Trois cents questions par jour, ou huit questions pendant trente jours ?

Ce que valent les mesures de visibilité IA, d'après quatre études récentes et mes propres chiffres.

Les 13 et 14 octobre, j'ai parlé avec trois personnes qui font de la visibilité IA tous les jours : un spécialiste SEO et GEO qui vient de quitter une grande banque, un consultant GEO indépendant, et une agence de conseil GEO à Bruxelles.

Trois conversations, trois profils, et j'ai entendu trois fois la même question, avec des mots différents : combien de questions faut-il suivre, et à quelle fréquence, pour que la mesure serve à quelque chose ?

Je dirige VectorGap. Je mesure ce que les IA répondent sur une marque, ville par ville et langue par langue. J'ai donc un intérêt dans cette question, autant le dire tout de suite.

J'ai passé la semaine à lire les études et à refaire mes calculs. Voici ce que j'ai trouvé. Les sources sont en bas, vous pouvez vérifier chaque chiffre.

Deux écoles, et un désaccord sur le nombre de questions

La première école vend du volume : des dizaines, souvent des centaines de questions par marque, posées chaque jour à quatre, huit ou treize moteurs d'IA. Les offres d'entrée que j'ai relevées commencent à 25 ou 50 questions. Les offres « entreprise » montent à plusieurs centaines.

La deuxième école, plus récente, dit 5 à 10 questions par site, pas plus. Le 15 octobre, un consultant a publié sur X le processus d'une agence SEO française de plus de 400 clients : cinq à dix questions par site, et au-delà de dix, le travail devient ingérable. Son idée : derrière chaque question, l'IA lance une dizaine de recherches cachées, et c'est sur ces recherches qu'il faut travailler.

Je pense que les deux écoles se disputent sur le mauvais chiffre. Le nombre de questions compte moins que la précision de chaque mesure.

Ce que vaut une réponse d'IA, mesuré

Quand je pose deux fois la même question à ChatGPT, je n'obtiens pas deux fois la même réponse. Ça, tout le monde l'a remarqué. Des chercheurs l'ont mesuré.

SparkToro et Gumshoe (étude publiée en janvier 2026 : 2 961 prompts, 12 questions de recommandation de marques, 60 à 100 passages par question et par moteur) : ChatGPT et Google AI rendent la même liste de marques moins d'une fois sur 100. La même liste dans le même ordre, moins d'une fois sur 1 000.

EWR Digital (12 778 réponses sur cinq moteurs, de janvier à juin 2026) a regardé les sources citées : la même question, au même moteur, redonne le même jeu de sources dans moins de 2,5 % des cas. Pour ChatGPT, 0,06 %.

La même étude donne la marge d'erreur d'une mesure de présence : avec un seul passage, environ ± 33 points. Avec sept ou huit passages, environ ± 10.

Et l'université de Saint-Gall (avril 2026) a fait le calcul sur la durée : avec vingt-huit jours de mesure quotidienne des mêmes questions, la marge tombe à environ ± 6,5 points.

Je retiens une chose de ces trois études : une capture unique ne vaut rien. « J'ai demandé à ChatGPT et on n'y était pas », ce n'est pas une mesure, c'est un tirage.

Et la précision vient de la répétition des mêmes questions dans le temps. Les grands outils le savent, puisqu'ils reposent leurs questions chaque jour.

Alors où est la différence entre trois cents questions et huit ? Dans ce qu'on peut lire. Trois cents questions suivies chaque jour donnent trois cents courbes précises, et le client ne lira jamais que le score qui les résume. Huit questions suivies chaque jour donnent huit courbes que je peux lire une à une, avec les sources et les concurrents derrière chacune.

Je ne prétends pas mesurer plus finement qu'un outil à trois cents questions. Je prétends mesurer ce qu'un dirigeant peut lire et sur quoi il peut agir, dans sa ville et dans sa langue, et lui dire la limite de la mesure.

Le calcul que personne ne fait devant le client

Prenons une offre courante : 150 questions, 8 moteurs, chaque jour. Ça fait 36 000 réponses par mois pour une seule marque. À neuf sources citées par réponse en moyenne (c'est ce que mesurent les études), ça fait environ 324 000 citations par mois.

Que fait-on de 36 000 lignes ? Personne ne les lit. L'outil les agrège en un score, et le score bouge chaque jour, parce que l'IA elle-même bouge chaque jour.

Sistrix l'a mesuré (82 619 prompts, six pays dont la France, dix-sept semaines) : d'une semaine à l'autre, 74 % des sources citées par ChatGPT sont nouvelles. Sur Google AI Mode, 56 %. Sur les AI Overviews de Google, 5 % seulement : là, c'est presque figé.

Donc une mesure quotidienne de ChatGPT voit surtout le hasard du tirage, et une mesure quotidienne d'un AI Overview voit surtout la même chose que la veille. Dans les deux cas, le jour est la mauvaise unité. La bonne unité, c'est la fenêtre : deux à quatre semaines des mêmes questions, et je regarde ce qui tient.

(Je précise, parce que c'est la question qu'on me pose à chaque fois : non, les réponses ne sont pas « bloquées trois jours ». Ahrefs a vérifié sur 43 000 mots-clés : aucun lien entre la popularité d'une question et la stabilité de sa réponse. Ce qui est stable, c'est le sens de la réponse, pas sa surface.)

Pourquoi les agences mesurent large, et pourquoi je les comprends

Je ne fais pas le procès des agences de marketing. J'en rencontre beaucoup, et ce que je vois, c'est de la prudence : une agence mesure large parce qu'elle a peur de rater une donnée que son client aurait vue. Ceinture et bretelles.

Le problème, c'est que cette donnée, l'IA l'aura changée le lendemain. Saint-Gall mesure près de deux tiers de sources différentes d'un jour à l'autre sur le même prompt. L'agence ne peut pas rater ce qui n'existe plus le lendemain.

Le vrai risque pour l'agence est ailleurs. Montrer au client une « baisse » un mardi qui n'est qu'un tirage, agir dessus, ne rien voir bouger, et perdre le client. Ce qui protège l'agence, c'est de connaître le bruit de sa mesure et de ne parler que des mouvements qui le dépassent.

Côté client, les études sur la décision disent la même chose depuis longtemps (une revue de 57 travaux, publiée en 2023) : au-delà d'un certain volume, plus d'informations dégrade la précision et la cohérence des décisions, et rallonge le temps pour les prendre. Un dirigeant agit sur trois choses par mois. Il a besoin de ces trois-là.

Combien de questions, alors ?

Aucune étude ne donne un nombre magique. Les données permettent quand même de raisonner.

Derrière une question, ChatGPT lance en moyenne 2,1 recherches (Peec, environ 5 millions de recherches analysées en avril 2026). On lit souvent dix ; c'est deux. Dix questions sur un même métier dans une même ville partagent donc les mêmes recherches et les mêmes sources. Les mesurer séparément ajoute du volume, pas de l'information.

Le nombre de questions utile, c'est le nombre d'intentions vraiment différentes qu'un acheteur peut avoir. Pour un commerce local, elles se comptent sur les doigts d'une main ou deux : qui est le meilleur près de chez moi, combien ça coûte, est-ce que telle option vaut mieux que telle autre.

Les chercheurs de Saint-Gall travaillent avec huit questions par campagne. L'agence de 400 clients plafonne à dix. Moi, je pose huit questions, écrites pour la marque (son métier, sa ville, sa langue), et je les fige pour pouvoir les reposer.

Les sources, elles aussi, se concentrent. Sur 1,2 million de réponses de ChatGPT, trente domaines captent 67 % des citations d'un sujet. Les 324 000 citations du calcul plus haut disent une trentaine de noms, et je les trouve avec huit questions.

Ce que je vois sur les mêmes questions, sans rien dépenser de plus

C'est le point que la deuxième école oublie. Quand je pose mes huit questions, l'IA ne répond pas seulement sur la marque. Elle cite d'autres marques et d'autres sites. Sur les mêmes réponses, je vois qui elle recommande à la place, qui elle cite comme source, et où personne du secteur n'est présent.

Le 9 octobre, j'ai posé 8 questions d'acheteur, en français et en néerlandais, à 13 configurations d'IA, pour 46 boutiques en ligne belges. ChatGPT ne cite jamais 41 % des boutiques (19 sur 46). 17 % (8 sur 46) sont citées partout. À la place des absentes, il envoie vers des places de marché et des annuaires.

C'est là que les places sont à prendre. Je ne l'ai pas vu en ajoutant des questions ; je l'ai vu en lisant les réponses aux huit.

Ensuite vient la boucle : mesurer, analyser, conclure, agir, puis refaire la mesure sur les mêmes questions. La remesure n'a de sens que sur les mêmes questions, et elle n'a de sens que si je connais le bruit.

La dimension que presque personne ne mesure

Un acheteur de Bruxelles qui cherche en néerlandais n'obtient pas la réponse d'un acheteur de Paris en français. Ça paraît évident, et pourtant presque toutes les mesures que je vois sont « monde » ou « pays », dans une langue, sans ville.

Du 24 au 30 septembre 2026, j'ai mesuré 40 audits et 2 127 réponses. À Bruxelles, en néerlandais, 3,5 % des sources citées viennent des Pays-Bas. Au Luxembourg, pour un courtier en assurance en français, 24,8 % viennent de France. Au Canada, en anglais, 14,6 % viennent des États-Unis.

Et pour une même boutique bruxelloise, avec la recherche web activée, 50 % des réponses la citent en français (27 sur 54) contre 25 % en néerlandais (14 sur 56), sur les mêmes questions.

Les chercheurs de Saint-Gall le disent eux-mêmes dans les limites de leur papier : leurs données viennent de serveurs suisses, et leurs résultats peuvent ne pas se généraliser à d'autres langues ou d'autres marchés. La mesure dépend du lieu et de la langue. Une moyenne « pays » n'existe pour aucun acheteur.

(Je pense aussi que le local a un avantage : des intentions étroites et moins de sources, donc moins de bruit. Je dis « je pense » parce que je ne l'ai pas encore mesuré. C'est en cours, voir plus bas.)

Ce que je ne sais pas encore

Je préfère écrire ce qui me manque.

D'abord, combien bouge une réponse d'IA sur une question locale, d'un jour à l'autre, quand personne ne touche à rien. Les études ci-dessus l'ont mesuré sur des questions générales, en anglais ou en allemand, pas par ville, pas en français ni en néerlandais. Je prépare un test de trente jours : dix marques belges, deux langues, huit questions, chaque jour, sans aucune action. Je publierai le résultat, quel qu'il soit. S'il montre que le quotidien bouge beaucoup, l'argument de la fréquence sera à prendre au sérieux. S'il ne bouge pas, une mesure hebdomadaire suffira, et coûtera sept fois moins.

Ensuite, les recherches cachées que l'IA lance derrière chaque question. Je sais les compter. Je ne lis pas encore leur texte. C'est la prochaine étape.

Et une limite de ma propre mesure, pour être cohérent avec ce que je reproche aux autres : avec une centaine de réponses par langue, un instantané voit un changement de 15 points, pas de 5. Pour voir 5 points, il faut la série dans le temps. C'est pour ça que je la fais.

Ce que je retiens

Le volume n'est pas le problème, et il n'est pas la réponse non plus. Trois cents questions suivies chaque jour mesurent une tendance ; huit questions suivies chaque jour aussi. La différence, c'est que les huit se lisent, et que sur les mêmes réponses je vois les concurrents, les sources et les places à prendre, dans la ville et la langue où les clients achètent.

Je peux me tromper. C'est un avis construit sur mes mesures et sur quatre études. Si vous mesurez autrement et que ça marche, ça m'intéresse.

Vous qui suivez des marques dans les IA : combien de questions suivez-vous vraiment, et combien en lisez-vous ?

Sources. SparkToro et Gumshoe, 2 961 prompts (via Search Engine Journal, janvier 2026). EWR Digital, « AI answer variance », 12 778 réponses, janvier à juin 2026. Schulte, Bleeker, Kaufmann (Université de Saint-Gall), « Don't Measure Once: Measuring Visibility in AI Search (GEO) », arXiv 2604.07585, avril 2026. Sistrix, 82 619 prompts, décembre 2025 à avril 2026. Ahrefs, 43 000 mots-clés, AI Overviews. Peec, environ 5 millions de recherches, avril 2026. Kevin Indig, 1,2 million de réponses ChatGPT (via Search Engine Land). Revue de 57 études sur la surcharge d'information et la décision, Management Review Quarterly, 2023. Mesures VectorGap : 24 au 30 septembre 2026 (40 audits, 2 127 réponses) ; 9 octobre 2026 (46 e-commerces belges, FR et NL).