Visibilité ChatGPT et Perplexity : KPI et rituel mensuel pour les Hautes écoles belges

Une responsable marketing d'une Haute école découvre que son concurrent est recommandé par ChatGPT — pas son institution

Lors d'un conseil d'administration d'une Haute école de la Fédération Wallonie-Bruxelles, une responsable communication soumet une requête à ChatGPT : « Quelle Haute école recommandes-tu pour un bachelor en communication à Bruxelles ? » La réponse liste trois établissements, avec leurs évaluations AEQES et leurs taux d'insertion. Son institution n'y figure pas. L'établissement concurrent, si — avec un résumé de son habilitation ARES et de son positionnement pédagogique. Elle n'a pas de données à présenter à sa direction. Elle ignore depuis combien de temps la situation dure.

Ce scénario est fréquent dans les Hautes écoles et universités belges. La visibilité dans les moteurs IA n'est plus un sujet réservé aux services informatiques : c'est un enjeu de recrutement étudiant, mesurable et pilotable. La question n'est plus « faut-il s'en occuper ? » mais « comment le piloter de façon rigoureuse ? »

Pour poser les bases de la démarche GEO avant d'entrer dans le pilotage opérationnel, consultez notre guide complet GEO pour les écoles.

Pourquoi la visibilité IA est devenue un indicateur de marque pour les établissements belges

La visibilité dans ChatGPT et Perplexity n'est pas un indicateur technique à déléguer à la DSI. C'est un indicateur de marque, au même titre que la part de voix dans la presse spécialisée ou le taux de recommandation auprès des anciens étudiants.

En moyenne européenne, seulement 19 % des réponses des moteurs IA mentionnent un établissement d'enseignement supérieur sur une requête sectorielle. Les établissements qui ont structuré leurs données avec Schema.org EducationalOrganization gagnent en moyenne +12 points de visibilité dans les réponses IA (Source : Skolbot GEO Monitoring, 500 requêtes × 6 pays × 3 moteurs IA, fév. 2026).

Pour le contexte belge, ce chiffre prend un relief particulier. L'architecture d'accréditation de la Fédération Wallonie-Bruxelles — avec l'AEQES pour l'évaluation qualité et l'ARES pour les habilitations — constitue un corpus de données structurantes que les moteurs IA savent valoriser, à condition que les établissements les rendent lisibles. Les Hautes écoles et universités qui publient leurs données d'habilitation, leurs niveaux CEC et leurs résultats d'évaluation en format structuré se trouvent dans une position de départ favorable.

Ce que ces données signifient concrètement :

• Un candidat sur deux commence sa recherche d'établissement via un assistant conversationnel avant de visiter un site institutionnel.
• Être absent d'une réponse IA, c'est laisser un concurrent occuper la place dans l'esprit du prospect au moment précis où il forme son opinion.
• La visibilité IA est traçable, comparable et pilotable — exactement comme le trafic SEO ou les conversions publicitaires.

L'APD (Autorité de protection des données) a par ailleurs rappelé que l'usage d'outils d'IA à des fins de communication marketing doit s'inscrire dans un cadre de licéité clairement établi. Le pilotage de la visibilité IA implique donc aussi une dimension de conformité que la direction com belge doit intégrer à sa gouvernance.

Pour comprendre la distinction entre SEO classique et GEO, et les fondations de mesure qui alimentent les KPI présentés ici, consultez notre article monitoring GEO technique pour les écoles.

Les 3 KPI de visibilité IA pour les Hautes écoles et universités belges

Trois métriques suffisent à piloter la visibilité IA au niveau direction com. Elles ne nécessitent pas d'outil payant mais exigent un protocole stable et documenté.

Taux de citation : la métrique fondamentale

Le taux de citation se calcule en soumettant chaque mois le même panel de 30 à 50 requêtes à ChatGPT et Perplexity, et en comptant les réponses qui mentionnent votre établissement. L'enjeu est de maintenir un panel stable d'un mois à l'autre — toute modification du panel produit du bruit, pas de la tendance.

Pour une Haute école belge, structurez vos requêtes en trois catégories : requêtes marque (« [nom de l'établissement] habilitation ARES »), requêtes programme (« bachelor en sciences infirmières niveau CEC 6 Belgique »), et requêtes concurrentielles (« meilleure Haute école de gestion à Liège »). Les portails comme mesetudes.be et les publications de l'ARES sont de bonnes sources pour identifier les requêtes que vos candidats cibles formulent réellement.

Taux d'attribution : la métrique de conversion

Sur Perplexity, chaque réponse liste ses sources avec liens. C'est une donnée directement accessible : lors de vos requêtes mensuelles, comptez combien de fois votre site figure parmi les sources citées. Un taux d'attribution très inférieur au taux de citation signifie que le moteur vous mentionne à partir de son corpus d'entraînement sans lier vers votre contenu actuel — signe que vos pages ne sont pas correctement crawlées ou balisées.

Pour un diagnostic approfondi de votre présence sur Perplexity, notre audit de visibilité école sur Perplexity détaille la méthodologie en 45 minutes.

Score de contexte : la métrique de marque

Une mention dans « les établissements de taille plus modeste peuvent également convenir » ne vaut pas une mention dans « pour un bachelor en gestion avec habilitation ARES, les Hautes écoles de référence incluent... ». Attribuez un score à chaque mention lors de vos audits mensuels et calculez la moyenne. Ce score évolue lentement — il reflète la perception que les LLM ont construite à partir de vos contenus et de vos mentions tierces (ARES, AEQES, mesetudes.be, presse spécialisée).

Le rituel mensuel de 90 minutes

Un rituel mensuel de 90 minutes, cadencé et documenté, vaut mieux qu'un audit annuel de deux jours. L'objectif est la tendance, pas l'exhaustivité. Voici le déroulé pour une Haute école ou une université belge.

Phase 1 — 30 minutes : audit des données brutes

Soumettez votre panel fixe de requêtes à ChatGPT et Perplexity. Notez dans votre tableur : mention (oui/non), position (1re, 2e, 3e+), attribution (lien présent/absent sur Perplexity), et contexte (recommandation/alternative/liste). Conservez un onglet dédié par mois pour constituer votre historique.

Relevez également les établissements cités à votre place — c'est de la veille concurrentielle passive directement intégrée à votre audit. Si une Haute école partenaire ou concurrente passe de 0 % à 20 % de citation en deux mois, elle a probablement agi sur son balisage Schema.org ou publié de nouvelles pages de données structurées avec ses informations ARES et AEQES.

Phase 2 — 30 minutes : analyse et diagnostic

Comparez les résultats du mois avec le mois précédent sur vos trois KPI. Identifiez les catégories de requêtes qui progressent, stagnent ou régressent. Trois questions à poser systématiquement :

1. Mon taux de citation a-t-il évolué de plus de 5 points ? Si oui, quelle action (publication de contenu, mise à jour Schema.org, mention dans la presse ou sur un portail ARES) a précédé ce changement de 4 à 8 semaines ?
2. Mon taux d'attribution est-il cohérent avec mon taux de citation ? Un écart important indique un problème de crawl — vérifiez que PerplexityBot n'est pas bloqué dans votre robots.txt — ou un déficit de balisage structuré.
3. Mon score de contexte s'améliore-t-il ? S'il stagne malgré un bon taux de citation, vos contenus sont présents dans le corpus mais pas assez factuels pour déclencher une recommandation principale.

Le diagnostic de visibilité ChatGPT pour les écoles propose un protocole complémentaire pour investiguer les causes d'une stagnation.

Phase 3 — 30 minutes : plan d'action

Sur la base de l'analyse, définissez une à deux actions concrètes pour le mois suivant. L'effet GEO prend 4 à 8 semaines à se matérialiser : une liste de dix actions non priorisées produit zéro signal mesurable.

Exemples d'actions selon le diagnostic pour un établissement belge :

• Taux de citation <15 % → priorité à la structuration Schema.org et à l'ajout du niveau CEC et de l'habilitation ARES sur les pages programme.
• Taux d'attribution <50 % du taux de citation → vérification du robots.txt et de l'accessibilité HTML des pages (pas de contenus enfouis dans des PDFs de rapports AEQES).
• Score de contexte stagnant → enrichissement éditorial avec chiffres d'insertion sourcés, mentions de l'évaluation AEQES explicites, et FAQ balisée sur les conditions d'admission (CESS, passerelles, conditions CAPAES pour les enseignants).

Pour un plan d'action complet sur 90 jours si vous partez de zéro, notre guide en 90 jours pour être cité par ChatGPT et Perplexity détaille chaque étape de mise en place.

Comment interpréter les variations : quand agir, quand attendre

Toutes les variations mensuelles ne nécessitent pas une réaction immédiate. Les corpus des moteurs IA évoluent par vagues, et une baisse de 3 points sur un mois peut être du bruit statistique.

Variations qui justifient une réaction :

• Baisse de 10 points ou plus du taux de citation sur deux mois consécutifs → votre établissement a probablement perdu une source tierce importante (fiche ARES mise à jour sans vos données, portail mesetudes.be modifié). Investiguez les sources externes.
• Taux d'attribution qui chute à zéro alors que le taux de citation reste stable → un crawler a été bloqué ou votre site a subi une modification technique qui empêche l'indexation en temps réel.
• Concurrent qui vous dépasse sur toutes les requêtes concurrentielles en un mois → action structurelle rapide de leur côté. Auditez leur site pour identifier les modifications.

Variations qui n'exigent pas de réaction immédiate :

• Fluctuation de ±3 à 5 points d'un mois sur l'autre → bruit statistique normal lié à la variabilité des réponses LLM. Attendez deux mois avant de conclure à une tendance.
• Score de contexte qui baisse de 0,2 point → variation non significative sur un seul mois. Le score de contexte est un indicateur lent.
• Absence sur Gemini alors que ChatGPT et Perplexity progressent → Gemini s'appuie davantage sur l'index Google. Suivez votre positionnement Google Search Console en parallèle.

Présenter la visibilité IA à votre direction et au CRef

La direction d'une Haute école ou d'une université belge — qu'elle soit membres du CRef ou coordonnée par l'ARES — n'a pas besoin de comprendre le fonctionnement des LLM. Elle a besoin d'un indicateur comparable à ceux qu'elle suit déjà : part de voix, taux de recommandation, coût d'acquisition étudiant.

Voici le template de dashboard synthétique à présenter en comité mensuel ou trimestriel :

Ce tableau communique trois choses essentielles à votre direction : où vous en êtes, si ça progresse, et ce qui a été fait pour y contribuer. La corrélation entre les actions GEO et l'évolution des KPI suffit à légitimer l'investissement en temps et en ressources éditoriales.

Pour les établissements qui souhaitent aller plus loin sur les métriques de pilotage GEO au niveau technique, l'article monitoring GEO technique pour les écoles détaille la construction de tableaux de bord complets.

FAQ

Combien de temps faut-il pour voir l'effet d'une action GEO sur les KPI de mon établissement belge ?

Sur Perplexity, les effets des actions techniques (balisage Schema.org, pages FAQ structurées avec données ARES et AEQES) sont visibles en 3 à 6 semaines car le moteur interroge le web en temps réel. Sur ChatGPT, comptez 6 à 10 semaines — son corpus d'entraînement s'actualise moins fréquemment. Les actions sur des sources tierces (mise à jour fiche ARES, publication dans la presse spécialisée belge) mettent 8 à 12 semaines à produire un effet mesurable sur les deux moteurs.

Mon établissement n'a pas encore été évalué par l'AEQES — le GEO est-il pertinent pour nous ?

Oui. L'évaluation AEQES est un signal fort, mais l'habilitation ARES — condition juridique d'ouverture de tout programme dans la FWB — suffit à constituer un profil structuré très exploitable par les moteurs IA. Structurez votre habilitation ARES, le niveau CEC, le nombre de crédits ECTS et les conditions d'admission (CESS, passerelles). Ces éléments positionnent votre établissement sur les requêtes de niche où vous avez le plus à gagner.

Qui doit être responsable du rituel mensuel dans l'équipe com d'une Haute école ?

Le pilotage appartient à la direction communication ou au responsable marketing digital, mais l'exécution de l'audit peut être déléguée à un assistant ou à un prestataire. L'essentiel est que la personne en charge comprenne l'interprétation des KPI et puisse proposer des actions concrètes. La gouvernance — validation des actions, présentation au conseil de direction ou au CRef — reste côté direction com. Sans ownership clair, le rituel s'étiole après deux ou trois mois.

Dois-je surveiller mes concurrents ou me concentrer sur mes propres KPI ?

Les deux, mais pas avec la même fréquence. Votre panel de requêtes produit automatiquement des données sur les établissements cités à votre place — c'est de la veille concurrentielle passive. Réservez un relevé actif trimestriel pour analyser les sites des deux ou trois établissements qui progressent le plus vite, identifier leurs modifications (nouvelles pages, balisage ARES/AEQES, mentions tierces), et adapter votre plan d'action. La veille mensuelle détecte les mouvements ; l'analyse trimestrielle y répond.

La collecte de données dans le cadre du monitoring GEO soulève-t-elle des questions au regard de l'APD ?

Le monitoring GEO consiste à interroger des moteurs IA avec des requêtes génériques et à noter leurs réponses — il ne collecte aucune donnée personnelle. Aucune obligation ne pèse sur cette pratique au regard des lignes directrices de l'APD. En revanche, si vous utilisez des outils d'IA pour personnaliser vos communications de recrutement ou analyser des comportements de prospects, les obligations RGPD s'appliquent : base légale, information des personnes, durées de conservation. Le monitoring GEO se situe en amont de ces enjeux — c'est une veille de positionnement, pas un traitement de données personnelles.