Peut-on vraiment influencer les réponses des IA ? GetMint s’attaque au problème de la preuve

Les offres GEO se multiplient, mais leur efficacité reste difficile à démontrer. GetMint défend une approche scientifique pour distinguer les progrès d’une marque des fluctuations des modèles, sans prétendre avoir levé toutes les inconnues.

Audits de visibilité, contenus conçus pour être cités par les IA, publications sponsorisées dans des médias reconnus : le GEO, ou Generative Engine Optimization, a déjà son catalogue de prestations. Pour les agences, les régies et les plateformes spécialisées, il représente une nouvelle opportunité commerciale, parfois construite à partir de services qu’elles vendaient déjà.

Si une marque est davantage citée après une campagne, cela est encourageant. Mais cette progression suffit-elle à démontrer l’efficacité des contenus réalisés ? Le modèle a pu évoluer entre les deux observations ou simplement répondre autrement. Le marché commercialise donc des solutions d’optimisation alors que les moyens d’en établir les effets restent en construction.

C’est à cette difficulté que GetMint entend s’attaquer en défendant un préalable : avant de promettre aux marques d’influencer les réponses des IA, il faut pouvoir distinguer une évolution durable d’une fluctuation passagère.

Des scores qui peuvent donner une illusion de maîtrise

Le fonctionnement des outils de suivi est simple : on soumet des questions à un assistant et on compte les réponses dans lesquelles une marque apparaît. Mais le pourcentage obtenu dépend des formulations retenues, des conditions d’interrogation et du moment de la mesure.

Joan Burkovic, cofondateur et CEO de GetMint, critique les indicateurs qui ne rendent pas cette incertitude visible :

« Fournir un pourcentage brut sans indiquer sa marge d’erreur revient à tromper les marques. Une mesure effectuée sur une seule journée ou sur un prompt isolé ne reflète qu’une fluctuation temporaire et non une visibilité établie. »

Pour étudier le problème, GetMint s’appuie sur plus d’un million de réponses collectées dans l’interface web de ChatGPT entre janvier et septembre 2026. Dans un travail de recherche, Amine Aziz Alaoui, docteur en mathématiques appliquées et LLM Research Lead de GetMint, distingue plusieurs phénomènes : l’aléa propre à chaque réponse, les variations temporaires d’un jour à l’autre, l’évolution plus durable de la visibilité et les changements qui affectent simultanément de nombreuses marques.

L’un des enseignements est contre-intuitif : répéter une question des centaines de fois dans la même journée ne suffit pas à connaître la visibilité durable d’une marque. On mesure plus précisément le comportement du modèle ce jour-là, sans éliminer ce qui le rend différent de la veille ou du lendemain.

Multiplier les questions et les jours d’observation

GetMint propose donc de travailler sur des « portefeuilles d’intentions » : des groupes d’une vingtaine de questions proches, exprimant un même besoin. Par exemple, plusieurs façons de demander quelles chaussures choisir pour commencer la course à pied.

L’approche combine ensuite les observations dans le temps grâce à un filtre statistique, afin d’estimer une tendance sous-jacente tout en conservant une marge d’incertitude.

« Notre méthodologie s’inspire directement des outils d’analyse de la bourse. En combinant récursivement les données accumulées sur plusieurs jours, notre algorithme parvient à filtrer les bruits parasites pour faire émerger la trajectoire sous-jacente du modèle », explique Amine Aziz Alaoui.

Un ensemble de vingt questions suivies sur quatorze jours permet d’obtenir une marge d’environ sept à huit points en période calme, sous les hypothèses du modèle. Une différence de quelques points ne suffit donc pas nécessairement à conclure qu’une marque progresse ou recule.

Un module baptisé « sentinelle » complète le dispositif. Il repère les journées où les résultats de nombreuses marques évoluent ensemble, ce qui peut signaler un changement du moteur d’IA. Il s’agit de détecter une rupture dans son comportement, sans pour autant connaître systématiquement sa cause.

Les sources privilégiées aujourd’hui peuvent perdre du poids demain

Cette instabilité concerne aussi les sites sur lesquels les assistants s’appuient pour construire leurs réponses. Selon Joan Burkovic, des plateformes comme Reddit ou YouTube peuvent voir leur place évoluer brutalement à la suite d’ajustements des LLM. Pour une marque, concentrer ses publications sur les sources les plus citées à un instant donné comporte donc un risque : leur importance peut diminuer avant même que l’investissement ait produit ses effets.

GetMint cherche à repérer ces bascules et à identifier les « core sources », les sites qui reviennent régulièrement dans les réponses sur les sujets suivis. L’objectif est d’aider les marques à choisir où concentrer leurs efforts de contenu, puis à réévaluer ces choix lorsque les sources mobilisées changent.

Pour les médias qui commercialisent une offre GEO, cela demande de s’interroger : leur capacité à faire citer un annonceur se maintient-elle dans le temps ? Pour les marques, l’enjeu est de suivre cette évolution au-delà du bilan de campagne. Être présent sur un site fréquemment repris par une IA constitue une piste à tester, pas une garantie durable de recommandation.

Prouver l’efficacité du GEO reste l’étape suivante

Pour relier cette visibilité aux résultats commerciaux, GetMint travaille avec les agences média de ses clients (parmi lesquels L’Oréal, Lacoste, BNP Paribas ou Accor). L’entreprise leur fournit un indicateur de visibilité par produit ou par expression de besoin, corrigé des fluctuations qu’elle attribue au comportement du modèle.

L’objectif est d’intégrer cet indicateur aux modèles de Marketing Mix Modeling (MMM) déjà utilisés par les annonceurs, aux côtés des variables décrivant leurs autres actions marketing : télévision, campagnes digitales, affichage… GetMint fournit ainsi une donnée supplémentaire à analyser.

Pour une marque qui finance des contenus destinés à améliorer sa présence dans les réponses des IA, l’ambition est de déterminer si cette visibilité contribue aux ventes et si elle justifie de poursuivre l’investissement. La solidité de cette estimation dépendra toutefois de la capacité à distinguer son effet de celui des autres leviers, notamment ceux qui peuvent faire progresser simultanément la notoriété, les citations dans les IA et les achats.

Pour les médias et les agences qui vendent des prestations GEO, l’enjeu est de pouvoir démontrer ce qu’elles apportent. Pour les annonceurs, de décider lesquelles renouveler. GetMint veut leur fournir des bases plus solides pour trancher, dans un environnement où une hausse des citations ne constitue encore ni une preuve d’efficacité des contenus ni une garantie de ventes.

A lire également :