En bref
- Un score de visibilité IA mesuré depuis un seul endroit est un score pour cet endroit. Dans une prépublication de l’Université de Toronto (arXiv 2610.24081, en anglais, version 1, 16 octobre 2026, non évaluée par les pairs), ChatGPT, interrogé par son API, suivait la ville qu’une application lui déclarait, et l’API de Gemini le pays du réseau d’où venait la requête.
- Les limites sont importantes. Des questions en anglais, 15 villes américaines plus Londres, Toronto, Sydney et Dublin, de petits modèles interrogés par leurs API et non les applications grand public, et des sorties VPN sur des centres de données. Aucune ville du Québec et aucune question en français n’ont été testées. Aucun de ces pourcentages n’est un résultat québécois.
- Dans cette prépublication, les entreprises nommées par ChatGPT changeaient avec le lieu. Pour les questions « près de moi », une requête déclarée dans une ville américaine recommandait 8 % des entreprises que la même requête recommandait dans une autre ville, contre 32 % quand on la répétait dans la même ville. Surveiller une seule ville captait 9 % des entreprises recommandées dans l’ensemble des 15 villes.
- Répéter une question compte même quand le lieu ne bouge pas. Selon l’autre décompte de la prépublication, deux requêtes « près de moi » identiques envoyées à ChatGPT avaient en commun 23 % des noms qu’elles recommandaient.
- Notre propre vérification, 16 requêtes dans une seule catégorie de commerce, est trop petite pour donner un taux. L’interface grand public de ChatGPT que nous avons interrogée répondait à une question sans ville pour une ville différente à chaque exécution, et nommer Sherbrooke dans la question renvoyait en grande partie les mêmes commerces à chaque fois.
- Trois questions à poser à quiconque vous remet un rapport de visibilité IA : depuis quelle ville a-t-il été mesuré, sur quel moteur et par quel canal, et combien de fois chaque question a-t-elle été posée ?
Un propriétaire d’entreprise à qui l’on présente un score de visibilité IA voit généralement un seul chiffre : vous apparaissez dans tant pour cent des réponses. Dans notre article sur la lecture des scores de visibilité IA, nous avons énuméré six éléments qu’un score doit énoncer avant qu’on puisse le vérifier : les questions, les moteurs, la date, le nombre d’exécutions, si l’on a compté des mentions ou des citations, et où se trouvent les réponses brutes. Cet article en ajoute un septième, celui que nous traitions nous-mêmes trop à la légère : l’endroit d’où la question a été posée.
La source est une courte prépublication de Mahe Chen et Nick Koudas, de l’Université de Toronto, les deux mêmes auteurs que ceux de l’étude de 90 jours dont nous avons parlé dans ce qui détermine les citations de l’IA. Ses limites passent avant ses chiffres. C’est la version 1, non évaluée par les pairs. Nous l’avons lue en octobre 2026 et ne l’avons pas reproduite. Les questions sont en anglais et ont été rédigées par les auteurs. Les lieux sont 15 villes américaines et quatre villes d’autres pays anglophones. Les moteurs sont deux petits modèles interrogés par leurs API (gpt-5.4-mini et gemini-3.1-flash-lite), qui ne se comportent pas forcément comme les applications ChatGPT et Gemini qu’un client ouvre sur son téléphone. Chaque chiffre ci-dessous est celui des auteurs, sauf quand nous précisons qu’il est le nôtre.
Qu’est-ce que l’étude a testé ?
L’étude a testé si une même question, posée depuis des endroits différents, obtient des sources citées et des entreprises recommandées différentes, et quel signal d’emplacement chaque moteur lit. Les auteurs ont rédigé 300 questions dans dix thèmes commerciaux (services résidentiels, soins de santé, finance, assurance, télécommunications, restauration, commerce de détail, automobile, voyage, services gouvernementaux). Aucune question ne nomme un lieu. Elles forment trois groupes de 100 :
- Près de moi. Des questions qui demandent quelque chose à proximité, comme « best plumber near me » (le meilleur plombier près de moi).
- Dépendantes du lieu. Des questions dont la réponse dépend de l’endroit où l’on se trouve (prix, lois, fournisseurs, météo), comme « how much is sales tax on a car » (quel est le montant de la taxe de vente sur une voiture).
- Non locales. Des questions sans rien de local, comme « best robot vacuum » (le meilleur aspirateur robot).
Il y a eu deux expériences, pour 31 200 réponses en tout.
- Emplacement déclaré (24 000 réponses). Chaque question a été envoyée à ChatGPT par l’API, avec son outil de recherche web, deux fois dans chacune des 20 configurations : chacune des 19 villes transmise à l’outil comme emplacement approximatif de l’utilisateur, et aucun emplacement du tout. Toutes les requêtes sont parties d’un seul réseau. Une deuxième passe a placé « Search the web: » (Cherchez sur le web) devant chaque question pour que des sources existent pour chaque question.
- Emplacement réseau (7 200 réponses). Chaque question a été envoyée à ChatGPT et à Gemini (avec l’ancrage sur Google Search, le « grounding ») sans emplacement déclaré, deux fois chacun, dans six sessions : la connexion des auteurs eux-mêmes, au Canada ; des sorties VPN à New York, à Los Angeles, à Londres et à Sydney ; puis de nouveau la connexion canadienne trois jours plus tard.
La mesure est le chevauchement : pour une question donnée, combien des sites web cités dans une réponse le sont aussi dans une autre. Deux requêtes identiques (les auteurs les appellent des jumelles, « twins » en anglais) donnent le bruit. L’indice de localisation de la prépublication est le chevauchement entre jumelles moins le chevauchement entre deux lieux. Zéro signifie que le lieu ne change rien au-delà de ce que le simple fait de répéter la requête change déjà.
D’où ChatGPT et Gemini tirent-ils votre emplacement ?
Dans cette étude, menée par l’entremise des API des deux moteurs, ChatGPT et Gemini lisaient l’emplacement à partir de signaux différents, et à des niveaux de détail différents. L’API de ChatGPT suivait l’emplacement que l’application déclarait et ignorait le réseau. L’API de Gemini ignorait les coordonnées déclarées dans un essai pilote et suivait le réseau, jusqu’au pays et pas plus loin. Dans notre propre petite vérification, plus bas, l’interface grand public de ChatGPT s’est comportée autrement.
| Ce que l’étude a observé | ChatGPT (API, outil de recherche web) | Gemini (API, ancrage sur Google Search) |
|---|---|---|
| Signal suivi | L’emplacement que l’application déclare | Le réseau d’où vient la requête |
| Niveau le plus fin observé | Ville | Pays |
| Signal ignoré | Le réseau : entre des réseaux de pays différents, l’indice était de 0,00, 0,01 et 0,01 | Les coordonnées déclarées : aucun effet dans un essai pilote |
| Lieu écrit dans ses propres recherches | Dans 100 % des recherches pour les questions « près de moi » et 48 % pour celles qui dépendent du lieu | Le pays dans 56 % des réponses « près de moi », jamais une ville |
| Sans emplacement déclaré | A demandé un code ZIP (code postal américain) ou une ville pour 63 % des questions « près de moi ». Quand il cherchait, il répondait pour un utilisateur quelconque aux États-Unis, à partir de sources nationales | A utilisé le pays du réseau |
Les auteurs résument le tout en une ligne : « to ChatGPT every other city is a different place; to Gemini, only another country is » (en anglais dans l’original, soit « pour ChatGPT, chaque autre ville est un lieu différent ; pour Gemini, seul un autre pays l’est »). La distance n’a rien atténué. Pour les questions « près de moi », les sources de ChatGPT différaient autant entre des villes américaines distantes de moins de 1 000 km qu’entre des villes distantes de plus de 3 000 km (un indice de 0,13 contre 0,14). Entre New York et Los Angeles, l’indice de Gemini était de 0,00.
Chez ChatGPT, le lieu entrait par deux voies. Le modèle l’écrivait dans ses propres recherches : quand on lui demandait « credit unions in my area » (les coopératives de crédit de ma région) avec Boise déclarée, il cherchait des coopératives de crédit près de Boise, en Idaho. Et le service de recherche derrière lui localisait les résultats sans qu’on le lui demande : là où aucune des deux réponses ne nommait le lieu dans ses recherches, les sources différaient quand même (un indice de 0,17). L’exemple de la prépublication est celui d’un utilisateur à Boise qui demande quand planter des tomates et obtient le service de vulgarisation de l’Oregon State University.
Pour qui achète ou vend un outil de suivi, la conséquence se trouve dans la discussion des auteurs : « A tool that sets only a location parameter measures ChatGPT for that city but Gemini for the country it runs from; a tool that sets neither measures ChatGPT for an unspecified US user and Gemini for its own country » (en anglais dans l’original, soit « un outil qui règle seulement un paramètre d’emplacement mesure ChatGPT pour cette ville, mais Gemini pour le pays d’où il tourne ; un outil qui ne règle ni l’un ni l’autre mesure ChatGPT pour un utilisateur américain quelconque, et Gemini pour son propre pays »).
Dans quelle mesure les sources changent-elles d’un endroit à l’autre ?
Dans la prépublication, les sites web que ChatGPT et Gemini citaient pour les questions locales changeaient avec le lieu, et chez Gemini ils changeaient d’un pays à l’autre même pour des questions sans rien de local. Le tableau reprend l’indice de localisation de la prépublication pour les sites web cités. Plus une valeur s’éloigne de zéro, plus la différence vient du lieu et moins du hasard.
| Indice de localisation des sites web cités | Près de moi | Dépendantes du lieu | Non locales |
|---|---|---|---|
| ChatGPT, deux villes américaines déclarées | 0,14 | 0,17 | 0,00 |
| ChatGPT, deux villes déclarées dans des pays différents | 0,28 | 0,43 | 0,03 |
| ChatGPT, réseaux de deux pays différents, sans emplacement déclaré | 0,00 | 0,01 | 0,01 |
| Gemini, réseaux de deux pays différents | 0,43 | 0,40 | 0,23 |
Quelques détails se cachent derrière ce tableau.
- La dernière case de Gemini. Un indice de 0,23 sur les questions non locales signifie qu’une question comme « best robot vacuum » obtenait des sources différentes selon le pays d’où venait la requête. Une marque mesurée depuis un serveur américain et vendue au Canada en est le cas évident (notre exemple).
- Le thème compte. Parmi les questions dépendantes du lieu, l’effet entre deux villes américaines était le plus fort pour les services gouvernementaux (0,57, les sites gouvernementaux de chaque État) et le plus faible pour les télécommunications (0,02, sources nationales). Ces résultats reposent sur dix questions par thème, et les auteurs les disent indicatifs.
- Un emplacement déclaré joue aussi sur le fait que ChatGPT cite ou non des sources. Avec un emplacement, de 64 à 73 % de ses réponses comportaient des sources. Sans emplacement, 46 % en comportaient.
Les entreprises que ChatGPT recommande changent-elles d’une ville à l’autre ?
Oui. Dans l’étude, les entreprises qu’une réponse recommandait bougeaient avec ses sources, et pour les questions « près de moi », deux villes n’en avaient presque aucune en commun. Une réponse « près de moi » de ChatGPT nommait en moyenne 4,3 entreprises, marques ou produits. La prépublication donne deux décomptes de ces noms. Elle ne définit pas en quoi ils diffèrent. Nous les lisons comme deux mesures différentes, alors nous donnons les deux.
| ChatGPT, emplacement déclaré | Même lieu, requête répétée | Deux lieux différents |
|---|---|---|
| Près de moi : noms que deux réponses ont en commun | 23 % | 4 % |
| Près de moi : part des entreprises d’une requête qu’une autre requête recommande aussi (15 villes américaines) | 32 % | 8 % |
| Dépendantes du lieu : la même part (15 villes américaines) | 34 % | 31 % |
Pour les questions « près de moi », quel que soit le décompte, deux répétitions au même endroit avaient plusieurs fois plus de noms en commun que deux endroits différents. Pour les questions qui dépendent du lieu, les deux valeurs étaient proches (34 % contre 31). La prépublication ajoute que 96 % des entreprises recommandées pour les questions « près de moi » n’apparaissaient que dans une seule des 15 villes américaines. Avec deux requêtes par ville, une partie de ce chiffre tient à la répétition et non au lieu (notre mise en garde). Ses propres exemples montrent à quoi cela ressemble.
| Moteur et question | Lieu | Trois premières entreprises nommées dans les deux répétitions |
|---|---|---|
| ChatGPT, ville déclarée : « credit unions in my area » | New York | New York University FCU, Neighborhood Trust FCU, Brooklyn Cooperative FCU |
| Boise | Idaho Central CU, CapEd FCU, Connections CU | |
| Miami | Educational FCU, University CU, Miami Postal Service CU | |
| Londres | London Mutual CU, London Capital CU, Your Community Bank | |
| Gemini, pays du réseau : « which store has the cheapest groceries » (quel magasin vend l’épicerie la moins chère) | Canada | No Frills, Walmart, Food Basics |
| États-Unis, Est | Aldi, Walmart, Costco | |
| États-Unis, Ouest | Aldi, Walmart, WinCo Foods | |
| Royaume-Uni | Aldi, Lidl, Tesco | |
| Australie | ALDI, Coles, Woolworths |
Combien de villes un outil de suivi doit-il couvrir ?
Dans la prépublication, pour les questions « près de moi », un outil qui surveille une seule ville américaine voit une petite partie de ce que ChatGPT recommande ailleurs, et chaque ville ajoutée apporte surtout des noms nouveaux. Les auteurs ont pris tout ce que ChatGPT a recommandé dans les 15 villes américaines et compté quelle part un outil en capterait en surveillant moins de villes.
| Villes surveillées (sur 15) | Questions « près de moi » : part des entreprises recommandées captée | Questions non locales : part captée (référence) |
|---|---|---|
| 1 | 9 % | 19 % |
| 5 | 36 % | 53 % |
| 10 | 69 % | non indiqué |
| 15 | 100 %, par définition | 100 %, par définition |
Lisez la colonne de droite avant de tirer une conclusion de celle de gauche. Le lieu n’a aucun effet sur les questions non locales, et une seule ville ne captait quand même que 19 % des noms. Cet écart vient de la seule répétition : trente requêtes nomment bien plus d’entreprises que deux. On tire donc deux leçons distinctes de ce tableau. Un outil doit poser la question depuis le bon endroit, et il doit la poser plus d’une fois.
Pour une entreprise qui dessert une seule ville, la première leçon est une bonne nouvelle. Elle n’a pas besoin de 15 villes. Il lui faut la sienne, précisée exprès, parce que, selon les auteurs, « no city stands in for another, not even a nearby one » (en anglais dans l’original, soit « aucune ville n’en remplace une autre, pas même une ville voisine »). Une entreprise qui dessert plusieurs villes a plusieurs marchés à mesurer.
Qu’est-ce que cela ne vous dit pas ?
Cette étude ne vous dit pas à quelle fréquence ChatGPT ou Gemini nomme votre entreprise dans votre ville.
- Rien sur le Québec, ni sur le français. Toronto est l’une des 19 villes déclarées, et la connexion canadienne des auteurs est l’un des emplacements réseau. Aucune ville du Québec, aucune province et aucune question en français n’ont été testées. On ne sait pas si ChatGPT traite de la même façon une question en français avec une ville du Québec déclarée. Le résultat par ville le rend plausible. Il ne le démontre pas.
- Si deux villes voisines diffèrent. Les deux villes les plus rapprochées de l’étude sont à 293 km l’une de l’autre. Aucune paire de villes plus rapprochée n’a été testée.
- Le comportement des applications grand public. Les moteurs ont été interrogés par leurs API, avec de petits modèles. Une vérification avec gpt-5.4, le modèle pleine taille, sur 60 questions à six emplacements (720 réponses) a localisé au moins aussi fortement, et elle ne couvre que ChatGPT. Les applications n’ont pas été testées, et une application sur un téléphone peut lire des signaux que l’API ne voit pas.
- Le comportement de Gemini sur une connexion résidentielle ou de bureau. Quatre des cinq emplacements réseau étaient des sorties VPN sur des adresses de centres de données, et le cinquième était la connexion des auteurs eux-mêmes. Les auteurs notent que Gemini pourrait localiser plus finement sur des connexions résidentielles.
- Rien sur les autres moteurs. Perplexity, les AI Overviews et l’AI Mode de Google n’ont pas été mesurés.
- Quelle page l’emporte. Le chevauchement est compté sur les sites web, pas sur les pages ni sur la position dans la réponse.
- Combien de temps cela tient. Les mesures décrivent les moteurs en octobre 2026. Les auteurs disent rendre publics les questions, le code et les réponses. La version que nous avons lue n’en donne pas le lien.
Que nous a montré notre propre vérification de 16 requêtes sur ChatGPT ?
Notre vérification n’est pas l’expérience de la prépublication, et elle est bien plus petite. Le 20 octobre 2026, nous avons envoyé 16 requêtes par un service commercial de collecte de données (scraping) qui recueille les réponses de l’interface grand public de ChatGPT, avec la recherche web forcée. Ce service permet de choisir un pays, mais pas une ville. Nous avons demandé des quincailleries, en anglais et en français, sans ville puis avec Sherbrooke nommée, deux fois par combinaison.
| Question | Pays réglé sur les États-Unis (deux exécutions) | Pays réglé sur le Canada (deux exécutions) |
|---|---|---|
| « best hardware stores near me » (les meilleures quincailleries près de moi), posée en anglais | Réponse pour Stockton, en Californie, puis pour Paxtang, en Pennsylvanie. Aucune entreprise locale en commun | Réponse pour Gatineau, au Québec, puis pour Winnipeg, au Manitoba. Aucune entreprise locale en commun |
| « best hardware stores in Sherbrooke, Quebec » (les meilleures quincailleries à Sherbrooke, au Québec), posée en anglais | 6 entreprises sur 6 en commun | 5 sur 6 en commun, les mêmes six quincailleries de Sherbrooke que dans les exécutions américaines |
| « Quelles sont les meilleures quincailleries près de moi? », posée en français | Réponse en français pour Greensboro, en Caroline du Nord, puis pour Phoenix, en Arizona. Aucune entreprise en commun | Réponse en français pour Toronto, puis pour Grand Sudbury, en Ontario. Aucune entreprise en commun |
| « Quelles sont les meilleures quincailleries à Sherbrooke? », posée en français | 7 sur 8 en commun | 5 sur 6 en commun. Les mêmes cinq quincailleries de Sherbrooke arrivaient en tête dans les quatre exécutions |
Voici ce qui en est ressorti, avec la prudence que méritent seize requêtes :
- L’interface que nous avons interrogée suivait le réglage de pays du service. Sans ville dans la question, ChatGPT répondait pour ce qu’il appelait l’« estimated location » de l’utilisateur (son emplacement estimé), une ville différente du pays choisi à chaque exécution. Tout se passe comme si l’emplacement était lu à partir du réseau. Nous n’avons pas vu comment le service applique son réglage. La prépublication a constaté que l’API ignore le réseau. Ce sont deux produits différents, et c’est la première limite que la prépublication énonce elle-même.
- Poser la question en français n’a pas amené la réponse au Québec. Aucune des deux exécutions en français réglées sur le Canada n’est tombée au Québec (Toronto, puis Grand Sudbury). La seule réponse québécoise, Gatineau, venait d’une exécution en anglais. Deux exécutions ne permettent pas de démontrer que la langue ne joue jamais.
- Une ville dans la question a fixé le marché. Avec Sherbrooke nommée, les deux réglages de pays et les deux langues ont renvoyé en grande partie les mêmes quincailleries, avec des différences trop petites pour qu’on les distingue du bruit entre deux exécutions.
Nous avons aussi envoyé la question « près de moi » à gpt-5.4-mini par un accès API sans réglage d’emplacement. Il a demandé un code ZIP ou une ville les deux fois. Invité à deviner, il a choisi New York, puis Chicago, ce qui est cohérent avec le comportement par défaut que décrit la prépublication. Nous avons fait quelques requêtes à Gemini le même jour. Elles étaient trop peu nombreuses et trop disparates pour qu’on en rende compte.
Qu’est-ce que cela suggère sur la façon d’être nommé localement ?
Les auteurs de la prépublication suggèrent que, pour les questions locales, les pages qui comptent sont celles qu’un moteur trouve quand il cherche avec le nom de la ville dans la requête. Avec un emplacement déclaré, 79 % des réponses « près de moi » de ChatGPT dans des villes américaines citaient une source dont l’URL nommait la ville ou l’État, et 92 % de celles des autres pays citaient une source du domaine de ce pays. Un contrôle qui comptait les sources nommant l’un des autres lieux de l’étude restait sous 0,2 %.
Selon la lecture des auteurs, une entreprise devient visible « through pages that the engine finds for place-specific queries, such as local directories, review sites and the sites of local institutions, rather than through national rankings » (en anglais dans l’original, soit « par les pages que le moteur trouve pour des requêtes propres à un lieu, comme les annuaires locaux, les sites d’avis et les sites des institutions locales, plutôt que par des classements nationaux »). C’est leur interprétation du schéma observé. L’étude n’a testé aucun changement au niveau d’une page. Cette interprétation rejoint bien le travail de citations et de fiches d’annuaire que le SEO local a toujours comporté, et les mentions de tiers que nous plaçons tôt dans un mandat depuis l’étude de 90 jours. Nous ne la vendrions pas comme un levier mesuré.
Que demander avant de se fier à un rapport de visibilité IA ?
Demandez d’où il a été mesuré, sur quel moteur et par quel canal, et combien de fois chaque question a été posée. Les six éléments de notre liste précédente s’appliquent toujours. Ces trois questions en précisent deux et ajoutent celui qui manquait.
| Demandez | À quoi ressemble une réponse utilisable | Ce que signifie une réponse manquante |
|---|---|---|
| Depuis quelle ville a-t-il été mesuré ? | Une ville nommée pour chaque marché que vous desservez, et comment elle a été précisée : déclarée au moteur, écrite dans la question, ou tirée du réseau de l’outil | Selon le résultat de la prépublication sur l’emplacement par défaut, une mesure de ChatGPT faite par l’API sans emplacement décrit un utilisateur quelconque aux États-Unis. D’après la conclusion des auteurs, une ville voisine ne remplace pas la vôtre (leurs deux villes les plus rapprochées étaient à 293 km l’une de l’autre) |
| Quel moteur, et par quel canal ? | Chaque moteur nommé, application ou API, avec le signal d’emplacement utilisé pour chacun | Un seul réglage « emplacement : Canada » peut atteindre un moteur et pas l’autre. Dans l’étude, l’API de ChatGPT lisait l’emplacement déclaré et celle de Gemini lisait le réseau |
| Combien de fois chaque question a-t-elle été posée ? | Au moins deux exécutions de chaque question, avec le chevauchement entre les exécutions affiché à côté de toute comparaison | Un écart entre deux entreprises, deux villes ou deux dates qui est plus petit que l’écart entre deux exécutions identiques, c’est du bruit |
Vous pouvez en faire une version approximative vous-même. Posez la question avec votre ville dedans, dans une nouvelle conversation, plusieurs fois, et comptez combien de fois chaque entreprise est nommée. Si la personne qui fait la vérification n’est pas dans votre ville (une agence dans une autre ville, un outil sur un serveur dans un autre pays), la ville doit être précisée exprès, et le rapport devrait dire comment.
Ce que nous avons changé
Nous avons changé notre procédure de mesure le 20 octobre 2026, après avoir lu cette prépublication et fait la vérification ci-dessus. Rien de cela ne garantit une mention.
- L’ancienne formulation était trop floue. Notre procédure disait que les questions québécoises se posent en français, avec un emplacement canadien. D’après cette prépublication, un pays est trop grossier pour ChatGPT, et un paramètre d’emplacement est le mauvais canal pour Gemini. Les mesures faites selon cette formulation ne fixaient qu’un pays, tout au plus, et nous ne les présentons pas comme des résultats à l’échelle d’une ville.
- L’emplacement va dans l’en-tête du rapport. Pour chaque moteur, l’en-tête indique maintenant comment le lieu a été défini (ville déclarée, lieu dans la question, filtre de pays, ou non défini), à côté du nombre de questions.
- Chaque question posée en direct est exécutée au moins deux fois. Le chevauchement entre les deux exécutions est présenté comme le plancher de bruit à côté de toute comparaison. C’est la nouvelle exécution sans changement que nous demandons aussi dans réécrire une page pour les réponses de l’IA.
- La ville va dans la question. Nous n’envoyons plus de question « près de moi », ni aucune question sans ville, par un outil qui ne permet de choisir qu’un pays.
- « Non mesuré » est une réponse permise. Là où aucun de nos instruments ne permet de préciser le marché, la ligne le dit.
Si quelqu’un vous remet un rapport de visibilité IA qui ne nomme pas la ville depuis laquelle il a été mesuré, il se peut qu’il décrive le marché de quelqu’un d’autre. Demandez la ville, le moteur et le nombre d’exécutions. Nous vendons nous-mêmes ce genre de mesure, alors nous y avons un intérêt, et les trois mêmes questions valent aussi pour les nôtres. La place d’une mesure dans le reste du travail est expliquée dans l’entonnoir de visibilité IA et sur notre page audits SEO.