Comment suivre le trafic ChatGPT et LLM (Perplexity, Copilot, etc…)?

Les modèles de langage comme ChatGPT, Perplexity ou encore Copilot génèrent aujourd’hui un volume de trafic en forte croissance. Pour les annonceurs et les responsables marketing, ce phénomène soulève une question clé : quelle part de mon audience provient de ces outils d’IA et comment ce trafic contribue-t-il réellement à mes performances ?

Suivre le trafic issu des LLM ne relève plus de la curiosité, mais bien d’un enjeu stratégique. Comprendre quelles pages de votre site sont citées, mesurer si ces visites convertissent et identifier la place de ce nouveau canal par rapport aux sources traditionnelles (SEO, SEA, social, referral) devient indispensable pour ajuster sa stratégie digitale.

Dans cet article, nous allons détailler deux méthodes pour suivre ce trafic :

• un modèle Looker Studio clé en main, pensé pour une prise en main rapide et une visualisation claire des données,
  
• une configuration avancée dans Google Analytics 4 (GA4), pour aller plus loin et bâtir un suivi personnalisé, durable et aligné sur vos besoins métier.
  

L’objectif : vous donner une vision complète et actionnable du trafic généré par ChatGPT et les autres LLM, afin de mesurer son poids réel, d’optimiser vos performances et de rester compétitif dans un écosystème digital en pleine mutation. Cela vous permettra également de savoir si oui ou non vous avez besoin de faire appel à une Agence experte en SEO pour IA.

Méthode 1 : Suivre le trafic ChatGPT et LLM grâce à notre modèle Looker Studio prêt à l’emploi

La manière la plus rapide et la plus efficace de suivre le trafic issu des LLM consiste à utiliser un modèle Looker Studio conçu spécialement par notre Agence SEO experte pour cette analyse. Ce rapport prêt à l’emploi vous évite les configurations complexes et vous permet d’accéder immédiatement à des données fiables, issues de votre propriété Google Analytics 4.

Ce modèle est disponible en libre accès et peut être dupliqué en un clic pour votre propre usage. Une fois connecté à votre compte GA4, il extrait automatiquement les informations nécessaires pour identifier et suivre le trafic provenant des grands modèles de langage comme ChatGPT, Perplexity, Copilot ou Gemini.

Le tableau de bord met en avant plusieurs indicateurs clés : les sessions totales issues des LLM et leur poids dans le trafic global, le détail par source (ChatGPT, Perplexity, etc.), la comparaison avec les autres canaux, l’évolution temporelle ainsi que les pages les plus citées. Ces informations sont particulièrement utiles pour comprendre quels contenus bénéficient de la visibilité générée par les IA.

Téléchargez notre modèle Looker Studio pour suivre votre traffic depuis LLM

Télecharge le modèle

Mise en place : comment utiliser le rapport en 3 étapes

1. Téléchargez ou dupliquez le modèle Looker Studio mis à disposition.
   
2. Connectez votre propriété GA4 via la source de données Looker Studio.
   
3. Lisez et personnalisez vos analyses : filtres, périodes spécifiques, segments avancés selon vos besoins.
   

Avec cette méthode, vous gagnez du temps tout en bénéficiant d’une vision claire et actionnable du trafic généré par les LLM, sans avoir besoin de compétences techniques particulières.

Méthode 2 : Suivre le trafic ChatGPT et LLM dans Google Analytics 4 (GA4)

Si Looker Studio est la solution la plus rapide pour visualiser le trafic en provenance des grands modèles de langage, certains annonceurs ou responsables marketing préféreront une approche plus granulaire directement dans Google Analytics 4. GA4 permet en effet de créer des rapports personnalisés et de configurer des canaux dédiés pour mieux isoler ce trafic. L’objectif est double : mesurer l’importance de ce nouveau levier dans votre mix d’acquisition et analyser son impact sur vos conversions.

GA4 propose deux approches complémentaires : un filtrage rapide depuis les rapports standards et une configuration avancée qui crée un canal personnalisé réservé aux sources de trafic issues des LLM.

Option A : Filtrage rapide du trafic existant depuis le rapport de trafic

La première méthode, la plus simple, consiste à utiliser les rapports d’acquisition déjà disponibles dans GA4 et à appliquer un filtre spécifique. Cela permet de visualiser instantanément le trafic identifié comme provenant de ChatGPT, Perplexity, Copilot ou d’autres LLM.

Pour cela, rendez-vous dans Rapports > Cycle de vie > Acquisition de trafic. Une fois dans le rapport, cliquez sur Ajouter un filtre, puis sélectionnez Source de session. Dans le champ correspondant, choisissez « Correspond à l’expression régulière » et insérez la regex suivante :

^.*ai|.*.openai.*|.*copilot.*|.*chatgpt.*|.*gemini.*|.*gpt.*|.*neeva.*|.*writesonic.*|.*nimble.*|.*outrider.*|.*perplexity.*|.*google.*bard.*|.*bard.*google.*|.*bard.*|.*edgeservices.*|.*astastic.*|.*copy.ai.*|.*bnngpt.*|.*gemini.*google.*$

Ce filtre va isoler toutes les sessions identifiées comme provenant de l’une de ces sources. Vous pouvez alors visualiser immédiatement les volumes de sessions, leur part dans le trafic total, ainsi que leur comportement (taux de rebond, conversions, durée moyenne).

Cette option est idéale si vous souhaitez obtenir un aperçu rapide sans modifier la configuration de vos canaux. Cependant, elle reste ponctuelle : il faudra réappliquer le filtre à chaque consultation ou créer un rapport sauvegardé pour automatiser la visualisation.

Option B : Configurer un canal ou segment personnalisé LLM dans GA4

Pour aller plus loin et suivre ce trafic de manière continue, il est préférable de créer un canal personnalisé dédié aux LLM. Cela permet de regrouper toutes ces sources dans un seul canal visible aux côtés des canaux standards (SEO, SEA, Referral, Direct, etc.), sans avoir à appliquer manuellement un filtre.

Commencez par accéder à Administration > Paramètres de la propriété > Paramètres de canaux. Dans la section Groupes de canaux, cliquez sur Ajouter un canal personnalisé. Donnez-lui un nom explicite, par exemple « Trafic LLM » ou « IA génératives ».

Dans les conditions du canal, sélectionnez Source de session et insérez la même regex que celle utilisée dans l’Option A. Cette regex couvre les principales sources connues : OpenAI, ChatGPT, Copilot, Perplexity, Gemini, Bard, Writesonic, etc.

Il est essentiel de vérifier ensuite la hiérarchie des canaux. Assurez-vous que votre canal LLM ne chevauche pas le trafic organique, referral ou direct. Par exemple, si une session est marquée comme « referral » et correspond aussi à la regex LLM, GA4 appliquera la règle hiérarchique du canal le plus prioritaire. Ajustez donc l’ordre ou les conditions pour garantir que les sessions issues des IA soient bien attribuées à votre nouveau canal.

Une fois le canal configuré, GA4 enregistrera automatiquement ces sessions dans la bonne catégorie. Vous pourrez alors suivre leur évolution dans vos rapports standards, comparer leur volume avec d’autres canaux, analyser leur contribution au chiffre d’affaires et comprendre quelles pages de votre site sont les plus reprises par ces modèles d’IA.

Cette méthode demande un peu plus de mise en place mais elle offre un suivi robuste, automatisé et intégré dans vos reportings existants. Vous n’avez plus besoin de traiter manuellement les données et vous obtenez une vision long terme de ce nouveau levier d’acquisition.

FAQ : tout savoir sur le suivi du trafic ChatGPT et LLM