Pourquoi CRM, gestion de projet, email marketing et support client : comment nous avons construit l'étude State of AI Visibility

L'étude State of AI Visibility met un chiffre précis devant les lecteurs — un score moyen, un décompte "effectivement invisible," un classement trié par catégorie — et un chiffre comme celui-là mérite d'être examiné avant d'agir dessus. Voici donc le récit court et simple de comment l'étude est vraiment construite : quelles marques, pourquoi ces quatre catégories, et la règle unique à laquelle nous tenons pour garder chaque chiffre honnête.

Quatre catégories, choisies pour le contraste, pas la commodité

L'étude couvre 18 marques dans quatre catégories SaaS : CRM, gestion de projet, email marketing et support client. Ces quatre-là n'ont pas été choisies au hasard — ce sont des catégories avec de vrais acteurs installés et reconnaissables (des noms connus que la plupart des lecteurs reconnaîtront au premier coup d'œil), une vraie densité concurrentielle (plusieurs options crédibles qu'un acheteur mettrait réellement en shortlist, pas un gagnant évident unique), et des questions d'acheteur naturellement façonnées en comparaison : "meilleur CRM pour une petite équipe commerciale," "logiciel de support client pour une startup." Cette combinaison compte, parce qu'une catégorie avec un seul vrai acteur, ou dont personne n'a entendu parler, ne dirait rien de généralisable sur la façon dont les moteurs IA traitent les questions de recommandation.

Uniquement de vrais scans — une marque sans scan n'apparaît simplement pas

Voici la règle que l'étude applique mécaniquement, pas juste comme une politique : chaque ligne du classement reflète un vrai scan complété, lu en direct sur le même stockage où chaque scan gratuit de ce site écrit. Une marque qui n'a pas encore été scannée — ou dont la dernière exécution est revenue en solution de repli simulée plutôt qu'une vraie réponse de moteur — est simplement omise de la page, pas montrée avec un espace réservé ou un chiffre estimé. C'est pourquoi le texte de la page elle-même est explicite sur les scans encore "en attente" plutôt que devinés. Nous préférons publier un classement plus court et réel qu'un classement complet mais partiellement inventé.

Même pipeline, mêmes questions, même notation — aucun pouce sur la balance

Chaque marque de l'étude est scannée avec la même sonde identique de 25 questions utilisée sur chaque scan gratuit, passée par la formule de notation identique — même pondération, même exclusion des questions de marque, même rejet des mentions uniquement de clause de non-savoir et des rangs inventés. Il n'existe pas de "mode étude" séparé qui note différemment de ce qu'un client payant voit sur son propre rapport. Si nous réglions à la main les chiffres de l'étude pour paraître plus spectaculaires qu'un rapport client réel, l'étude serait du théâtre marketing plutôt qu'une preuve — et le premier client qui remarquerait l'écart aurait raison de ne plus faire confiance à tout ce que nous publions ensuite.

Pourquoi le classement se met à jour plutôt que de se figer dans le temps

À la différence d'un PDF typique "état de l'industrie," exact le jour de la publication et périmé un an plus tard, la page de l'étude lit le stockage en direct à chaque requête. Quand nous re-scannons une marque de l'étude, sa ligne se met à jour la prochaine fois que quelqu'un charge la page — pas de cycle de republication, pas d'"édition 2026" séparée à écrire. Le score moyen, le décompte "invisible" et l'indicateur "nom le plus invisible" sont tous recalculés à partir de ce que disent les vrais scans les plus récents, ce qui veut dire que la réserve honnête sur toute statistique instantanée s'applique aussi ici : un seul scan est un échantillon, et la tendance sur des scans répétés est le signal plus fiable que n'importe quel moment isolé.

Vérifiez-le vous-même

Le but d'expliquer la mécanique aussi simplement est que vous ne devriez pas avoir à croire le chiffre-titre de moyenne à 42 sur la foi. Parcourez le classement, filtrez par secteur, et ouvrez le rapport complet de n'importe quelle marque — le même rapport qu'un client voit — pour voir les vraies réponses derrière le score. Puis lancez le même vrai pipeline sur votre propre domaine : 25 questions d'acheteur, quatre moteurs, sans inscription, en une minute environ. Vous obtiendrez le même genre de chiffre dont cette étude est construite, calculé de la même façon honnête.