Méthodologie Brand Radar : comment Ahrefs collecte et modélise les données de visibilité IA
Par Juliette Begue
France Marketing Manager at Ahrefs
Brand Radar vous permet de suivre et d’explorer la visibilité des marques dans l’IA et la recherche. Comment les données sont collectées, modélisées et mises à jour ? On vous explique.
Version condensée: Les bases de la vue d’ensemble de Brand Radar
Voici comment nous recueillons les données :
- Nous interrogeons des plateformes IA comme ChatGPT, Perplexity, Gemini, Copilot et les AI Overviews de Google avec des millions de questions réelles.
- Nous enregistrons ensuite toutes leurs réponses afin que vous puissiez les analyser et voir où votre marque apparaît.
- Nous collectons les mots-clés et les SERP issus de la base de données d’Ahrefs, qui contient plus de 100 milliards de mots-clés.
- Nous extrayons également les questions “People Also Ask” de Google pour refléter la manière dont les utilisateurs posent leurs questions naturellement.
- Nous exécutons ces questions dans les différentes plateformes IA.
- Enfin, nous stockons toutes les réponses, ce qui vous permet de rechercher dans le texte et les liens pour identifier les mentions et citations de votre marque (ou de tout autre terme).
Les ensembles de questions sont mis à jour et testés chaque mois dans les chatbots, avec une fenêtre d’analyse de 90 jours.
Les métriques comme la Part de voix (Share of Voice) et les Impressions Estimées modélisent le niveau de visibilité d’une marque sur les sujets populaires, basé sur l’intérêt de recherche réel. Elles montrent une visibilité potentielle, non une portée réelle.
Version développée : une analyse fine grâce à une méthodologie solide
Brand Radar aide les entreprises à comprendre comment leur marque apparaît dans l’IA et la recherche. Il calcule la Part de Voix (Share of Voice) en fonction de la fréquence à laquelle les marques sont mentionnées ou citées dans les réponses de ChatGPT, Perplexity, Gemini, Microsoft Copilot et les AI Overviews et AI Mode de Google.
1. Data collection
Brand Radar modélise le comportement réel des utilisateurs, sans générer de prompts artificiels.
Les requêtes proviennent du corpus “People Also Ask” de Google et de la base de données Ahrefs de 110 milliards de mots-clés (28,7 milliards suivis). Elles représentent la demande de recherche réelle et les formulations naturelles.
Chaque requête est exécutée dans les interfaces IA compatibles. Nous stockons les réponses brutes. Les utilisateurs peuvent chercher dans ce corpus pour identifier les citations (URLs liées) et les mentions (correspondances textuelles) de n’importe quel terme.
Volume mensuel approximatif des requêtes :
- ChatGPT : 10,6 millions
- Perplexity : 13,1 millions
- Gemini : 7,2 millions
- Copilot : 13,3 millions
- AI Overviews : 134 millions
- AI Mode : 13,5 millions
Tous les prompts passent par les interfaces web publiques et gratuites de ChatGPT, Gemini, Perplexity, Copilot et autres plateformes supportées, afin de refléter l’expérience utilisateur réelle.
Le paramétrage des langues reflète la proportion de requêtes par pays et par langue dans notre base de mots-clés, assurant une représentation équilibrée des marchés.
2. Data modeling
Comme les prompts IA sont pratiquement infinis, Brand Radar se concentre sur les sujets à forte demande qui reflètent l’intérêt de recherche. Les métriques sont des indicateurs directionnels, non des volumes de trafic exacts. Elles doivent être comprises comme des signaux de visibilité modélisée, et non comme des métriques de performance.
Les Impressions Estimées pondèrent les mentions par le volume de recherche Google pour modéliser l’exposition potentielle.
Cadence de mise à jour selon la plateforme :
- ChatGPT, Perplexity, Gemini et Copilot sont mis à jour mensuellement, avec une fenêtre d’analyse stable de 90 jours.
- Google AI Overviews et AI Mode se mettent à jour en continu, en suivant les cycles de mise à jour de la base de mots-clés.
Le reporting “Toutes les plateformes” combine les données des deux groupes.
3. Transparence and limites
Un biais sur la couverture
La couverture est plus forte en anglais. Les marchés non anglophones sont représentés proportionnellement.
Une couverture plus forte sur les prompts courts et populaires
L’utilisation des chatbots est très personnalisée et le nombre de requêtes IA possibles est virtuellement infini. Nous priorisons les questions les plus populaires et à forte demande issues de notre base de 110 milliards de mots-clés et du corpus People Also Ask. Cela garantit une bonne couverture des types de questions les plus susceptibles d’apparaître dans les résultats IA, même si des prompts très longs ou ultra-niche peuvent ne pas être inclus.
Anomalies et hallucinations des LLMs
Les LLMs génèrent parfois des liens hallucinés ou malformés. Nous ne filtrons pas ces liens, car ils reflètent la réalité du comportement des modèles.
Mises à jour des données
La fréquence de mise à jour par plateforme est décrite dans la section Modélisation des données.
4. Comment exploiter les données
Brand Radar est idéal pour :
- Benchmarker la visibilité de marque et la Part de Voix
- Comparer la couverture des concurrents à travers les plateformes IA
- Identifier les modèles de co-citations et les lacunes de visibilité
Ce n’est pas un outil de mesure d’audience ou d’analyse de trafic. Voyez-le comme un audit de visibilité médiatique : il montre ce qui apparaît dans l’IA et la recherche, pas qui l’a vu.
5. Base de données
Brand Radar s’appuie sur l’infrastructure de données d’Ahrefs : 28,7 milliards de mots-clés filtrés parmi 110 milliards découverts.
Cette base garantit que Brand Radar combine des données de recherche vérifiées avec une visibilité IA modélisée de manière transparente. Cette méthodologie est fidèle à l’engagement d’Ahrefs pour l’exactitude et le comportement réel des utilisateurs.
Responsable marketing d’Ahrefs France, Juliette aide les marques à maîtriser les fonctionnalités d'Ahrefs et à utiliser le SEO pour démultiplier leur visibilité et leurs leads.