«Vous me donnez 40 % de mon trafic depuis ChatGPT » : pourquoi cette métrique est trompeuse (et comment bien mesurer)

Quelqu’un m’a lancé, en discutant de Mi Seguro : « Vous me donnez presque 40 % de mon trafic depuis ChatGPT. » Une phrase parfaite pour un titre accrocheur. Sauf que c’est précisément là que le problème commence, et non là qu’il se termine.

Pourquoi « 40 % de mon trafic vient de ChatGPT » est une vérité incomplète

Personne ne peut mesurer avec précision combien de votre trafic provient directement d’un grand modèle de langage (LLM). ChatGPT, Perplexity et autres n’apparaissent que très rarement comme un referrer clair dans vos outils d’analytics. Ce qui arrive, en revanche, de plus en plus souvent :

• Un trafic classé en « direct » ou « inconnu » (le dark traffic).
• Un parcours multi-étapes : l’utilisateur pose une question dans un LLM, puis recherche votre marque sur Google, avant d’arriver directement sur votre site.

Résultat : cette fameuse métrique des « 40 % » peut être aussi bien trop optimiste que trop pessimiste. Ce n’est pas un mensonge, c’est une métrique mal définie.

La vraie question n’est pas « qui m’envoie le clic »

Quand vous construisez un produit basé sur l’intention — un comparateur, un SaaS, une matrice SEO programmatique — ce qui compte, ce n’est pas le dernier clic. Ce qui compte, c’est :

• Comment vous mesurez l’attribution : GA4, logs serveurs, referrers réels, Search Console.
• À quel point votre trafic « direct » est en réalité un trafic assisté : des utilisateurs qui vous connaissaient déjà via une recommandation précédente.
• Quelles requêtes et quelles pages servent de pont vers la conversion.

Passer de « Qui m’envoie le clic ? » à « Quel chemin l’utilisateur a-t-il emprunté avant de convertir ? » fait toute la différence entre une perception et un vrai insight.

Comment nous avons abordé le problème chez Mi Seguro

Mi Seguro est un cas où l’attribution se brise rapidement : l’utilisateur explore, compare, s’en va, puis revient. Se fier uniquement au dernier clic revient à se mentir à soi-même. Voici ce qui fonctionne :

• Séparer les landing pages par intention (auto, moto, par ville, par modèle) et mesurer la conversion page par page, et non globalement.
• Identifier l’origine réelle en croisant referrer, UTMs et Search Console, sans se contenter de la catégorie « direct » de GA4.
• Analyser les conversions assistées avec une fenêtre simple (par exemple, 7 jours) : combien de conversions ont eu un contact préalable via Google, un LLM ou les réseaux sociaux ?

Avec cette approche, vous arrêtez de discuter « ChatGPT vs Google » et vous commencez à voir ce qui bouge vraiment votre business.

Le minimum viable pour ne pas perdre la tête

Pas besoin d’un data warehouse pour commencer. Voici les bases à mettre en place :

1. Des landing pages segmentées par intention — chaque page doit avoir un objectif mesurable.
2. Une conversion par origine réelle — croiser referrer, UTMs et Search Console, et non se fier uniquement à la catégorie « direct ».
3. Une analyse des conversions assistées avec une fenêtre courte — même sur 7 jours, pour voir le contact précédent à la conversion.

La conclusion est plus ennuyeuse… mais bien plus précieuse

Quand vous mesurez correctement, vous ne trouvez presque jamais « un canal magique qui vous donne 40 % ». Vous découvrez quelque chose de moins vendeur, mais bien plus réel : il s’agit de 2 ou 3 canaux combinés, qui varient selon l’intention. Celui qui cherche « assurance moto à Cordoue » n’arrive pas par le même chemin que celui qui demande à ChatGPT « quel est le meilleur contrat d’assurance auto ? ».

C’est la différence entre croire une belle métrique et construire sur des données concrètes. Pour un produit d’acquisition organique, mesurer l’attribution assistée n’est pas un luxe : c’est ce qui vous indique où investir le mois prochain.

Si vous voulez voir comment Mi Seguro a grandi, le cas complet est ici. Et si vous construisez quelque chose où l’attribution vous échappe, parlons-en.

---

Par Esteban Aleart, Fondateur & Lead Engineer chez PairProgramming.