Mesurer le ROI du GEO et suivre les revenus IA des LLM (ChatGPT, Claude, Gemini…)

Votre CFO vient de poser la question que tout responsable GEO redoute : qu’avons-nous obtenu pour le budget GEO le trimestre dernier ? Vous avez des données. Vous avez des tableaux de bord. Vous avez des nombres de citations, des tendances de part de voix, un score GEO qui a évolué dans le bon sens. Vous avez zéro dollar attribué à la recherche IA dans vos analytics. Votre CFO ne s’intéresse pas aux trois premiers. C’est le fossé d’attribution : vos données de visibilité, de visites et de revenus décrivent des étapes différentes du parcours. Un référent identifiable permet de mesurer certaines visites issues d’assistants IA, mais pas toute leur influence. Aucun multiplicateur universel ne permet de reconstituer ce qui manque. Cet article est un cadre pour mesurer ce que la recherche IA apporte réellement à votre entreprise. Il explique pourquoi l’attribution classique cesse de fonctionner avec l’IA, les trois méthodes disponibles aujourd’hui et leurs compromis, un cadre en trois couches applicable que vous achetiez un outil ou que vous le construisiez vous-même, une matrice de maturité pour situer votre stack actuelle, une checklist d’audit en 20 points et une trame de discussion avec le CFO pour transformer la mesure en budget. Le but est de présenter à la finance des observations reproductibles, leurs limites et les décisions qu’elles peuvent éclairer. La qualité du suivi compte davantage qu’un chiffre unique censé résumer toute l’influence de l’IA. Lisez-le en pensant à votre propre stack. À la fin, vous devriez savoir exactement où vous vous situez sur la matrice de maturité, à quoi ressemble la prochaine étape et s’il faut construire ou acheter.

Partie 1. Pourquoi l’attribution IA enfreint les règles que vous connaissez

L’attribution répartit un crédit entre les points de contact qu’un dispositif a pu observer. Les modèles de dernier clic ou pilotés par les données dépendent du suivi, du consentement et des règles retenues ; aucun ne rend visible un point de contact qui n’a pas été collecté. En SEO, Search Console décrit les requêtes et l’exposition de votre site dans Google, tandis que votre outil analytics mesure les visites et les conversions collectées. Les rapports génératifs de Google complètent désormais ces observations. Ils ne permettent pas de relier individuellement chaque impression à un achat. Dans la recherche IA, un utilisateur peut lire une recommandation puis revenir plus tard par recherche de marque ou accès direct. Ce parcours est possible, mais une visite directe ne permet pas d’en déterminer l’origine. À l’inverse, un clic avec un référent IA identifiable constitue un signal observable. Quand l’exposition a lieu dans une conversation sans clic traçable, vos analytics ne peuvent pas l’observer directement. Cela ne rend pas les clics mesurés inutiles : ils forment une base à compléter par des enquêtes ou des analyses agrégées. La solution n’est pas un meilleur modèle de dernier clic. C’est un autre modèle mental. Au lieu de suivre le parcours de l’utilisateur, suivez les trois moments qui entourent la décision.

Le modèle des trois moments

En amont : l’accès au contenu. Les logs peuvent montrer qu’un crawler a récupéré une page. Cela ne prouve ni son utilisation dans une réponse ni son influence sur un achat. Distinguez les crawlers de recherche de ceux qui collectent du contenu pour l’entraînement.

En milieu de parcours : les visites identifiables. ChatGPT, Perplexity et d’autres assistants peuvent transmettre un référent lors d’un clic. Sa présence dépend du lien, de l’application, du navigateur et du dispositif de mesure. Dans GA4, AI Overviews et AI Mode restent classés dans Organic Search, pas dans le canal AI Assistant.

En aval : les résultats commerciaux. Examinez les conversions et revenus attribués aux visites IA identifiables, puis, séparément, les réponses aux enquêtes et les tendances agrégées. Une corrélation avec le trafic direct, les recherches de marque ou les ventes ne démontre pas une cause IA. Ces trois couches permettent de croiser des observations : accès aux pages, visites identifiables et résultats commerciaux. Elles ne rendent pas les signaux indépendants par défaut et ne reconstituent pas automatiquement les parcours manquants. Documentez les recouvrements pour éviter de compter deux fois une même conversion.

Partie 2. Les trois méthodes d’attribution disponibles aujourd’hui

Les trois méthodes suivantes peuvent se compléter. Examinez leurs données d’entrée et leurs limites avant de choisir votre dispositif.

Méthode A : les enquêtes post-achat

Comment elle fonctionne. Après une conversion, vous affichez à l’utilisateur une enquête d’une seule question demandant comment il a entendu parler de vous pour la première fois. Les options comprennent ChatGPT, Perplexity, Claude, Gemini, la recherche traditionnelle, le bouche-à-oreille, etc. Les réponses sont croisées avec les données de commande ou d’affaire pour produire une vue d’attribution par canal.

Forces. Des données déclaratives (zero-party data) : l’utilisateur vous l’a dit directement. Elle capte une influence qu’aucun pixel ne voit, y compris des réponses d’IA lues sur l’écran de quelqu’un d’autre ou sur un téléphone sans en-tête de référent. Bien établie dans le DTC grâce à des outils comme Fairing, KnoCommerce et HockeyStack. Peu coûteuse à mettre en place et rapide à faire évoluer.

Faiblesses. Le taux de réponse varie selon le parcours. Les répondants peuvent oublier une exposition ou citer plusieurs sources ; ils ne représentent pas nécessairement tous les acheteurs. L’enquête apporte une attribution déclarée, pas une preuve causale ni une mesure des non-convertis.

Quand l’utiliser. Comme signal de triangulation, en complément d’autres méthodes. Par défaut pour les marques DTC où les autres couches sont difficiles à installer. Comme test de cohérence quand vos données d’attribution multicouche paraissent trop bonnes ou trop mauvaises. Jamais comme unique source de vérité dans une discussion sur le budget GEO.

Méthode B : l’attribution à couche unique

Comment elle fonctionne. Dans GA4, commencez par le canal natif AI Assistant , qui regroupe les sources d’assistants reconnues. Examinez aussi la source, le support et les conversions avec une même portée d’attribution. Les groupes personnalisés restent utiles pour détailler ou compléter ce classement ; AI Overviews et AI Mode appartiennent à Organic Search. Vous pouvez voir comment le configurer ici : Comment suivre le trafic IA avec Google Analytics ?

Forces. Cette méthode exploite votre dispositif analytics existant et relie les visites identifiables aux événements et revenus qu’il collecte. La valeur d’un événement doit rester distinguée d’un chiffre d’affaires encaissé.

Faiblesses. La méthode ne capture pas une exposition sans visite identifiable. Les liens copiés, les changements d’application ou de navigateur et les retours ultérieurs peuvent masquer l’origine. L’importance de ces angles morts dépend de votre contexte ; il n’existe pas ici de base pour affirmer qu’ils représentent une proportion précise du trafic ou favorisent systématiquement un assistant.

Quand l’utiliser. Comme base de suivi des visites et conversions identifiables. Complétez-la si vous devez étudier les expositions sans clic ou les parcours plus longs, en gardant ces analyses séparées des revenus directement attribués.

Méthode C : l’attribution multicouche

Comment elle fonctionne. Vous combinez l’analyse des logs de crawlers, la capture des référents et la corrélation entre des indicateurs de visibilité (comme le score GEO ou le nombre de citations) et des indicateurs business (conversions, revenus) dans un seul cadre. Chaque couche compense les angles morts des autres.

Forces. Le rapprochement de plusieurs sources permet de confronter vos hypothèses. Vous pouvez, par exemple, comparer l’accès aux pages, les citations suivies et les visites observées, sans supposer qu’un signal annonce nécessairement le suivant.

Faiblesses. Complexité de la mise en place : il faut un accès aux logs du CDN, une configuration GA4 et une méthode de corrélation. Corrélationnelle, et non déterministe. Demande d’expliquer la méthodologie à des parties prenantes habituées à la simplicité du dernier clic.

Quand l’utiliser. Lorsque les enjeux justifient le travail de rapprochement et que vous pouvez documenter la méthode. Adaptez l’effort à vos données, au cycle de vente et aux décisions à prendre.

Comparaison en un coup d’œil

Aucun taux de couverture universel ni temps de mise en place garanti n’est attribué à ces méthodes. Le trafic sans origine identifiable ne doit pas être converti en « trafic IA » à l’aide d’un multiplicateur.

Partie 3. Le cadre en trois couches en détail

C’est le cœur de ce guide. Appliquez-le que vous achetiez un outil ou que vous le construisiez vous-même.

Couche 1, en amont : l’analyse des crawlers

Ce que vous mesurez. Les requêtes reçues par vos pages et attribuées à des crawlers. La documentation OpenAI  distingue OAI-SearchBot, destiné à la recherche, de GPTBot, associé à l’entraînement. Un passage de GPTBot ne prouve donc pas une future citation. Vérifiez les identités de bots avec les informations publiées par leurs éditeurs lorsque celles-ci sont disponibles. Pour approfondir : Guide complet des crawlers IA.

Les signaux utiles. Pages récupérées, fréquence des visites, codes HTTP et erreurs d’accès. Comparez ensuite ces observations avec les citations collectées, sans fixer à l’avance un décalage de deux ou quatre semaines.

Comment le mesurer. Utilisez les journaux de votre serveur ou les fonctions d’export de votre CDN, selon l’offre disponible. Regroupez les requêtes par page, date et crawler. Une requête ne correspond ni à un utilisateur humain ni à une conversion.

Que faire des données. Repérez les pages importantes qui renvoient des erreurs ou restent inaccessibles. Rapprochez les corrections de vos observations ultérieures, en conservant les dates et les autres changements susceptibles d’expliquer une variation.

Couche 2, en milieu de parcours : l’analytics des référents

Ce que vous mesurez. Les sessions et événements dont l’origine IA est identifiable. Dans GA4, le canal AI Assistant reconnaît plusieurs assistants, tandis qu’AI Overviews et AI Mode restent dans Organic Search. Le seul domaine google.com ne permet pas d’attribuer une visite à l’une de ces fonctionnalités.

Les signaux utiles. Sessions, pages d’entrée, événements clés et revenus attribués, ventilés par source et sur une période cohérente. Distinguez les portées session, premier utilisateur et événement : leurs résultats ne s’additionnent pas nécessairement.

Comment le mesurer vous-même. Consultez le canal AI Assistant et le détail source/support dans GA4. Contrôlez les sources effectivement reconnues et les éventuels liens balisés. Si vous créez un groupe personnalisé, utilisez les champs pris en charge par GA4 et des règles documentées ; ne classez pas tout bing.com ou google.com comme trafic IA.

Comment le mesurer avec un outil. Vérifiez les sources couvertes, la portée d’attribution, les conversions importées et la fréquence d’actualisation. Une collecte côté serveur ne recrée pas un référent absent et ne dispense pas du respect des choix de consentement.

Que faire des données. Comparez les conversions et les revenus observés sur des bases comparables. Aucun taux de conversion supérieur à l’organique n’est supposé ; vérifiez les effectifs et le contexte avant de tirer une conclusion.

Couche 3, en aval : la corrélation avec les revenus

Ce que vous mesurez. La relation entre les indicateurs de visibilité qui bougent en premier (score GEO sur les clusters de prompts prioritaires, nombre de citations dans les moteurs clés, activité des crawlers sur les pages prioritaires) et les indicateurs business qui bougent plus tard (volume de recherche de marque, trafic direct, événements de conversion, valeur du pipeline, revenus réalisés).

Les signaux qui comptent. Les évolutions de visibilité, de recherches de marque et de conversions peuvent être comparées sur plusieurs périodes. Tenez compte de la saisonnalité, des campagnes, des changements de prix et de produit. Une hausse de trafic direct ou de recherches de marque n’identifie pas à elle seule une exposition à l’IA.

Comment le mesurer vous-même. Rassemblez les indicateurs avec des définitions et périodes cohérentes, puis examinez les relations avec et sans décalage. Documentez les hypothèses et, lorsque c’est possible, comparez des groupes ou périodes témoins. Aucun seuil de corrélation, qu’il soit de 0,3 ou de 0,5, ne transforme une association en preuve de causalité.

Comment le mesurer avec un outil. Vérifiez les calculs réellement disponibles, leurs données d’entrée et leurs limites. Une plateforme qui affiche des revenus attribués par un outil analytics ne fournit pas automatiquement une analyse causale, des cohortes ou des intervalles de confiance.

Que faire des données. Présentez les associations observées et les explications concurrentes. Pour estimer un effet incrémental, une méthode expérimentale ou une analyse causale adaptée est nécessaire ; un graphique de tendances ne suffit pas à attribuer une variation à une mise à jour de moteur.

Partie 4. La matrice de maturité des revenus IA

Cette matrice est une grille de discussion sur votre dispositif de mesure, pas une classification statistique des entreprises. Situez-vous selon les données disponibles et la méthode que vous pouvez expliquer.

Niveau 0. Aveugle. Aucune mesure. L’équipe publie peut-être des contenus influencés par les tendances de l’IA mais n’a aucune visibilité sur les résultats. Les décisions se prennent à l’anecdote.

Niveau 1. Averti. Le suivi des citations est en place, généralement via un outil de monitoring GEO. L’équipe sait quand elle est mentionnée et par quel moteur. Le lien avec les revenus est absent : les discussions budgétaires reposent sur des courbes de tendance.

Niveau 2. Mesure. Les visites et conversions identifiables sont suivies. Vous pouvez rapporter des revenus attribués selon les règles de votre analytics, en précisant leur portée et les expositions non observées.

Niveau 3. Triangulation. Les trois couches sont en place. L’équipe peut présenter dans une seule vue l’amont (croissance des crawlers), le milieu de parcours (taux de conversion des référents) et l’aval (corrélation avec les indicateurs business). La discussion avec le CFO est défendable, pas parfaite, et défendable suffit.

Niveau 4. Défense. Trois couches plus alertes, recoupement multi-moteurs et analyse de cohortes. L’équipe rapporte les revenus IA au niveau du conseil d’administration. Le budget est alloué selon la performance GEO, comme pour les canaux payants. C’est là que se dirigent les leaders de catégorie. Cette grille aide à choisir une prochaine étape proportionnée. Elle ne garantit ni budget, ni précision causale, ni résultat commercial.

Partie 5. La checklist d’audit en 20 points

Appliquez cette grille à votre dispositif. Chaque point décrit une capacité à examiner ; les écarts aident à choisir une prochaine action.

En amont (5 points)

1. Vous pouvez nommer les crawlers IA qui ont visité votre site au cours des 30 derniers jours.
2. Vous savez lesquelles de vos pages prioritaires sont explorées au moins une fois par semaine.
3. Vous avez identifié vos pages les plus explorées, et elles correspondent à vos priorités stratégiques.
4. Vous êtes alerté quand l’activité des crawlers baisse de plus d’un seuil défini d’une semaine sur l’autre.
5. Vous suivez la croissance de l’activité des crawlers comme indicateur avancé de la croissance des citations.

En milieu de parcours (7 points)

1. Vous exploitez le canal AI Assistant de GA4, ou un classement IA documenté dans votre outil analytics.
2. Vous avez vérifié les sources IA reconnues et celles qui restent hors du classement.
3. Vous pouvez rapporter chaque semaine les sessions issues de l’IA, le taux de conversion et les revenus.
4. Vous comparez le taux de conversion issu de l’IA à celui de l’organique et du payant.
5. Vous savez quelles pages d’atterrissage reçoivent le plus de trafic IA.
6. Vous avez identifié les pages d’atterrissage IA peu performantes et vous les avez optimisées au cours du dernier trimestre.
7. Vous connaissez les limites de votre collecte, notamment les référents manquants et les choix de consentement.

En aval (5 points)

1. Vous mesurez chaque semaine le volume de recherche de marque.
2. Vous pouvez superposer les tendances du score GEO et celles des événements de conversion.
3. Vous avez calculé au moins un coefficient de corrélation décalé dans le temps entre la visibilité et les conversions.
4. Vous suivez la qualité des cohortes (LTV, rétention) pour les utilisateurs acquis pendant les périodes de forte visibilité.
5. Vous disposez d’un document de méthodologie écrit décrivant votre approche d’attribution.

Reporting (3 points)

1. Vous produisez un rapport mensuel sur les revenus IA.
2. Le rapport est partagé avec la finance, et pas seulement avec le marketing.
3. Au moins une décision budgétaire des six derniers mois a cité les données d’attribution GEO comme facteur.

Notation. Utilisez le nombre de points comme repère interne, puis examinez les écarts. Les points ne sont pas tous équivalents : l’absence de revenus fiables ou de méthodologie écrite peut compter davantage que plusieurs fonctions de reporting. Cette checklist n’est pas un modèle de maturité validé.

Partie 6. Prouver le ROI du GEO : la trame de discussion avec le CFO

Les données d’attribution n’ont de valeur que si elles changent une décision. La décision qui compte le plus est le budget. Votre CFO ne demande pas un tableau de bord : il demande un récit défendable qui réponde à quatre questions.

Question 1 : combien avons-nous dépensé ? L’investissement GEO total, y compris les coûts d’outils, la production de contenu et l’allocation des effectifs. C’est facile, et vous devriez le connaître au dollar près.

Question 2 : qu’avons-nous obtenu ? C’est ici que les trois couches composent la réponse. En amont, la couverture par les crawlers est passée de X % des pages prioritaires à Y %. En milieu de parcours, les sessions issues de l’IA sont passées de A à B, avec un taux de conversion de C % contre D % pour l’organique. En aval, les améliorations du score GEO sur les clusters clés sont corrélées à une hausse de E % des conversions sur les pages d’atterrissage correspondantes, avec un décalage de F semaines.

Question 3 : combien cela vaut-il ? Présentez d’abord les revenus attribués aux visites IA identifiables, avec leur modèle d’attribution et leur période. Présentez à part les réponses déclaratives et les estimations d’influence : elles peuvent se recouper. Ne les additionnez pas aux revenus mesurés sans méthode de déduplication et ne présentez pas une valeur de lead estimée comme du chiffre d’affaires encaissé.

Question 4 : que devons-nous faire ensuite ? Sur la base des données, recommandez des actions précises. Si la couverture en amont est faible, investissez dans la préparation technique à l’IA. Si la conversion en milieu de parcours est faible sur certaines pages d’atterrissage, investissez dans l’optimisation du contenu. Si la corrélation en aval s’affaiblit, cherchez si une mise à jour d’algorithme en est la cause. Structurez votre rapport autour de ces quatre questions et la discussion sur le budget GEO passe de la défensive au stratégique. C’est l’objectif.

Le format en une diapositive

Un chiffre principal : les revenus attribués aux visites IA identifiables selon votre analytics. Ajoutez séparément les hypothèses d’influence, leurs limites et les éventuels recouvrements. Trois barres d’appui. La croissance en amont, la croissance en milieu de parcours, la corrélation en aval. Un enseignement. La plus grande opportunité ou le plus grand risque identifié. Une demande. La décision budgétaire ou de ressources que vous recommandez. Tenez-vous-en à une seule diapositive. Si le CFO veut plus, il le demandera. Une bonne diapositive d’attribution suscite des questions, pas des objections.

Partie 7. Construire ou acheter

Vous connaissez maintenant le cadre. La question est de savoir s’il faut le mettre en œuvre vous-même ou utiliser un outil. Voici comment nous envisageons l’arbitrage.

Construisez vous-même quand votre équipe compte un analytics engineer capable de piloter le pipeline. Vous êtes une organisation technique, avec une forte adhésion interne à une stack sur mesure. Votre volume de trafic IA est assez faible pour qu’une analyse manuelle hebdomadaire soit acceptable. Vous voulez un contrôle total de la méthodologie pour des raisons de défense ou de conformité. Vous aimez ce travail, parce que c’est un vrai travail.

Achetez un outil quand le temps économisé sur les connexions, la consolidation et le reporting justifie son coût. Vérifiez les capacités effectivement incluses dans l’offre : sources analytics, exports, rôles et fréquence d’actualisation. Ne supposez pas qu’une plateforme propose par défaut des alertes, une analyse causale ou des comparaisons avec d’autres clients.

Les coûts cachés du DIY. Les formats de logs, les règles de classement des référents et les API évoluent. Estimez le temps de maintenance sur votre propre périmètre ; aucun forfait d’heures ni multiplicateur de coût ne s’applique universellement.

Les bénéfices cachés du DIY. Vous apprenez le domaine en profondeur. Vous pouvez répondre aux questions de cas limites auxquelles votre fournisseur ne peut pas répondre. Vous gardez vos données dans votre propre stack, ce qui compte pour certains secteurs réglementés. Comparez le coût total et la qualité de la mesure pour vos besoins. Une stack légère peut suffire à suivre les visites identifiables ; un dispositif plus élaboré demande davantage de maintenance et de compétences. Le nombre de salariés ne détermine pas à lui seul la bonne solution. Le mauvais choix est de ne rien faire et de continuer à rapporter des nombres de citations comme s’ils répondaient à la question du budget.

Conclusion

Le suivi de la recherche IA doit distinguer ce qui est observé, attribué, déclaré ou estimé. Cette transparence aide à décider où investir et quelles hypothèses tester, sans promettre une mesure complète de toute influence. Choisissez votre méthode, lancez l’audit, notez-vous, choisissez la prochaine étape. Le cadre est le même que vous l’utilisiez avec notre plateforme, avec celle d’un concurrent ou avec un tableur et une tâche cron hebdomadaire. Ce qui compte, c’est d’en avoir un. Dans Qwairy, l’espace Measure rassemble les Analytics des crawlers, les Analytics des référents et les Revenus IA. Ces vues restent distinctes. Revenus IA reprend les conversions et les valeurs de votre analytics selon sa configuration ; il ne transforme pas le trafic direct en revenus causés par l’IA. Réservez une démo pour examiner le dispositif adapté à votre marque.