Vérifier si l’IA dit vrai sur votre marque avec le MCP de Qwairy

Un moteur qui vous présente comme une option d’entrée de gamme alors que vous vendez aux grandes entreprises ne manque pas de vous mentionner. Il vous mentionne en vous présentant sous un angle erroné, ce qu’aucun chiffre de visibilité ne révèle. Ici, vous examinez cette présentation, confrontez le score de perception aux formulations qu’il résume et obtenez un plan de correction rattaché à des sources réelles.

Le problème GEO résolu

Quand une description est incorrecte, le réflexe consiste à réaffirmer plus fort son positionnement : nouveau texte de page d’accueil, nouvelle présentation, campagne. Cela manque sa cible, car une description IA est assemblée à partir de sources tierces auxquelles le moteur fait déjà confiance.

Le deuxième problème est l’indicateur principal. get_brand_perception renvoie un instantané enregistré : scores de sentiment, d’alignement, de cohérence et d’alignement factuel, ainsi qu’une analyse SWOT composée de simples libellés sans texte justificatif ni lien vers une réponse. Cela suffit à constater qu’un jugement a été porté, pas à l’auditer. Ce workflow récupère donc ensuite les formulations exactes et leur donne la priorité lorsque les deux se contredisent : un bon score d’alignement au-dessus de descriptions contradictoires justifie de se fier aux descriptions.

Les étapes du workflow

1. Lisez l’instantané actuel. get_brand_perception fournit les quatre scores et les quatre listes SWOT. Si l’instantané est null et les listes vides, aucune analyse n’a été enregistrée : passez à l’étape trois et construisez la vue d’ensemble à partir des seules réponses.

2. Vérifiez s’il existe une tendance. get_perception_history renvoie des instantanés enregistrés indexés par mois et par année, chacun avec ses scores et son analyse SWOT, ainsi que le nombre total d’instantanés. Ce nombre est le critère : à zéro ou un, il n’y a pas de tendance ; indiquez-le et poursuivez.

3. Récupérez les réponses elles-mêmes. get_answers prend une date de début et de fin et renvoie chaque réponse avec le texte de son prompt, le fournisseur, la date et un indicateur de mention de la marque. Il ne filtre pas sur cet indicateur : faites donc ce filtrage vous-même. Si aucune réponse renvoyée ne mentionne la marque, il s’agit d’un problème d’absence, pas de présentation, et le workflow s’arrête.

4. Lisez les formulations exactes. get_answer_details renvoie le texte intégral généré, les mentions de concurrents avec leur position et leur sentiment, ainsi que la liste des sources avec un indicateur de source propre pour chacune. Construisez un inventaire des descriptions citées mot pour mot, par fournisseur, avec les sources citées à côté.

5. Comparez ces éléments au positionnement que vous fournissez, puis classez les écarts.

Comment exploiter les résultats

Une description justifie un travail lorsqu’elle franchit deux seuils : elle apparaît dans des réponses d’au moins deux fournisseurs, et au moins une de ces réponses renvoie une source que vous pouvez identifier. Les deux comptent : la cible du travail est la source.

En dessous de ces seuils, soyez strict. Une description présente chez un seul fournisseur mais reliée à une source devient un point à surveiller, à vérifier au prochain instantané mensuel. Une description dont aucune occurrence n’est accompagnée d’une source citée ne reçoit aucun budget : il n’y a aucune cible sur laquelle agir.

Une interprétation à écarter : l’évolution d’un instantané ultérieur ne prouve pas que la correction a fonctionné. Vérifiez si la description elle-même a changé dans les formulations récupérées.

Pour départager deux descriptions qui franchissent les deux seuils lorsque vous ne pouvez en financer qu’une, choisissez celle qui contredit une promesse commerciale. Une contradiction vous revient dans une conversation d’achat ; une absence reste simplement une absence.

Le prompt complet

Je veux auditer si les moteurs IA décrivent ma marque conformément à mon positionnement. Liste les marques que je suis et demande laquelle utiliser s’il y en a plusieurs. Avant l’étape cinq, demande-moi mon énoncé de positionnement et les deux ou trois attributs sur lesquels je vends : l’analyse des écarts n’a aucun sens sans eux, et aucun outil ne les détient.

1. Exécute get_brand_perception. Affiche les quatre scores et les quatre listes SWOT, et indique clairement que les éléments SWOT sont des libellés sans texte justificatif. Si l’instantané est null et les listes vides, indique qu’aucune analyse n’a été enregistrée et passe directement à l’étape trois.
2. Exécute get_perception_history. Indique d’abord le nombre total d’instantanés. S’il est de zéro ou un, précise qu’il n’y a pas de tendance et poursuis. Sinon, montre l’évolution de chaque score au fil des instantanés mensuels et identifie le changement le plus important.
3. Exécute get_answers sur les 30 derniers jours. Filtre toi-même les réponses qui mentionnent ma marque, puisque l’outil ne le fait pas. Sélectionne un ensemble représentatif des fournisseurs en privilégiant les prompts sur lesquels ils divergent. Si aucune réponse ne mentionne ma marque, arrête-toi et indique qu’il s’agit d’un problème d’absence, pas de présentation.
4. Exécute get_answer_details sur cet ensemble. Cite les formulations exactes utilisées par chaque fournisseur, puis construis un inventaire des descriptions, par fournisseur, avec les sources citées derrière chacune.
5. Classe les écarts par rapport à mon positionnement. N’agis que sur les descriptions présentes chez deux fournisseurs ou plus, avec au moins une source identifiable. Les descriptions propres à un seul fournisseur mais reliées à une source vont dans une liste de surveillance. Ne recommande aucune dépense lorsqu’aucune source ne sous-tend la description et, lorsque deux éléments sont éligibles, place en premier celui qui contredit une promesse commerciale. Pour chaque écart financé, donne les preuves issues des sources, l’hypothèse explicitement qualifiée comme telle, une action de correction et la formulation à changer.