Cités, pas cliqués : ce que la visibilité ne dit pas encore

Les rapports de visibilité dans l'IA montrent où apparaissent les liens. Ils laissent ouvertes les questions les plus difficiles : ce que la réponse retient d'une source, si la source reçoit du crédit et quelle valeur en découle.

Par Stefano Zoia · 13 octobre 2026 · 6 min

Les rapports dédiés à l’IA générative dans la Search Console de Google comptent combien de fois des liens vers un site apparaissent dans les fonctions d’IA. Ils ne fournissent pas de métrique de clics distincte. Lancés en juin, ils ont achevé leur déploiement mondial le 31 août 2026. [1]

Cela rend une partie du tableau plus visible. Cela ne dit pas si ces apparitions sont utiles.

Un lien peut apparaître sans contribuer beaucoup à une réponse. Une source peut apporter des informations utiles sans que sa marque soit retenue. Même une réponse exacte et clairement attribuée peut laisser un éditeur sans visite et sans revenu.

Ce sont des résultats différents. Compter les citations seules ne permet pas de les distinguer.

Ce que le tableau de bord mesure réellement

Google définit une impression, dans le rapport sur l’IA générative, comme un lien vers un site affiché à un utilisateur dans une fonction de recherche générative. Ce n’est pas un décompte du nombre de fois où un modèle a récupéré ou lu une page. [2]

L’absence de métrique de clics dans ce rapport dédié ne signifie pas non plus que les clics ont disparu. La documentation générale de la Search Console compte explicitement les clics sur les liens externes dans les AI Overviews. [3]

Le manque d’information est plus étroit : une vue dédiée aux apparitions n’explique pas, à elle seule, le trafic ni la valeur qui leur sont associés.

Cela compte lorsqu’une organisation voit dans la hausse des impressions IA la preuve que sa stratégie de contenu fonctionne. Ce chiffre établit l’exposition selon les règles de comptage de la plateforme. Il laisse sans réponse les questions suivantes.

Moins de clics, cela compte toujours

Le Pew Research Center a examiné près de 69 000 recherches Google effectuées par 900 adultes américains en mars 2025. Les utilisateurs ont cliqué sur un résultat classique lors de 8 % des visites avec un résumé IA, contre 15 % sans. Les liens à l’intérieur des résumés ont reçu des clics lors de 1 % des visites. [4]

Il s’agit d’un comportement observé, non d’une expérience randomisée. La comparaison n’isole pas toutes les différences entre les recherches ayant produit un résumé et les autres. Elle documente néanmoins un schéma important dans cet échantillon.

Une synthèse de Digital Content Next publiée le 5 octobre rassemble d’autres travaux sur la baisse des renvois et sur le trafic de remplacement limité qui provient des plateformes d’IA. Sa préoccupation commerciale centrale est que les éditeurs peuvent fournir de l’information sans recevoir la visite par laquelle ils gagnaient auparavant des revenus ou nouaient une relation directe. [6]

Pour un éditeur financé par la publicité ou les abonnements, cette occasion perdue compte. Pour un cabinet de conseil ou un fabricant, une exposition utile peut contribuer à une demande ultérieure. Aucun de ces deux résultats ne se déduit simplement de la présence du contenu dans une réponse.

Le modèle économique détermine la valeur qu’il faut mesurer.

Être cité ne veut pas dire être utilisé

Un préprint d’avril de Zhang Kai, He Xinyue et Yao Jingang propose de distinguer la sélection de la citation de l’absorption de la citation : une source est-elle sélectionnée, et dans quelle mesure semble-t-elle contribuer à la réponse générée. [5]

À partir d’un jeu de données couvrant trois plateformes et 602 requêtes, les auteurs relèvent des écarts entre l’étendue des citations et la contribution apparente. Leur score d’influence combine des caractéristiques observables, dont la position des références, la couverture et la similarité textuelle.

C’est un indicateur construit, non une observation directe du raisonnement du modèle ni une mesure de l’influence sur le lecteur. L’étude est descriptive, et ses auteurs limitent explicitement les affirmations causales.

Ce qu’il faut en retenir est donc une question plutôt qu’un nouveau score universel : qu’a réellement pris la réponse à la source ?

Une liste de citations ne répond pas à cela.

La contribution ne garantit pas le crédit

Prenons une entreprise qui publie une comparaison originale des coûts de maintenance. Un assistant utilise ses chiffres pour expliquer les compromis entre deux produits.

Plusieurs issues sont possibles.

La réponse peut nommer l’entreprise et renvoyer clairement vers la comparaison. Elle peut placer le lien parmi plusieurs sources sans préciser à qui appartient l’analyse utilisée. Elle peut reprendre les chiffres en omettant les conditions qui les rendaient comparables.

Ces exemples sont hypothétiques, mais ils révèlent trois enjeux distincts : la contribution, l’attribution et l’exactitude.

Même dans le meilleur cas, l’entreprise ne sait toujours pas si l’utilisateur a remarqué son nom, fait confiance à l’analyse ou modifié une décision d’achat.

C’est ici que « l’absorption » devient insuffisante comme objectif commercial. Une information peut être intégrée à une réponse sans rendre de valeur reconnaissable à celui qui l’a produite.

Quatre questions à garder séparées

Une approche pratique de la mesure doit préserver ces distinctions.

Les trois premières peuvent s’étudier à partir de réponses enregistrées et d’une comparaison avec les sources. La quatrième exige des preuves sur les personnes et leur comportement.

Les fondre en un seul score de visibilité risque de masquer précisément les distinctions que l’organisation doit comprendre. Une citation fréquente associée à une affirmation inexacte est un résultat différent d’une recommandation occasionnelle et exacte qui mène à une demande qualifiée.

Commencer par un échantillon reproductible

Choisissez un petit ensemble de questions qui comptent pour votre public. Incluez des intentions différentes : s’informer sur un problème, comparer des options, vérifier une affirmation précise.

Consignez la requête exacte, la plateforme, la date, la langue et le contexte pertinent de lieu ou de compte. Conservez la réponse et ses liens. Répétez l’exercice dans le temps.

Pour chaque réponse, examinez si votre organisation apparaît, quelles informations semblent utilisées, comment elles sont attribuées et si les nuances importantes survivent. Lorsque plusieurs sources contiennent la même information, notez l’incertitude sur son origine plutôt que de supposer que la réponse vient de la vôtre.

C’est un audit de réponses échantillonnées. Il n’estime pas la fréquence avec laquelle le grand public rencontre ces réponses.

En parallèle, continuez à mesurer le trafic de renvoi et les résultats commerciaux pertinents. Les recherches de marque, les visites directes et les prospects qui mentionnent un assistant peuvent fournir des signaux supplémentaires. Ils restent imparfaits : campagnes, saisonnalité et autres canaux peuvent expliquer des variations survenues au même moment.

Par exemple, « Comment nous avez-vous connus ? » peut révéler un parcours que l’analyse des renvois a manqué. Cela ne peut pas établir la contribution totale de l’IA auprès de tous les clients.

Améliorer la source sans écrire pour un score

La réponse éditoriale consiste à rendre les preuves utiles et vérifiables.

Un chiffre original devrait porter sa date, son périmètre et sa méthode. Une comparaison devrait expliquer ses critères. Une recommandation devrait conserver les conditions dans lesquelles elle s’applique. Un paragraphe devrait rester exact lu hors de la page qui l’entoure.

Ce sont des exigences pour les lecteurs autant que pour les systèmes qui résument les contenus. Elles rendent la réutilisation plus facile à vérifier, mais ne garantissent ni citation, ni reproduction fidèle, ni retour commercial.

L’erreur serait de remplacer la course aux clics par la course à un décompte de citations tout aussi incomplet.

Comme pour le fait de mesurer le travail achevé plutôt que l’activité de l’IA, un signal intermédiaire devient utile lorsque son lien avec le résultat visé est clair.

Une visite reste une preuve précieuse d’arrivée. Une citation est une preuve d’inclusion. La contribution apparente nous renseigne sur la réponse.

Ce que tout cela signifie pour l’entreprise est la question suivante, non une conclusion déjà contenue dans le chiffre.

À bientôt.

— Stefano

Sources

1. Google Search Central, « Introducing Search Generative AI performance reports in Search Console », 3 juin 2026, avec une mise à jour confirmant le déploiement mondial le 31 août 2026.
2. Google Search Console Help, « Generative AI performance report (Search) », consulté le 13 octobre 2026.
3. Google Search Console Help, « What are impressions, position, and clicks? », consulté le 13 octobre 2026.
4. Pew Research Center, « Google users are less likely to click on links when an AI summary appears in the results », 22 juillet 2025. L’analyse porte sur le comportement de navigation aux États-Unis en mars 2025.
5. Zhang Kai, He Xinyue et Yao Jingang, « From Citation Selection to Citation Absorption: A Measurement Framework for Generative Engine Optimization Across AI Search Platforms », arXiv:2604.25707v2, 29 avril 2026. Un préprint descriptif qui propose un indicateur observationnel de la contribution des sources.
6. Michelle Manafy, « The evidence is clear: AI search is costing publishers », Digital Content Next, 5 octobre 2026. Une synthèse issue d’une association professionnelle d’éditeurs, utilisée ici pour sa discussion de l’économie des éditeurs.