Semrush : seules 15,2 % des catégories ont un leader clair dans ChatGPT

Voici, à ce jour, la plus grande mesure publique de la visibilité des marques dans ChatGPT, et surtout l'une des rares à être longitudinale. Semrush a relevé les mêmes catégories tous les mois pendant six mois, en collaboration avec Kevin Indig (Growth Memo). C'est ce qui permet de répondre à une question que les instantanés ne peuvent pas traiter : une fois qu'on est cité, est-ce que ça tient ?

La méthodologie, et pourquoi les seuils comptent

Les cinq prompts par catégorie couvrent un parcours d'achat complet, de la définition à la décision. C'est un bon design : il évite de mesurer la visibilité sur une seule intention. Les trois statuts attribués à chaque catégorie reposent en revanche sur des seuils qu'il faut connaître avant de citer le moindre pourcentage.

Le paysage : une majorité de catégories sans maître

Ce résultat mérite d'être mis en face d'un benchmark qui circule beaucoup : ConvertMate définit un programme GEO mature par une présence de la marque dans plus de 60 % des requêtes de sa catégorie. L'étude Semrush montre que dans 85 % des catégories, personne n'atteint un niveau de domination comparable. Le benchmark décrit donc une exception, pas un standard atteignable. C'est une bonne nouvelle pour qui démarre : la place est libre bien plus souvent qu'on ne le croit.

Le paradoxe du volume : la demande se concentre là où personne ne domine

La distribution s'inverse selon la popularité du sujet, et l'écart est spectaculaire une fois les deux séries mises côte à côte. Semrush a coupé ses 1 094 catégories en deux moitiés selon leur volume de recherche IA. La moitié la plus demandée concentre 98 % de toute la demande, mais seules 11,3 % de ses catégories ont un propriétaire clair. La moitié la moins demandée ne pèse que 2 % du volume, et pourtant 19 % de ses catégories sont tenues par une marque.

Autrement dit : plus un sujet est demandé, moins il est tenu. Et le déséquilibre de la demande est tel que le problème concerne à peu près tout le monde. Les catégories « faciles à posséder » existent, mais elles représentent 2 % des requêtes : y régner ne rapporte presque rien. L'explication la plus simple est aussi la plus probable : les sujets populaires attirent plus de concurrents, donc plus de marques citées, donc une dispersion des mentions. Pour une stratégie, la conséquence est double : les gros sujets sont plus accessibles qu'on ne l'imagine, mais aussi bien plus difficiles à tenir une fois pris.

Les métriques SEO ne désignent pas le gagnant

C'est le résultat le plus discuté de l'étude. Semrush a testé si les marques qui dominent une catégorie dans ChatGPT sont aussi celles qui dominent sur les indicateurs SEO classiques. La réponse : à peine plus souvent que le hasard.

Trois lectures s'imposent. D'abord, aucune des trois métriques n'a de valeur prédictive utilisable : entre 48 et 56 %, on est dans le bruit. Ensuite, le classement interne est cohérent avec le reste de la littérature : le volume de recherche de marque arrive en tête, ce que Digital Bloom avait déjà identifié comme premier prédicteur de citation (corrélation 0,334, elle aussi modeste). Enfin, le trafic organique fait moins bien que le hasard : le site le plus visité d'une catégorie a légèrement moins d'une chance sur deux d'en être la marque de référence dans ChatGPT.

Être cité comme source et être recommandé comme marque sont deux choses différentes

C'est le résultat le plus contre-intuitif de l'étude, et celui que les reprises ont presque toutes laissé de côté. Semrush a comparé, pour chaque catégorie, le domaine le plus cité en source et la marque la plus mentionnée dans le corps de la réponse. Les deux ne coïncident que dans 21 % des cas. Mieux : les deux séries corrèlent légèrement négativement, à -0,229.

La conséquence pour le pilotage est directe, et elle est inconfortable pour tout le secteur des outils GEO. La quasi-totalité des plateformes de suivi mesurent des citations, parce que c'est ce qui est techniquement observable : une URL apparaît ou n'apparaît pas. Or ce qui pèse sur une décision d'achat, c'est la mention de marque dans le texte. Kevin Indig avait mesuré dans une recherche antérieure que 74 % des utilisateurs retiennent comme choix final la marque la plus mentionnée dans la réponse qu'ils lisent (chiffre issu de ses travaux, pas de cette étude-ci).

Piloter sa visibilité IA sur ses seules citations revient donc à suivre l'indicateur le moins relié à la décision. Un éditeur peut très bien fournir la source qui fait recommander son concurrent. Ce résultat prolonge deux fiches déjà publiées ici : Citation vs absorption, qui montrait qu'être cité n'est pas être repris dans le corps de la réponse, et Omniscient Digital, qui montrait que sur les requêtes de marque l'IA cite majoritairement des tiers.

Une fois la place prise, elle se défend

Le volet longitudinal renverse la perspective. Si les catégories sont majoritairement ouvertes, les positions acquises, elles, sont remarquablement stables.

• Un propriétaire de catégorie conserve sa place 90,4 % du temps d'un mois sur l'autre.
• Dans les catégories sans propriétaire clair, le leader change 1 950 fois sur 5 470 comparaisons mensuelles, soit environ 36 % des cas.

Entre les deux, la frontière tient à l'écart avec le poursuivant, et cet écart est étroit :

C'est le chiffre le plus opérationnel de l'étude. Il donne un objectif chiffré qui n'existait pas jusqu'ici : viser trois points d'avance, pas la première place tout court. En dessous, on occupe une position qu'on reperdra ; au-delà, on entre dans un régime où le moteur reconduit le choix précédent avec une régularité de 90 %.

La tension avec le biais d'incumbency

Ce résultat éclaire une apparente contradiction avec l'étude Incumbent Advantage (juin 2026), qui montrait qu'à spécifications égales les modèles recommandent la marque connue 100 % du temps. Comment concilier un biais aussi massif avec 53,7 % de catégories sans leader ?

Les deux mesures ne portent pas sur le même objet. Le biais d'incumbency s'exerce dans un duel, entre deux produits comparables présentés au modèle. Le paysage de Semrush décrit une catégorie entière, où des dizaines de marques se partagent les mentions sur cinq prompts différents. Le biais joue donc bien à chaque comparaison, mais il ne suffit pas à produire une domination stable quand le champ est large. Les deux études convergent en réalité sur le même message : la notoriété donne un avantage réel, et un écart faible suffit à le renverser.

Ce que l'étude ne dit pas

• Les prompts ne sont pas publiés. C'est la limite structurelle de toutes les mesures de ce type. Les cinq intentions sont décrites, leur formulation exacte non. Or la formulation détermine les marques citées. L'étude n'est donc pas réplicable en l'état.
• ChatGPT seulement. Aucune donnée sur Gemini, Perplexity, Claude ou l'AI Mode. Vu ce que Meltwater et Digital Bloom documentent sur la divergence entre moteurs, la généralisation est exclue.
• Marché américain. Les 1 094 catégories sont américaines. Le marché français est plus concentré sur beaucoup de verticales, et les AI Overviews n'y sont arrivés que le 22 juillet 2026 : la transposition demanderait une mesure dédiée.
• Aucun test de causalité. L'étude décrit des états et leur persistance. Elle ne teste aucune intervention, donc elle ne dit pas ce qui fait devenir propriétaire d'une catégorie. Ses recommandations finales relèvent de l'hypothèse, pas du résultat.
• Une variabilité de mesure non traitée. Comme le rappelle Schulte et al., une même requête ne donne pas la même réponse deux fois. On ne sait pas combien de fois chaque prompt a été relevé, ni si la part des changements mensuels observés relève du bruit de mesure plutôt que d'un vrai mouvement.

Ce qu'on peut en tirer concrètement

1. Raisonner par sujet, pas par site. C'est la thèse centrale et elle tient : la visibilité IA se gagne catégorie par catégorie. Un site peut être invisible dans son secteur principal et référence sur trois sous-sujets précis. La bonne unité de pilotage est le sujet.
2. Choisir deux ou trois catégories, pas dix. Puisqu'il faut atteindre une présence sur 4 prompts sur 5 avec 3 points d'avance, disperser l'effort garantit de ne rien tenir. Mieux vaut viser la propriété sur un petit périmètre que l'émergence partout.
3. Aller chercher les catégories ouvertes. 53,7 % des catégories n'appartiennent à personne, et le taux monte sur les sujets à fort volume. Avant d'attaquer un sujet, mesurer s'il a déjà un propriétaire : le coût d'entrée n'a rien à voir.
4. Se fixer un objectif d'écart, pas de rang. Trois points d'avance médians séparent la position tenue de la position perdue. C'est un objectif mesurable, contrairement à « être cité ».
5. Ne pas piloter sa visibilité IA sur son tableau de bord SEO. Position moyenne, trafic organique et score d'autorité ne disent pas qui gagne dans ChatGPT. Il faut un relevé séparé. C'est vrai, et c'est aussi ce que l'éditeur de l'étude vend. Les deux peuvent être exacts en même temps.
6. Compter les mentions de marque, pas seulement les citations. C'est la conséquence la plus directe du 21 % et de la corrélation négative. Un tableau de bord qui n'affiche que des URL citées peut afficher une belle courbe pendant que les réponses recommandent un concurrent. Le relevé utile note deux choses sur chaque réponse : quelles sources sont citées, et quelles marques sont nommées dans le texte.
7. Couvrir les cinq intentions. Définition, comparaison, alternatives, cas d'usage, achat. Le seuil de propriété exige d'être cité sur quatre d'entre elles : une marque présente uniquement sur les requêtes d'achat ne peut structurellement pas devenir référence de catégorie.

Source

• Semrush | AI visibility is a topic-level game: A study of 50,000 brands in ChatGPT (Margarita Loktionova, avec Kevin Indig, 20 juillet 2026)