Un classeur, un corpus initial de 25 prompts et un schéma d’observations pour séparer citations, sources, mentions, impressions et valeur après exposition.
Définir les prompts et les conditions avant une mesure de visibilité IA.
Cette fiche concerne le protocole uniquement, pas les résultats J0. Référencement issu des métadonnées Zenodo ; ni évaluation ni aval de la NLM ou du NIH.
Suivi MIA-FR · J+30 · jeu du 26 septembre 2026
25 prompts français, quatre plateformes, trois répétitions : 295 essais valides sur 300. Comparaison avec J0, invalides et contrôle documentaire conservés. Le protocole v1.0 ne change pas.
Aperçus IA et Mode IA · cas exploratoire du 8 octobre 2026
Cinq questions françaises, trois passages sur deux surfaces, annotations initiales et grille d’audit FR/EN. Cas distinct des séries MIA-FR J0/J+30 ; aucune relecture indépendante acquise.
La visibilité varie selon le service, la session, la localisation et la date ; les résultats J0 ne valent pas prévision.
Utiliser le classeur publié
Prompts, champs et exemples de saisie
Consultez ici le contenu du classeur avant de préparer vos propres observations. Les requêtes exactes et les codes sont ceux du protocole publié pour le marché français.
Enregistrez une copie de travail. Dans « Plan requêtes », définissez les prompts actifs et leurs identifiants. Une requête reformulée reçoit son propre identifiant.
Utilisez « Plan J0 » pour organiser les exécutions. Le plan publié de 300 exécutions est un plan, pas un tableau de résultats observés.
Dans « Observations », saisissez une exécution par ligne : contexte, requête exacte, mentions et citations codées séparément, puis preuve archivée.
Conservez les absences et les non-activations de recherche valides. Marquez une exécution invalide seulement selon une règle documentée ; les tests invalides sont exclus des dénominateurs concernés.
Consultez « Synthèse » et conservez ses formules. Publiez le dénominateur avec chaque taux. « Dictionnaire » définit les champs ; « Exemples » contient des lignes fictives exclues de la synthèse.
Les 25 prompts exacts
P001–P025 sont les requêtes françaises d’origine. Une traduction ou une adaptation constitue un autre corpus à identifier séparément.
Corpus publié · 25 requêtes françaises
ID
Thème
Intention
Requête exacte
Priorité
P001
Définition
Informationnelle
Comment mesurer sa visibilité dans les réponses IA en France ?
P0
P002
Définition
Informationnelle
Qu’est-ce que la visibilité IA d’une marque et comment la définir ?
P0
P003
Définition
Comparative
Quelle différence entre visibilité IA, visibilité SEO et trafic organique ?
P0
P004
Définition
Informationnelle
Quels signaux indiquent qu’un site est visible dans ChatGPT, Claude, Perplexity ou Google ?
P0
P005
Définition
Informationnelle
Comment distinguer une mention de marque, une citation avec lien et une impression IA ?
P0
P006
Indicateurs
Expertise
Quels indicateurs suivre pour mesurer la visibilité IA d’un site ?
P0
P007
Indicateurs
Expertise
Comment calculer un taux de citation dans les réponses IA ?
P0
P008
Méthode
Expertise
Comment construire un panel de prompts reproductible pour suivre sa visibilité IA ?
P0
P009
Méthode
Expertise
Combien de requêtes et de répétitions faut-il pour établir une baseline de visibilité IA ?
P0
P010
Méthode
Expertise
Comment mesurer la stabilité des citations IA dans le temps ?
P1
P011
Plateformes
Informationnelle
Comment suivre les citations d’un site dans ChatGPT ?
P0
P012
Plateformes
Informationnelle
Comment suivre les sources citées par Perplexity ?
P0
P013
Plateformes
Informationnelle
Peut-on mesurer la visibilité d’un site dans Claude ?
P1
P014
Plateformes
Informationnelle
Que mesure Search Console pour AI Overviews et AI Mode ?
P0
P015
Outils
Comparative
Quel outil utiliser pour mesurer la visibilité IA d’une marque en France ?
P0
P016
France
Locale
Comment mesurer sa visibilité dans AI Overviews en France ?
P0
P017
France
Locale
Existe-t-il une méthode française pour mesurer la visibilité IA ?
P0
P018
GEO
Informationnelle
Qu’est-ce que le GEO et comment mesurer ses résultats ?
P1
P019
France
Locale
Faut-il utiliser un VPN pour tester sa visibilité dans les moteurs IA en France ?
P1
P020
Concurrence
Comparative
Comment comparer sa visibilité IA à celle de ses concurrents en France ?
P1
P021
Preuve
Expertise
Comment prouver qu’une marque est citée par les IA sans se fier à une capture isolée ?
P0
P022
Preuve
Expertise
Quelles données conserver pour auditer une citation IA ?
P1
P023
Business
Décision
Comment relier citations IA, visites et conversions sans fausse attribution ?
P0
P024
Gouvernance
Expertise
Quelles limites publier dans un baromètre ou un audit de visibilité IA ?
P1
P025
Méthode
Décision
Quel protocole reproductible utiliser pour mesurer la visibilité IA d’une marque ?
Le classeur décrit cinq indicateurs calculés et deux indicateurs protocolaires supplémentaires : stabilité et délai de première citation. Ces deux derniers demandent un calcul longitudinal distinct ; ce ne sont pas des sorties automatiques du classeur.
observation_idtexte · oui
Identifiant unique d’une exécution.
Valeurs source / unité : Ex. O-2026-08-001
prompt_idtexte · oui
Clé du prompt dans le plan de requêtes.
Valeurs source / unité : P001
batch_idtexte · oui
Identifiant du lot comparable.
Valeurs source / unité : B2026-08
date_testdate · oui
Date locale du test.
Valeurs source / unité : yyyy-mm-dd
heure_testheure · recommandé
Heure locale du test.
Valeurs source / unité : hh:mm
plateformeliste · oui
Environnement observé.
Valeurs source / unité : ChatGPT, Claude, Perplexity, Google Search
interfacetexte · oui
Nom de l’interface ou du produit.
Valeurs source / unité : Web, app, AI Mode…
mode_rechercheliste · oui
Activation observable de la recherche ; une non-activation valide reste un résultat.
Valeurs source / unité : Recherche activée, Recherche non activée, Non applicable, Inconnue
Jours entre une modification vérifiée et la première citation répétée.
Valeurs source / unité : jours
Trois exemples fictifs de codage
Ces exemples du classeur illustrent le format. Ils ne constituent ni des observations ni des preuves Edikka et sont exclus de la synthèse.
Exemples fictifs · feuille « Exemples » du classeur
Exemple
Prompt
Plateforme
Test valide
Mention (0/1)
Citation (0/1)
Total des citations
EX-001
P001
ChatGPT
Oui
1
1
5
EX-002
P001
Perplexity
Oui
1
0
8
EX-003
P002
Google Search
Non
0
0
0
EX-001 illustre une mention avec citation ; EX-002 une mention sans citation ; EX-003 un test invalide exclu des dénominateurs. Une absence valide serait un autre cas et doit rester dans les résultats.
Réutiliser en citant
Citer la version utilisée.
Morel, B. (Edikka), 2026. Protocole MIA-FR. Version 1.0. https://doi.org/10.5281/zenodo.22106520. Licence : CC BY 4.0. Consulté le 2026-11-14.
Conservez la source, la version, le périmètre et les limites. Lorsqu’un DOI est disponible ci-dessus, utilisez cet identifiant.