Au-delà du last click : mesurer le SEO quand le clic n'a plus lieu

La visibilité IA vous dit où votre marque apparaît dans les réponses générées. Elle ne dit pas ce que cette apparition a produit.

• Le last click crédite le dernier contact, et le canal organique ferme rarement.
• La majorité des recherches se terminent sans clic.
• Un score de visibilité décrit une exposition, pas un effet commercial.
• Seul un test de holdout prouve ce que valait cette exposition.

Le last click n’a jamais mesuré le SEO, il a mesuré le dernier point de contact

Commençons par la partie qui n’a rien à voir avec l’IA. La recherche organique a toujours payé la présentation et n’en a jamais touché le crédit.

L’attribution last click affecte la totalité de la valeur d’une conversion à la dernière interaction avant l’achat, et la recherche organique n’est presque jamais cette interaction. Un acheteur lit un comparatif trouvé en recherche, repart, revient deux semaines plus tard par une requête de marque ou une annonce de retargeting, et convertit. Le rapport affiche un canal. Le pipeline en comptait deux.

Personne ne conteste l’arithmétique, Google le premier. Sa documentation définit le modèle basé sur la position comme celui qui attribue 40 % du crédit au premier clic, 40 % au dernier, et répartit les 20 % restants sur tout ce qui se trouve entre les deux. Basculez un rapport du last click vers ce modèle et le canal organique ne travaille pas soudainement mieux. Il cesse simplement d’être invisible.

L’écart entre deux lectures du même trimestre n’est pas une erreur d’arrondi. C’est tout le dossier de financement du canal, et il se plaide avec les mêmes slides depuis dix ans.

Les modèles d’attribution ont été la tentative honnête de corriger cela, et ils partagent tous un présupposé fatal : qu’une session existe. Ils redistribuent le crédit entre des points de contact enregistrés. Ils ne font rien de l’exposition qui n’est jamais devenue une visite, c’est-à-dire précisément ce que les deux dernières années ont produit à grande échelle.

Le clic a cessé d’être l’unité de valeur du search organique

La bascule est désormais documentée, plus seulement débattue :

• SparkToro et Datos : sur 1 000 recherches Google aux États-Unis, environ 360 aboutissent à un clic vers un site que Google ne possède pas et que personne n’a payé.
• Similarweb : la part des recherches sans clic est passée de 56 % à 69 % entre mai 2024 et mai 2025.
• Seer Interactive : sur les requêtes affichant un AI Overview, le taux de clic organique est tombé de 1,76 % à 0,61 % entre juin 2024 et septembre 2025, soit une chute de 65 %.
• Pew Research, à partir de comportements de navigation observés et non d’estimations d’outils : 1 % des utilisateurs cliquent sur un lien à l’intérieur d’un AI Overview.

Lisez les deux derniers ensemble et la situation devient limpide. Une marque peut être la source citée d’une réponse lue par des centaines de milliers de personnes et n’enregistrer presque rien dans ses analytics.

C’est là que la plupart des dispositifs de mesure cassent silencieusement, parce qu’ils traitent un clic manquant comme un impact manquant. Ce n’est pas un impact manquant. C’est un impact qui s’est déplacé sur une surface que le tracking n’a jamais été conçu pour observer.

La visibilité IA mesure une exposition. L’impact business est une autre couche

C’est ici que le marché devient approximatif, et c’est ici qu’une pratique de mesure sérieuse justifie son existence.

La visibilité IA est une métrique d’exposition. Elle répond à une question réelle et jusqu’ici sans réponse : quand un acheteur interroge cette catégorie, notre marque apparaît-elle, à quelle fréquence, à quelle place, décrite comment. C’est une information qui vaut d’être connue. C’est l’équivalent le plus proche d’un comptage d’impressions sur des surfaces qui n’en publient aucune.

Ce qu’elle ne décrit pas, c’est un résultat commercial. Apparaître dans une réponse n’est pas du chiffre d’affaires, exactement comme une impression display n’en est pas. Cela n’a jamais empêché personne de mesurer les impressions, puisque l’exposition conditionne tout ce qui vient ensuite. L’erreur n’est pas de la mesurer. L’erreur est de la présenter comme le résultat.

Les deux couches se répondent et ne se remplacent pas :

• L’exposition : présence et part de voix dans les modèles d’IA et sur le search traditionnel, suivies face à un référentiel concurrentiel.
• Le résultat : chiffre d’affaires, pipeline et coût d’acquisition, reliés aux actions organiques qui les ont précédés.

Tout dispositif de mesure crédible porte aujourd’hui les deux. Ce qu’il ne peut pas faire, c’est les fondre dans un chiffre unique et appeler ça de la performance.

Pourquoi les praticiens se méfient des scores de visibilité IA, et en quoi ils ont raison

Quiconque vend de la mesure sur ce terrain doit affronter un fait inconfortable : la communauté des praticiens tient largement cette catégorie pour du vent, et une partie de ce jugement est fondée.

Trois objections sont techniquement solides et méritent une réponse franche.

Les réponses générées ne sont pas déterministes. Exécutez cinq fois le même prompt et vous pouvez obtenir cinq réponses différentes. Tout score construit sur un seul passage est du bruit présenté comme une position. La correction est méthodologique avant d’être technologique : jeux de prompts figés, échantillonnage répété, résultats lus comme des distributions et non comme des classements.

Le jeu de prompts décide du résultat. Une part de voix mesurée sur des prompts de marque flatteurs ne vous apprend rien. Mesurée sur la demande commerciale hors marque, elle devient l’approximation la plus fidèle de votre exposition organique. Le jeu de prompts est la méthodologie, et tout éditeur qui refuse de le montrer réclame une confiance qu’il n’a pas méritée.

Un score composite n’est pas une position de marché. Noter ce que l’on maîtrise est une pratique saine : une page s’évalue sur sa couverture du sujet, sa profondeur, son originalité, sa structure sémantique et son sourcing, parce que ces entrées sont stables et que la même page notée deux fois rend le même résultat. La visibilité n’est pas un objet de cette nature. Mélanger comptage de citations, sentiment et mentions échantillonnés sur des systèmes non déterministes dans un indice unique produit un chiffre qui bouge sans que personne puisse dire pourquoi. Un taux de citation brut sur un jeu de prompts défini fait moins d’effet sur une slide et rend nettement plus service en réunion.

Le problème de vocabulaire est réel lui aussi. Des termes comme part de voix dans les modèles d’IA arrivent tout formés du marketing des éditeurs plutôt que de la pratique quotidienne, et le réflexe de méfiance est sain. Servez-vous de la mesure. Méfiez-vous de l’indice.

Les mentions de marque sont le signal aval qui survit au clic disparu

Quand l’exposition cesse de produire des clics, elle ne cesse pas de produire des effets. Elle produit des recherches de marque, des visites directes, et des conversations commerciales qui s’ouvrent avec un prospect qui connaît déjà la réponse.

La méthode est comparative, pas causale. Suivez l’exposition hors marque et la demande de marque sur la même chronologie, à la même granularité, sur une fenêtre assez longue pour absorber la saisonnalité. Quand les mentions de marque et la part de citation montent dans une catégorie et que la recherche de marque suit quelques semaines plus tard, vous tenez une preuve directionnelle, pas une preuve, et la nuance compte quand un directeur financier est dans la pièce.

Autant le dire franchement, parce que l’objection arrive toujours et qu’elle est légitime : la demande de marque aurait peut-être progressé de toute façon. Aucune corrélation ne tranchera ce débat, aussi belle soit la courbe. Il se tranche une couche plus bas.

L’incrémentalité est la seule couche qui prouve quelque chose

L’attribution répartit le crédit entre les points de contact qu’elle observe. L’incrémentalité répond à la question difficile : que se serait-il passé sans l’investissement.

Sur la recherche organique, les protocoles sont peu spectaculaires et efficaces. Sortez d’un programme d’optimisation un ensemble de pages comparables ou un marché géographique. Déployez le programme partout ailleurs. Mesurez l’écart en chiffre d’affaires, pas en positions.

C’est la preuve qui survit à un arbitrage budgétaire, parce qu’elle transforme une discussion sur des hypothèses de modélisation en une différence observée entre deux populations. Elle impose aussi la discipline dans les deux sens : un holdout démontre parfois qu’un chantier a produit moins que ne le laissait croire son tableau de bord, et une pratique de mesure qui ne renvoie jamais ce résultat ne mesure rien.

Ce n’est d’ailleurs pas une position contrariante mais la position maison. Primelis l’affiche sur sa propre page Data : aller au-delà de l’attribution, se concentrer sur l’incrémentalité. Appliquer ce standard à la visibilité IA n’est pas une concession, c’est de la cohérence.

Ce qu’un dispositif de visibilité IA crédible mesure réellement

Assemblé, l’ensemble tient en trois couches qui font trois métiers différents.

• L’exposition : part de voix dans les modèles d’IA et sur le search traditionnel, sur un jeu de prompts hors marque figé, comparée à la concurrence.
• Le signal aval : mentions de marque, demande de marque et trafic direct, lus comme directionnels.
• La preuve : des tests de holdout qui isolent l’effet commercial.

C’est l’architecture derrière Primelis Outrank, qui suit la part de voix de la marque dans les modèles d’IA comme sur le search traditionnel, analyse la manière dont ces modèles décrivent la marque, et relie les actions organiques aux résultats business plutôt que de s’arrêter aux positions. La couche de benchmark LLM se situe au palier supérieur de la plateforme, et c’est un choix assumé : c’est la couche qui exige une méthodologie, pas seulement un tableau de bord.

Mesurer d’abord change aussi ce que l’on répare. La plupart des marques n’ont pas besoin d’un chantier complet. Elles ont besoin de savoir de quelles catégories elles sont absentes, et c’est une question bien plus étroite qu’elle n’en a l’air vue de l’intérieur.

La visibilité IA mérite d’être mesurée, et mesurée honnêtement

Le last click n’a jamais décrit la façon dont la recherche organique crée de la valeur, et l’environnement vient de retirer le clic de la majeure partie du parcours. Reconstruire la mesure consiste à séparer ce que l’on observe, ce que l’on infère et ce que l’on prouve. La visibilité IA appartient à la première catégorie, les mentions de marque à la deuxième, l’incrémentalité à la troisième, et l’essentiel de la confusion de ce marché vient d’éditeurs qui déplacent des résultats d’une colonne à l’autre.

Sur les 300 marques mondiales et le milliard de dollars de media annuel que gèrent nos équipes, la première lecture donne presque toujours la même chose : l’écart n’est pas uniforme. Il se concentre sur des catégories précises, des types de requêtes précis, des marchés précis, et il reste invisible tant que personne ne mesure sur un jeu de prompts hors marque plutôt que sur un jeu flatteur.

C’est par cette lecture que nous commencerions, avant de décider ce que vaut cette exposition.