Share of Model
Le Share of Model (SoM) est la proportion de mentions de marque qu'une entreprise reçoit d'un ou plusieurs grands modèles de langage (LLM) par rapport au total des mentions de marque dans la même catégorie. Il quantifie la fréquence et la faveur avec lesquelles les plateformes IA recommandent une marque lorsque les utilisateurs posent des questions pertinentes pour la catégorie.
Le Share of Model (SoM) est la proportion de mentions de marque qu'une entreprise reçoit d'un ou plusieurs grands modèles de langage (LLM) par rapport au total des mentions de marque dans la même catégorie. Il quantifie la fréquence et la faveur avec lesquelles les plateformes IA recommandent une marque lorsque les utilisateurs posent des questions pertinentes pour la catégorie.
Pourquoi c'est important
En 2026, ChatGPT compte à lui seul 815 millions d'utilisateurs actifs mensuels et détient 60,7 % du marché de la recherche IA. Les réponses de l'IA mentionnent généralement seulement une à trois marques au lieu d'afficher dix liens bleus. Si la vôtre n'en fait pas partie, vous êtes invisible pour une audience en croissance rapide. Les benchmarks du secteur suggèrent que les leaders de catégorie ont besoin d'un SoM de 35 à 40 % sur les prompts clés pour conserver une position en tête de liste.
Share of Model vs. Share of Voice
| Métrique | Share of Voice (SoV) | Share of Search | Share of Model (SoM) |
|---|---|---|---|
| Mesure | Exposition publicitaire et médiatique | Volume de requêtes de recherche liées à la marque | Mentions de marque dans les réponses IA |
| Question clé | "Quel est le volume de notre marque ?" | "À quelle fréquence les gens nous recherchent-ils ?" | "À quelle fréquence l'IA nous recommande-t-elle ?" |
| Source de données | Plateformes publicitaires, veille média | Google Trends, Search Console | Collecte et analyse des réponses des LLM |
Comment mesurer
- Concevoir des requêtes : sélectionner 20 à 50 questions à forte intention représentant votre catégorie.
- Tester sur plusieurs modèles : soumettre des requêtes identiques à ChatGPT, Claude, Gemini et Perplexity. Régler la température à 0 pour la cohérence.
- Comptabiliser les mentions : noter quelles marques apparaissent dans chaque réponse, en relevant la fréquence, la position et le sentiment.
- Calculer la part :
(Mentions de votre marque ÷ Total des mentions de la catégorie) × 100. - Suivre trimestriellement : les données d'entraînement et les algorithmes des LLM évoluent fréquemment, mesurez au moins une fois par trimestre.
Les outils de suivi automatisé incluent Profound, Conductor, Semrush et l'AEO Grader de HubSpot.
Variation entre modèles
La visibilité d'une marque peut différer radicalement d'un LLM à l'autre. Ariel commandait près de 24 % des mentions sur Llama de Meta mais moins de 1 % sur Gemini de Google, tandis que Chanteclair détenait 19 % sur Perplexity mais disparaissait entièrement de Llama. La mesure sur un seul modèle est insuffisante, suivez toujours sur plusieurs plateformes.
Améliorer votre Share of Model
- Publier un contenu faisant autorité : un contenu approfondi et riche en E-E-A-T positionne votre marque comme une autorité de catégorie dans les données d'entraînement des LLM.
- Optimiser pour les citations : inclure des statistiques, des résultats de recherche et des citations d'experts pour que les systèmes d'IA référencent votre contenu comme source.
- Étendre sa présence sur des plateformes de confiance : Wikipedia, les articles universitaires et les rapports sectoriels ont un poids élevé dans l'entraînement des LLM.
- Fournir un fichier llms.txt : aider les crawlers d'IA à analyser efficacement le contenu de votre site avec un fichier llms.txt structuré.
Sources :