Auditer les biais, doublons et angles morts de votre ensemble de prompts IA

Votre rapport de visibilité IA ne peut décrire que les prompts que vous suivez : un ensemble répétitif ou orienté en faveur de la marque transforme donc un tableau de bord précis en vision déformée du marché. Cet audit reste à l’intérieur de cet ensemble et aboutit à une liste d’éléments à conserver, réécrire, fusionner, ajouter ou examiner. Exploiter les requêtes de Search Console et de Bing pour trouver de nouveaux candidats est le travail voisin.

Le problème GEO résolu

Les prompts sont gérés comme des mots-clés : en ajouter, retirer ceux qui sous-performent. Mais un ensemble de prompts est un instrument de mesure, pas une source de trafic. Une faible visibilité signale souvent l’angle mort le plus utile à corriger, et trois reformulations d’une même question donnent trop de poids à un thème. La formulation porte le même risque : « Pourquoi notre produit est-il la meilleure option ? » teste l’accord avec une prémisse, pas la découverte. Les résultats par fournisseur et les recherches observées transforment ces appréciations en décomptes.

Les étapes du workflow

1. Inventoriez, puis comptez. get_prompts renvoie une ligne par prompt suivi, 100 lignes par requête : utilisez donc la pagination. status est un état de traitement, l’indicateur de suivi est l’interrupteur actif ou inactif, et aucun champ ne contient de persona ni de marché. Comptez ensuite ce qui ne demande aucune interprétation : part contenant le nom de marque, prompts par sujet, prompts sans réponse, prompts non générés.

2. Regroupez, puis confrontez aux fournisseurs. Le regroupement des quasi-doublons est une déduction et reste qualifié comme tel. get_matrix à la granularité des prompts renvoie au maximum 50 lignes et aucun offset, couvrant une partie d’un ensemble plus grand. Les groupes dont les scores sont semblables chez tous les fournisseurs sont des candidats à la fusion.

3. Lisez honnêtement les décomptes des quadrants. get_prompt_signals renvoie les décomptes attack, defend, monitor et ignore, mais des listes de prompts uniquement pour attack et defend. Tout ce qui se trouve dans ignore est un résultat réel : l’ensemble ne sépare pas les questions disputées des questions établies.

4. Comparez aux recherches observées. get_query_fan_out renvoie les recherches observées dans les réponses suivies avec les identifiants des prompts parents et la présence de marque, ainsi qu’une étiquette de priorité : very-high lorsque les concurrents apparaissent et que votre marque figure dans moins d’un cinquième des réponses de cette requête, puis high, medium, low.

Ce qu’une exécution renvoie réellement

Un ensemble réel de 155 prompts suivis répartis sur 8 sujets a renvoyé une couverture de 0 à 60 pour cent par sujet, avec cinq des huit sujets à 20 pour cent ou moins. Les signaux du même ensemble : 153 sur 155 dans ignore, ouverture moyenne de 99.6 pour cent.

La colonne de couverture est l’audit. Un sujet à 0 pour cent sur cinq fournisseurs n’est pas une position faible, c’est un sujet que l’ensemble ne teste jamais réellement ; trois de ces sujets à côté d’un sujet à 60 pour cent constituent le déséquilibre que ce workflow cherche à trouver. Une ouverture de 99.6 écarte l’explication confortable : les questions ne sont pas verrouillées par les acteurs en place, donc la faible couverture relève de l’ensemble de prompts, pas du marché.

Comment exploiter les résultats

Trois règles fixent l’ordre, et aucune ne relève d’une appréciation subjective. Réécrivez d’abord chaque prompt dont la formulation affirme votre avantage, car chaque rapport futur hérite de ce biais. Fusionnez ensuite, en commençant par le plus grand groupe, pour libérer le plus d’emplacements. Ajoutez enfin selon l’ordre de priorité déjà attribué par get_query_fan_out, very-high avant high avant medium. Ignorez les prompts sans réponse : il n’y a encore rien à comparer.

Plafonnez ensuite cette passe : laissez au moins deux tiers de l’ensemble inchangés sur un cycle, sinon la tendance à périmètre constant perd son socle. Consignez ce que vous avez reporté avec l’identifiant du prompt, l’ancien texte, le responsable et la date.

L’erreur d’interprétation à éviter est de prendre l’évolution après réécriture pour un progrès. Changer l’ensemble change ce qui est mesuré : un bond la semaine suivant une révision reflète donc généralement le nouvel échantillon. Tant que les prompts inchangés ne disposent pas de réponses comparables, lisez cette référence et rien d’autre.

Le prompt complet

Je veux auditer mon ensemble de prompts suivis pour repérer les biais de mesure, les redondances et les angles morts. Liste les marques que je suis et demande laquelle auditer s’il y en a plusieurs. Si un appel ne renvoie rien, nomme la vérification désormais indisponible et poursuis.

1. Pagine get_prompts jusqu’à couvrir le total annoncé, une ligne par prompt : identifiant, texte, statut, nombre de réponses, sujet, tags, indicateur de suivi et date de dernière génération, où le statut est un état de traitement et l’indicateur de suivi l’interrupteur actif ou inactif.
2. Compte, sans juger : combien de prompts contiennent mon nom de marque et quelle part cela représente, les prompts par sujet, les prompts sans réponse, les prompts dont la dernière génération remonte à plus de 60 jours. Signale une concentration de marque supérieure à la moitié de l’ensemble et tout sujet dépassant un tiers. Ces seuils sont propres à l’audit, pas des champs Qwairy.
3. Regroupe les prompts et marque les doublons littéraux, en gardant séparée toute variante qui teste une audience, une géographie, une contrainte ou une étape du parcours différente ; qualifie cela comme ta lecture. Exécute ensuite get_matrix à la granularité des prompts et avec une limite de 50 sur 28 jours : l’outil n’a aucun offset, donc indique clairement si mon portefeuille est plus grand et nomme les groupes dont les scores sont semblables chez tous les fournisseurs.
4. Exécute get_prompt_signals avec une limite de 20 sur les mêmes 28 jours et indique d’abord les décomptes attack, defend, monitor et ignore. Les listes de prompts ne sont renvoyées que pour attack et defend : si ces deux décomptes sont nuls, précise qu’aucun quadrant n’est exploitable et poursuis plutôt que de construire une sélection à partir d’une autre étape.
5. Exécute get_query_fan_out sur 28 jours, pagine jusqu’au total et relie chaque requête aux identifiants de ses prompts parents. Liste les requêtes de priorité very-high et high qu’aucun de mes prompts ne couvre. Si rien n’est renvoyé, indique qu’aucune recherche dérivée n’a été observée et retire les candidats à ajouter.
6. Produis une ligne par prompt : Conserver, Réécrire, Candidat à la fusion, Candidat à l’ajout ou Revue humaine, en citant les identifiants de prompts, en séparant preuves et déductions, sans jamais supprimer automatiquement. Ordonne la liste avec les réécritures d’abord, puis les fusions par taille de groupe, puis les ajouts dans l’ordre de priorité des sous-requêtes, en t’arrêtant dès que la liste changerait plus d’un tiers de l’ensemble. Demande ensuite quels marchés et types d’acheteurs l’ensemble doit couvrir, puisqu’aucun champ ne contient cela, et liste les lacunes.