Vous ouvrez un outil de visibilité IA, et un chiffre vous saute aux yeux : « volume de recherche de prompts ». Untel demanderait telle chose 4 200 fois par mois aux IA. L’œil du marketeur s’allume tout seul.
Hex-ko aussi a eu ce réflexe la première fois. Ça ressemble au planificateur de mots-clés, ça se lit comme le planificateur de mots-clés, donc on priorise avec, comme avec le planificateur de mots-clés.
Sauf que ces deux chiffres n’ont pas du tout la même solidité dessous. L’un compte des requêtes, l’autre les devine.
Alors on va faire deux choses aujourd’hui : ouvrir le capot de la collecte, puis regarder une étude qui pose une question plus large — quand un chiffre gigote, est-ce le monde qui bouge, ou l’instrument ?
« C’est comme un volume de recherche Google, non ? »
C’est le raccourci naturel, et c’est là que ça coince. Un volume de recherche classique s’appuie sur des requêtes réellement enregistrées par le moteur. Un volume de prompts, lui, est une estimation : on observe un échantillon de gens qui parlent à des IA, et on extrapole au monde entier.
Autrement dit, il ne compte pas. Il devine, à partir de qui il arrive à voir.
Trois trous dans la façon dont ces chiffres sont fabriqués
Une analyse assez sévère de jaeckert-odaniel.com s’est justement penchée sur la méthodo, et pointe trois faiblesses.
- La collecte passe surtout par des extensions Chrome desktop : l’usage des applis mobiles passe à la trappe, et les panels penchent tech, masculin, cadre.
- On extrapole depuis quelques milliers à quelques dizaines de milliers de personnes : l’erreur enfle d’autant.
- On recycle la logique du search : une demande de travail est comptée en « demande de recherche », et on plaque les types de correspondance de Google Ads sur des phrases écrites en langage naturel.
Autrement dit, c’est un peu comme si on décrivait le Français moyen à partir de la liste des inscrits à une conférence tech. Les gens sont réels, mais l’ — ce que la méthode ne voit tout simplement pas — reste énorme.
Et concrètement, pour vous : si un fournisseur ne dit pas jusqu’où il couvre le mobile, il ne vous a pas donné un chiffre. Il vous a donné une opinion chiffrée.
Un chiffre précis n’est pas un chiffre juste
C’est la conclusion de cette même analyse qui pique le plus :
« Les chiffres rapportés ont l’air précis, mais véhiculent une fausse précision qui induit facilement de grosses erreurs stratégiques. »
La fausse précision (pseudo-precision), c’est ce moment où l’affichage promet une exactitude que la méthode ne garantit pas du tout. On lit « 4 200 prompts par mois » et on se dit machinalement : « bon, ± 100 ». Alors que la réalité, elle, peut se tromper d’un ordre de grandeur.
C’est là le vrai danger de cet indicateur. Pas d’être faux — d’avoir l’air sûr de lui.
Et si c’était la mesure qui gigotait, pas la réalité ?
Élargissons un peu, parce qu’un travail présenté à EMNLP 2025 raconte quelque chose de troublant sur le même thème. Dans « Flaw or Artifact? » (arXiv:2509.01790), Andong Hua et ses collègues sont allés vérifier cette fameuse « sensibilité au prompt » des IA — l’idée qu’il suffit de reformuler pour que tout change.
L’équipe a évalué 7 grands modèles sur 6 jeux de tests et 12 gabarits de formulation. Verdict :
- L’essentiel des écarts venait des méthodes d’évaluation heuristiques (log-vraisemblance, correspondance exacte), pas des modèles.
- En passant à une évaluation par IA juge, la variance des performances baisse et les classements deviennent plus cohérents.
- L’écart réel entre deux prompts de sens équivalent serait bien plus faible qu’on ne le croyait.
Autrement dit, ce qu’on prenait pour une fragilité des modèles était en bonne partie un artefact de l’instrument de mesure. Le thermomètre tremblait, pas le malade.
Et ça rejoint pile notre histoire de volume de prompts. « Le chiffre bouge » et « la demande bouge » sont deux affirmations différentes. Confondre les deux, c’est se tromper de levier : on refait sa stratégie de contenu alors qu’il fallait changer d’outil.
Conclusion : un repère de tendance, jamais un KPI
Le volume de recherche de prompts n’est pas à jeter. Pour sentir une direction — ce sujet monte, celui-là s’essouffle — il fait très bien le travail. Ce qu’il ne peut pas porter, c’est un arbitrage de budget ou un indicateur central de pilotage, tant que la couverture de collecte et la logique d’extrapolation restent dans le flou.
Le réflexe utile tient en une phrase : lisez-le en relatif. « Ça monte ou ça descend », « on est devant ou derrière tel concurrent » — voilà des lectures que le chiffre peut assumer. Le « 4 200 » exact, non.
Et surtout, ne le laissez jamais seul. C’est en le croisant avec des indicateurs indépendants — votre taux d’apparition dans les réponses IA, vos vrais journaux de conversation, la Search Console — qu’il devient une matière à décision plutôt qu’une jolie décimale.
Si c’est la conception même de votre mesure de visibilité que vous voulez revoir, l’article sur le taux d’apparition plutôt que le rang tire exactement ce fil-là.
Sources
- jaeckert-odaniel.com, « Prompt search volume: Real data or all guessed? », 2025-12-16, jaeckert-odaniel.com
- Andong Hua, Kenan Tang, Chenhe Gu, Jindong Gu, Eric Wong, Yao Qin, « Flaw or Artifact? Rethinking Prompt Sensitivity in Evaluating LLMs », EMNLP 2025 Main Conference, arXiv:2509.01790
Articles liés
- Un mot de travers suffit-il vraiment à casser la réponse de ChatGPT ? — ce que vaut vraiment la peur du prompt mal formulé
- ChatGPT recommande une marque différente à chaque fois : faut-il vraiment renoncer à mesurer ? — le rang danse, le taux d’apparition tient
