Rixe exécute un ensemble défini de prompts de catégorie via l'interface réelle de chaque moteur, une fois par jour, puis analyse la réponse obtenue. À chaque exécution, il enregistre si la marque a été nommée, son rang parmi les marques citées, le ton de la phrase qui entoure le nom, et chaque source citée par la réponse. Aucun score n'est publié à partir d'une seule exécution : en dessous de cinq, un prompt est marqué « échantillon insuffisant », et chaque score est livré avec un intervalle de confiance de Wilson.
Une exécution unique ne prouve pas grand-chose, et c'est précisément ce que la plupart des approches de mesure escamotent. Les modèles génératifs sont probabilistes : posez deux fois la même question et l'ensemble des marques peut changer, l'ordre changera presque à coup sûr. Publier un score à partir d'une seule réponse produit un chiffre qui bouge pour des raisons étrangères à votre marque.
Rixe traite chaque prompt comme un échantillon, pas comme une lecture. En dessous de cinq exécutions, un prompt est marqué « échantillon insuffisant » et n'affiche aucun score ; et chaque score publié porte un intervalle de confiance de Wilson, de sorte qu'un 41 % construit sur douze observations est visiblement moins sûr qu'un 41 % construit sur quatre-vingt-dix. Quand un moteur est indisponible, la donnée est signalée comme manquante plutôt que comptée en silence comme un zéro : un adaptateur en panne ne doit jamais ressembler à une baisse de visibilité.
La réponse brute est stockée telle quelle à côté des indicateurs analysés. C'est ce qui rend un résultat vérifiable : quand un chiffre bouge, vous ouvrez les réponses qui le composent et lisez les phrases qui ont changé, au lieu de faire confiance à un graphique.
Le jeu de prompts est l’instrument
Tout le reste dépend des questions : elles sont donc choisies avant toute mesure, puis laissées telles quelles. Elles sont écrites comme un acheteur les taperait — une phrase avec un budget, une taille d’équipe ou une contrainte — et non comme des mots-clés, car c’est ce que reçoit le moteur en usage réel.
Un jeu lourd en questions de notoriété et maigre en questions de comparaison vous flattera, car les questions larges produisent de longues listes. Étager le jeu selon l’étape de l’acheteur — apprendre, comparer, décider — évite qu’un score en bonne santé voisine avec un pipeline qui le contredit.
La répétition, et pourquoi une exécution ne prouve rien
Les modèles génératifs sont probabilistes. Posez deux fois la même question en une heure : marques, ordre et parfois faits peuvent différer, ce qui fait d’une capture d’écran l’artefact le moins fiable du domaine. La réponse est ennuyeuse et c’est toute la méthode : exécuter le même prompt de façon répétée, selon un calendrier, et publier le taux.
La répétition rend aussi possible un intervalle de confiance, et cet intervalle empêche une équipe d’agir sur du bruit. En dessous d’un plancher d’exécutions par moteur, aucun score n’est publié : l’écran dit que l’échantillon est trop petit plutôt que de tracer une courbe qu’on lirait comme une tendance.
Ce qui est enregistré de chaque réponse
Chaque réponse est conservée entière, puis lue pour cinq choses : votre marque a-t-elle été nommée, à quel rang, qu’en a-t-on dit, quelles pages le moteur a-t-il citées, et quels concurrents figuraient dans la même phrase. Conserver la réponse brute est ce qui rend le reste auditable des mois plus tard.
Le ton est classé automatiquement, donc parfois à tort, et une plateforme de mesure devrait le dire là où vous le voyez, pas en note de bas de page. Tout ce qui semble mal lu peut être signalé, et le signalement emporte la preuve : la correction porte alors sur une réponse précise à une date précise.
