cherchez un chiffre indicatif à suivre dans le temps, pas un chiffre parfait qui exige un engagement annuel à six chiffres.
La part d’honnêteté sur l’attribution
Je n’ai pas encore de très bonne réponse sur la façon dont le share of model se relie au revenu signé. Pour le meilleur ou pour le pire, le problème d’attribution est ici le même que celui que nous connaissons depuis des décennies avec la publicité de marque, simplement sur un nouveau canal.
Vous pouvez mesurer le taux de citation. Vous pouvez le voir évoluer quand vous publiez davantage de contenu qui fait autorité. Ce que vous ne pouvez pas faire proprement, du moins pas encore, c’est tracer une ligne droite entre « nous sommes apparus dans 40 % des réponses IA pertinentes le trimestre dernier » et un chiffre de pipeline précis.
Cela compte pour la façon dont vous le présentez en interne. Si vous mettez le share of model devant un CRO, soyez honnête : c’est un indicateur avancé, pas un indicateur retardé. Il vous dit si vous êtes visible sur le canal où se joue de plus en plus la phase de considération en amont. Il ne vous dit pas encore l’impact exact sur le revenu.
Cela n’en fait pas une statistique de vanité. C’est comparable au trafic organique en haut du funnel ou au volume de recherche sur la marque : un chiffre qui compte et qui demande à être interprété. La différence, c’est que la recherche IA croît assez vite pour que la traiter comme une préoccupation future fasse peser dès aujourd’hui un vrai risque sur le pipeline.
Les équipes qui s’y prennent bien traitent le share of model comme n’importe quel signal de pipeline précoce : elles le suivent, comprennent ce qui le fait bouger, et le relient en amont aux décisions de contenu et de positionnement qui finissent par générer du revenu. Pour mieux comprendre comment il s’intègre dans un modèle de mesure GTM moderne, nos articles sur la visibilité IA et la mesure GTM vont plus loin.