Au Forum IREP du 3 novembre 2026, Emmanuel Dollé, cofondateur de Bubbling, a défendu une idée simple : pour mesurer ce que les IA disent d'une marque, il ne faut pas compter des prompts isolés, mais rejouer des conversations complètes, en assez grand nombre pour donner un résultat avec sa marge d'erreur. Cet article reprend le raisonnement, avec les chiffres de nos deux études.
Pourquoi le prompt isolé ne suffit pas
Le GEO (Generative Engine Optimization) désigne l'ensemble des pratiques qui visent à faire apparaître et recommander une marque dans les réponses des assistants comme ChatGPT ou Gemini. Pour savoir si ces pratiques marchent, il faut une mesure. Beaucoup d'outils posent une liste de questions, notent si la marque apparaît, et affichent un pourcentage.
Ce pourcentage cache deux problèmes.
- Les gens ne s'arrêtent pas à la première question. Un acheteur, un investisseur ou un journaliste lit la réponse, puis relance : prix, concurrents, avis. C'est souvent à la troisième ou à la quatrième réponse que la décision se forme. Une mesure qui s'arrête au premier message ne voit pas cette partie.
- Une réponse n'est pas reproductible, un intervalle l'est. Posez deux fois la même question à une IA : vous n'obtenez pas les mêmes phrases. Ce qui peut être reproductible, c'est la part de réponses où la marque apparaît, à condition de répéter assez de fois et de dire avec quelle marge d'erreur.
Notre méthode : des conversations complètes
Nous définissons avec la marque qui cherche quoi (un acheteur, un investisseur, un candidat). Nous créons des personas, des profils virtuels qui sont validés avant le lancement. Chaque persona mène ensuite une conversation entière avec l'IA : une question de départ, puis des relances qui dépendent de la réponse reçue. La même conversation est rejouée sur plusieurs assistants. Nous comptons enfin ce qui ressort : marque citée, recommandée, sources, ton.
Deux études récentes appliquent cette méthode.
| Étude voitures électriques | Étude CAC 40 | |
|---|---|---|
| Partenaire | Autoactu | Reputation Age |
| Période | Août 2026 | Collecte du 25 au 28 août 2026 |
| Assistants | ChatGPT et Gemini | ChatGPT et Gemini |
| Volume | 2 016 conversations, 8 064 questions | 8 671 conversations, 39 sociétés |
| Questions uniques | 96 % des relances | 92 % des prompts |
Combien de réponses faut-il ?
La taille de l'échantillon décide de la précision. Pour une présence de la marque autour de 67 %, la formule classique (intervalle à 95 %, une proportion) donne :
| Marge d'erreur visée | Réponses nécessaires |
|---|---|
| ± 10 points | environ 85 |
| ± 5 points | environ 340 |
Autrement dit, doubler la précision demande quatre fois plus de réponses. Un résultat tiré de cinq réponses peut aussi bien valoir 40 % que 100 %. C'est pourquoi nous publions la fourchette, et pas seulement le chiffre.
Une précaution s'ajoute : les réponses d'une même question se ressemblent. Dix mille réponses à cent questions ne valent pas dix mille réponses indépendantes. Une marge d'erreur calculée comme si elles l'étaient est trop optimiste, et la marge réelle sur l'ensemble reste plus large.
Ce que montrent les conversations
L'étude sur la voiture électrique a donné trois enseignements.
- Le score dépend du moteur et du profil. Une même marque n'est pas traitée pareil par ChatGPT et par Gemini, ni pour deux foyers différents. Un score unique masque ces écarts.
- La réponse change au fil de la conversation. Ce que l'IA dit au premier message n'est pas ce qu'elle dit après trois relances.
- Être cité n'est pas être recommandé. Une marque peut apparaître dans la réponse sans être celle que l'IA conseille.
L'étude CAC 40 va dans le même sens sur un autre terrain : l'IA ne reprend pas toujours le communiqué de résultats tel quel, et l'histoire racontée change selon l'assistant.
Ce que cela change pour une marque
- Demandez à tout outil de mesure le nombre de réponses et la marge d'erreur derrière chaque pourcentage.
- Vérifiez que la mesure suit la conversation, pas seulement la première question.
- Lisez le score par moteur et par profil avant de lire la moyenne.
- Distinguez citée et recommandée.
Vous voulez savoir comment les IA parlent de votre marque, conversation après conversation ? Contactez l'équipe Bubbling pour un premier échantillon sur votre marché.
Questions fréquentes
Quelle différence avec l'écoute des conversations existantes (LLM-listening) ?
L'écoute analyse des conversations qui existent déjà. Nous en provoquons, avec des personas et un protocole fixé à l'avance, ce qui donne un dénominateur connu et permet de comparer d'une vague à l'autre. Les deux approches se complètent.
Pour aller plus loin
Sources
- Étude Bubbling × Autoactu, voitures électriques : 2 016 conversations, 8 064 questions, ChatGPT et Gemini, août 2026.
- Étude Reputation Age × Bubbling, CAC 40 : 39 sociétés, 8 671 conversations, ChatGPT et Gemini, collecte du 25 au 28 août 2026.
- Intervention d'Emmanuel Dollé, Forum IREP, 3 novembre 2026 (« GEO, le nouveau paradigme : quels enjeux, quelles mesures ? »).
- Tailles d'échantillon : formule standard de la proportion, intervalle à 95 %, p ≈ 0,67 (calcul Bubbling).