| Pourquoi lire cet article 💡 La valeur que vous trouverez dans ce contenu est une analyse concrète du lien entre earned media et visibilité dans les LLM (ChatGPT, Gemini, Perplexity), avec les indicateurs à suivre et les actions prioritaires pour que vos relations presse pilotent directement votre présence dans les réponses générées par l'IA. |
Avant d'agir, il faut comprendre la logique de sélection des LLM. Ces modèles ne traitent pas toutes les sources de la même façon. Ils accordent une valeur différente selon l'origine du contenu.
| Type de contenu | Exemples | Poids dans les citations LLM |
|---|---|---|
| Earned media | Articles de presse, interviews, tribunes d'experts, reprises de communiqués | Très élevé (95 à 96 % des citations) |
| Owned media | Site corporate, newsroom, blog d'entreprise | Modéré (apporte du contexte, rarement cité directement) |
| Paid media | Publicités, contenus sponsorisés, native advertising | Très faible (signale une intention promotionnelle) |
Trois études indépendantes publiées entre 2025 et 2026 convergent vers le même constat : les moteurs d'IA générative s'appuient à 95 à 96 % sur les contenus journalistiques tiers pour construire leurs réponses (Muck Rack, 2025 ; 72Point x Purposeful Relations, 2025). Ce chiffre n'est pas une tendance émergente. C'est le fonctionnement actuel des principaux LLM.
Pour les équipes RP, l'implication est directe : une marque invisible pour les journalistes est invisible pour l'IA. Comme l'explique en détail l'analyse Wiztrust sur le renouveau des earned media à l'ère de la recherche IA, les relations presse sont devenues la porte d'entrée de la découverte algorithmique.
La question n'est plus seulement "est-ce que nous obtenons des retombées presse ?". Elle devient "est-ce que nous obtenons des retombées dans les médias que les LLM utilisent comme sources de référence ?"
Ce distinguo est fondamental. Selon le Baromètre Wiztrust x GetMint consacré au secteur immobilier français, analysé sur plus de 1 500 prompts soumis à ChatGPT, Gemini et Perplexity, les 10 premiers médias concentrent 50,6 % de l'ensemble des citations médiatiques dans les réponses des LLM. Les 92 autres médias se partagent le reste.
Ce phénomène de concentration n'est pas propre à l'immobilier. Il reflète une logique structurelle des LLM : ces modèles accordent une confiance accrue aux sources qu'ils ont le plus souvent rencontrées dans leurs données d'entraînement et dans leur processus de récupération en temps réel.
Plusieurs enseignements pratiques ressortent de cette analyse :
Pour les équipes RP, cette cartographie des sources par LLM constitue un outil de priorisation concret. Elle permet d'identifier quels médias doivent devenir des priorités dans le plan de relations presse, non pas uniquement en termes d'audience humaine, mais en termes d'influence algorithmique.
Les LLM favorisent deux critères souvent sous-estimés par les équipes RP : la récence et la densité de citation.
La récence signifie que les LLM accordent une valeur plus élevée aux contenus récemment publiés ou récemment repris par des médias de référence. Une marque qui publie régulièrement, une fois par semaine plutôt qu'une fois par mois, multiplie sa probabilité d'être indexée dans les réponses à jour des moteurs d'IA générative.
La densité de citation désigne le nombre de médias distincts qui mentionnent votre marque sur une période donnée. Plus ce nombre est élevé et diversifié, plus les LLM associent votre marque à un sujet avec confiance. C'est ce qu'on appelle l'autorité sémantique acquise par accumulation.
Pour structurer vos contenus RP de façon à maximiser cet effet, plusieurs actions sont prioritaires :
C'est précisément ce que couvre l'analyse SEO vs GEO pour les responsables RP : le GEO (Generative Engine Optimization) prolonge le SEO en ajoutant trois dimensions critiques, à savoir la récence, la crédibilité tierce et la densité de citation à travers de multiples sources.
Les équipes RP qui souhaitent faire de leurs earned media un levier direct de visibilité LLM peuvent s'appuyer sur une feuille de route en quatre étapes.
Étape 1 : Auditer l'empreinte IA actuelle
Lancez entre 30 et 50 prompts stratégiques sur les principaux LLM (ChatGPT, Gemini, Perplexity, Claude). Documentez où votre marque apparaît, dans quel contexte, avec quelles sources citées, et où vos concurrents prennent de l'avance. Cet audit révèle les angles narratifs que les LLM associent à votre entreprise, et ceux qu'ils ignorent.
Étape 2 : Cartographier les médias prioritaires par LLM
En vous appuyant sur les données issues de votre audit et de baromètres sectoriels, identifiez les 10 à 15 médias les plus fréquemment cités par les LLM dans votre domaine. Ces titres doivent devenir les cibles prioritaires de votre programme de relations presse, avant les médias à forte audience mais à faible poids algorithmique.
Étape 3 : Restructurer le calendrier éditorial autour de la récence
Passez d'un rythme de publication mensuel à un rythme hebdomadaire. Chaque prise de parole (communiqué, tribune, interview, résultat financier, rapport ESG) doit être pensée comme un signal frais pour les LLM. Construire des relations médias durables en 2026 passe précisément par cette logique de présence continue et structurée.
Étape 4 : Mesurer la visibilité IA en temps réel
Intégrez des indicateurs GEO à vos tableaux de bord RP existants. La share of AI voice, le time-to-AI (délai entre une publication et son apparition dans les réponses LLM) et la profondeur de citation (source principale ou secondaire dans la réponse) doivent figurer aux côtés des métriques traditionnelles.
Le tableau de bord RP traditionnel, fondé sur les clips presse, l'AVE et la part de voix médiatique, reste utile. Il est cependant incomplet dans un environnement où les LLM deviennent un canal de découverte majeur pour les journalistes, les investisseurs et les décideurs.
Les indicateurs à ajouter en priorité sont les suivants :
Ces indicateurs permettent de relier directement la performance des relations presse aux résultats business : réputation auprès des analystes, perception des investisseurs, positionnement concurrentiel dans les réponses IA.
Mesurer sa visibilité dans les LLM nécessite un outillage dédié. Wiztrust Data est la solution de mesure de la performance communication qui permet aux directions de la communication de connecter couverture médiatique et visibilité IA dans un tableau de bord unifié.
Concrètement, Wiztrust Data permet de :
Le résultat est mesurable. Les clients CAC 40 de Wiztrust bénéficient d'une présence 40 % plus élevée dans les citations des LLM génératives que les autres entreprises du CAC 40 utilisant d'autres solutions de newsroom. Cette différence s'explique par la combinaison de la structure technique de la newsroom, de la cadence de publication et de la certification des contenus via Wiztrust Protect.
Pour les équipes RP qui souhaitent aller plus loin dans leur stratégie d'AI Reputation Management, Wiztrust offre une infrastructure complète : création, certification, diffusion et mesure, dans un seul flux de travail.
Pourquoi les earned media ont-ils plus de poids que les contenus owned media dans les réponses des LLM ?
Les LLM évaluent la crédibilité d'une information en grande partie à travers sa vérifiabilité et son origine tierce. Un article publié par un journaliste indépendant dans un média de référence envoie un signal de confiance que votre propre site corporate ne peut pas reproduire seul. C'est la raison pour laquelle 95 à 96 % des citations générées par l'IA proviennent de contenus earned, selon les études Muck Rack (2025) et 72Point x Purposeful Relations (2025).
Comment savoir quels médias les LLM utilisent pour parler de mon secteur ?
La méthode la plus fiable consiste à lancer un audit de prompts ciblés sur les principaux LLM et à analyser les sources citées dans leurs réponses. Des outils comme GetMint, partenaire de Wiztrust, permettent d'automatiser cette cartographie à grande échelle, en identifiant les médias les plus influents par LLM et par thématique.
En combien de temps une stratégie RP orientée LLM produit-elle des effets mesurables ?
Les premières améliorations de visibilité dans les LLM s'observent généralement entre 90 et 120 jours lorsque trois actions sont combinées : augmentation de la fréquence de publication dans les médias prioritaires, restructuration technique de la newsroom pour les LLM, et certification des contenus diffusés. Les effets sont mesurables via l'évolution de la share of AI voice et du time-to-AI.
La share of AI voice est-elle différente de la part de voix médiatique traditionnelle ?
Oui. La part de voix médiatique mesure la couverture de votre marque dans les médias, en volume et en tonalité. La share of AI voice mesure la proportion de réponses LLM qui citent votre marque versus vos concurrents, sur un ensemble de requêtes stratégiques. Les deux indicateurs se complètent mais ne se substituent pas l'un à l'autre.
Toutes les retombées presse ont-elles le même impact sur la visibilité dans les LLM ?
Non. Une retombée dans un média fréquemment utilisé comme source par les LLM aura un impact algorithmique bien supérieur à une retombée dans un média peu indexé. La cartographie des médias prioritaires par LLM, disponible via le Baromètre Wiztrust x GetMint, est précisément conçue pour aider les équipes RP à prioriser leurs cibles médias en fonction de leur poids algorithmique réel.