Cet article a été traduit de l'anglais. [Pour accéder à la version originale en anglais, changez simplement la langue en haut de la page.]
Adapté de l'essai de Duane Forrester sur Duane Forrester Decodes. Aurora étend son cadre pour les équipes marketing qui pilotent des programmes de visibilité AI search.
Les outils sont déployés. Les licences sont payées. Et si vous pilotez un programme de visibilité AI search en 2026, vous utilisez presque certainement l'IA chaque jour — pour des brouillons, des résumés, des premières passes d'analyse qui prenaient auparavant deux fois plus de temps. C'est de la vraie productivité. Ce n'est aussi pas le retour que l'investissement est capable de produire, et l'écart n'est pas un problème d'outil. C'est un problème de mode.
Une étude évaluée par les pairs de Tim Gorichanaz à Drexel, présentée à l'ASIS&T Annual Meeting 2025, a cartographié 205 cas d'usage réels de ChatGPT en six modes : Écrire, Identifier, Décider, Idéer, Parler et Critiquer. L'écriture seule représentait 47 %. L'identification — expliquer, résumer, chercher — encore 10 %. Deux modes dominent. Quatre restent sur la table. Les quatre laissés de côté sont ceux qui décident si l'IA vous rend stratégiquement plus précieux ou simplement plus rapide au travail de niveau exécution.
Le State of AI 2025 de McKinsey confirme le même schéma au niveau entreprise. 88 % des organisations utilisent l'IA. Seules 6 % se qualifient comme high performers générant un impact significatif à l'échelle de l'entreprise. Les high performers sont 3,6 fois plus susceptibles d'avoir retravaillé leurs workflows plutôt que d'avoir déposé des outils dans les workflows existants. Un output plus rapide depuis un workflow non reconstruit n'est pas la même chose que de meilleures décisions depuis un workflow restructuré.
Les quatre modes que la plupart des praticiens GEO sautent
Décider (21 % de l'échantillon de Gorichanaz). Quels prompts dans notre campagne ont réellement une exposition IA qui mérite d'être priorisée ? L'écart de visibilité est-il un problème de récupération ou un problème d'entité ? Où dépenser le prochain sprint de budget ? La plupart des praticiens seniors y répondent par intuition. Utilisée délibérément, l'IA en mode Décider est un test de pression structuré des hypothèses sous-jacentes à la décision — appliqué avant que la décision ne durcisse. Il faut plus qu'une bonne question. Il faut remettre au modèle le paysage concurrentiel, la posture actuelle de visibilité, la performance historique, la contrainte stratégique, et traiter ce qui revient comme un input véritable.
Idéer (9 %). Quels angles d'autorité topique n'avons-nous pas revendiqués ? Quels signaux tiers façonnent la manière dont les LLMs représentent notre catégorie, et que faudrait-il pour les déplacer ? Quels cadrages de notre marque existent dans les données d'entraînement que nous n'avons jamais abordés ? Ce sont de vraies questions de mode Idéer. Ce ne sont pas des prompts "donne-moi cinq idées d'articles". Une vraie session d'idéation prend vingt minutes, exige une posture différente vis-à-vis de l'outil et produit quelque chose qui ne peut être répliqué par personne qui ne l'a pas fait.
Critiquer (6 %). C'est le mode avec l'application la plus directe au travail de visibilité IA et la plus forte résistance organisationnelle, parce qu'il demande à l'IA de trouver des problèmes dans du travail dans lequel l'équipe a déjà investi. La revendication d'entité faible dans une stratégie qui sonne autoritaire mais n'est pas soutenue par le type de sourcing en lequel les LLMs ont confiance. L'écart entre ce que dit le contenu owned et ce qu'un modèle bien prompté fait remonter lorsqu'on lui pose la question de niveau catégorie que votre marque devrait posséder. La prémisse supposée dans une recommandation GEO qui avait du sens il y a six mois et est maintenant contredite par la dérive des schémas de récupération. Critiquer, c'est la manière dont un praticien senior attrape ce que la revue interne a manqué.
Parler (8 %). Répétition pour les conversations qui décident réellement du budget. L'appel client où vous devez tenir ouvertes deux explications causales sans les effondrer en un narratif ordonné. Le briefing du leadership où vous devez expliquer pourquoi le SEO traditionnel et le GEO sont des disciplines différentes et ont besoin de budgets séparés. La revue d'agence où vous devez pousser sans perdre la relation. Le mode Parler ne produit pas d'artefact. Il produit un meilleur praticien entrant dans la pièce.
Où Aurora se branche
Le mode d'échec que Forrester décrit — une fluence de couche d'exécution masquant une vacuité de couche de jugement — est exactement ce qui se passe lorsque les outils de visibilité IA deviennent un dashboard que vous regardez plutôt qu'un système avec lequel vous raisonnez. Aurora est structuré pour pousser le travail vers le jugement :
- Les données de citation et de visibilité par prompt, par moteur, par concurrent ne sont pas le livrable. Elles sont l'input. Le livrable est le diagnostic que vous écrivez par-dessus — ce qui est une question de mode Décider.
- Les consolidations de source intelligence des domaines que les moteurs citent dans votre catégorie sont un prompt d'idéation qui n'attend que d'être utilisé. Sur quelles surfaces d'autorité pourriez-vous apparaître de manière réaliste, et lesquelles déplaceraient la réponse par défaut du modèle si vous le faisiez ?
- L'interrogation adaptative signale les prompts dont les résultats ont bougé d'une semaine à l'autre. Chacun d'eux est un prompt de critique : qu'est-ce qui a changé dans notre contenu, dans le leur, dans le modèle ?
- Les rapports par moteur vous donnent les preuves dont vous avez besoin pour la répétition en mode Parler — la capture d'écran, l'extrait cité, le nom du concurrent — avant le début de l'appel.
L'écart qui compose
La taxonomie des six modes de Gorichanaz s'aligne presque exactement avec la division entre travail de couche d'exécution et travail de couche de jugement. Un praticien senior qui n'utilise l'IA que pour Écrire et Identifier se positionne comme un travailleur de couche d'exécution exactement au moment où l'IA comprime cette couche le plus agressivement. Ce n'est pas une prédiction de remplacement d'emploi. C'est une observation sur la différenciation professionnelle.
Les praticiens qui construisent une valeur durable dans l'AI search en ce moment sont ceux qui utilisent l'IA pour aiguiser leur jugement, non pas seulement pour accélérer leur output. Les dashboards existent pour soutenir ce travail. Ils ne sont pas le travail.
