Un seul prompt ne vous apprend presque rien. Voici à quoi ressemble réellement un test réaliste.
Personne ne demande à un assistant IA « liste toutes les entreprises de la catégorie X classées par pertinence ». Les vrais acheteurs demandent comme à un ami bien informé : « quel est le meilleur outil de gestion de projet pour une équipe de 5 personnes », « peux-tu me recommander un bon club de pickleball à Austin », « quels sont les toiletteurs pour chiens les mieux notés près de chez moi ». Ces questions sont courtes, conversationnelles, formulées autour d’une situation précise, et, point crucial, elles ne mentionnent jamais de nom de marque, parce que l’acheteur ne sait pas encore sur quelle marque se renseigner. C’est tout l’enjeu de la question : la découverte, pas la confirmation.
Cela compte parce que c’est un test fondamentalement différent de taper votre propre nom de marque dans ChatGPT et de demander « parle-moi d’Acme Co ». Cette question teste seulement si le modèle sait qui vous êtes. Elle ne teste pas si le modèle vous aurait nommé spontanément, ce qui est le seul scénario qui compte vraiment pour l’acquisition de nouveaux clients.
Les modèles d’IA sont non déterministes par conception : la même question posée deux fois peut produire deux réponses différentes, nommant parfois un ensemble de marques différent, sans que rien d’autre n’ait changé. Si vous testez avec un seul prompt et obtenez un bon résultat, vous avez appris que le modèle vous a nommé une fois. Si le résultat est mauvais, vous avez appris qu’il ne l’a pas fait, une fois. Ni l’un ni l’autre ne dit grand-chose de ce que verrait une vraie distribution d’acheteurs posant une vraie distribution de questions.
La formulation d’une même intention varie aussi réellement. Quelqu’un de pressé tape « meilleur club pickleball austin ». Quelqu’un de plus réfléchi écrit « je cherche un club de pickleball à Austin : lesquels devrais-je envisager ? ». Quelqu’un qui compare demande « quel club de pickleball choisirais-tu et pourquoi ? ». C’est la même intention d’achat avec des mots différents, et une marque qui apparaît pour une formulation peut ne pas apparaître pour une autre, selon la façon dont le modèle récupère et pondère l’information pour ce cadrage précis.
C’est exactement pourquoi Mentioned ne lance pas un seul prompt. Quand vous saisissez une marque et une catégorie, il demande à Claude de générer 5 questions d’acheteur réalistes pour cette catégorie, formulées comme une vraie personne les chercherait, sans jamais contenir votre nom de marque pour que le test reste organique et non orienté, et envoie les 5 à chaque modèle (Claude, ChatGPT et Gemini dans la vérification gratuite) de façon indépendante et en parallèle. Il n’y a aucun contexte partagé entre elles : chacune est une conversation neuve, exactement comme 5 acheteurs différents posant chacun leur question. Votre score est simplement le nombre de réponses, sur 5, qui vous ont mentionné. Ce n’est ni une estimation pondérée ni un intervalle de confiance : c’est un décompte littéral de ce qui s’est réellement passé sur un éventail réaliste de façons de demander.
Si la génération de questions échoue pour une raison quelconque, Mentioned se rabat sur un ensemble fixe de modèles neutres (« Quels sont les meilleurs {category} ? », « Peux-tu recommander un bon {category} ? », et similaires) plutôt que de sauter la vérification ou de deviner un résultat. Voir le détail complet sur la page de méthodologie.
Pour rédiger un ensemble pour votre propre catégorie, le générateur de questions d’acheteur gratuit les écrit par intention : présélection, problème d’abord, changement, évaluation et intégrations.
Ce qu’il faut retenir en pratique : si vous voulez comprendre votre visibilité IA, ne testez pas avec un seul prompt en tenant le résultat pour définitif, dans un sens comme dans l’autre. Posez plusieurs variantes réalistes, attendez-vous à un peu de variance entre elles, et regardez le schéma plutôt qu’une réponse isolée. C’est une image plus honnête de ce que voient réellement les acheteurs que ne pourrait jamais en donner un seul prompt chanceux (ou malchanceux).