Entre septembre et octobre 2025, le score de Slack dans les principaux moteurs IA a chuté de 8,10 points en un seul mois, selon les données publiées par Evertune, une plateforme américaine qui mesure la fréquence à laquelle les LLMs citent et recommandent les marques dans une catégorie donnée. Aucun scandale, aucun changement de positionnement, aucune perte de parts de marché ne justifie ce décrochage. Juste comme ça, en un mois.

Pendant la même période, et toujours d'après les chiffres Evertune relayés dans Search Engine Land, Atlassian a gagné 5,50 points dans la même catégorie (le project management software), Microsoft a pris 2 points, Google en a pris 3, et les cabinets de conseil (Deloitte, KPMG, EY, PwC) ont tous monté entre 2 et 5 points sur le segment, alors qu'ils ne vendent même pas de logiciel de gestion de projet.

Si vous êtes directeur marketing chez Slack, vous découvrez ce mouvement par accident, longtemps après qu'il ait commencé. Si vous l'êtes ailleurs, vous vivez exactement le même phénomène, en continu, mais personne dans votre équipe n'y prête encore attention parce que personne n'a encore pensé à le regarder. Ce phénomène a maintenant un nom, formalisé aux États-Unis en décembre 2025 : LLM perception drift. C'est devenu en quelques mois l'une des métriques de référence des conversations marketing.

Votre marque a une voix. Les IA en renvoient l'écho. Et cet écho dérive, mois après mois, sans que personne ne vous prévienne.


Ce que mesure le LLM perception drift

Le concept a été formalisé par Jordan Koene, CEO de Previsible, dans un article de Search Engine Land publié en décembre 2025. La définition tient en une phrase :

Le LLM perception drift est la variation mois après mois de la façon dont les LLMs citent et positionnent une marque dans une catégorie donnée.

Concrètement, deux choses bougent simultanément : la fréquence à laquelle votre marque apparaît dans les réponses des principaux moteurs IA, et la position qu'elle occupe quand elle apparaît. Les deux peuvent évoluer dans des directions opposées (vous êtes citée plus souvent, mais en moins bonne position) ou converger : vous disparaissez progressivement, ou au contraire vous montez sur les deux axes simultanément.

Les données utilisées par Koene viennent d'Evertune, qui sonde les principaux moteurs IA avec des milliers de questions par catégorie et agrège un score de marque. C'est cette discipline de mesure qui rend le drift visible et quantifiable, alors qu'avant l'apparition de ce type d'outil le phénomène existait déjà mais restait invisible, faute d'infrastructure pour le mesurer dans la durée.

Une précision utile avant d'aller plus loin : le perception drift n'est pas une fossilisation, ni une banalisation. Il décrit un mouvement dans le temps, là où les deux autres décrivent des états figés à un instant donné. C'est cette dimension temporelle qui en fait un sujet à part, et qui change la façon dont on doit le mesurer.


Trois forces qui font dériver votre marque sans que vous y soyez pour quelque chose

Koene identifie trois mécanismes qui expliquent pourquoi le drift est structurellement inévitable. Ils opèrent en parallèle, pour toutes les marques, sans que personne ait besoin de les actionner.

Le brouillage de catégorie

Les LLMs floutent les frontières entre catégories au fil de leurs cycles de réentraînement. Le project management software se mélange progressivement à l'« operations », à la « digital transformation », à l'« enterprise productivity ». Des acteurs qui ne sont pas vos concurrents directs, comme les cabinets de conseil ou les grands éditeurs écosystème, entrent dans votre segment de citation, ce qui explique que Deloitte gagne des points sur les requêtes project management sans vendre un seul logiciel.

L'avantage écosystémique

Les marques multi-produits, multi-contextes, gagnent mécaniquement, parce qu'elles vivent dans plus de zones de contenu : documentation technique, intégrations cross-produits, guides développeurs, presse SaaS. Plus une marque accumule de points de contact textuels distincts, plus elle s'ancre dans la mémoire du modèle. À l'inverse, les marques mono-produit, même très visibles, restent fragiles parce que leur empreinte textuelle reste concentrée sur peu de zones, et qu'une vague d'ingestion défavorable suffit à les déstabiliser.

Le renouvellement permanent des sources

Les LLMs intègrent en continu de nouveaux corpus (SaaS directories, GitHub, documentation technique, avis, forums, presse spécialisée) qui peuvent à chaque vague redistribuer les cartes. Si un concurrent publie quarante études de cas en six mois pendant que vous ne publiez rien, sa densité textuelle augmente, la vôtre stagne, et la perception du modèle bascule lentement mais sûrement en sa faveur.


Pourquoi mesurer mensuellement serait une erreur

Une fois qu'on accepte que le drift existe, la première tentation est de mesurer souvent, toutes les semaines ou tous les mois. C'est une erreur méthodologique qu'il vaut mieux éviter dès le départ.

Les LLMs ne changent pas d'avis chaque semaine. Leurs corpus évoluent lentement, leurs cycles de retraining se comptent en mois, et leurs narrations s'ancrent dans le temps long. Une variation mesurée à 7 jours d'intervalle est presque entièrement du bruit, qu'il s'agisse d'aléa de session, de variance naturelle des réponses ou de légères différences entre versions de modèle.

Le mouvement de Slack à −8 points en un mois est exceptionnel par son ampleur, et c'est précisément ce qui le rend visible à cet horizon court. La plupart des dérives sont bien plus discrètes : quelques fractions de point chaque mois, qui se confondent avec le bruit naturel des modèles tant qu'on ne dispose pas d'une mesure étalée sur un trimestre. Evertune, qui produit ces scores, recommande d'ailleurs explicitement un horizon trimestriel plutôt que des oscillations mensuelles, parce que les LLMs digèrent leurs corpus lentement et n'ajustent leur perception qu'au rythme de leurs cycles de réentraînement.

Une variation à 90 jours, en revanche, dit quelque chose de réel pour à peu près toutes les marques, pas seulement les cas extrêmes. Si entre janvier et avril votre marque a perdu 6 points et qu'un concurrent en a gagné 4 sur la même catégorie, c'est un mouvement véritable, qu'on peut diagnostiquer, exploiter et corriger.

Mesurer trop souvent, c'est confondre le bruit avec le signal. Le drift se lit à l'échelle d'un trimestre, pas d'une semaine.

C'est précisément pour ça que les audits trimestriels sont la bonne cadence : suffisamment rapprochés pour ne rien rater, suffisamment espacés pour ne pas réagir à des soubresauts qui n'en valent pas la peine.


Ce que le drift quantitatif ne vous dit pas

C'est ici que la lecture américaine du sujet s'arrête, et que celle de Sona commence.

Evertune et les autres plateformes qui mesurent le drift le font de manière quantitative : combien de fois êtes-vous citée, à quelle position, comparée à qui. Ces chiffres sont précieux parce qu'ils vous disent qu'il y a un mouvement, mais ils ne vous disent ni pourquoi le mouvement se produit, ni dans quelle direction qualitative.

Une marque peut très bien voir son score de visibilité monter pendant que sa perception qualitative dérive vers un territoire qu'elle n'a jamais voulu occuper. Vous gagnez en citations, mais l'IA vous décrit avec un vocabulaire qui ne ressemble pas au vôtre, ou vous montez en fréquence pendant que les attributs qu'on vous prête appartiennent à un autre segment. Vous devenez plus visible, mais pour de mauvaises raisons.

Le drift quantitatif vous dit que vous bougez ; le drift qualitatif vous dit où vous bougez, et c'est cette deuxième couche qui compte si vous êtes une marque qui a passé du temps à construire un territoire, un récit, un imaginaire.

Sona vient du branding, pas du SEO, et c'est ce qui change la lecture qu'on fait du drift. Nos dimensions d'audit ne mesurent pas seulement la GEO Visibility (êtes-vous citée, à quelle fréquence, dans quels contextes) : elles mesurent aussi l'AI Brand Perception : votre territoire est-il restitué fidèlement, vos attributs sont-ils les bons, votre récit tient-il la distance. Les deux dimensions ensemble racontent un drift complet, alors qu'une seule des deux n'en raconte qu'une moitié.


Comment réagir au drift sans paniquer

Règle 1 : ne pas paniquer chaque mois

Le drift est structurel, pas accidentel, et réagir à chaque oscillation mineure revient à traiter du bruit avec des actions qui en créent davantage, sans jamais réellement déplacer la perception.

Règle 2 : mesurer avant d'agir

Sans audit structuré qui repère où vous bougez et pourquoi, les actions correctives sont au mieux génériques, au pire à côté du sujet. Le drift se diagnostique avant de se traiter.

Règle 3 : agir sur les leviers qui restent les vôtres

Le drift est en partie subi, puisque vous ne pilotez ni le retraining d'un LLM ni les corpus de presse qui s'accumulent dans son environnement, mais il est aussi en partie influençable. Densifier votre empreinte textuelle dans les sources qui alimentent les modèles, structurer votre récit pour qu'il soit reconnaissable même en version courte, renforcer votre présence dans les contextes où vous êtes faible : tout cela déplace le drift dans le bon sens, à l'échelle de quelques trimestres.

Règle 4 : retester systématiquement

Le drift se mesure en mouvement, et le mouvement ne se voit qu'en comparant deux mesures distantes. Un audit isolé vous donne un instantané, alors qu'une suite d'audits trimestriels vous donne une trajectoire, et c'est la trajectoire qui se pilote, pas l'instantané.


Le drift est inévitable, l'ignorance ne l'est pas

Le LLM perception drift n'est pas une mauvaise nouvelle en soi. C'est la mécanique normale d'un canal qui apprend en continu, ré-évalue en continu, et réécrit en continu ce qu'il sait des marques. Toutes les marques dérivent dans cet environnement, sans exception. Il ne s'agit pas d'éviter le mouvement, mais de le comprendre.

La vraie question est de savoir si vous mesurez dans quelle direction vous dérivez, à quelle vitesse, et pour quelles raisons. Les marques qui le sauront avant les autres auront un avantage compétitif silencieux mais durable. Elles pourront corriger ce qui bouge dans le mauvais sens, renforcer ce qui bouge dans le bon, tenir leur récit dans un environnement qui ne pardonne pas le pilotage à vue. Les autres apprendront leur drift par accident, six mois après que le mouvement ait commencé, à un moment où il sera devenu sensiblement plus coûteux à corriger.

Questions fréquentes

Qu'est-ce que le LLM perception drift ?

Le LLM perception drift désigne la variation, mois après mois, de la façon dont les IA génératives citent et positionnent une marque dans une catégorie donnée. Le concept a été formalisé en décembre 2025 par Jordan Koene de Previsible, à partir de données mesurées par Evertune. Il combine deux mouvements simultanés : la fréquence à laquelle votre marque apparaît dans les réponses IA, et la position qu'elle y occupe.

À quelle fréquence faut-il mesurer le drift de perception IA d'une marque ?

Un horizon trimestriel est la bonne cadence dans la plupart des cas. Les LLMs digèrent leurs corpus lentement et leurs cycles de réentraînement se comptent en mois. Une mesure hebdomadaire ou mensuelle confond le bruit naturel des modèles avec un signal réel. Les exceptions concernent les marques en situation particulière (refonte récente, lancement majeur, gestion de crise) qui peuvent justifier une cadence plus serrée pendant une période donnée.

Comment vérifier si ma marque est citée par les IA et à quelle fréquence ?

Il faut interroger systématiquement les principaux moteurs IA (ChatGPT, Gemini, Claude, Mistral, Perplexity) avec une grille de questions calibrée sur votre catégorie, votre persona cible et vos contextes d'achat. C'est cette grille répétée dans le temps qui permet de mesurer la fréquence de mention et son évolution. Un audit ponctuel donne un instantané, une suite d'audits trimestriels donne une trajectoire.

Pourquoi la mesure quantitative de la visibilité IA ne suffit-elle pas ?

Le drift quantitatif vous dit que votre marque bouge dans les résultats IA, mais pas où elle bouge qualitativement. Une marque peut voir son score de citation monter pendant que sa perception qualitative dérive vers un territoire qu'elle n'a jamais voulu occuper. Pour les marques qui ont construit un récit, un imaginaire, un territoire de marque, la dimension qualitative (AI Brand Perception) est aussi importante que la dimension quantitative (GEO Visibility).

Quelles sont les causes du LLM perception drift ?

Trois mécanismes opèrent en parallèle. Le brouillage de catégorie : les frontières entre segments se floutent au fil des réentraînements. L'avantage écosystémique : les marques multi-produits gagnent mécaniquement parce qu'elles vivent dans plus de zones de contenu. Le renouvellement permanent des sources : chaque nouvelle vague d'ingestion redistribue les cartes.

Comment réagir au drift sans paniquer ?

La règle générale est de ne pas réagir à chaque oscillation mineure : le drift est structurel et le bruit naturel des modèles ne justifie pas une action immédiate. Une chute brutale et significative reste une exception qui peut appeler une analyse rapide pour en identifier la cause. Dans tous les cas, mesurer avant d'agir reste la première étape, parce qu'une action corrective sans diagnostic est au mieux générique, au pire à côté du sujet.

L'écho de votre marque mérite d'être mesuré dans le temps. Un audit GEO + Perception IA trimestriel suit le drift quantitatif (votre visibilité dans les principaux moteurs IA) et le drift qualitatif (la fidélité de ce qu'ils racontent de vous). Le livrable : un portrait complet de votre marque vue par les IA, avec les causes racines des mouvements et les priorités d'action.

Réserver un échange

ou écrire à hello@bysona.so