Projet · Juin 2026 - en cours
Preuvia
Aider une marque à savoir si elle apparaît dans les réponses des assistants IA, qui ressort à sa place, quoi publier, puis quoi re-tester au prochain audit.
Offre en ligne - phase de lancement
Mon rôle J'ai conçu l'offre, la méthode d'audit, le site et un exemple de livrable.
Le projet en images.
Mon travail
Ce que j'ai réalisé.
- Site en ligne avec tunnel de prise de contact.
- Protocole d'audit multi-modèles reproductible.
- Questions test séparant requêtes génériques et requêtes marque.
Ce que ce projet montre
- Produit pensé de bout en bout : positionnement, offre, site, livraison.
- Méthode d'audit rejouable de la visibilité d'une marque dans les réponses des assistants IA.
- Protocole, grille de lecture et livrable conçus pour être rejoués et comparés dans le temps.
Où en est le projet ?
Offre en ligne - phase de lancement
- Ne garantit pas l'apparition dans les réponses IA.
- Ne force pas les modèles à citer une marque.
- Les scores sont datés : ils dépendent du modèle, du prompt et du moment du test.
- Ne remplace pas le SEO classique ; il ajoute une couche de visibilité dans les moteurs de réponse.
Ce qui n'est pas encore mesuré
- Revenus récurrents : trop tôt, offre en phase de lancement.
- Effet réel sur les citations IA des clients : mesuré au cas par cas, pas de moyenne publiable.
Choix, résultats et preuves.
Ouvrir le dossier technique
Preuve publique
| Résumé | Aider une marque à savoir si elle apparaît dans les réponses des assistants IA, qui ressort à sa place, quoi publier, puis quoi re-tester au prochain audit. |
|---|---|
| Type | Produit - audit GEO (visibilité IA) |
| Période | Juin 2026 - en cours |
| Rôle | Conception produit, méthode d'audit, site, prototypage du livrable |
| Statut | Offre en ligne - phase de lancement |
| Niveau de preuve | Un lien public permet de contrôler au moins l'élément principal. |
| Stack | Next.js, GEO / AEO, LLM multi-modèles, Schema JSON-LD, PDF |
| Ce que ça prouve | Un audit sur quatre IA principales, avec Mistral selon le contexte, qui montre si elles citent une marque, qui apparaît à sa place et quoi publier avant le prochain contrôle. |
| Preuves | Site et détail public de l'offre accessibles en ligne. Les éventuelles missions clients restent hors du périmètre des preuves publiques. |
Les contraintes de départ
- Sujet mouvant : les réponses des IA varient selon le modèle, le prompt et le moment.
- Promesse honnête imposée : ne jamais garantir l'apparition dans les IA.
- Méthode et template d'audit = actif commercial, non publiés.
Les décisions
| Décision | Pourquoi | Écarté |
|---|---|---|
| Score public sur 4 dimensions | Rendre l'audit vérifiable : présence, exactitude, fraîcheur et citabilité peuvent être re-testées au lieu de rester dans un score opaque. | Score propriétaire impossible à expliquer. |
| Offre productisée plutôt que SaaS | Livrer une valeur claire et facturable tout de suite, sans construire une plateforme avant d'avoir des clients. | Développer un outil de monitoring self-service d'emblée. |
| Promesse explicitement non garantie | Question de crédibilité, personne ne contrôle ce que les modèles citent. | Vendre une garantie d'apparition invérifiable. |
| Sortie = contenus prêts à publier | Donner l'action, pas seulement le constat. | Se limiter à un score de visibilité. |
Autres éléments livrés
- Livrable PDF avec le score, les sources citées, les écarts et un plan d'action à vérifier lors du prochain audit.
- Prototype de mini-audit et modèle de livrable.
Les résultats documentés
- Offre, site et principes de la méthode présentés publiquement.
- Grille de lecture et structure de livrable documentées.
- Ce portfolio est lui-même optimisé selon cette méthode (llms.txt, profile.json, données structurées).
La suite envisagée
- Industrialiser la collecte multi-modèles.
- Suivi mensuel des écarts de citation pour les clients sous abonnement.
Architecture et outils
- Site et tunnel de prise de contact en Next.js, déployés et suivis en production.
- Protocole d'audit reproductible : un jeu de requêtes testé sur quatre IA principales (ChatGPT, Claude, Perplexity et Gemini), avec Mistral selon le contexte.
- Grille de lecture publique : présence, exactitude, fraîcheur et citabilité, notées de 0 à 3 par assistant.
- Comparaison des sources citées (concurrents, comparatifs, forums) pour situer la marque.
- Livrable PDF structuré : score de visibilité, écarts, contenus et balisage à publier, puis éléments à re-tester au prochain audit.