Share of Model

Quand un acheteur demande à un assistant quelles marques considérer pour une situation d’achat, il ne reçoit ni dix liens bleus ni toute la catégorie : il reçoit une synthèse courte. Le Share of Model décrit la part qu’une marque occupe dans cette synthèse - fréquence de mention, présence dans le groupe recommandé, fidélité des attributs associés. C’est une surface de disponibilité nouvelle : non plus la marque vient-elle à l’esprit d’un humain, mais le modèle la restitue-t-il quand la situation d’achat est formulée.

La formule a circulé d’abord chez les praticiens de la visibilité IA, avant que des données ne commencent à l’éprouver : Dan Wilson a mesuré ce qui pèse dans la visibilité LLM sur un panel de trente marques, l’étude INSEAD/Jellyfish relayée par WARC a comparé notoriété humaine et représentation machine, et l’expérience de Marketing Architects a observé un agent au moment de choisir. La métrique s’inscrit dans une lignée connue - la disponibilité mentale d’Ehrenberg-Bass, le Share of Search comme proxy mesurable - dont elle transpose le raisonnement à une mémoire tenue par des modèles génératifs.

La robustesse empirique est inégale par construction : chiffres de panel, expériences ponctuelles et retours d’expérience, pas de loi établie. Le lien prédictif avec la part de marché n’est pas démontré, et la fragilité des mesures est documentée. Cette page traite ce que l’indicateur représente et ce qu’il ne prouve pas ; le protocole de mesure vit dans la page jumelle, les leviers d’exécution dans la page GEO.

L’essentiel en 4 points

• Le Share of Model mesure la place d’une marque dans les réponses des modèles génératifs : être mentionnée, être recommandée, être représentée avec les bons attributs.
• L’équité de marque porte l’essentiel du signal : 63 % de la visibilité LLM d’un panel de trente marques, contre 11 % pour le volume de citations des tactiques.
• Les modèles conversationnels élargissent la liste des options ; les agents chargés de choisir la referment - deux régimes que le même score masque.
• Un score élevé ne prouve ni la cause ni l’incrément : c’est un instrument de diagnostic, pas (encore) une loi de croissance.

Ce que la métrique regarde vraiment

La disponibilité mentale mesure la mémoire humaine : la marque vient-elle à l’esprit au moment où la situation d’achat surgit ? Le Share of Model transpose la question à une mémoire externe : non pas la marque vient-elle à l’esprit ?, mais le modèle la restitue-t-il quand la situation d’achat est formulée ? Les deux actifs sont liés, pas interchangeables : le premier rend la marque familière et recherchée, le second la rend lisible et recommandable par un intermédiaire.

Cette extension ne transforme pas le modèle en consommateur. Selon le retour d’expérience de Frederick Vallaeys, un agent ne possède ni nostalgie ni loyauté émotionnelle : au moment d’agir, il évalue les données auxquelles il accède. La disponibilité humaine et la représentation machine sont donc deux actifs liés, pas interchangeables : la première rend la marque familière et recherchée, la seconde la rend lisible et recommandable par un intermédiaire. La représentation machine lit ce qui a été publié, réputé et structuré - elle ne fabrique pas une préférence de nulle part.

Le test le plus utile n’est pas un score isolé, mais un désalignement. L’étude INSEAD/Jellyfish relayée par WARC observait Rivian mieux représentée par les LLMs que dans la notoriété humaine ; l’inverse signale une équité construite auprès des humains que les corpus récents restituent mal. Dans les deux sens, l’écart révèle un angle mort que le dashboard publicitaire ne voit pas.

Pourquoi la marque précède l’optimisation

La première erreur consiste à traiter le Share of Model comme un nouveau classement que quelques ajustements techniques suffiraient à gagner. L’étude de Dan Wilson, sur trente marques, associe 63 % de la visibilité LLM à l’équité de marque de long terme. Parmi la part attribuée aux leviers observables, le spend total pèse 22 %, le volume de citations 11 % et le reach influence/RP 4 % : le signal le plus lourd existait avant la tactique Generative Engine Optimization (GEO).

La même étude montre que visibilité LLM et Share of Search convergent sur six à douze mois parce qu’elles partagent ce sous-jacent. Elles divergent à court terme : le search réagit davantage aux pics de campagne ou d’influence, tandis que les réponses des modèles bougent avec les publications et les mises à jour techniques. Selon le playbook de mesure de Growth Dynamics, les mentions web de marque corrèlent davantage à la visibilité IA (0,664) que le trafic publicitaire (0,216). L’empreinte earned - presse, avis, discussions, vidéo - n’est pas un habillage du dispositif : elle en est la matière première.

L’épisode System 3 de WARC lit cette empreinte en trois couches : la fame, être présent dans les sources ; la fluency, être associé de façon cohérente aux mêmes situations d’achat ; le fuel, fournir assez de matière interprétable. Mastercard et sa plateforme Priceless, tenue pendant des décennies, illustrent la fluency : les occurrences finissent par former un motif prédictible. Une marque qui change de vocabulaire, de positionnement et de preuves tous les dix-huit mois demande au modèle de reconstruire sans cesse son entité.

Deux régimes que le même score masque

Dans une réponse conversationnelle, plusieurs marques coexistent. Les LLMs observés par Wilson distribuaient la visibilité plus largement que Google : même face à un leader dépassant parfois 90 % du Share of Search, ils proposaient plusieurs options. Pour une scale-up challenger, la liste générée peut donc ouvrir un groupe de considération auquel la première page de search donnait peu accès.

L’achat délégué produit pourtant le mouvement opposé. L’expérience de Marketing Architects, menée sur six modèles, montre Amazon Basics capter 80 à 94 % des sélections d’agrafeuses, contre presque 0 % pour un concurrent aux caractéristiques comparables. Un modèle conversationnel peut élargir la liste ; un agent chargé de choisir doit la refermer. Le Share of Model ne doit donc jamais agréger sans distinction être mentionné, être recommandé et être sélectionné.

Cette sélection est sensible au contexte technique : une génération de modèle différente modifiait fortement les parts de sélection, et la position du produit ou les badges de la plateforme pesaient sur le choix. L’agent n’abolit pas la disponibilité physique et digitale : il en lit une nouvelle interface - titres, données produit, réputation tierce et signaux de la plateforme.

Le concept reste une théorie tant que son lien prédictif avec la part de marché n’est pas établi, comme il l’a été pour le Share of Search : c’est la réserve formulée par The Sleeping Barber. Les premiers signaux business existent, mais ils mêlent équité préexistante, trafic de référence et tactiques de citation. Le Share of Model est aujourd’hui un instrument de diagnostic, pas une nouvelle loi de croissance.

Ce que le score ne prouve pas

Un score élevé ne dit pas pourquoi la marque remonte. Le modèle peut restituer une réputation ancienne, citer une page sans recommander son produit, ou répéter une représentation fausse. Il peut aussi homogénéiser les marques qui emploient les mêmes formulations et revendiquent les mêmes situations d’achat : WARC avance, sans étude causale derrière, que les modèles exercent une force de convergence parce qu’ils favorisent les motifs répétés et sûrs.

Il ne prouve pas davantage un impact incrémental. Dans la modélisation de Wilson, l’effet de la visibilité LLM pouvait atteindre 5 % de demande incrémentale au pic de catégorie, mais la majeure partie se rattachait à la marque et au marketing déjà en place, et la composante attribuée aux seules tactiques de citation représentait environ 0,55 %. Le bon argument devant le CFO n’est donc pas une promesse de ventes immédiates, mais la surveillance d’une surface de découverte qui peut amplifier - ou mal restituer - un actif déjà construit.

Si ta scale-up plafonne aujourd’hui

1. Traite le Share of Model comme un brand tracker machine.

À côté du tracker humain : compare les deux sur les mêmes situations d’achat et cherche les écarts, pas un score flatteur. L’écart est le diagnostic ; le score seul ne dit rien.

2. Sépare mention, recommandation et sélection.

Trois étages dans le reporting : une citation n’est pas une recommandation, et une recommandation n’est pas une vente. N’ajoute l’étage agentique que là où un agent peut effectivement choisir et acheter.

3. Investis d’abord dans une empreinte cohérente.

Mêmes attributs de marque, mêmes situations d’achat, preuves tierces et informations produit accessibles. La tactique GEO vient ensuite ; elle ne fabrique pas l’équité qui explique l’essentiel du signal.

4. Porte l’instrument au brand tracker, pas au dashboard d’acquisition.

Le protocole, les répétitions et les fenêtres de lecture vivent dans Mesurer le Share of Model.

Pour aller plus loin

• La marque vue par les LLMs - Les mécanismes qui façonnent la représentation machine.
• Share of Search - Le proxy établi auquel la métrique émergente se compare.
• Disponibilité Mentale - L’actif humain dont le Share of Model est une extension imparfaite.
• Generative Engine Optimization (GEO) - Les leviers d’exécution, distincts du diagnostic.
• Disponibilité Physique & Digitale - Ce que l’agent doit pouvoir trouver et choisir.

Sources

• Dan Wilson, AEO / GEO / LLM Search / AI Search | Should I really care? What does the data say? - équité de marque et visibilité LLM sur trente marques.
• Growth Dynamics, The Growth Strategy Measurement Playbook - corrélations mentions web / trafic publicitaire avec la visibilité IA.
• WARC, Why brand is critical in the age of generative AI - étude INSEAD/Jellyfish : écart notoriété humaine / représentation LLM.
• WARC, Here comes System 3: a theory of artificial cognition - fame, fluency, fuel et force de convergence des modèles.
• Frederick Vallaeys, 80% of Businesses Are Invisible to AI - Microsoft Wants to Help Fix That - ce que l’agent évalue au moment d’agir.
• Marketing Architects, épisode Nerd Alert: What are AI Agents Buying? - achat délégué : concentration des sélections sur six modèles.
• The Sleeping Barber, épisode SBP 080: The Barber’s Brief - July 18th, 2024 - le lien prédictif avec la part de marché, pas encore établi.

ℹ️ À propos de cette page

Reaching Kibo explore les vrais moteurs de la croissance des scale-ups B2C - et comment les mettre en pratique. Cette page appartient à Basecamp, le playbook du projet.

Elle est rédigée par IA, d’après le cadre et la direction que je donne. Une erreur, un désaccord, une source à ajouter ? Écris-moi : romain@reachingkibo.com.