Quand une réponse IA change, le site web n’est qu’un suspect parmi d’autres. La source citée a peut-être bougé, le moteur a peut-être échantillonné autrement, ou un concurrent est devenu plus facile à décrire.
Une entreprise de chauffage près de Vannes m’a un jour donné le genre de phrase qui rend un registre de mesure vraiment utile : « Rien n’a changé sur le site, mais Copilot ne nous nomme plus. » Dans le registre, la chute paraissait nette au premier regard. L’entreprise apparaissait dans cinq des huit prompts locaux sur la maintenance lors du relevé précédent. Trois semaines plus tard, elle n’apparaissait plus que dans un seul. Les pages de services étaient toujours en ligne. Les fiches Google Business Profile n’avaient pas été modifiées. Les pages d’agence avaient les mêmes titres, les mêmes photos, et même le même paragraphe maladroit sur l’entretien de chaudières, que personne n’avait touché depuis des années.
C’est un scénario composite, assemblé à partir de plusieurs audits de services régionaux, mais le détail étrange est familier : l’entreprise restait visible sur des prompts de dépannage urgent, y compris dans une ville où elle n’avait pas de technicien la plupart du temps, tandis qu’elle disparaissait des prompts de maintenance commerciale, plus précieux. C’est exactement le type de situation qu’un tableau de bord SEO ordinaire explique rarement. Rien ne s’était « passé » à l’endroit que l’équipe surveillait. Quelque chose avait bougé dans le chemin de réponse.
Le site web n’est pas tout le champ de preuves
Quand une équipe constate une baisse de visibilité IA, le premier réflexe est d’inspecter la dernière modification du site. Quelqu’un a changé un titre. Quelqu’un a supprimé un paragraphe. Quelqu’un a modifié une page locale. Ce réflexe vient du travail de recherche classique, où le site ressemble souvent à l’instrument principal. Je le comprends. J’ai passé assez de temps avec des balises title, des pages locales et des rapports de crawl pour connaître cette habitude.
Les réponses IA élargissent le champ. Une réponse générée peut utiliser le site de l’entreprise, mais elle peut aussi s’appuyer sur des annuaires, des extraits d’avis, des pages partenaires, des résultats cartographiques, des articles professionnels, d’anciens PDF, des pages comparatives, des fiches éditeurs et des descriptions copiées dans des endroits que personne dans l’entreprise n’a ouverts depuis des années. La réponse est cousue à partir de ce que le moteur peut retrouver, juger fiable, résumer et adapter au prompt de l’utilisateur.
Cela signifie qu’une baisse de visibilité peut arriver sans changement du site, parce que les preuves utilisables par le moteur ont changé ailleurs. Une page d’annuaire a pu être réorganisée. Un concurrent a pu obtenir une mention tierce plus claire. Une source citée a pu être mise à jour d’une façon qui modifie le vocabulaire de catégorie. Le moteur a pu changer sa manière de mêler récupération web et mémoire du modèle. Parfois, le même prompt est simplement échantillonné assez différemment pour faire basculer une réponse limite.
La dérive de visibilité IA est un changement dans le comportement répété des réponses, parce que le chemin de preuves a bougé même quand les pages de l’entreprise n’ont pas changé.
J’utilise cette définition parce qu’elle empêche la panique de se resserrer trop tôt. La cause peut être sur le site, oui. Elle peut aussi être en amont, en aval ou à côté. Le registre doit préserver cette incertitude assez longtemps pour trouver la pièce qui bouge.
Une baisse n’est pas une réponse manquante
La fausse alerte la plus fréquente, c’est un prompt qui retourne une mauvaise réponse. Un dirigeant écrit « meilleure entreprise de maintenance chauffage près de Rennes » dans ChatGPT, voit trois concurrents et pas le nom de son entreprise, puis fait circuler la capture comme une alarme incendie. La capture peut être utile comme indice. Ce n’est pas une mesure.
Une baisse exige un échantillon avant et après. Elle exige le même jeu de prompts, ou un jeu volontairement révisé avec la révision indiquée. Elle exige des dates, des moteurs, des langues et une intention de localisation. Elle exige assez de répétition pour distinguer un schéma d’une variation ordinaire des réponses. Cela ne veut pas dire des centaines de passages pour chaque petite entreprise. Cela veut dire refuser de traiter une réponse comme toute la pièce.
Dans mes registres de prompts, je sépare quatre champs avant de lire une perte comme significative : présence, source citée, position dans la réponse et qualité de description. La présence demande si l’entreprise est nommée. La citation demande quelle page, le cas échéant, sert de preuve. La position demande si le nom apparaît assez haut pour être commercialement visible. La qualité de description demande si la réponse dit encore la bonne chose. Une entreprise peut perdre en position tout en gardant sa présence. Elle peut garder une citation tout en perdant en exactitude de description. Elle peut être nommée plus souvent tout en étant moins bien décrite.
Pour le réseau régional de chauffage, le premier signe n’était pas une absence partout. C’était un changement de forme. L’entreprise restait présente dans les prompts d’urgence et les prompts larges de type « plombier près de moi ». Elle s’affaiblissait dans les prompts de maintenance, surtout en français. En anglais, elle était à peine présente avant et à peine présente après, donc il n’y avait pas de baisse significative de ce côté-là. La perte appartenait à une seule partie du parcours d’achat.
C’est important parce qu’un diagnostic large aurait produit du gaspillage large. Tout réécrire. Ajouter davantage de pages de services. Publier plus d’articles. Demander plus d’avis. Tout cela est possible, tout cela coûte cher, et la plupart de ces actions étaient prématurées. Le registre disait quelque chose de plus étroit : les preuves de maintenance étaient devenues moins récupérables ou moins convaincantes que les preuves d’urgence.
Les déplacements de sources sont plus discrets que les modifications du site
Un déplacement de source est le type de baisse de visibilité le moins spectaculaire, ce qui explique pourquoi les équipes le manquent. Personne dans l’entreprise ne change quoi que ce soit, mais un moteur de réponse commence à citer une autre page pour la même catégorie. L’ancienne source pouvait être la page d’agence de l’entreprise. La nouvelle peut être une fiche d’annuaire, une page d’avis, un comparatif concurrent, ou un guide local généraliste.
Dans le scénario du réseau de chauffage, la réponse citait auparavant une page d’agence pour « maintenance de chaudière professionnelle à [ville] ». Plus tard, elle citait une page d’annuaire généraliste qui regroupait l’entreprise avec des plombiers d’urgence. L’entreprise était encore parfois nommée, mais la description autour changeait. La réponse s’appuyait sur la catégorie urgence parce que la source utilisée était construite ainsi. Le site web n’avait pas perdu le fait. La source citée, si.
C’est ici que le suivi ordinaire doit rester assez simple. Je veux le prompt exact, le moteur, la langue, l’intention de localisation, les noms retournés, la source citée et l’erreur de description dans des champs séparés. Je ne veux pas d’un score unique trop tôt, parce que le score cache le mouvement. Un nombre qui baisse ne me dit presque rien si je ne peux pas voir si la source citée a changé.
Il y a une autre rugosité. Parfois, le déplacement de source est partiel. Perplexity peut continuer à citer la page de l’entreprise, tandis que Copilot commence à citer un annuaire. Google AI Overviews peut ne pas montrer de citation nette, ou mélanger les sources d’une manière qui rend l’attribution difficile. ChatGPT peut ne rien citer dans un passage et citer une page dans un autre. C’est pourquoi chaque moteur garde sa propre colonne. Une moyenne combinée peut transformer trois problèmes différents en un seul déclin poli.
La question utile n’est pas « Pourquoi l’IA ne nous aime plus ? » Cette phrase est trop humaine, trop rangée. La meilleure question est : « Quel chemin de réponse répété a changé, et quelle source l’alimente maintenant ? »
Les changements de modèle ressemblent à du mauvais temps jusqu’à ce qu’ils se répètent
Il existe aussi le cas plus difficile : les preuves ne changent pas visiblement, mais le comportement des réponses, lui, change. Je ne prétends pas que ce soit toujours facile à expliquer. Les systèmes publics de réponse ajustent la récupération, le classement, la synthèse, l’affichage des citations et les règles de sécurité. L’observateur extérieur voit la surface. La mécanique reste surtout derrière le mur.
La surface laisse quand même des traces. Un changement de modèle ou de récupération apparaît souvent sur plusieurs prompts à la fois. Il peut toucher les catégories plus que les lieux, ou l’anglais plus que le français, ou les questions larges d’acheteurs plus que les questions de marque précises. Il peut changer le style des réponses : moins de petites entreprises locales, plus d’annuaires ; moins de descriptions de services exactes, plus de texte générique de catégorie ; moins de sources nommées, plus de synthèses mélangées.
Dans la plupart des cas, l’indice n’est pas la disparition d’une seule entreprise. C’est un changement dans l’ensemble des réponses. Trois concurrents bougent. Les citations se concentrent autour d’un autre type de source. Le moteur commence à préférer des pages avec des faits structurés plus frais, ou des pages avec des descriptions tierces plus fortes, ou des pages plus faciles à résumer. Je formule cela avec prudence : les données suggèrent ces mouvements ; elles ne nous donnent pas accès à toute la cause interne.
Pour une PME française, la réponse pratique n’est pas de courir après le modèle. C’est de lancer un échantillon stable assez souvent pour remarquer quand le schéma se plie. Si une entreprise mesure une fois par an, une chute ressemble à un mystère. Si elle mesure chaque mois, et garde le jeu de prompts stable, la perte a une date, une forme et un groupe de suspects plus réduit.
Un rythme de suivi n’existe pas parce que le tableau de bord est joli. Il existe parce que la mémoire est mauvaise pour ce travail. Les gens se souviennent de la capture douloureuse et oublient les trois captures neutres. Ils se souviennent du concurrent apparu et oublient qu’il apparaissait déjà le mois précédent. Un registre est un objet terne, mais loyal.
La mauvaise réparation peut dégrader le relevé suivant
Quand la visibilité baisse sans changement du site, la pire réponse est souvent une réécriture immédiate. Pas parce que réécrire ne sert à rien. Cela peut être la bonne réparation. Mais réécrire avant de comprendre le chemin de source revient à repeindre une enseigne parce qu’un livreur a utilisé la mauvaise carte.
Si la baisse vient d’une source tierce faible, la meilleure réparation peut être de renforcer la page de l’entreprise et aussi de corriger ou dépasser la source externe. Si le moteur cite un annuaire qui présente l’entreprise comme réservée aux urgences, l’entreprise a besoin de preuves de maintenance plus claires dans les endroits que le moteur peut récupérer. Cela peut inclure sa page d’agence, ses descriptions de services, ses preuves de cas, ses profils publics et son vocabulaire de catégorie. Le mélange exact dépend de ce que montre le registre.
Si la baisse est surtout une séparation linguistique, la réparation change. Les pages françaises peuvent porter les preuves de maintenance commerciale, tandis que les pages éditeurs ou annuaires en anglais ne décrivent que les services d’urgence. Une entreprise bilingue peut ressembler à deux entités différentes pour un moteur de réponse. Tester les prompts français et anglais séparément évite de confondre le chemin de preuves anglais avec le chemin français.
Si la baisse est une perte de position plutôt qu’une disparition, la réparation change encore. L’entreprise peut encore être nommée, mais plus bas que des concurrents avec des sources citées plus fortes. Cela pointe vers la part de citation et la qualité des sources, pas vers la simple présence. C’est ici qu’une mesure sœur sur la part de citation des concurrents devient utile, même si elle reste une question séparée de la baisse elle-même.
La discipline consiste à garder intact le type d’échec. Absence, citation faible, position plus basse et mauvaise description sont des échecs différents. Ils arrivent parfois ensemble, mais ils ne demandent pas le même outil.
Comment je surveille la chute sans inventer de certitude
Ma feuille de suivi pour une baisse de visibilité est volontairement peu glamour. Je garde l’ancien jeu de prompts gelé pour la comparaison. Si nous ajoutons de nouveaux prompts, ils restent dans un groupe séparé afin de ne pas corrompre la ligne de base. Je lance le français et l’anglais séparément. Je marque clairement l’intention de localisation : nationale, régionale, ville, commune voisine, zone de service. Je note si l’entreprise apparaît, où elle apparaît, qui apparaît aussi, quelle source est citée et ce que la réponse dit de faux.
Ensuite, je lis le mouvement par couches. D’abord, la présence a-t-elle changé ? Ensuite, la position a-t-elle changé ? Troisièmement, les sources citées ont-elles changé ? Quatrièmement, l’exactitude de la description a-t-elle changé ? Cinquièmement, l’ensemble des concurrents a-t-il changé ? Ce n’est qu’après cela que je forme un jugement sur les causes probables. Même alors, je préfère « le plus probable » à « prouvé », sauf si les preuves sont nettes.
Pour le réseau de chauffage, le constat le plus utile était modeste : la perte se concentrait dans les prompts français de maintenance autour des implantations locales, et les sources citées avaient glissé vers des annuaires de plomberie d’urgence. C’était suffisant pour arrêter un plan de réécriture générale. La réparation a commencé par des preuves de maintenance plus claires sur les pages d’agence et une passe de correction sur les profils externes faibles. Le nouveau test est venu après, pas avant.
Une baisse de visibilité sans changement du site n’est pas un paradoxe. C’est un rappel : les réponses IA vivent dans un champ de preuves plus large que le site web. La page de l’entreprise peut rester stable pendant que le chemin vers elle devient boueux.
The Measurement Note — Signal : la visibilité baisse dans un groupe de prompts alors que le site reste inchangé. Distortion : accuser la dernière modification de page parce que c’est le seul événement visible. Ledger : noter ancienne et nouvelle présence, position, source citée, langue et erreur de description pour les mêmes prompts. Next Test : relancer le jeu de prompts du mois précédent sans le modifier avant d’écrire tout nouveau texte, puis marquer où le chemin de source a bougé.