Parcours de lecture
Parcours sélectionnés pour différents rôles et objectifs pratiques
Cette bibliothèque est conçue pour un public diversifié. C'est pourquoi nous avons préparé plusieurs parcours : un d'entrée, un pour les fondateurs, un pour les professionnels du marketing, un technique et un de recherche.
1
Un parcours pour une première entrée dans le sujet
Par où commencer
Idéal pour ceux qui découvrent la visibilité IA et veulent un cadre compact du problème, le vocabulaire partagé et la mécanique des moteurs de réponse.
Carte complète du sujet : du paradoxe de l'invisibilité au glossaire des métriques et à la mécanique de base de la réponse.
5 matériaux
30 min
30 min
Fondateur
Professionnel du marketing
Chercheur
| 1 Préface et guide du corpus ai100 mis à jourComment la bibliothèque de recherche AI100 est organisée : structure des articles, types de matériaux, niveaux de difficulté, parcours de lecture et navigation. | Guide | Introductif | 4 |
| 2 Pourquoi une marque forte peut être invisible pour les systèmes d’IAExplique le paradoxe central : une marque peut être bien connue des gens et en même temps peu distinguable pour l'IA au moment du choix réel. | Texte fondamental | Introductif | 7 |
| 3 De quelles sources l’IA tire son opinion sur la marque — et pourquoi le site ne tient pas le premier rôleLes couches à partir desquelles l'IA compose son opinion sur une marque : le site propre, le contexte de recherche, les avis indépendants, les plateformes utilisateurs — et pourquoi le site n'est plus le seul arbitre. | Texte fondamental | Intermédiaire | 7 |
| 4 Du moteur de recherche à l’intermédiaire IA : comment le parcours client se transformeComment l'intermédiaire IA transforme le parcours client : le choix et la comparaison se font de plus en plus avant le clic, et la première réponse synthétisée devient le cadre de la décision. | Texte fondamental | Introductif | 8 |
| 5 Canon des concepts AI100Dictionnaire canonique de tous les termes, métriques et concepts AI100. Définitions, formules et signification pratique de chaque indicateur. | Référence | Introductif | 8 |
2
Un cadre pour le risque, la demande et la position de marque
Parcours pour les fondateurs
Se concentre sur le point où l'invisibilité machine devient un problème business : comment le parcours client change, pourquoi la marque disparaît avant le clic et quels signaux la rendent recommandable.
Cadre de risque business : où l'entreprise perd de la demande avant le clic et quels signaux rendent une marque recommandable.
8 matériaux
51 min
51 min
Fondateur
| 1 Pourquoi une marque forte peut être invisible pour les systèmes d’IAExplique le paradoxe central : une marque peut être bien connue des gens et en même temps peu distinguable pour l'IA au moment du choix réel. | Texte fondamental | Introductif | 7 |
| 2 Du moteur de recherche à l’intermédiaire IA : comment le parcours client se transformeComment l'intermédiaire IA transforme le parcours client : le choix et la comparaison se font de plus en plus avant le clic, et la première réponse synthétisée devient le cadre de la décision. | Texte fondamental | Introductif | 8 |
| 3 L’économie de l’invisibilité : comment une entreprise perd de la demande avant même le premier clicComment traduire le problème de l'invisibilité IA d'une conversation abstraite sur le trafic vers le langage des pertes économiques précoces et des métriques gérables. | Texte fondamental | Introductif | 7 |
| 4 Autorité externe face au site de la marque : quelles sources fondent réellement le droit d’une marque à être recommandéeQuels signaux externes et sources indépendantes aident une marque à obtenir le droit d'être recommandée dans les réponses IA — et pourquoi le site propre sans eux ne suffit pas. | Article de recherche | Intermédiaire | 7 |
| 5 Substitution de catégorie : comment une marque perd non seulement face à un concurrent, mais aussi face à un cadre de choix qui n’est pas le sienComment une marque peut perdre non face à un concurrent mais face à un autre cadre de choix : l'IA déplace la tâche de l'utilisateur vers une autre catégorie et assemble un ensemble d'alternatives différent. | Article de recherche | Intermédiaire | 7 |
| 6 Carte pratique d’action : comment renforcer la distinguabilité machine de la marqueSix étapes séquentielles pour améliorer la visibilité IA : de la vérification d'identité à l'observation, en passant par le réassemblage du langage et le contour de confiance. | Guide | Intermédiaire | 8 |
| 7 Le champ linguistique de la visibilité : pourquoi une même marque évolue dans des mondes concurrentiels différentsLorsque nous avons lancé une même marque dans cinq langues, nous nous attendions à voir du bruit. Nous avons observé tout autre chose : quand la langue change, ce n'est pas le score de la marque qui change, mais tout le marché qui l'entoure. | Note de terrain | Intermédiaire | 7 |
| 8 Quand ce n'est plus l'humain qui choisit, mais son agentComment la visibilité de marque change quand un agent IA autonome — qui cherche, compare et décide seul — s'interpose entre l'entreprise et l'acheteur. | Article de recherche | Intermédiaire | 7 |
3
Sources, citation et diagnostic pratique
Parcours pour les professionnels du marketing
Utile lorsqu'il faut comprendre comment l'IA forme une opinion sur la marque, pourquoi le site n'est plus le seul centre de vérité et comment observer les pertes réelles dans les réponses.
Diagnostic appliqué : comment se forme l'opinion de la machine, comment distinguer mention et influence, où observer les pertes.
11 matériaux
67 min
67 min
Professionnel du marketing
| 1 De quelles sources l’IA tire son opinion sur la marque — et pourquoi le site ne tient pas le premier rôleLes couches à partir desquelles l'IA compose son opinion sur une marque : le site propre, le contexte de recherche, les avis indépendants, les plateformes utilisateurs — et pourquoi le site n'est plus le seul arbitre. | Texte fondamental | Intermédiaire | 7 |
| 2 Mention, citation et influence : trois niveaux de présence de la marque dans les réponses de l’IATrois niveaux de présence de marque dans les réponses IA — mention, citation et influence — et pourquoi une seule métrique ne suffit pas au diagnostic. | Article de recherche | Intermédiaire | 8 |
| 3 Autorité externe face au site de la marque : quelles sources fondent réellement le droit d’une marque à être recommandéeQuels signaux externes et sources indépendantes aident une marque à obtenir le droit d'être recommandée dans les réponses IA — et pourquoi le site propre sans eux ne suffit pas. | Article de recherche | Intermédiaire | 7 |
| 4 Substitution de catégorie : comment une marque perd non seulement face à un concurrent, mais aussi face à un cadre de choix qui n’est pas le sienComment une marque peut perdre non face à un concurrent mais face à un autre cadre de choix : l'IA déplace la tâche de l'utilisateur vers une autre catégorie et assemble un ensemble d'alternatives différent. | Article de recherche | Intermédiaire | 7 |
| 5 « Bulle de réponses » : pourquoi une même marque apparaît différemment dans ChatGPT, Google, Copilot et d’autres systèmesPourquoi il n'existe pas de visibilité IA unique : la même marque peut apparaître sensiblement différente entre ChatGPT, Google AI Overviews, Copilot et Perplexity. | Article de recherche | Intermédiaire | 7 |
| 6 SEO et visibilité dans l’IA : ce qui se transpose, ce qui ne se transpose pas et là où l’optimisation habituelle peut nuireCe qui se transfère du SEO classique à l'environnement de réponse IA, ce qui cesse de fonctionner et quelles nouvelles exigences apparaissent. | Texte fondamental | Introductif | 7 |
| 7 Observation issue d’une exécution : comment le langage du site a rendu la marque invisible dans sa propre catégorieObservation issue d'un test AI100 réel : une marque au SEO solide s'est révélée invisible pour l'IA à cause de l'écart entre la langue du site et la langue de la requête. | Note de terrain | Intermédiaire | 4 |
| 8 Carte pratique d’action : comment renforcer la distinguabilité machine de la marqueSix étapes séquentielles pour améliorer la visibilité IA : de la vérification d'identité à l'observation, en passant par le réassemblage du langage et le contour de confiance. | Guide | Intermédiaire | 8 |
| 9 La visibilité au prisme de la langue et de la géographiePourquoi la même marque apparaît différemment dans les réponses IA selon les langues et les pays — et quelles conséquences pratiques en découlent. | Article de recherche | Intermédiaire | 7 |
| 10 Le champ linguistique de la visibilité : pourquoi une même marque évolue dans des mondes concurrentiels différentsLorsque nous avons lancé une même marque dans cinq langues, nous nous attendions à voir du bruit. Nous avons observé tout autre chose : quand la langue change, ce n'est pas le score de la marque qui change, mais tout le marché qui l'entoure. | Note de terrain | Intermédiaire | 7 |
| 11 Wikipedia, Wikidata et Knowledge Graph : le socle invisible de la visibilité dans l’IAPourquoi la présence de marque dans Wikipedia, Wikidata et Knowledge Graph est devenue un levier pratique de visibilité IA — et comment y travailler. | Texte fondamental | Intermédiaire | 5 |
4
Métriques, infrastructure et contrôle de la disponibilité des données
Parcours pour les directeurs techniques
Un parcours pour les lecteurs qui ont besoin de voir le sujet à travers les données, l'indexation, le délai de mise à jour, l'infrastructure lisible par les machines et leur propre système d'observation.
Circuit d'infrastructure : métriques, délais de mise à jour, modes d'accès et architecture commerciale lisible par les machines.
8 matériaux
48 min
48 min
Responsable technique
| 1 Canon des concepts AI100Dictionnaire canonique de tous les termes, métriques et concepts AI100. Définitions, formules et signification pratique de chaque indicateur. | Référence | Introductif | 8 |
| 2 Fiche de mini-étude pour la base de connaissances AI100Modèle de fiche d'observation pour consigner les données de chaque test AI100 — afin que les réponses individuelles forment un historique de recherche. | Modèle d'observation | Introductif | 4 |
| 3 Décalage de mise à jour : à quelle vitesse les systèmes d’IA modifient-ils leur représentation d’une entreprise après une actualité, un lancement de produit ou un changement de prixPourquoi il existe un délai entre le changement d'un fait sur la marque et son apparition stable dans les réponses machine — et comment observer ce décalage en pratique. | Article de recherche | Avancé | 7 |
| 4 Économie de l’accès : exploration, indexation, apprentissage et droit de la marque de gérer sa présenceLes modes d'accès de l'IA au contenu de la marque — exploration, indexation, entraînement, licence — et pourquoi c'est déjà une question économique. | Article de recherche | Avancé | 7 |
| 5 Infrastructure commerciale lisible par machine : balisage, flux de données produit et catalogues comme langage compréhensible pour l’IALa couche de données et de balisage qui rend la marque et ses produits compréhensibles pour les machines : catalogues, flux produits, descriptions structurées et leur synchronisation. | Article de recherche | Avancé | 7 |
| 6 La distinguabilité multimodale : quand une marque n'est plus recherchée avec des motsComment la recherche visuelle, les requêtes vocales et les interfaces multimodales changent les exigences de visibilité de marque — et ce qui se transfère de l'optimisation textuelle au monde des images et de la voix. | Article de recherche | Avancé | 7 |
| 7 Quand ce n'est plus l'humain qui choisit, mais son agentComment la visibilité de marque change quand un agent IA autonome — qui cherche, compare et décide seul — s'interpose entre l'entreprise et l'acheteur. | Article de recherche | Intermédiaire | 7 |
| 8 Wikipedia, Wikidata et Knowledge Graph : le socle invisible de la visibilité dans l’IAPourquoi la présence de marque dans Wikipedia, Wikidata et Knowledge Graph est devenue un levier pratique de visibilité IA — et comment y travailler. | Texte fondamental | Intermédiaire | 5 |
5
Le corpus comme système d'observation
Parcours pour les chercheurs
Montre comment utiliser le corpus non comme un blog, mais comme une bibliothèque de recherche opérationnelle : du guide et du glossaire à la divergence entre systèmes et au modèle de mini-recherche.
Le corpus comme outil de travail : du glossaire et du modèle d'observation aux différences inter-systèmes et à la pratique de collecte de données.
9 matériaux
48 min
48 min
Chercheur
| 1 Préface et guide du corpus ai100 mis à jourComment la bibliothèque de recherche AI100 est organisée : structure des articles, types de matériaux, niveaux de difficulté, parcours de lecture et navigation. | Guide | Introductif | 4 |
| 2 Canon des concepts AI100Dictionnaire canonique de tous les termes, métriques et concepts AI100. Définitions, formules et signification pratique de chaque indicateur. | Référence | Introductif | 8 |
| 3 Mention, citation et influence : trois niveaux de présence de la marque dans les réponses de l’IATrois niveaux de présence de marque dans les réponses IA — mention, citation et influence — et pourquoi une seule métrique ne suffit pas au diagnostic. | Article de recherche | Intermédiaire | 8 |
| 4 « Bulle de réponses » : pourquoi une même marque apparaît différemment dans ChatGPT, Google, Copilot et d’autres systèmesPourquoi il n'existe pas de visibilité IA unique : la même marque peut apparaître sensiblement différente entre ChatGPT, Google AI Overviews, Copilot et Perplexity. | Article de recherche | Intermédiaire | 7 |
| 5 Décalage de mise à jour : à quelle vitesse les systèmes d’IA modifient-ils leur représentation d’une entreprise après une actualité, un lancement de produit ou un changement de prixPourquoi il existe un délai entre le changement d'un fait sur la marque et son apparition stable dans les réponses machine — et comment observer ce décalage en pratique. | Article de recherche | Avancé | 7 |
| 6 Fiche de mini-étude pour la base de connaissances AI100Modèle de fiche d'observation pour consigner les données de chaque test AI100 — afin que les réponses individuelles forment un historique de recherche. | Modèle d'observation | Introductif | 4 |
| 7 La visibilité au prisme de la langue et de la géographiePourquoi la même marque apparaît différemment dans les réponses IA selon les langues et les pays — et quelles conséquences pratiques en découlent. | Article de recherche | Intermédiaire | 7 |
| 8 Le champ linguistique de la visibilité : pourquoi une même marque évolue dans des mondes concurrentiels différentsLorsque nous avons lancé une même marque dans cinq langues, nous nous attendions à voir du bruit. Nous avons observé tout autre chose : quand la langue change, ce n'est pas le score de la marque qui change, mais tout le marché qui l'entoure. | Note de terrain | Intermédiaire | 7 |
| 9 La distinguabilité multimodale : quand une marque n'est plus recherchée avec des motsComment la recherche visuelle, les requêtes vocales et les interfaces multimodales changent les exigences de visibilité de marque — et ce qui se transfère de l'optimisation textuelle au monde des images et de la voix. | Article de recherche | Avancé | 7 |
6
Base méthodologique pour vendre des services de visibilité IA
Parcours pour les agences et consultants
Méthodologie, outils et langage pour diagnostiquer les marques clients et justifier une stratégie de visibilité IA.
Méthodologie, outils et langage pour diagnostiquer les marques clients et justifier une stratégie de visibilité IA.
8 matériaux
51 min
51 min
Agence
Consultant
| 1 Pourquoi une marque forte peut être invisible pour les systèmes d’IAPoint de départ pour la conversation client : pourquoi une marque forte perd dans l'IA. | Texte fondamental | Introductif | 7 |
| 2 L’économie de l’invisibilité : comment une entreprise perd de la demande avant même le premier clicLangage du business case : comment traduire le problème en argent et en demande perdue. | Texte fondamental | Introductif | 7 |
| 3 Ce que le marché propose pour accroître la visibilité dans l’IA et où se situent les coûts cachés de ces approchesCarte des outils concurrents : ce qui existe déjà et où sont leurs faiblesses. | Texte fondamental | Intermédiaire | 7 |
| 4 Mention, citation et influence : trois niveaux de présence de la marque dans les réponses de l’IAQue mesurer exactement chez le client : trois couches, pas une seule. | Article de recherche | Intermédiaire | 8 |
| 5 Fiche de mini-étude pour la base de connaissances AI100Modèle de travail pour les premières observations sur la marque du client. | Modèle d'observation | Introductif | 4 |
| 6 « Bulle de réponses » : pourquoi une même marque apparaît différemment dans ChatGPT, Google, Copilot et d’autres systèmesComment expliquer au client qu'il n'existe pas de visibilité unique. | Article de recherche | Intermédiaire | 7 |
| 7 SEO et visibilité dans l’IA : ce qui se transpose, ce qui ne se transpose pas et là où l’optimisation habituelle peut nuireCe qui se transpose du SEO au travail de visibilité IA pour le client. | Texte fondamental | Introductif | 7 |
| 8 Observation issue d’une exécution : comment le langage du site a rendu la marque invisible dans sa propre catégorieCas réel : comment la langue du site a rendu une marque invisible. | Note de terrain | Intermédiaire | 4 |
7
Les 24 matériaux, des fondamentaux au diagnostic avancé
Cours complet
Compréhension systémique complète de la visibilité IA : du paradoxe de l'invisibilité à travers la mécanique, les sources, l'économie et le diagnostic jusqu'à l'infrastructure technique et les sujets de recherche avancés.
Compréhension systémique complète de la visibilité IA : du paradoxe de l'invisibilité à travers la mécanique, les sources, l'économie et le diagnostic jusqu'à l'infrastructure technique et les sujets de recherche avancés.
24 matériaux
164 min
164 min
| 1 Préface et guide du corpus ai100 mis à jourComment la bibliothèque de recherche AI100 est organisée : structure des articles, types de matériaux, niveaux de difficulté, parcours de lecture et navigation. | Guide | Introductif | 4 |
| 2 Canon des concepts AI100Dictionnaire canonique de tous les termes, métriques et concepts AI100. Définitions, formules et signification pratique de chaque indicateur. | Référence | Introductif | 8 |
| 3 Pourquoi une marque forte peut être invisible pour les systèmes d’IAExplique le paradoxe central : une marque peut être bien connue des gens et en même temps peu distinguable pour l'IA au moment du choix réel. | Texte fondamental | Introductif | 7 |
| 4 Du moteur de recherche à l’intermédiaire IA : comment le parcours client se transformeComment l'intermédiaire IA transforme le parcours client : le choix et la comparaison se font de plus en plus avant le clic, et la première réponse synthétisée devient le cadre de la décision. | Texte fondamental | Introductif | 8 |
| 5 L’économie de l’invisibilité : comment une entreprise perd de la demande avant même le premier clicComment traduire le problème de l'invisibilité IA d'une conversation abstraite sur le trafic vers le langage des pertes économiques précoces et des métriques gérables. | Texte fondamental | Introductif | 7 |
| 6 Ce que l’IA « sait » réellement d’une entreprise : la représentation interne de la marqueAnalyse la manière dont un modèle de langue « porte » une marque en lui : non pas comme une fiche, mais comme un réseau probabiliste de catégories, attributs et associations. | Texte fondamental | Intermédiaire | 7 |
| 7 De quelles sources l’IA tire son opinion sur la marque — et pourquoi le site ne tient pas le premier rôleLes couches à partir desquelles l'IA compose son opinion sur une marque : le site propre, le contexte de recherche, les avis indépendants, les plateformes utilisateurs — et pourquoi le site n'est plus le seul arbitre. | Texte fondamental | Intermédiaire | 7 |
| 8 Mention, citation et influence : trois niveaux de présence de la marque dans les réponses de l’IATrois niveaux de présence de marque dans les réponses IA — mention, citation et influence — et pourquoi une seule métrique ne suffit pas au diagnostic. | Article de recherche | Intermédiaire | 8 |
| 9 Autorité externe face au site de la marque : quelles sources fondent réellement le droit d’une marque à être recommandéeQuels signaux externes et sources indépendantes aident une marque à obtenir le droit d'être recommandée dans les réponses IA — et pourquoi le site propre sans eux ne suffit pas. | Article de recherche | Intermédiaire | 7 |
| 10 Wikipedia, Wikidata et Knowledge Graph : le socle invisible de la visibilité dans l’IAPourquoi la présence de marque dans Wikipedia, Wikidata et Knowledge Graph est devenue un levier pratique de visibilité IA — et comment y travailler. | Texte fondamental | Intermédiaire | 5 |
| 11 « Bulle de réponses » : pourquoi une même marque apparaît différemment dans ChatGPT, Google, Copilot et d’autres systèmesPourquoi il n'existe pas de visibilité IA unique : la même marque peut apparaître sensiblement différente entre ChatGPT, Google AI Overviews, Copilot et Perplexity. | Article de recherche | Intermédiaire | 7 |
| 12 Substitution de catégorie : comment une marque perd non seulement face à un concurrent, mais aussi face à un cadre de choix qui n’est pas le sienComment une marque peut perdre non face à un concurrent mais face à un autre cadre de choix : l'IA déplace la tâche de l'utilisateur vers une autre catégorie et assemble un ensemble d'alternatives différent. | Article de recherche | Intermédiaire | 7 |
| 13 Ce que le marché propose pour accroître la visibilité dans l’IA et où se situent les coûts cachés de ces approchesCartographie des approches utilisées par le marché pour augmenter la visibilité IA : ce qui aide réellement et ce qui ne fait que créer une illusion de contrôle. | Texte fondamental | Intermédiaire | 7 |
| 14 SEO et visibilité dans l’IA : ce qui se transpose, ce qui ne se transpose pas et là où l’optimisation habituelle peut nuireCe qui se transfère du SEO classique à l'environnement de réponse IA, ce qui cesse de fonctionner et quelles nouvelles exigences apparaissent. | Texte fondamental | Introductif | 7 |
| 15 La visibilité au prisme de la langue et de la géographiePourquoi la même marque apparaît différemment dans les réponses IA selon les langues et les pays — et quelles conséquences pratiques en découlent. | Article de recherche | Intermédiaire | 7 |
| 16 La distinguabilité multimodale : quand une marque n'est plus recherchée avec des motsComment la recherche visuelle, les requêtes vocales et les interfaces multimodales changent les exigences de visibilité de marque — et ce qui se transfère de l'optimisation textuelle au monde des images et de la voix. | Article de recherche | Avancé | 7 |
| 17 Fiche de mini-étude pour la base de connaissances AI100Modèle de fiche d'observation pour consigner les données de chaque test AI100 — afin que les réponses individuelles forment un historique de recherche. | Modèle d'observation | Introductif | 4 |
| 18 Observation issue d’une exécution : comment le langage du site a rendu la marque invisible dans sa propre catégorieObservation issue d'un test AI100 réel : une marque au SEO solide s'est révélée invisible pour l'IA à cause de l'écart entre la langue du site et la langue de la requête. | Note de terrain | Intermédiaire | 4 |
| 19 ChatGPT Instant Checkout : acheter sans quitter le dialogueOpenAI a lancé les achats directement dans ChatGPT — Instant Checkout. Analyse de ce qui a changé et comment cela affecte la visibilité de marque. | Mise à jour | Introductif | 2 |
| 20 Quand ce n'est plus l'humain qui choisit, mais son agentComment la visibilité de marque change quand un agent IA autonome — qui cherche, compare et décide seul — s'interpose entre l'entreprise et l'acheteur. | Article de recherche | Intermédiaire | 7 |
| 21 Décalage de mise à jour : à quelle vitesse les systèmes d’IA modifient-ils leur représentation d’une entreprise après une actualité, un lancement de produit ou un changement de prixPourquoi il existe un délai entre le changement d'un fait sur la marque et son apparition stable dans les réponses machine — et comment observer ce décalage en pratique. | Article de recherche | Avancé | 7 |
| 22 Économie de l’accès : exploration, indexation, apprentissage et droit de la marque de gérer sa présenceLes modes d'accès de l'IA au contenu de la marque — exploration, indexation, entraînement, licence — et pourquoi c'est déjà une question économique. | Article de recherche | Avancé | 7 |
| 23 Infrastructure commerciale lisible par machine : balisage, flux de données produit et catalogues comme langage compréhensible pour l’IALa couche de données et de balisage qui rend la marque et ses produits compréhensibles pour les machines : catalogues, flux produits, descriptions structurées et leur synchronisation. | Article de recherche | Avancé | 7 |
| 24 Carte pratique d’action : comment renforcer la distinguabilité machine de la marqueSix étapes séquentielles pour améliorer la visibilité IA : de la vérification d'identité à l'observation, en passant par le réassemblage du langage et le contour de confiance. | Guide | Intermédiaire | 8 |