Pourquoi le prompt tracking n'est pas une solution ?
DATE DE PUBLICATION
Le prompt tracking est souvent présenté comme la méthode la plus simple pour “faire du GEO”. En pratique, c’est surtout un outil d’observation approximatif, pas un outil de pilotage.
Cet interview avec Antony Luvera, CTO de Maple Labs, clarifie pourquoi suivre des positions sur des prompts n'est pas une solution pour influencer durablement les recommandations IA.
Pour commencer simplement : qu’est-ce que le prompt tracking mesure réellement ?
Antony : Le prompt tracking mesure surtout une photo de sortie : sur une liste de prompts génériques et prédéfinis, qui est cité, dans quel ordre, et à quel moment. C'est intéressant pour observer une tendance, mais ça n’explique pas pourquoi l’IA recommande une entreprise plutôt qu’une autre.
Pourquoi dis-tu que c’est une “photo”, et pas une stratégie ?
Antony : Parce que ça décrit un résultat sans décrire le mécanisme qui a produit ce résultat. C’est comme regarder un score final sans voir le match : on sait qui gagne, mais on ne sait pas quels critères ont décidé la victoire.
Qu’est-ce qui manque techniquement dans cette approche ?
Antony : Il manque trois choses clés : les axes décisionnels utilisés par l’IA, les sources de confiance qu’elle mobilise, et les preuves qui soutiennent ses affirmations. Tant que ces trois éléments ne sont pas identifiés, on ne peut pas construire un plan d’action solide.
Pourtant, beaucoup d’équipes suivent déjà des milliers de prompts par mois. Pourquoi ce n’est pas suffisant ?
Antony : Parce que multiplier les prompts ne remplace pas la compréhension du système. Si tu suis 500 questions sans savoir quels critères sont activés, tu obtiens plus de bruit, pas plus de clarté. Tu constates des variations, mais tu ne sais pas pourquoi elles surviennent, ni ce qu'il faut corriger concrètement.
Quel est le risque principal si une équipe se limite au prompt tracking ?
Antony : Le risque, c’est de piloter à l’aveugle. On va ajuster des contenus au hasard pour “remonter” sur quelques prompts, sans traiter la cause réelle des non-recommandations. Au final, on dépense des ressources, pour des résultats instables et peu actionnables.
Dans un cadre pro, à quoi ressemble une méthode plus robuste ?
Antony : On part d'un contexte de marché ciblé, on identifie les axes décisionnels pour ce marché, on cartographie les sources qui comptent réellement dans les réponses IA, puis on mesure la couverture des preuves sur ces sources pour ces axes. Ensuite seulement, on priorise les actions. C’est cette chaîne qui transforme l’observation en résultats.
Le prompt tracking est donc inutile ?
Antony : Objectivement, oui. Il peut être utile comme thermomètre, mais pas comme traitement. Il permet approximativement de suivre une évolution et de comparer des périodes, mais il doit rester une brique de monitoring, et certainement pas la stratégie centrale.
Quel conseil donnez-vous à une équipe qui hésite entre une solution simple de "prompt tracking" et une approche plus technique comme Oracle ?
Antony : Si l’objectif est juste de regarder des tableaux et des graphiques, le prompt tracking fait le travail. Si l’objectif est d’influencer réellement les recommandations IA de façon durable, il faut une approche qui explique le “pourquoi” : axes décisionnels, sources de confiance, preuves manquantes, et plan d’action priorisé.