Score GEO : ce qu’il mesure, et pourquoi il change d’un outil à l’autre

Un « score GEO » (ou score de visibilité IA) résume en un chiffre la présence d’une marque dans les réponses de ChatGPT, Gemini, Perplexity ou Google AI Overviews. Le problème : deux outils donnent rarement le même chiffre pour la même marque, la même semaine.

Ce n’est pas forcément qu’un des deux se trompe. Chaque outil fait des choix de calcul différents, et la plupart les publient. Voici ce que disent leurs documentations, ce qui fait varier un score, et comment le lire.

Ce qu’un score GEO mesure vraiment

Presque tous les scores partent de la même opération : poser des questions à des assistants IA, enregistrer les réponses, puis compter celles qui nomment votre marque. Le score dépend donc de quatre choix, faits avant tout calcul.

• Les questions. Celles que vous écrivez, ou celles d’une base de données de l’outil.
• Les assistants et le pays. Quelles IA sont interrogées, dans quelle langue, depuis quel pays.
• La détection de la marque. Une simple recherche du nom, ou un système qui reconnaît les variantes et écarte les homonymes.
• Le dénominateur. Toutes les réponses, ou seulement certaines.

Changez un seul de ces choix, et le score change, sans que votre visibilité réelle ait bougé.

Ce que publient les principaux outils

Formules relevées dans les documentations officielles le 13 novembre 2026.

• Peec AI : le Visibility Score est le nombre de réponses qui mentionnent la marque, divisé par le nombre total de réponses, multiplié par 100.
• Profound : le Visibility Score est le nombre de réponses qui incluent la marque, divisé par le nombre de réponses qui mentionnent au moins une marque. Les réponses sans aucune marque sortent du calcul.
• Otterly.ai : la Brand Coverage est la part des prompts qui mentionnent la marque. Une exécution compte au plus une mention par prompt, par moteur et par jour. Pour Google AI Overviews, les prompts qui ne déclenchent pas d’aperçu IA sont exclus.
• Semrush : l’AI Visibility Score va de 0 à 100 et combine deux facteurs, la couverture des sujets (combien de sujets incluent la marque, comparé aux autres domaines) et la régularité des mentions dans ces sujets. Les questions viennent de la base de prompts de Semrush, pas de votre liste. La pondération exacte n’est pas détaillée dans l’aide.

Les définitions de la position diffèrent aussi. Chez Peec AI, la position compte toutes les marques détectées dans la réponse, y compris celles que vous ne suivez pas. Chez Vizioa, c’est le rang moyen de la première mention de la marque parmi les marques suivies nommées dans la réponse.

Mêmes réponses, deux scores : un exemple

Exemple fictif, pour illustrer le calcul. Un outil pose une question 10 fois. Votre marque est nommée dans 4 réponses. Dans 2 réponses, l’assistant ne cite aucune marque (il explique une méthode, sans recommander d’outil).

• Avec la formule de Peec AI : 4 réponses sur 10, soit 40 %.
• Avec celle de Profound : 4 réponses sur les 8 qui citent au moins une marque, soit 50 %.

Les deux chiffres sont justes. Ils ne répondent pas à la même question : « sur toutes les réponses, à quelle fréquence suis-je nommé ? » d’un côté, « quand l’assistant recommande des marques, à quelle fréquence suis-je dedans ? » de l’autre.

Les autres raisons d’un écart

Les réponses changent d’une fois à l’autre

SparkToro et Gumshoe.ai ont fait poser 12 questions de recommandation à ChatGPT, Claude et l’IA de Google, 2 961 fois au total, par 600 volontaires. Moins d’une fois sur 100, deux réponses donnaient la même liste de marques, et environ une fois sur 1 000 la même liste dans le même ordre. En revanche, le pourcentage de réponses où une marque apparaît restait un indicateur exploitable.

Conséquence : un score calculé sur peu de réponses bouge beaucoup, même si rien n’a changé.

Le nombre de questions suivies

Otterly.ai a mesuré l’effet de la taille de l’échantillon sur un jeu de 320 prompts : avec 10 prompts, 90 % des résultats de Brand Coverage tombaient entre 39 % et 71 % ; avec 100 prompts, entre 51 % et 60 %. Un score sur 10 questions et un score sur 100 questions ne se comparent pas.

La façon de compter une mention

Être nommé trois fois dans la même réponse compte pour une mention chez Otterly.ai, et une marque compte au plus une mention par run dans la part de voix de Vizioa. Un outil qui compte chaque occurrence du nom obtiendra d’autres chiffres.

Le mode de collecte

Selon les outils, les réponses sont collectées par l’interface des assistants, comme un utilisateur, ou par d’autres moyens. Peec AI indique interroger les plateformes par leur interface web. Le mode de collecte, le pays et l’absence d’historique de compte influencent ce que l’assistant répond.

Comment lire votre score GEO

1. Comparez un score avec lui-même. Même outil, mêmes questions, mêmes assistants, mêmes concurrents, d’une semaine à l’autre. Comparer le 40 % d’un outil au 50 % d’un autre n’a pas de sens.
2. Cherchez la formule. Si l’outil ne dit pas ce qu’il divise par quoi, lisez plutôt ses indicateurs détaillés.
3. Regardez la tendance, pas un relevé. Une variation de quelques points sur une semaine peut venir du hasard des réponses.
4. Lisez le score avec d’autres indicateurs. Le taux de citation de votre site, la part de voix face à vos concurrents et les domaines sources disent où agir. Notre guide des 6 indicateurs de visibilité IA les détaille, et la différence entre mention et citation explique pourquoi un score de mentions ne dit rien de vos sources.

Et chez Vizioa ?

Vizioa publie ses définitions sur sa page méthodologie. La visibilité est la part des runs terminés où la marque est mentionnée (les runs en échec sont exclus des dénominateurs). La part de voix est le nombre de mentions de la marque divisé par les mentions de toutes les marques suivies, sur les mêmes runs, avec au plus une mention par marque et par run. Le taux de citation propre est la part des runs terminés où au moins une URL du domaine de la marque figure dans les sources.

Les audits agences affichent aussi un score global, dont la formule n’est pas publiée : c’est pourquoi chaque audit détaille les indicateurs qui le composent. Pour suivre ces indicateurs dans le temps sur les sept assistants, voir le suivi de visibilité IA. Pour un premier relevé sans outil, partez de notre modèle d’audit GEO gratuit.

Questions fréquentes

Qu’est-ce qu’un bon score GEO ?

Il n’existe pas de seuil universel, puisque chaque outil calcule son score à sa façon. Un score se juge face à vos concurrents, sur les mêmes questions et dans le même outil, et dans sa tendance d’une semaine à l’autre.

Pourquoi mon score GEO baisse-t-il alors que je n’ai rien changé ?

Les assistants IA ne donnent pas deux fois la même liste de marques pour la même question, et ils mettent à jour leurs modèles. Sur un petit nombre de questions, ces variations suffisent à faire bouger le score. Vérifiez la tendance sur plusieurs semaines et regardez si vos concurrents bougent aussi.

Peut-on comparer le score de Peec AI et celui de Profound ?

Pas directement. Peec AI divise par toutes les réponses, Profound seulement par celles qui citent au moins une marque. Sur les mêmes réponses, le score de Profound est donc égal ou plus élevé dès que certaines réponses ne citent aucune marque.

Combien de questions suivre pour un score fiable ?

Plus il y en a, plus le score est stable. Dans le test d’Otterly.ai, passer de 10 à 100 prompts resserrait nettement la fourchette des résultats. Choisissez des questions réelles de vos clients, réparties par intention, et gardez la même liste pour comparer.

Le score GEO tient-il compte des citations de mon site ?

Rarement. Les scores de visibilité les plus courants comptent les réponses qui nomment votre marque. Que votre site soit cité en source se mesure à part, avec un taux de citation.

Sources

• Peec AI, Visibility, Position et Welcome to Peec AI, documentation consultée le 13 novembre 2026.
• Profound, About Answer Engine Insights, documentation consultée le 13 novembre 2026.
• Otterly.ai, Definition of Brand Report KPIs, consultée le 13 novembre 2026.
• Otterly.ai, Brand Reports Update: AI Sentiment & Position, consulté le 13 novembre 2026.
• Semrush, Where does the data in Semrush’s AI Visibility Toolkit come from?, consultée le 13 novembre 2026.
• SparkToro, New research: AIs are highly inconsistent when recommending brands or products, avec Gumshoe.ai, 28 janvier 2026.
• Vizioa, méthodologie.