Dans un cycle B2B long, le trafic est souvent un signal tardif. L’acheteur peut avoir été éduqué, orienté ou découragé par l’IA avant de visiter un site.
Le bon sujet n’est donc pas seulement : “combien de personnes ont cliqué ?”
Le bon sujet devient :
Sommes-nous présents dans la logique de décision que l’IA construit avant le clic ?
Statut de l’étude
Ce brief s’appuie sur la première vague consolidée de l’Observatoire Beyond Mentions : 4 320 réponses complétées, 3 jours UTC, 6 passes par question et par jour. Les chiffres comparent quatre panels publics : baseline marché, frontières conceptuelles, cadrage de lancement et compression catégorielle.
En résumé
- Le trafic mesure l’arrivée sur le site ; la Decision Presence mesure la place dans la réflexion d’achat.
- Une offre peut être citée sans être recommandée, ou visible sans entrer dans la shortlist.
- Les métriques utiles sont shortlist inclusion, proof reuse, criteria reuse, category fit, source dependency et Decision Share of Voice.
- Ces métriques sont particulièrement utiles avant que les analytics web ou CRM ne montrent clairement l’effet d’une correction documentaire.
- Le KPI central n’est pas “sommes-nous visibles ?”, mais “dans quelle logique de choix sommes-nous visibles ?”
Pourquoi le trafic ne suffit pas
Le trafic reste important. Mais il ne répond pas à plusieurs questions critiques :
- L’IA nous compare-t-elle avec les bons concurrents ?
- Reprend-elle nos vrais critères de différenciation ?
- Cite-t-elle nos preuves ou seulement notre nom ?
- Nous inclut-elle dans une shortlist ?
- Nous place-t-elle dans la bonne catégorie ?
- Les sources qu’elle utilise renforcent-elles ou affaiblissent-elles notre position ?
Dans un marché pré-lancement, ou dans une catégorie existante mais trop mal granularisée, attendre le trafic revient souvent à attendre trop tard. La Decision Share of Voice permet de mesurer plus tôt la présence dans les moments de comparaison.
La mesure ne prédit pas directement le revenu. Elle signale en revanche un risque commercial indirect : si l’IA comprime une offre premium dans une catégorie trop générique, elle peut diluer la valeur perçue, déplacer la comparaison vers le prix et fragiliser les marges avant même le premier contact.
Les métriques de Decision Presence
| Métrique | Ce qu’elle mesure | Statut publiable |
|---|---|---|
| Decision Share of Voice | Fréquence et qualité de présence dans les contextes de décision | À utiliser avec garde-fous |
| Shortlist inclusion | Présence dans les shortlists générées par IA | Bon signal pré-lead |
| Proof reuse | Reprise de preuves, standards, sources ou contraintes | Diagnostic de preuve extractible |
| Criteria reuse | Reprise des critères sur lesquels l’entreprise veut être évaluée | Signal qualitatif |
| Category fit | Bucket cognitif dans lequel l’offre est placée | Signal de compression catégorielle |
| Bridge vocabulary adoption | Compréhension des termes-ponts sans confusion | Signal de langage de lancement |
| Source dependency | Sources qui structurent régulièrement les réponses | Input d’autorité et de veille |
Ces métriques ne remplacent pas les KPI commerciaux. Elles mesurent ce qui se passe avant que les KPI commerciaux deviennent visibles : shortlist, critères, preuves, catégories et dépendance source.
Ce que montre le corpus 3 jours
| Panel public | Shortlist / vendor evaluation | Proof / documentation reuse | Category fit / compression risk | Source dependency |
|---|---|---|---|---|
| Baseline marché | 194/1 152 (16,8%) | 826/1 152 (71,7%) | 186/1 152 (16,2%) | 1 138/1 152 (98,8%) |
| Frontières conceptuelles | 871/1 152 (75,6%) | 705/1 152 (61,2%) | 302/1 152 (26,2%) | 1 097/1 152 (95,2%) |
| Cadrage de lancement | 817/1 152 (70,9%) | 823/1 152 (71,4%) | 375/1 152 (32,6%) | 1 105/1 152 (95,9%) |
| Compression catégorielle | 615/864 (71,2%) | 449/864 (52,0%) | 400/864 (46,3%) | 835/864 (96,6%) |
Lecture : la présence décisionnelle ne se résume pas à “être cité”. Selon le cadrage de question, les réponses peuvent fortement activer la shortlist, la preuve, le fit de catégorie ou la dépendance aux sources.
Citation, comparaison, recommandation : trois niveaux différents
| Niveau | Question | Risque |
|---|---|---|
| Citation | “Sommes-nous mentionnés ?” | Être cité sans preuve ou dans la mauvaise catégorie |
| Comparaison | “Quels critères l’IA utilise-t-elle ?” | Être comparé sur des critères génériques ou défavorables |
| Recommandation | “Sommes-nous retenus et justifiés ?” | Être visible mais exclu de la shortlist |
Cette distinction est centrale. Une marque peut gagner le niveau citation et perdre le niveau recommandation. Elle peut aussi être recommandée dans une catégorie qui détruit sa valeur réelle, parce que le modèle ne voit pas les critères qui justifient son niveau de prix ou de risque.
C’est pourquoi l’article Ne pleurez plus vos clics : contrôlez la shortlist insiste sur la shortlist comme signal lisible par la direction : elle rapproche la mesure de ce qui compte vraiment pour le business.
Méthode de mesure en 5 étapes
- Construire un corpus de requêtes acheteur : découverte, comparaison, preuve, risques, shortlist.
- Répéter les requêtes pour distinguer signal ponctuel et pattern récurrent.
- Classer les réponses : cité, comparé, recommandé, absent, mal catégorisé.
- Coder les preuves reprises : standards, cas, chiffres, contraintes, limites.
- Suivre les écarts dans le temps après publication des assets.
Cette méthode est compatible avec un futur observatoire mensuel. Pour la V1, l’enjeu est d’abord d’établir une baseline : la carte cognitive avant correction.
Dans le corpus Beyond Mentions, chaque question a été répétée 6 fois par jour sur 3 jours. Cette répétition permet de distinguer une présence ponctuelle d’un pattern de décision plus récurrent.
Lire les absences comme des signaux
En pré-lancement, l’absence d’une marque n’est pas toujours un échec. Elle peut révéler :
- les catégories que l’IA mobilise à défaut ;
- les concurrents implicites ;
- les preuves attendues ;
- les critères utilisés pour comparer ;
- les mots qui provoquent une mauvaise assimilation.
Une absence bien analysée peut donc produire une feuille de route documentaire. C’est le lien direct avec Pre-launch GEO : mesurer avant de publier, puis publier pour corriger.
Decision Presence et Category Compression
La Decision Presence doit toujours être lue avec le Category Compression Risk.
Être présent dans une réponse n’est pas suffisant si l’offre est placée dans la mauvaise catégorie.
| Cas | Lecture |
|---|---|
| Présent + bonne catégorie + preuves reprises | Signal fort |
| Présent + bonne catégorie + preuves absentes | Besoin de proof assets |
| Présent + mauvaise catégorie | Risque de compression |
| Absent + bons critères présents | Opportunité de documentation |
| Absent + mauvais critères dominants | Risque de marché à recadrer |
Ce que la Decision Presence ne prouve pas
Elle ne prouve pas l’intention d’achat. Elle ne prouve pas le revenu. Elle ne remplace pas les données CRM.
Elle mesure un moment plus amont : la manière dont l’IA prépare la comparaison. Pour les offres complexes, ce moment est stratégique parce qu’il peut influencer les critères que le prospect utilisera ensuite, les alternatives qu’il juge comparables et le niveau de preuve qu’il attend.
Le bon usage est donc simple : utiliser la Decision Presence comme thermomètre pré-commercial, puis relier les évolutions aux assets publiés, aux conversations sales et aux signaux pipeline.
À lire ensuite
- GEO pré-lancement : pour comprendre la carte cognitive qui précède la mesure.
- Category Compression Risk : pour identifier les mauvaises catégories qui faussent la présence décisionnelle.
- Decision Share of Voice : pour approfondir la métrique opérationnelle Beyond Mentions.
FAQ
Le trafic SEO est-il encore utile ?
Oui. Le trafic reste utile, mais il arrive souvent tard dans les cycles B2B longs. Avant les clics, une entreprise peut déjà mesurer si l’IA la cite, la compare, la recommande ou reprend ses preuves.
Qu’est-ce que la Decision Presence ?
La Decision Presence mesure si une offre apparaît dans la logique de décision d’une réponse IA : comparaison, shortlist, preuve, critère, catégorie et justification.
Quelle différence avec la Decision Share of Voice ?
La Decision Share of Voice est une métrique plus spécifique : elle mesure la fréquence et la qualité de présence dans des contextes de comparaison, shortlist et décision.
Quelle question l'acheteur pose-t-il à l'IA ?
Quelle simplification documentaire peut abaisser le standard ?
Quel niveau technique doit être formulé clairement ?
Quelles preuves doivent être demandées ou publiées ?
Quel critère permet d'écarter une réponse insuffisante ?