# Construire un tableau de bord de réputation IA exploitable.
> Suivre mentions, citations, recommandations et exactitude avec des dénominateurs explicites, des preuves et un registre d’actions de réputation IA.
- Page: https://mohammedteto.com/fr/analyses/tableau-bord-reputation-ia/
- Language: fr — English version: https://mohammedteto.com/insights/ai-reputation-dashboard/
- Author: Mohammed Teto (https://mohammedteto.com/#person)
- Published: 2026-11-04
- Updated: 2026-11-04
Un tableau de bord de réputation IA rassemble les réponses observées, les sources, les vérifications factuelles et les actions pour une entité définie. Séparez produits, langues, marchés et versions de questions. Affichez les comptes derrière chaque taux, les observations manquantes et le périmètre de vérification. Reliez les écarts à un responsable et à une prochaine vérification, sans fondre les signaux dans un score global inexpliqué.
[Read the English guide](https://mohammedteto.com/insights/ai-reputation-dashboard/)
## 1. Concevoir le suivi autour des décisions
Un dirigeant veut vérifier une fonction ou une biographie ; une entreprise veut comprendre sa présence dans des comparaisons pertinentes ; une équipe communication veut savoir quelle source corriger. Ces décisions appellent des preuves différentes.
Fixez pour chaque ligne l’entité, le produit, l’interface, la langue, le marché supposé, la version du panier et la période. Gardez les réponses intégrales et la référence factuelle. Une modification du panier ou de la liste de concurrents crée une rupture méthodologique à signaler.
## 2. Définir les réponses éligibles et les valeurs manquantes
Indiquez le nombre total de tentatives prévues, puis répartissez-les entre réponses éligibles, refus, pannes, autres réponses inutilisables et tentatives non collectées. Ces catégories de résultat doivent être mutuellement exclusives. Une réponse qui traite la question sans nommer l’entité reste éligible et apporte une absence à son compte de mentions.
Une panne ne prouve pas une exclusion de l’entité. Déclarez la règle de rapprochement des noms, le jeu d’URL de référence approuvé et les questions éligibles à une recommandation. Un dénominateur nul produit « non applicable » avec une raison, pas un taux de 0 %.
## 3. Donner un numérateur et un dénominateur
Couverture de collecte : réponses éligibles divisées par tentatives prévues. Taux de mention : réponses éligibles nommant l’entité, une fois au maximum par réponse, divisées par réponses éligibles. Présentez toujours le compte et le dénominateur.
Taux de citation de référence : réponses éligibles liant au moins une URL de l’ensemble approuvé divisées par réponses éligibles. Une biographie sur le site de l’employeur n’est pas nécessairement une page contrôlée personnellement par le dirigeant.
Taux de recommandation : réponses proposant explicitement l’entité divisées par réponses éligibles du sous-ensemble de questions défini comme éligible à une recommandation. Une question d’identité factuelle n’est pas automatiquement une opportunité de recommandation.
Exactitude des affirmations vérifiées : affirmations correctes divisées par affirmations correctes plus incorrectes. Affichez séparément les non-résolues et la couverture de résolution : correctes plus incorrectes divisées par toutes les affirmations examinées, non-résolues comprises. Les affirmations non relues ne doivent pas être classées silencieusement comme correctes.
## 4. Lire un exemple explicitement fictif
Exemple fictif, sans résultat client : 12 mentions sur 20 réponses éligibles donnent 60 %, puis 16 sur 20 donnent 80 %. L’écart est de 20 points de pourcentage, pas une hausse relative de 20 %. Vérifiez que les conditions et le panier sont comparables avant d’interpréter cet écart.
Si les affirmations résolues passent de 20 sur 25 à 30 sur 40, la couverture passe de 80 % à 75 %. Une présence plus élevée peut coexister avec davantage d’incertitude. Ces nombres illustrent la lecture d’un tableau ; ils ne mesurent aucun moteur ou client.
## 5. Distinguer présence et part de voix
Autre exemple fictif : sur 20 réponses de catégorie, la cible est mentionnée dans 12 réponses, le concurrent A dans 15 et B dans neuf. La présence de la cible est 12/20, soit 60 %. Sa part des événements de mention suivis est 12/(12+15+9), soit environ 33,3 %.
Ces dénominateurs répondent à deux questions différentes. Gardez la même liste de comparaison, dédupliquez chaque entité par réponse et n’ajoutez pas les questions de biographie nommées à une mesure de découverte concurrentielle. La concentration des domaines cités décrit le mélange des sources, pas leur qualité.
## 6. Ajouter un registre d’actions et une lecture commerciale séparée
Chaque écart matériel doit avoir un lien vers la preuve, une source et son propriétaire, un responsable, une action demandée, un statut et une condition de vérification. Une correction effectuée sur une page ne démontre pas qu’une réponse IA a changé.
Les demandes qualifiées, rendez-vous et opportunités commerciales restent suivis avec leur propre base d’attribution : mesure de référence disponible, déclaration du prospect ou hypothèse de l’analyste. Une mention dans un panier ne représente pas un acheteur réel et ne prouve pas un revenu.
Choisissez une fréquence de lecture adaptée aux enjeux et au volume. Signalez un problème factuel vérifié sans attendre la prochaine réunion. Conservez les anciennes définitions pour que l’historique reste interprétable.
## Sources et portée de cette adaptation
Ce guide est une adaptation française synthétique du [guide anglais](https://mohammedteto.com/insights/ai-reputation-dashboard/). Les principes et limites restent les mêmes ; les annexes et modèles CSV en anglais y sont accessibles.
La [documentation Google Search Central en français](https://developers.google.com/search/docs/appearance/ai-features?hl=fr) rappelle que les fondamentaux du SEO restent pertinents et que l’indexation ou la sélection ne sont pas garanties. La [méthodologie de recherche](https://mohammedteto.com/research/methodology/) est publiée en anglais.
## Appliquer le guide et poursuivre
Les trois étapes sont reliées : [auditer la réputation IA](https://mohammedteto.com/fr/analyses/audit-reputation-ia/), [construire un panier de questions](https://mohammedteto.com/fr/analyses/panier-prompts-reputation-ia/) et [organiser le tableau de bord](https://mohammedteto.com/fr/analyses/tableau-bord-reputation-ia/).
Le [pilote Perplexity](https://mohammedteto.com/research/#pilot-20261103) est un jeu d’observations réel, dont le compte rendu est en anglais et les réponses en français et en anglais. Il ne mesure ni rang ni découverte spontanée. Les exemples chiffrés de ce guide, lorsqu’ils sont présents, sont fictifs.
Pour un diagnostic accompagné, [consulter l’évaluation privée](https://mohammedteto.com/fr/evaluation-privee/). Les missions pour [dirigeants](https://mohammedteto.com/fr/dirigeants/) et [entreprises](https://mohammedteto.com/fr/organisations/) ont leurs périmètres et honoraires publiés.
## Questions fréquentes
### Pourquoi ne pas afficher un score GEO unique ?
Un score composite masque les signaux et leurs dénominateurs. Sans validation de sa méthode, il peut faire paraître comparables des observations qui ne le sont pas. Présentez les indicateurs séparément.
### Une réponse absente vaut-elle zéro ?
Une réponse éligible sans mention de l’entité contribue une absence au taux de mention. Une panne, une réponse non recueillie ou un dénominateur nul ne doit pas devenir un zéro de visibilité.
### Une hausse des mentions prouve-t-elle une hausse du chiffre d’affaires ?
Non. Les observations d’un panier et les résultats commerciaux sont des mesures distinctes. Leur évolution simultanée ne prouve pas une causalité ; documentez séparément attribution et limites.