Share of Model : définition, calcul et fiabilité

Le Share of Model mesure la fréquence à laquelle une marque apparaît dans les réponses générées par les moteurs de réponse comme ChatGPT, Google AI Mode, Google AI Overview, Perplexity ou Gemini, sur un ensemble défini de questions. La définition fait consensus. La méthode de calcul, beaucoup moins.

Entre deux outils appliquant la même définition, l'écart sur une même marque peut atteindre plusieurs dizaines de points. L'origine ne tient pas à la mesure elle-même mais à quatre décisions rarement explicitées : ce qui figure au dénominateur, ce qui compte comme une mention, ce qui est exclu du calcul, et combien de relevés soutiennent le chiffre affiché.

Cet article détaille ces décisions, puis les confronte à un corpus de 8 261 réponses de moteurs analysées sur dix secteurs du marché romand entre avril et août 2026. Trois enseignements en ressortent, dont deux vont à l'encontre du discours dominant sur l'instabilité des réponses génératives.

D'où vient le terme

Le Share of Model prolonge une lignée connue en marketing. Les travaux de Les Binet et Peter Field sur l'efficacité publicitaire ont établi l'importance de l'excès de part de voix (ESOV), l'écart entre la part de voix d'une marque et sa part de marché. Est venue ensuite la part de recherche (share of search), développée par Les Binet et James Hankins autour de 2020, qui mesure le volume de requêtes associées à une marque.

Le Share of Model applique la même logique aux moteurs génératifs. Le terme a été introduit par Jack Smyth, chez Jellyfish, en 2024, puis popularisé par Tom Roach dans Marketing Week comme la suite naturelle de la part de recherche à l'ère des grands modèles de langage. Dans son acception d'origine, la notion couvre aussi les associations qu'un modèle attache à une marque, pas seulement la fréquence des mentions. En pratique, elle se décline en indicateurs mesurables.

Une différence de nature mérite d'être relevée. La part de voix publicitaire s'achète. La part de recherche se travaille indirectement. La part de modèle ne s'achète pas : aucun budget ne place une marque dans une réponse générée. Elle se construit par ce que les sources tierces disent de la marque, ce qui la rapproche davantage du capital de marque que de la performance de campagne.

Ce travail d'optimisation pour les réponses des IA porte un nom, le GEO (Generative Engine Optimization). Il prolonge le référencement naturel, qui visait le classement des pages. SEO et GEO se complètent : une marque reprise par des sources de référence a plus de chances d'apparaître dans les moteurs de réponse.

Trois parts, trois terrains

Les trois mesures se ressemblent dans leur forme et diffèrent par ce qu'elles observent.

La part de recherche mesure une demande déjà formée : l'internaute connaît la marque et la cherche. La part de modèle mesure une étape antérieure, celle où l'acheteur ne connaît pas encore les options et demande au moteur de les lui présenter. Les deux répondent à des questions différentes et se lisent ensemble.

Ce que la mesure recouvre

Mention et citation

Une distinction préalable conditionne tout le reste. Une mention désigne la marque nommée dans le texte de la réponse. Une citation désigne un site retenu comme source, avec un lien.

Les deux relèvent de logiques différentes. La mention construit l'association dans l'esprit de l'acheteur et dépend de ce que le modèle a intégré sur la marque. La citation relève de la sélection de sources au moment de répondre, et peut générer du trafic. Une marque peut être abondamment mentionnée sans que son site soit jamais cité, et l'inverse s'observe également.

Le Share of Model porte sur les mentions. Confondre les deux revient à mesurer deux phénomènes distincts sous un même chiffre.

Les quatre indicateurs

La présence dans une réponse ne se résume pas à une valeur binaire. Quatre indicateurs la décrivent, deux pour la présence, deux pour sa qualité.

La visibilité, ou taux d'apparition, correspond à la part des réponses mesurées où la marque apparaît au moins une fois. La part de voix rapporte les mentions de la marque au total des mentions de son ensemble concurrentiel. Le sentiment qualifie la tonalité associée à la marque quand elle est nommée. La position enregistre l'ordre d'apparition dans la réponse générée.

Ces indicateurs ne sont pas interchangeables. Une marque présente dans 40 % des réponses mais toujours en fin d'énumération et une marque présente dans 20 % des réponses mais systématiquement en tête décrivent deux situations opposées qu'un indicateur unique confondrait.

Visibilité des marques dans les IA

#	Marque	Visibilité	SOV	Sentiment	Position
1	Concurrent A	52%	28%	75	#1.6
2	Concurrent B	44%	22%	61	#2.1
3	Votre marqueVous	36%	15%	72	#2.4
4	Concurrent C	30%	18%	68	#2.8
5	Concurrent D	22%	12%	54	#3.3

Ces quatre indicateurs prolongent et précisent les trois KPIs historiques des moteurs de réponse : la part de voix et la position rendent mesurable ce que « être recommandé » désignait de façon intuitive.

Comment se calcule un Share of Model

La formule

La part de voix se calcule ainsi :

part de voix = mentions de la marque
               ────────────────────────────────────────────  × 100
               mentions de la marque + mentions des concurrents

La formule est triviale. La difficulté porte entièrement sur la définition du dénominateur.

Le choix du dénominateur

Deux conventions coexistent, et elles ne produisent pas le même chiffre.

La première retient les concurrents suivis, c'est-à-dire une liste arrêtée à l'avance. Le dénominateur est stable, l'entreprise le contrôle, et les évolutions du chiffre traduisent des mouvements réels plutôt que des variations de périmètre. Ajouter un concurrent dilue mécaniquement la part de voix, en retirer un la reconcentre. C'est la convention retenue par Repliq, et celle que documente également Peec AI.

La seconde retient toutes les marques détectées dans les réponses. Le dénominateur devient une part de marché parmi les marques découvertes. La mesure décrit alors le marché tel que le modèle le restitue, ce qui a du sens pour une première photographie sectorielle, quand aucune liste de concurrents n'a encore été arrêtée. Mais le dénominateur bouge à chaque relevé, au gré de ce que les modèles nomment. Une marque peut voir sa part reculer sans rien avoir perdu, simplement parce que les moteurs ont nommé davantage d'acteurs cette semaine.

Les deux conventions se défendent. Elles ne sont pas comparables entre elles. Un Share of Model annoncé sans son dénominateur n'est pas interprétable, et deux outils affichant 15 % et 32 % pour la même marque peuvent avoir raison tous les deux.

Ce qui doit sortir du calcul

Trois catégories de relevés faussent le résultat si elles entrent au dénominateur.

Les mesures en échec. Quand un moteur ne répond pas, la marque n'est évidemment pas mentionnée. Si ce relevé est compté, il pèse au dénominateur et fait baisser la visibilité affichée alors que rien n'a été mesuré. Seules les mesures abouties entrent dans le calcul.

Les moteurs retirés du suivi. Un moteur mesuré par le passé puis abandonné laisse un historique qui, s'il reste dans l'assiette, fait diverger le chiffre d'une surface à l'autre.

Les questions hors périmètre. Les questions destinées à mesurer le sentiment appellent la marque par son nom. Les inclure dans un taux de visibilité revient à constater que la marque apparaît quand on l'a nommée dans la question.

La déduplication

Un même prompt posé plusieurs fois le même jour sur le même moteur produit plusieurs réponses. Les compter toutes surpondère les questions les plus fréquemment relevées et rend le chiffre dépendant du calendrier technique plutôt que du marché. La convention retenue est un relevé par question, par moteur et par jour.

Ce que montrent 8 261 réponses

Les sections précédentes décrivent une méthode. Reste à savoir ce qu'elle produit sur des données réelles.

Le corpus provient du Swiss Atlas, l'observatoire longitudinal que Repliq consacre à la visibilité des marques dans les moteurs de réponse. Dix secteurs du marché romand y sont suivis : banque, assurance maladie, formation supérieure, grande distribution, services numériques, transport et mobilité, immobilier résidentiel, agence de voyage, horlogerie de luxe, restauration. Quatre moteurs sont interrogés, ChatGPT, Google AI Mode, Google AI Overview et Perplexity, sur 12 relevés entre les semaines 17 et 31 de 2026.

Sur 8 832 réponses collectées, 8 261 ont été exploitées, soit 93,5 %. Les marques nommées ont été ré-extraites du texte intégral des réponses, indépendamment de leur mise en forme.

Périmètre et limites de lecture(5)

1. Marché romand francophone uniquement. Les questions sont posées en français. Les régions alémanique et tessinoise ne sont pas couvertes. Ces résultats ne valent pas pour la Suisse entière.
2. Part de marché parmi les marques découvertes. L'observatoire ne suit pas de liste de concurrents arrêtée : le dénominateur retenu ici est l'ensemble des marques nommées par les moteurs, seconde convention décrite plus haut. Les pourcentages ne sont donc pas comparables à une part de voix calculée sur concurrents suivis.
3. Semaine 17 comme point de départ. La semaine précédente correspond à une montée en charge technique et est écartée de tous les calculs.
4. Extraction datée du 6 août 2026. Le corpus s'enrichit à chaque cycle de mesure. Une extraction ultérieure déplace les valeurs de l'ordre du dixième de point. Les écarts inférieurs à 0,5 point entre deux marques proches ne doivent pas être lus comme un classement.
5. Passe unique. Les chiffres sont exploratoires et demandent une seconde vérification avant usage contractuel.

La mesure est stable d'une semaine à l'autre

C'est l'observation la plus contre-intuitive. Les réponses génératives passent pour instables, au motif que la même question reposée produit rarement un texte identique. Cette variabilité est réelle au niveau d'une réponse. Elle s'efface presque entièrement au niveau agrégé.

Sur les dix secteurs, la part de la marque de tête varie d'un écart type compris entre 0,3 et 1,2 point d'une semaine à l'autre. L'amplitude totale sur 12 relevés reste comprise entre 1,1 et 3,4 points.

Migros (grande distribution)EPFL (formation supérieure)CFF (transport et mobilité)UBS (banque)

Swiss Atlas, observatoire Repliq. Marché romand francophone, 8 261 réponses de ChatGPT, Google AI Mode, Google AI Overview et Perplexity, semaines 17 à 31 de 2026.

La portée pratique est double. Un mouvement de 1 point d'une semaine sur l'autre relève du bruit et n'appelle aucune interprétation. Un mouvement de 3 points soutenu sur plusieurs relevés relève du signal. Cette stabilité tient à la taille du jeu de questions et au nombre de moteurs interrogés : ce sont les périmètres étroits, mesurés sur un moteur unique, qui produisent des courbes erratiques.

Les moteurs s'accordent plus qu'on ne le suppose

Deuxième observation à contre-courant. Chaque moteur est réputé posséder son propre régime de sélection, ce que les données confirment au niveau des sources citées. Au niveau des marques nommées, le sommet du classement converge nettement.

Dans 6 secteurs sur 10, la marque de tête est la même sur les quatre moteurs. Helsana en assurance maladie, EPFL en formation, Migros en grande distribution, Immoscout24 en immobilier, Swisscom en services numériques, CFF en mobilité arrivent en tête partout.

Trois secteurs présentent une divergence nette, et elle vient à chaque fois de la même surface.

Google AI Overview s'écarte des trois autres surfaces dans deux de ces trois cas, la banque faisant exception avec Google AI Mode. Le dixième secteur, la restauration, diverge lui aussi, mais sa marque de tête ne capte que 1,7 % des mentions : à ce niveau, l'ordre des premiers varie d'un relevé à l'autre et ne se prête pas à un classement stable.

Suivre un moteur unique reste donc insuffisant, mais l'écart se joue davantage dans la profondeur du classement que sur son sommet.

Aucune marque ne domine sa catégorie

Troisième observation. Le discours ambiant présente les moteurs de réponse comme une machine à concentrer l'attention sur quelques marques. Les données décrivent l'inverse.

La marque de tête capte entre 1,7 % et 9,4 % des mentions de son secteur. Même dans la grande distribution, où Migros arrive nettement en tête, neuf mentions sur dix reviennent à d'autres acteurs. Le nombre de marques distinctes nommées par secteur va de 390 à 1 191.

Swiss Atlas, observatoire Repliq. 8 261 réponses de ChatGPT, Google AI Mode, Google AI Overview et Perplexity, semaines 17 à 31 de 2026.

La concentration cumulée confirme la lecture. L'assurance maladie fait exception, avec 52,8 % des mentions réunies par les dix premières marques. Dans les neuf autres secteurs, ce cumul se situe entre 12,5 % en restauration et 37,5 % en grande distribution. Autrement dit, même en additionnant les dix acteurs les plus cités, la majorité des mentions revient ailleurs.

Un enseignement opérationnel s'en dégage. Une marque qui vise 20 % ou 30 % de part de modèle se fixe une cible que le leader de son secteur n'atteint pas. Les ordres de grandeur réalistes se situent en dessous de 10 %, et la progression se joue en points, pas en multiples.

Une dernière observation mérite attention : les comparateurs apparaissent dans les classements de marques, et non seulement parmi les sources. Comparis figure en 5ᵉ position en assurance maladie (5,5 %) et en 3ᵉ en immobilier (5,8 %). Les moteurs les nomment comme des acteurs de l'offre, ce qui déplace une partie de la part disponible hors du périmètre des marques du secteur.

Une réponse sur trois seulement classe les marques

Dernière observation, de nature méthodologique. Sur le même corpus, 95,2 % des réponses nomment au moins une marque, mais 33,3 % seulement les présentent sous une forme structurée, liste numérotée, tableau ou mise en gras, permettant de les ordonner automatiquement.

Les deux tiers restants nomment les marques en prose, au fil du texte. Une mesure qui ne lit que les formats structurés porte donc sur un tiers du matériau disponible, avec un biais prévisible : les questions appelant un classement sont surreprésentées, les questions ouvertes disparaissent. C'est une cause fréquente et rarement documentée d'écart entre outils.

Ce que la mesure ne dit pas

Trois limites bornent ce qu'un Share of Model autorise à conclure.

Il ne mesure pas une intention d'achat. Une marque nommée dans une réponse a été retenue par le modèle, ce qui ne présume ni de la considération de l'acheteur ni d'une conversion. Le lien entre part de modèle et résultat commercial reste à établir marché par marché.

Il ne dit rien de la formulation. Une mention peut situer la marque comme une option parmi d'autres, comme la référence du secteur, ou comme un repoussoir. C'est le rôle du sentiment de qualifier cette tonalité, et la part de voix seule ne s'y substitue pas.

Il dépend du jeu de questions retenu. Un périmètre orienté vers les questions où la marque est forte produit un chiffre flatteur et sans valeur d'usage. La représentativité du jeu de questions détermine la validité de la mesure davantage que la sophistication du calcul.

Cinq erreurs de mesure courantes

Déduire la position du rang dans une liste extraite. L'ordre dans lequel un extracteur restitue les marques d'une réponse n'est pas fiable. La position doit être relevée sur le texte, par repérage de l'ordre réel d'apparition.

Confondre position moyenne et rang de classement. La position moyenne indique où la marque apparaît dans les réponses. Le rang indique où elle se situe face aux autres. Les deux sont utiles, ils ne se remplacent pas.

Moyenner les moteurs sans le dire. Un chiffre global agrégeant quatre moteurs reste lisible, à condition d'être présenté comme une moyenne et accompagné du détail par surface.

Comparer deux outils. Périmètres de questions, dénominateurs, fréquences et règles d'exclusion diffèrent. Un seul outil suivi dans le temps est plus instructif que plusieurs relevés ponctuels comparés entre eux.

Réagir à un mouvement d'un point. Les données ci-dessus situent le bruit hebdomadaire autour de 1 point. En deçà, un écart ne porte pas d'information.

Construire sa mesure

Quelques principes suffisent à partir sur des bases solides.

Constituer un jeu de questions stable et représentatif de la catégorie, à partir de questions réellement posées par les acheteurs. Un jeu qui change à chaque relevé interdit toute lecture de tendance.

Arrêter la liste des concurrents avant le premier relevé, et ne la modifier qu'en connaissance de cause, en notant la date du changement.

Séparer les moteurs et les langues. Sur un marché plurilingue, la même question posée en français, en allemand ou en italien ne renvoie pas les mêmes marques.

Mesurer sur la durée et raisonner en tendance. Un relevé isolé donne un point, pas un niveau.

Distinguer mention et citation, et suivre les quatre indicateurs séparément.

Privilégier enfin la donnée relevée sur l'interface réelle des moteurs plutôt que l'estimation, et conserver la trace des réponses mesurées : sans elles, un écart constaté ne peut pas être expliqué.

Mesurer ma visibilité dans les IA→

Un audit de visibilité IA établit ce point de départ ; un suivi régulier en lit la tendance.

FAQ

Qu'est-ce que le Share of Model ? La fréquence à laquelle une marque apparaît dans les réponses générées par les moteurs de réponse, sur un ensemble défini de questions. Le terme a été introduit par Jack Smyth, chez Jellyfish, en 2024.

Comment calcule-t-on le Share of Model ? En rapportant les mentions de la marque au total des mentions de son ensemble concurrentiel. Le point déterminant est le dénominateur : liste de concurrents arrêtée à l'avance, ou ensemble des marques détectées dans les réponses. Les deux conventions sont défendables et ne sont pas comparables entre elles.

Pourquoi deux outils affichent-ils des chiffres différents ? Parce qu'ils ne mesurent pas la même chose : périmètre de questions, dénominateur, fréquence, déduplication et règles d'exclusion diffèrent.

Combien de relevés faut-il pour que le chiffre soit fiable ? Sur 8 261 réponses mesurées, la part de la marque de tête varie d'un écart type de 0,3 à 1,2 point d'une semaine à l'autre. La mesure est stable dès lors que le jeu de questions est large et posé sur plusieurs moteurs.

Quelle différence avec le share of voice classique ? Le share of voice mesure la présence publicitaire ou de recherche. Le Share of Model mesure la présence dans les réponses des IA. Même logique de part relative, terrain différent, et un espace qui ne s'achète pas.

---

À lire ensuite :

• Qu'est-ce que le GEO ?
• Les 3 KPIs essentiels du GEO
• Qui répond pour votre marque dans les IA ?