Pendant des années, les marketeurs ont appris à naviguer dans le “messy middle” de Google. Cet entre-deux où l’utilisateur explore, compare et hésite avant d’acheter. Aujourd’hui, ce parcours n’a plus lieu sur le web ouvert. Il se déplace vers des environnements fermés – ChatGPT, AI Mode ou Perplexity. Là, plus de cookies tiers, plus de pixels, l’analytique classique devient aveugle.
Le funnel marketing doit donc être reconstruit à partir de données fragmentées. Et c’est là que naissent les nouveaux outils de LLM tracking, dont parle Myriam Jessier (Semrush) dans son article sur Search Engine Land.
Lab data vs. Field data : entre idéal et réalité
Selon elle, les plateformes de visibilité IA combinent deux grands types de données :
- Lab data (données synthétiques) : résultats obtenus en injectant des prompts choisis par la marque. Elles montrent ce qui est possible. Exemple : tester comment ChatGPT cite votre marque sur un panel de requêtes prédéfinies.
- Field data (clickstream) : données d’usage réelles, issues des parcours anonymisés d’utilisateurs (extensions, panels, apps). Elles montrent ce qui est réel. Exemple : combien de fois votre marque est réellement cliquée après une réponse IA.
Les premières éclairent la carte théorique. Les secondes valident le terrain. Mais ni l’une ni l’autre ne suffisent isolément.
Les biais des données synthétiques
Le lab data est pratique pour benchmark, QA et détection de biais, mais reste artificiel : scénarios répétés, contextes idéalisés et aucun aléa utilisateur.
Certaines solutions poussent la logique à l’extrême, en injectant des milliers de personas artificiels ou en saturant le système de prompts pour cartographier son “empreinte”. Cela permet de comprendre la logique des modèles… mais pas de prédire un ROI réel.
Comme le rappelle Jamie Indigo (SEO technique) : “Ces approches stress-testent la machine, pas le comportement humain.”
L’importance du clickstream
À l’inverse, le clickstream capture le vécu : pages vues, chemins suivis et clics réels.
C’est la seule source qui expose l’impact concret d’une marque dans les environnements IA.
Mais tout dépend de la qualité du panel :
- Échelle (dizaines de millions d’utilisateurs anonymisés).
- Nettoyage et déduplication.
- Exclusion des bots.
- Diversité géographique et comportementale.
Un mauvais clickstream, c’est un miroir déformant, avec des données biaisées, des minorités invisibles ou des signaux faibles écrasés.
Le vrai enjeu, réconcilier les deux mondes
Prises séparément :
- Le lab data est un laboratoire stérile.
- Le field data est un rétroviseur sans explication.
D’après Myriam Jessier, la stratégie naît dans l’écart entre les deux. Comparer la carte idéale au terrain réel, ajuster et apprendre.
C’est ce feedback loop – entre ce qui est possible et ce qui est profitable – qui doit guider l’optimisation marketing dans les environnements IA.
En d’autres termes, le funnel n’est plus une suite d’étapes linéaires, mais un système dynamique, fait d’hypothèses testées et de validations terrain.
Conclusion
La migration des parcours clients dans les LLMs force à repenser la mesure. L’enjeu n’est pas seulement technique, il est stratégique.
Les marques qui sauront combiner l’anticipation du lab data et la vérification du field data auront, selon Myriam Jessier, un avantage : elles seront capables de voir, comprendre et influencer un parcours utilisateur qui échappe désormais à la plupart des outils analytics.
Le funnel n’est pas mort. Il aurait changé de forme. Et l’UX des marques doit évoluer avec lui.
