Suivre la visibilité IA (ChatGPT, Perplexity, Gemini)

Le SEO classique mesure si tu es dans le top 10 de Google. La visibilité IA mesure si tu apparais simplement dans les réponses de ChatGPT, Perplexity, Gemini et Claude — et si oui, comment. Ce guide te montre le workflow complet de tracking.

Qu'est-ce que la visibilité IA ?

Les LLM produisent des réponses à partir de leur propre entraînement, de recherches web ou de sources retrieval-augmented. Quand un utilisateur demande « Quelle est la meilleure source de protéines végétales ? », le modèle liste fournisseurs, marques et URL. Ceux qui sont cités gagnent du trafic, de la confiance et des parts de marché. Les autres sont invisibles — quelle que soit leur position Google.

Rankion pose automatiquement et périodiquement les questions pertinentes pour ta marque à plusieurs modèles et journalise : es-tu mentionné ? Dans quel contexte ? Quelles sources le modèle cite-t-il ?

Créer un projet de tracking

Dans le menu : AI Visibility → Nouveau tracking. L'assistant te demande :

1. Nom — par exemple « Protéines végétales DACH »
2. Mode — Domain Tracking (une marque/un domaine) ou Keyword Tracking (sujet, tous les acteurs pertinents)
3. Domaine ou mots-clés — ce qui est suivi

Via l'API :

curl -X POST https://rankion.ai/api/v1/tracking-projects \
  -H "Authorization: Bearer TON_TOKEN" \
  -d '{"name": "Protéines végétales DACH", "mode": "domain", "domain": "monsite.fr"}'

Définir des alias de marque

Les marques ont des variantes orthographiques. « MonSite », « Mon Site SARL », « MS24 » — la même entreprise. Maintiens des alias dans le projet pour que les mentions soient correctement attribuées. Sans alias, tu rates des hits.

Choisir les plateformes

Choisis quels modèles sont interrogés. Sélection courante :

{
  "llm_platforms": ["chatgpt", "perplexity", "gemini", "claude"]
}

Chaque plateforme coûte des crédits par run. Tu peux aussi n'en choisir qu'une si ton marché est clair (par exemple Perplexity uniquement pour le B2B tech).

Définir la fréquence

tracking_frequency contrôle la répétition : daily, weekly, monthly. Pour la plupart des marques, weekly suffit. Les marchés à haute fréquence (actu, crypto) bénéficient de daily.

Lancer un run et attendre

Le premier run est planifié automatiquement à la création. Manuellement, tu déclenches :

curl -X POST https://rankion.ai/api/v1/tracking-projects/{id}/run \
  -H "Authorization: Bearer TON_TOKEN"

Réponse : HTTP 202 avec un job ID. La durée dépend du nombre de questions × plateformes — généralement 2 à 10 minutes. L'UI fait du polling automatique et affiche la progression en direct.

Interpréter le score

Après le run, tu vois :

• Visibility-Score (0–100) — à quelle fréquence as-tu été mentionné, à quelle position dans la réponse, avec quel sentiment.
• Reality Check / AVI — compare la connaissance du modèle avec les vrais SERPs top 10. Grand écart = le LLM se souvient de toi mais pas Google (ou inversement).
• Répartition par plateforme — où tu es fort, où tu es faible.
• Tendances — évolution historique par run.

Analyser les citations

Le passionnant arrive avec les Cited Sources. Les modèles renvoient souvent dans leurs réponses vers des URL concrètes. Rankion les collecte, les agrège par domaine et te montre :

• Quelles URL sont les plus fréquemment citées ?
• Quels concurrents sont en haut ?
• Quels contenus à toi ne sont pas du tout repris ?

C'est ta roadmap de contenu : les sujets où tu manques sont les prochains articles — voir Premier article avec le AI Content Editor.

Pour aller plus loin

Les connaissances approfondies sur la configuration, les limites, le modèle de données et tous les endpoints se trouvent dans AI-Visibility Tracking et la référence API. Pour les questions sur les crédits et les quotas, voir Crédits & rate-limits.