Le module de perception de la marque mesure la perception de l'IA à travers six indicateurs clés de performance :
Notoriété
L'IA sait-elle que vous existez ? Profondeur des connaissances factuelles.
Clarté
L'IA comprend-elle ce que vous faites ? Compréhension du modèle économique.
Confiance
L'IA vous fait-elle confiance ? Signaux de crédibilité et de fiabilité.
Caractère unique
L'IA perçoit-elle votre différenciation ? Caractère distinctif concurrentiel.
Recommandation
L'IA vous recommanderait-elle ? Propension à recommander activement.
Sentiment
L'IA associe-t-elle des émotions positives ? Ton émotionnel et associations.
Chaque KPI est noté de 0 à 100 avec des références étalonnées par l'industrie. Les scores inférieurs à 40 indiquent des lacunes critiques ; 41–60 est inférieur à la moyenne ; 61–80 est bon ; 81–100 représente le leadership de la catégorie.
L'Intelligence des sources révèle où les LLM obtiennent leurs informations sur votre marque :
Primaire
Sources contrôlées par la marque (site web, contenu officiel)
Secondaire
Sources tierces faisant autorité (publications, médias)
UGC
Contenu généré par les utilisateurs (avis, forums, réseaux sociaux)
Concurrent
Sources contrôlées par les concurrents
Lorsque vous savez quelles sources sont à l'origine d'un faible score KPI, vous savez exactement où concentrer vos efforts.
Deep Tracking interroge plusieurs modèles d'IA (ChatGPT, Claude, Gemini, Perplexity) pour garantir une mesure robuste de la perception. Chaque modèle apporte des données uniques ; l'agrégation de ces modèles produit un profil complet.
Toutes les données sont stockées dans la base de données isolée de votre marque avec une rétention historique complète. La fréquence de suivi varie selon le niveau : hebdomadaire (SELECT), hebdomadaire (PREMIERE), ou hebdomadaire avec accès à la demande (SIGNATURE).
Deep Tracking (Couche 2) fonctionne en parallèle de Competitive Tracking (Couche 1) et Technical Tracking (Couche 3). Ces trois couches convergent dans une base de données vectorielle unifiée où les corrélations inter-couches génèrent des recommandations priorisées — s'attaquant aux causes profondes, et non pas seulement aux symptômes.
Le Suivi approfondi est la deuxième couche de signal du Moteur d'Intelligence Multi-Signaux de Search Bridge. Il explore le graphe de connaissances des LLM pour comprendre comment les systèmes d'IA perçoivent votre marque et pourquoi.
Le module se compose de deux éléments :
Le Suivi approfondi fonctionne indépendamment de votre visibilité actuelle. Même si votre marque n'apparaît jamais dans les classements concurrentiels, le Suivi approfondi révèle ce que l'IA sait de vous en interrogeant directement le graphe de connaissances.
Il révèle les lacunes de connaissances, les désalignements de perception, les déficiences des sources et les désavantages concurrentiels.
Quoi
Les recommandations ont des statuts : À faire (vient d'être créée), En cours (vous y travaillez), Terminée (achevée), Rejetée (refusée avec une raison). Vous pouvez les gérer en vue Kanban (glisser-déposer les cartes entre les colonnes), vue Liste (tableau filtrable) ou vue Analytique (tableau de bord avec des métriques). Chaque recommandation peut être commentée, modifiée et liée à des tâches spécifiques.
Comment
En vue Kanban, vous faites glisser la recommandation de « À faire » à « En cours » lorsque vous commencez à y travailler. Lorsque vous avez terminé, déplacez-la vers « Terminée » et spécifiez la date d'achèvement. Si une recommandation n'a plus de sens, vous pouvez la rejeter en sélectionnant une raison (non pertinente, déjà faite, non réalisable, etc.). La vue Analytique indique le nombre de recommandations ouvertes, le nombre de celles qui sont terminées, le taux d'achèvement et la répartition par priorité et par type.
Pourquoi
Un flux de travail structuré garantit que les recommandations ne sont pas oubliées. Le suivi de l'achèvement vous permet de mesurer les progrès et de comprendre si les recommandations mises en œuvre fonctionnent. Si vous réalisez 10 recommandations pour améliorer l'ICP d'autorité et que vous constatez ensuite une augmentation du score, vous savez que le travail a porté ses fruits. Si le score n'augmente pas, vous comprenez que vous devez changer d'approche.
Quoi
Il existe trois modes de génération.
Vous pouvez également filtrer par pays.
Comment
Cliquez sur « Générer », choisissez le mode et, si vous le souhaitez, sélectionnez des KPI ou des pays spécifiques. La plateforme lance une tâche en arrière-plan qui analyse les données. Après 1 à 2 minutes, vous recevez une notification et les recommandations générées apparaissent dans le tableau de bord.
Chaque recommandation comprend :
Pourquoi
Générer manuellement des recommandations nécessiterait des heures d'analyse. La génération automatisée le fait en quelques minutes et, surtout, elle est basée sur des données objectives plutôt que sur l'intuition.
Vous pouvez également régénérer périodiquement pour vous adapter aux changements : si les concurrents modifient leur stratégie ou si de nouveaux problèmes apparaissent, les recommandations se mettent à jour en conséquence.
Quoi
La priorité des recommandations est calculée automatiquement en fonction du nombre et du poids des sources qui confirment le problème.
Chaque source a un poids :
Le système applique également un bonus multi-signaux : si plusieurs sources confirment le même problème, la priorité augmente.
Comment
Le calcul de la priorité fonctionne comme suit :
Niveaux de priorité :
Pourquoi
Ce système de priorisation garantit que les recommandations les plus critiques — celles confirmées par plusieurs sources ou par des sources faisant autorité comme le suivi concurrentiel — sont mises en avant en priorité.
Cela évite que des problèmes mineurs n'occultent des problèmes majeurs, et aide les équipes à concentrer leurs efforts là où l'impact sera le plus grand.
Le système est également extensible : si de nouvelles sources sont ajoutées à l'avenir (par exemple, la surveillance des médias sociaux), elles peuvent simplement être enregistrées dans le registre avec leur pondération correspondante.
Qu'est-ce que c'est ?
Les recommandations sont des tâches intelligentes créées automatiquement par la plateforme. Celle-ci analyse toutes les données disponibles — performance des KPI, positionnement concurrentiel et résultats techniques — et lorsqu'elle détecte des problèmes ou des opportunités, elle génère des actions spécifiques.
Chaque action vous indique :
Comment
Lors de la génération d'actions, vous choisissez une stratégie :
La plateforme utilise des modèles d'IA pour analyser les données, identifier les tendances et formuler des recommandations concrètes. Les actions sont ensuite priorisées en fonction de l'impact potentiel et de l'effort requis.
Pourquoi
Sans actions, vous auriez beaucoup de données mais aucun point de départ clair. Les actions transforment les données en étapes concrètes.
Au lieu de dire « le KPI d'innovation est faible », la plateforme pourrait suggérer :
Les actions sont donc exploitables et mesurables.
En coulisses, la plateforme utilise un graphe de connaissances pour suivre les relations entre les scores, les raisons et les actions.
Chaque fois qu'un module est exécuté :
sont enregistrés comme nœuds dans le graphe.
Les recommandations générées sont ensuite connectées aux raisons négatives qu'elles visent à résoudre par le biais de relations créées.
Cette architecture permet au système de :
En pratique, le système apprend continuellement quelles recommandations produisent de réelles améliorations et gagne en efficacité au fil du temps.
Quoi
L'audit technique est un robot d'exploration automatisé qui analyse le site web d'une marque du point de vue de l'IA. Il scanne toutes les pages accessibles, vérifie la configuration technique et évalue la facilité avec laquelle un système d'IA peut comprendre l'essence de la marque, trouver les informations clés et les citer correctement dans les réponses générées.
Les résultats incluent :
Comment
Lorsqu'un audit technique est lancé, le système exécute plusieurs analyses en parallèle :
1) Découvrabilité
Vérifie les fichiers techniques critiques tels que sitemap.xml, robots.txt, llm.txt, les données structurées schema.org, les balises méta Open Graph et d'autres éléments SEO qui aident les systèmes d'IA à indexer le site web.
2) Navigabilité
Des agents LLM autonomes partent de la page d'accueil et tentent de naviguer vers des pages clés (À propos, Contact, FAQ, Produits) en suivant les liens et les menus. Le score est basé sur le nombre d'agents qui réussissent à compléter ces parcours de navigation.
3) Clarté du contenu
Extrait tout le texte des pages scannées, le convertit en plongements vectoriels et le compare aux variables définissant la marque (secteur, catégories, positionnement, héritage) pour mesurer la qualité de la communication de l'identité de la marque par le site web.
Le score final est une moyenne pondérée de ces trois KPI.
Pourquoi
De nombreux sites web sont parfaits pour les utilisateurs humains mais difficiles à interpréter pour les systèmes d'IA.
Exemples :
Ces problèmes peuvent empêcher les systèmes d'IA de comprendre et de citer correctement la marque.
Le Suivi Technique identifie ces problèmes précis et fournit une feuille de route claire pour rendre le site « compatible avec l'IA », augmentant ainsi les chances que la marque soit correctement référencée dans les réponses générées par les modèles d'IA.
Quoi
Trois indicateurs clés mesurent la visibilité dans les réponses générées par l'IA :
De plus, la Tendance indique l'évolution au fil du temps (amélioration ou déclin).
Comment
Pour chaque question au sein de chaque Intention, le classement est enregistré : le système identifie si et où la marque est citée, et les métriques sont ensuite calculées automatiquement par intention et globalement.
Lors de la visualisation, il est possible de filtrer par modèle d'IA et par pays. Les graphiques montrent comment ces métriques évoluent au fil du temps, en soulignant les changements significatifs par rapport à l'exécution précédente.
Pourquoi
Ces métriques offrent un aperçu rapide et quantitatif de la position concurrentielle de la marque.
Citations
Pourcentage de réponses dans lesquelles la marque apparaît.
Part de visibilité
(Somme des scores de la marque sur tous les classements / Somme des scores de toutes les marques) × 100
Classement moyen
Position moyenne de la marque dans les classements où elle apparaît.
Notes complémentaires
Quoi
Une intention représente un scénario de recherche ou un besoin d'information pour la marque cible. Au lieu de suivre des mots-clés individuels comme dans le SEO traditionnel, ce système définit des contextes plus larges.
Exemples :
Pour chaque intention, l'IA génère automatiquement 10 questions différentes qu'un utilisateur réel pourrait poser.
Comment
Lors de la création d'une intention, vous spécifiez un nom et une description. La plateforme génère ensuite des questions réalistes liées à cette intention.
Ces questions sont exécutées via les modèles d'IA configurés, et la plateforme collecte les réponses. En analysant ces réponses, elle établit des classements de visibilité.
Pourquoi
Différentes intentions révèlent différentes dynamiques concurrentielles.
Une marque peut dominer certaines intentions tout en étant plus faible sur d'autres. En suivant plusieurs intentions, vous pouvez comprendre où la marque est forte et où le positionnement doit être amélioré.
De plus, ce module permet une analyse de marché pour l'expansion vers de nouveaux marchés ou catégories, en identifiant les concurrents les plus forts dans ces contextes.
Quoi
Une exigence fondamentale pour que ce module fonctionne correctement est que les questions ne doivent pas être influencées par la marque suivie.
Pour cette raison, le nom d'aucune marque ne doit jamais apparaître dans les intentions, sinon les résultats risquent d'être biaisés.
Comment
La génération d'intentions est conçue de manière à ce que la marque de référence ne soit jamais transmise au système, ni des informations génériques telles que :
Cela garantit que les questions générées restent réalistes tout en maintenant un contexte neutre.
Pourquoi
Éviter la mention de la marque est essentiel pour obtenir des résultats fiables.
Si le nom de la marque apparaît dans les questions, les modèles d'IA sont beaucoup plus susceptibles de la mentionner, même lorsque cela ne serait pas naturel. Cela fausserait les métriques de visibilité et l'analyse du positionnement concurrentiel.
Maintenir des questions neutres garantit que les résultats reflètent la véritable perception de la marque par les systèmes d'IA.
Quoi
Le suivi concurrentiel fonctionne en créant des « Intentions », c'est-à-dire des scénarios de recherche pertinents pour votre entreprise, et en analysant le positionnement de la marque en simulant des recherches d'utilisateurs.
Pour chaque Intention, la plateforme génère automatiquement un ensemble de questions qu'un client potentiel pourrait poser, les soumet à différents modèles d'IA et analyse les réponses pour voir :
Le résultat est un classement qui montre votre position par rapport aux concurrents.
Comment
Une Intention est créée en définissant un thème (par exemple, « Acheter des chaussures de course »). La plateforme génère des questions connexes, qui sont envoyées aux modèles d'IA configurés lors d'une exécution.
Les réponses sont structurées sous forme de classements.
En agrégeant tous les classements obtenus, le système calcule des métriques clés telles que :
Les classements peuvent être consultés :
Il est également possible de filtrer les résultats par modèle d'IA et par pays afin d'identifier des différences significatives en termes de visibilité.
Pourquoi
Si un utilisateur demande à ChatGPT « quelles sont les meilleures marques de chaussures de course » et que votre marque n'apparaît pas alors que vos concurrents le font, cela représente une perte de visibilité.
Le suivi concurrentiel montre précisément où la marque perd du terrain et où elle est forte, permettant des interventions ciblées.
Il ne s'agit pas de SEO traditionnel. Il se concentre plutôt sur la compréhension de la manière dont l'IA perçoit la marque par rapport à ses concurrents lorsqu'elle répond à des questions pertinentes pour l'entreprise.
Le nombre de marques citées dans les classements varie en fonction des réponses générées par les modèles d'IA.
Il n'y a pas de nombre fixe de concurrents car le système ne force pas le modèle à répondre dans un format standardisé.
Cependant, la fourchette typique est de 3 à 12 marques par question.
Quoi
Les aperçus sont des observations automatiques générées par la plateforme lors de l'analyse des modules. En plus de l'explication textuelle, chaque aperçu est accompagné des sources utilisées par les modèles pour extraire l'information.
Les aperçus servent de base à la génération d'Actions, car ils identifient automatiquement les forces et les faiblesses de la marque et mettent en évidence les domaines nécessitant une intervention.
Comment
Pendant la phase d'analyse des KPI, le système détecte les raisons pour lesquelles un KPI est évalué d'une certaine manière.
La réponse de l'appel d'analyse comprend :
Ces sources sont ensuite affichées dans la section des aperçus, en les séparant en :
Le score de l'exécution sélectionnée est également mis en évidence.
En ouvrant les détails d'un KPI spécifique, vous pouvez consulter la liste des aperçus associés à ce KPI, y compris leurs sources, vous permettant de comprendre clairement ce qui a fonctionné et ce qui n'a pas fonctionné lors de cette exécution.
Pourquoi
Savoir qu'un score de KPI a augmenté ou diminué ne suffit pas. Il est crucial de comprendre pourquoi il a changé.
Les aperçus fournissent cette explication en mettant en évidence les facteurs qui ont contribué au résultat.
Cela permet d'identifier précisément les forces à renforcer et les faiblesses à corriger, rendant ainsi les prochaines actions plus ciblées et efficaces.
Quoi
Cette section présente les résultats des analyses de modules sous forme de graphiques qui mettent en évidence les tendances et les variations au fil du temps. Vous pouvez visualiser et comparer les résultats en filtrant par marché, fournisseur, modèle d'IA et KPI, ce qui facilite l'identification des tendances positives et négatives.
Comment
En fonction des filtres sélectionnés, les données sont affichées dans un graphique où :
Chaque point sur le graphique représente le résultat d'un run. En cliquant sur un point, vous pouvez voir :
Le calcul du score est obtenu en prenant la moyenne de tous les scores d'invite associés à ce KPI. Naturellement, la valeur change en fonction des filtres sélectionnés et est mise à jour automatiquement.
Qu'est-ce qu'un module ?
Un module est essentiellement un conteneur qui regroupe des KPI et des Prompts associés. On peut le considérer comme un questionnaire structuré : vous définissez ce que vous voulez mesurer (les KPI) et les questions à poser (les Prompts), et la plateforme exécute automatiquement l'ensemble sur les modèles d'IA actifs.
Chaque module peut être de trois types :
Comment
Lors de la création d'un module, vous devez définir un ensemble de KPI à suivre et les Prompts utilisés pour interroger les modèles.
Vous pouvez configurer l'analyse pour qu'elle s'exécute automatiquement à intervalles réguliers ou la démarrer manuellement.
Lors d'une analyse :
Ces scores sont affichés dans des graphiques présentant les tendances au fil du temps, vous permettant de surveiller la perception de la marque et d'identifier les tendances ou les domaines à améliorer, avec la possibilité de filtrer par modèle ou par pays.
Pourquoi
Sans module, vous devriez interroger manuellement chaque modèle d'IA, copier les réponses, les lire et les évaluer une par une.
Les modules automatisent l'ensemble de ce processus et permettent d'obtenir des données comparables dans le temps. Cela vous permet de voir :
Le tout de manière systématique et reproductible.
Lors de la création d'un module et de ses composants, il est important d'ajouter des descriptions détaillées afin de fournir un contexte et de guider l'interprétation des résultats.
En particulier :
De plus, des paramètres générés par la marque peuvent être utilisés dans les invites. Cela garantit que l'IA dispose déjà d'informations clés sur la marque pendant l'analyse, améliorant ainsi la qualité et la pertinence des résultats.
Ce guide explique comment utiliser la plateforme et la logique de ses fonctionnalités.
Les cartes avec un fond vert et une icône d'ordinateur indiquent les sections contenant des détails d'implémentation technique, principalement destinées aux administrateurs Searchbridge et à l'équipe de développement/maintenance.
Les autres cartes avec l'icône mégaphone contiennent des descriptions de fonctionnalités et la logique métier de la plateforme, qui sont utiles pour tous les utilisateurs.
Les modules sont le cœur analytique de la plateforme. Ce sont des cadres d'évaluation utilisés pour mesurer des aspects spécifiques de la perception de la marque.
Chaque module se compose de :
Lorsqu'un module est activé, la plateforme interroge systématiquement plusieurs modèles d'IA et évalue les réponses selon les critères définis.
Le Suivi concurrentiel montre le positionnement de la marque par rapport à ses concurrents lorsque les systèmes d'IA répondent à des questions liées à l'industrie.
Il ne s'agit pas de SEO traditionnel. Le module mesure :
Le Suivi technique est un crawler automatisé qui analyse le site web d'une marque du point de vue de l'IA.
Il scanne les pages, vérifie la configuration technique et évalue la facilité avec laquelle un système d'IA peut :
Le résultat comprend un score global et une liste détaillée de ce qui fonctionne et de ce qui ne fonctionne pas.
Les recommandations sont des actions concrètes générées automatiquement par la plateforme après analyse de toutes les données collectées.
Si :
le système suggère des actions spécifiques à entreprendre.
Il ne s'agit pas de suggestions génériques. Chaque recommandation spécifie :
