Sommaire de l'article
L'attribution au clic ne voit qu'une fraction de l'effet
Le chiffre d'affaires directement attribuable au trafic venu des assistants IA est une borne basse, souvent très basse, de leur effet réel. La raison tient au fonctionnement même des réponses générées : l'utilisateur obtient l'information dans la réponse, retient un ou deux noms, et ne clique que rarement sur une source. Quand il agit, c'est plus tard, par une recherche de marque, un accès direct ou une recommandation, et cette action est créditée à un autre canal.
À cette perte structurelle s'ajoutent les pertes techniques décrites dans le suivi du trafic IA dans GA4 : clics sans référent qui tombent en « Direct », réponses de Google indiscernables de la recherche classique, sessions non mesurées faute de consentement. Le canal « IA générative » d'un outil d'analyse est donc fiable dans ce qu'il montre, et muet sur l'essentiel.
- 01CitationVotre marque ou votre page figure dans une réponse à une question de choix.
- 02Lecture sans clicL'acheteur lit la réponse, compare les options nommées, ne visite aucune source.
- 03MémorisationIl retient votre nom et un argument. L'effet naît ici ; aucun outil ne l'enregistre.
- 04Retour différéRecherche de marque, accès direct ou demande de recommandation à un collègue, quelques jours ou semaines plus tard.
- 05Conversion créditée ailleursLe formulaire ou la commande est attribué à la recherche organique de marque ou au canal direct.
Il n'existe pas de méthode qui rende cet effet exactement mesurable. Il existe quatre méthodes qui l'encadrent, chacune avec ses angles morts. La bonne pratique consiste à les utiliser ensemble, à en présenter le résultat sous forme de fourchette, et à ne jamais changer de méthode parce que le chiffre déplaît. L'article pilier de ce blog situe cette question dans la méthode complète.
Méthode 1 : le trafic référent et ses événements clés, la borne basse
La première méthode est la plus simple et la plus solide : compter les événements clés (formulaire, demande de démonstration, achat) produits par les sessions du canal « IA générative », puis les convertir en chiffre d'affaires avec les valeurs de votre CRM. Pour une activité de services, la valeur d'un événement clé est le taux de transformation d'une demande en contrat multiplié par la valeur moyenne d'un contrat ; pour un site marchand, c'est le revenu enregistré directement.
Cette méthode a deux qualités : chaque euro est traçable jusqu'à une session identifiée, et personne ne la contestera en comité. Elle a un défaut : elle ignore tout ce qui n'a pas cliqué. Utilisez-la comme plancher, présentée comme tel, et non comme la mesure de l'effet. Dans nos suivis, la lecture des chemins de conversion de GA4 montre souvent le canal en position initiale du parcours plutôt qu'en dernier clic, ce qui confirme que le plancher est bas.
Méthode 2 : la corrélation avec la recherche de marque
La deuxième méthode suit, semaine après semaine, deux séries : la part de citation sur votre panel de prompts, et le volume de requêtes contenant votre marque dans la Search Console (impressions et clics), complété par Google Trends pour les marques dont le volume le permet. Si la visibilité IA agit, la seconde série doit suivre la première avec un décalage de quelques semaines. L'écart entre le volume de marque observé et celui qu'on aurait attendu sans progression des citations donne une estimation des recherches incrémentales, convertie ensuite en chiffre d'affaires avec le taux de conversion du trafic de marque.
Données illustratives. Ce qu'il faut y lire : la part de marque suit la part de citation avec environ un mois de retard ; la corrélation est un indice sérieux, pas une preuve, tant que les autres causes possibles n'ont pas été écartées.
La méthode vaut ce que valent les contrôles. Les facteurs qui font monter la recherche de marque sont nombreux : campagne média, article de presse, salon, recrutement, saisonnalité. Trois précautions rendent la lecture défendable : exclure les semaines de campagne de la comparaison ; suivre les requêtes « marque + catégorie » ou « marque + avis », plus proches d'une intention d'achat que le nom seul ; et, quand Google Trends le permet, comparer votre courbe à celle d'un concurrent qui n'a pas engagé de travail de visibilité générative.
Le décalage n'est pas connu à l'avance. Dans nos mandats, il se situe le plus souvent entre deux et six semaines, plus court en B2C, plus long quand la décision engage plusieurs personnes. Il se mesure sur vos propres séries, en cherchant le décalage qui aligne le mieux les deux courbes, et il se documente.
Méthode 3 : les tests géographiques
La troisième méthode est la seule qui approche une preuve de causalité. On choisit deux marchés comparables, on engage le travail de visibilité générative sur l'un (pages locales citables, entité locale, corroboration locale, panel de prompts localisés) et pas sur l'autre, puis on compare l'évolution de la recherche de marque et des demandes entrantes entre les deux, avant et après. Ce que le marché traité gagne au-delà du marché témoin est l'effet estimé.
Le test fonctionne quand l'activité est réellement locale et que les prompts le sont aussi : réseaux d'agences, cliniques, cabinets, franchises, immobilier, tout ce que l'acheteur cherche « à Valence » ou « près de Madrid ». Il fonctionne mal pour une marque nationale à site unique, parce que les réponses des moteurs génératifs y sont peu localisées et qu'une citation gagnée sur un marché se retrouve sur l'autre.
| Condition de validité | Pourquoi | Si elle manque |
|---|---|---|
| Deux marchés de taille et de tendance comparables | Le témoin sert de référence d'évolution | L'écart mesure la différence des marchés, pas l'effet |
| Période de référence de huit semaines avant le test | Établir l'écart habituel entre les deux marchés | Aucun moyen de distinguer l'effet du bruit |
| Douze semaines de test au minimum | Laisser le temps aux citations puis aux recherches de marque d'apparaître | Conclusion prématurée, souvent négative |
| Aucune autre action marketing différenciée | Isoler la cause | L'effet mesuré mélange plusieurs leviers |
| Données lisibles par marché | Requêtes de marque par pays, sessions et demandes par région dans l'outil d'analyse et le CRM | Le test ne se lit pas |
| Prompts et pages réellement localisés | Les réponses génératives ne se localisent que si la question le fait | Contamination du témoin par le marché traité |
Tableau : faites défiler horizontalement.
La lecture se fait par différence des différences : l'évolution du marché traité moins l'évolution du marché témoin, chacune calculée par rapport à sa propre période de référence. Ce calcul simple élimine les mouvements communs aux deux marchés (saisonnalité, conjoncture, campagne nationale) et ne laisse que ce qui s'est produit dans le marché traité seul.
Méthode 4 : la question déclarative
La quatrième méthode consiste à demander. Un champ « Comment nous avez-vous connus ? » dans les formulaires, avec une option explicite « Assistant IA (ChatGPT, Perplexity, Gemini…) », une question posée systématiquement au premier appel commercial et enregistrée dans le CRM, et le même champ lors de la création d'un compte client. Le résultat est une part de demandes déclarant l'IA comme origine, suivie mois après mois, et convertible en chiffre d'affaires par le CRM.
Les limites sont connues et acceptables : l'acheteur se souvient mal, cite un seul canal quand il en a traversé trois, et choisit parfois la réponse qui lui paraît la plus valorisante. La méthode sous-estime les parcours longs et surestime le dernier souvenir. Elle a pour elle d'être directe, immédiate et peu coûteuse ; elle capte des parcours qu'aucun outil ne voit, et sa tendance est plus instructive que son niveau.
Une précaution d'usage : ajouter l'option « Assistant IA » sans la mettre en première position de la liste, et former les commerciaux à poser la question sans suggérer la réponse. Un formulaire qui propose « ChatGPT » en tête récolte des « ChatGPT » qui n'en sont pas.
Choisir un modèle réaliste : quatre niveaux de preuve
Les quatre méthodes ne se remplacent pas ; elles se superposent en niveaux de preuve croissants. Aucune organisation ne dispose des quatre dès le premier trimestre, et ce n'est pas nécessaire : le premier niveau se met en place en une semaine, le quatrième demande deux trimestres.
- 1AttribuéSessions du canal IA, événements clés, valeur au CRM.Sinon : rien de traçable à présenter.
- 2DéclaréOrigine indiquée par l'acheteur dans le formulaire, l'appel ou le compte.Sinon : les parcours sans clic restent invisibles.
- 3CorréléRecherche de marque et accès direct qui suivent la part de citation.Sinon : aucune lecture de l'effet d'ensemble.
- 4TestéMarché traité contre marché témoin, différence des différences.Sinon : la corrélation reste contestable.
| Méthode | Ce qu'elle capture | Ce qu'elle rate | Coût | Poids devant une direction |
|---|---|---|---|---|
| Trafic référent et événements clés | Les parcours avec clic et référent transmis | Tout le reste | Faible | Fort, mais plancher |
| Question déclarative | Les parcours dont l'acheteur se souvient | Les parcours longs et multi-canaux | Faible | Moyen, tendance utile |
| Corrélation de marque | L'effet d'ensemble sur la notoriété active | Les causes concurrentes mal contrôlées | Moyen | Moyen à fort selon les contrôles |
| Test géographique | L'effet causal sur un marché | Les activités non localisées | Élevé | Fort, si les conditions sont remplies |
Tableau : faites défiler horizontalement.
Le modèle d'attribution fondé sur les données de GA4 ne figure pas dans cette liste comme méthode à part : il redistribue le crédit entre les points de contact que GA4 voit, ce qui affine le niveau 1 sans rien ajouter aux niveaux suivants. Il exige en outre un volume d'événements clés que beaucoup de sites B2B n'atteignent pas.
Présenter le résultat : une fourchette, des hypothèses, un calendrier
Le livrable trimestriel tient en trois éléments. Une fourchette : la borne basse est le chiffre d'affaires attribué au clic, complété par les demandes déclarées non déjà comptées ; la borne haute ajoute la part des recherches de marque incrémentales convertie au taux du trafic de marque, ou, quand un test géographique existe, l'effet mesuré extrapolé aux autres marchés. Une liste d'hypothèses : valeur d'un événement clé, taux de conversion de marque, décalage retenu, semaines exclues. Un calendrier : la même méthode, aux mêmes dates, pendant au moins quatre trimestres.
- Trimestre 1Instrumentation
- Canal « IA générative » et valeur des événements clés au CRM
- Option « Assistant IA » dans les formulaires et les appels
- Séries hebdomadaires : part de citation et requêtes de marque
- Trimestre 2Première fourchette
- Borne basse attribuée et déclarée
- Décalage estimé entre citations et marque
- Choix des marchés test et témoin, période de référence
- Trimestre 3 et suivantsTest et révision
- Test géographique de douze semaines quand l'activité s'y prête
- Fourchette révisée avec hypothèses documentées
- Décision budgétaire fondée sur la borne basse
Une règle de gouvernance ferme les débats stériles : la décision budgétaire se prend sur la borne basse, et la borne haute sert à dimensionner l'effort, pas à le justifier. Une direction qui sait qu'on ne lui vend pas la borne haute accorde plus facilement le budget que réclame la borne basse.
Les erreurs d'attribution les plus fréquentes
Sept erreurs reviennent dans les rapports que nous relisons, et chacune retire de la crédibilité à un travail par ailleurs sérieux.
- Présenter le chiffre d'affaires au dernier clic comme l'effet total, ou l'inverse : présenter la borne haute comme un résultat acquis.
- Attribuer à la visibilité IA toute la hausse de la recherche de marque, sans exclure les semaines de campagne ni comparer à un concurrent.
- Changer de méthode quand le chiffre déçoit, ce qui rend les trimestres incomparables.
- Lancer un test géographique sans période de référence, puis conclure sur six semaines.
- Proposer « Assistant IA » en tête de la liste déclarative, ou laisser les commerciaux suggérer la réponse.
- Ignorer le décalage et lire les deux séries à la même date.
- Additionner les quatre méthodes comme si elles mesuraient des parcours distincts : elles se recouvrent, et le total compte plusieurs fois le même client.
Ce qu'il faut retenir
- L'effet principal d'une citation IA naît sans clic ; le chiffre d'affaires attribué au trafic référent est une borne basse.
- Quatre méthodes se superposent : attribué, déclaré, corrélé à la recherche de marque, testé géographiquement.
- La corrélation de marque exige des contrôles : semaines de campagne exclues, requêtes « marque + catégorie », comparaison à un concurrent, décalage documenté.
- Le test géographique n'est probant que pour des activités localisées, avec période de référence, marché témoin et douze semaines au moins.
- Le résultat se présente en fourchette avec ses hypothèses ; la décision budgétaire se prend sur la borne basse, avec la même méthode chaque trimestre.
Questions fréquentes
Peut-on mesurer précisément le chiffre d'affaires généré par ChatGPT ou Perplexity ?
Non. On mesure précisément la part qui passe par un clic avec référent transmis, et l'on encadre le reste par la corrélation avec la recherche de marque, la déclaration des acheteurs et, quand l'activité est localisée, un test géographique. Le résultat honnête est une fourchette accompagnée de ses hypothèses, révisée chaque trimestre avec la même méthode, et non un chiffre unique.
Quel décalage faut-il attendre entre une citation et une recherche de marque ?
Le plus souvent entre deux et six semaines dans nos mandats, plus court en B2C, plus long quand la décision engage plusieurs personnes. Ce décalage ne se devine pas : il se mesure sur vos propres séries hebdomadaires, en cherchant le décalage qui aligne le mieux la part de citation et les requêtes de marque, puis il se documente et se conserve d'un trimestre à l'autre.
Un test géographique est-il possible pour une marque nationale à site unique ?
Rarement de façon probante. Les réponses des moteurs génératifs se localisent peu quand la question ne le fait pas ; une citation gagnée se retrouve sur tous les marchés et contamine le témoin. Le test convient aux réseaux d'agences, cliniques, cabinets, franchises et acteurs immobiliers, dont les acheteurs posent des questions localisées. Pour une marque nationale, la corrélation de marque contrôlée reste la méthode principale.
Quelle valeur donner à une visibilité IA qui ne produit aucun clic ?
La valeur d'une recherche de marque incrémentale, convertie au taux de conversion et à la valeur moyenne du trafic de marque, après exclusion des autres causes de hausse. C'est une estimation, présentée comme borne haute, jamais comme résultat acquis. La question déclarative dans les formulaires et les appels apporte un second indice, indépendant, dont la tendance mensuelle compte davantage que le niveau.
Faut-il utiliser le modèle d'attribution fondé sur les données de GA4 ?
Il peut affiner la répartition du crédit entre les canaux que GA4 voit, mais il n'ajoute rien sur les parcours sans clic, qui constituent l'essentiel de l'effet, et il exige un volume d'événements clés que beaucoup de sites B2B n'atteignent pas. Utilisez-le comme un complément du niveau attribué, et gardez le dernier clic comme borne basse lisible par tous.
Praticien du référencement depuis 2001, Kamel Malek dirige SEO360 (Alicante, Valence, Madrid, Paris). Il a publié trois ouvrages sur la visibilité dans les moteurs génératifs, dont Generative Engine Optimization et Rétablir les faits.
