
Définissez utm_medium=ai_search sur chaque lien que vous contrôlez et associez-lui une valeur utm_source normalisée, en minuscules, pour chaque plateforme : chatgpt, perplexity, gemini, claude, copilot. Cette valeur de support unique devient la clé de jointure qui permet à vos outils d’analyse de regrouper les visites provenant d’agents IA dans un canal distinct. Les UTM étant le signal le plus fiable, commencez par baliser vos liens et utilisez les autres signaux en dernier recours.
En bref :
- Préservez la chaîne de requête complète à travers les redirections canoniques, les proxys, les règles CDN et les étapes de paiement ; testez chaque clic d’agent jusqu’à son URL de destination finale.
- Dans GA4, placez la règle exacte sur le canal ai_search au-dessus des règles de référent, puis de Referral et Organic Search par défaut ; classez les correspondances d’hôtes non balisées avec un niveau de confiance moyen.
- Lorsque les UTM disparaissent, vérifiez les référents avant le user-agent ou les logs serveur, et attribuez un faible niveau de confiance aux correspondances inférées, car l’activité des crawlers peut ne pas représenter des clics.
- En ecommerce, vérifiez d’abord que les UTM du premier contact atteignent les enregistrements de commande après les redirections et le paiement, puis comparez les visites attribuées à l’IA aux conversions pour identifier les correctifs à apporter aux fiches produit.
Quelle convention UTM est recommandée pour les agents IA ?
La convention est volontairement concise. The AI Search Referrer Attribution Reference Spec recommande utm_medium=ai_search, un vocabulaire contrôlé pour utm_source, des UTM conservés à travers les redirections, et un groupe de canaux GA4 personnalisé ordonné par priorité. Un seul jeton littéral pour le medium est important, car chaque tableau de bord, filtre et règle de canal peut alors s’appuyer sur une valeur unique au lieu d’un ensemble de variantes.
Voici le modèle que nous recommandons :
- utm_medium : la chaîne littérale
ai_search, sans variation selon le modèle ou la campagne. - utm_source : l’une des valeurs suivantes
chatgpt,perplexity,gemini,claude,copilot, toujours en minuscules. Si vous avez besoin d’un jeton à plusieurs mots, utilisez un tiret. - utm_campaign : l’initiative, par exemple
spring-catalogouproduct-feed. - utm_content : l’emplacement, par exemple
citation-linkoustructured-data. - utm_term (facultatif) : un hash court qui regroupe des cohortes de prompts sans exposer le texte brut des prompts.
Deux exemples que vous pouvez reprendre :
https://example.com/products/trail-shoe?utm_source=chatgpt&utm_medium=ai_search&utm_campaign=spring-catalog
https://example.com/collections/rain-jackets?utm_source=perplexity&utm_medium=ai_search&utm_campaign=product-feed&utm_content=structured-data
Analytics Mania indique que la cohérence compte davantage que la granularité : utilisez un medium large comme ai_search et laissez utm_source porter l’identité de la plateforme.
Comment ajouter des UTM sur les surfaces contrôlées et les conserver intacts ?
Un tag n’est utile que s’il survit jusqu’à la page de destination. Commencez par identifier où vous pouvez injecter des paramètres : citations dans le contenu, sorties RSS ou plugins, champs de données structurées et widgets pilotés par API. Partout où vous contrôlez l’URL sortante, vous contrôlez l’attribution.
Les recommandations de Google sur les générateurs d’URL sont de toujours définir utm_source, utm_medium et utm_campaign, de conserver une nomenclature cohérente, et d’ajouter utm_id et utm_source_platform lorsque c’est possible afin d’éviter les valeurs « (not set) » dans les rapports. Suivez-les.
- Listez tous les endroits où un lien vers votre site est généré pour des surfaces IA : flux, sorties de plugins, données structurées et widgets.
- Générez chaque URL avec un générateur, et non manuellement, afin de garder un vocabulaire contrôlé.
- Configurez les redirections canoniques pour qu’elles transmettent toute la chaîne de requête vers l’URL finale.
- Supprimez ou reconfigurez tout proxy qui retire les paramètres de requête.
- Définissez des règles à la périphérie du CDN qui transmettent les chaînes de requête à l’origine et mettent en cache par chemin, et non par URL nettoyée.
- Testez les clics depuis chaque agent, inspectez l’URL finale de destination et confirmez les valeurs utm au niveau session dans GA4 ou BigQuery.
Conseil pro : Testez avec une URL qui redirige, pas avec l’URL finale. La plupart des UTM perdus disparaissent lors d’une redirection, et un test direct sur la page de destination ne le montrera jamais.
Notre guide sur le suivi du trafic d’achat IA ajoute des tests spécifiques à l’ecommerce que vous pouvez intégrer à cette checklist.
Comment les règles d’attribution GA4 et la priorité des groupes de canaux doivent-elles fonctionner pour la recherche IA ?
L’ordre fait tout. Un groupe de canaux personnalisé est évalué de haut en bas, et la première règle correspondante l’emporte. Si une règle générique Referral ou Organic est placée avant votre règle IA, les clics IA n’atteignent jamais leur propre canal.
Utilisez cet ordre de priorité :
- Premier :
utm_mediumcorrespond exactement àai_search. C’est la source d’autorité. Lorsqu’un UTM est présent, Analytics utilise les paramètres UTM comme source de vérité et dérive exclusivement les dimensions multicanales à partir d’eux. - Deuxième : une liste blanche d’hôtes référents pour le trafic sans UTM.
- Troisième : des règles inférées, signalées avec un niveau de confiance plus faible.
Pour la règle de référent, utilisez une regex telle que chat\.openai\.com|chatgpt\.com|perplexity\.ai|gemini\.google\.com|copilot\.microsoft\.com|claude\.ai|you\.com. Placez-la directement après la règle UTM et avant les règles Referral et Organic Search par défaut.
| Priorité | Règle | Confiance |
|---|---|---|
| 1 | utm_medium correspond à ai_search | La plus élevée |
| 2 | La source ou l’hôte référent correspond à la regex de liste blanche | Moyenne |
| 3 | Correspondance inférée (nouveau client, chemin de destination typique de l’IA, fenêtre de fraîcheur courte) | Faible |
Associez un libellé de confiance à chaque correspondance inférée afin que les rapports puissent la pondérer. Pour une configuration GA4 détaillée avec des exemples de regex, ce guide partenaire sur le suivi du trafic référent IA est un complément utile.
Que faire lorsque les référents ou les UTM sont absents ?
Certaines surfaces IA ouvrent les liens de manière à supprimer à la fois le référent et vos paramètres. Vous avez besoin d’une détection multicouche, avec un score de confiance honnête pour chaque couche. La documentation d’Adobe sur les champs dérivés pour le trafic IA présente les principaux signaux : identification du user-agent, classification des référents et détection des paramètres de requête.
- Détection des paramètres de requête (confiance la plus élevée) : vérifiez d’abord les UTM. Lorsqu’un service ajoute des paramètres ou que vous avez balisé le lien, c’est le signal le plus propre disponible.
- Classification des référents (moyenne) : conservez
document.referreret comparez son hôte à un registre validé de domaines IA. Gardez le registre dans un fichier partagé unique afin que les règles client et serveur restent cohérentes. - User-agent et logs serveur (confiance moyenne à faible) : la journalisation côté serveur peut identifier des modèles connus d’agents et de crawlers. Elle indique qu’un agent a récupéré une page, ce qui n’est pas toujours équivalent à un clic humain.
- Heuristiques inférées (la plus faible) : combinez un nouveau client_id, un chemin de destination correspondant aux pages que l’IA cite souvent et une courte fenêtre de fraîcheur. Étiquetez ces résultats comme inférés, jamais comme confirmés.
Exécutez les vérifications dans cet ordre et arrêtez-vous au premier résultat positif. Transmettez ensuite la valeur de confiance en aval afin que vos modèles puissent réduire le poids des suppositions. Le cours Ahrefs sur le trafic IA note également que certaines plateformes transmettent les référents de manière incohérente ; complétez donc avec un champ déclaratif « Comment avez-vous entendu parler de nous ? ».
Quelles règles de nommage empêchent la fragmentation des données d’analyse ?
La fragmentation est l’ennemi silencieux de l’attribution. « ChatGPT », « chatgpt » et « chat-gpt » deviennent trois lignes différentes, et plus personne ne fait confiance au rapport.
- Utilisez les minuscules partout, avec des tirets pour les valeurs à plusieurs mots.
- Conservez un vocabulaire contrôlé unique pour utm_source et réservez
ai_searchà utm_medium uniquement. - N’inventez pas un medium par modèle. La granularité des plateformes doit rester dans utm_source.
- Documentez le vocabulaire, générez les URL avec un générateur automatisé, ajoutez une étape QA avant le lancement et déployez progressivement.
Conseil pro : Traitez le vocabulaire comme du code. Conservez-le dans un fichier unique relu, et faites en sorte que le générateur d’URL rejette toute valeur absente de la liste.
Comment valider rapidement votre balisage ?
Nous utilisons la même routine courte sur chaque configuration. Testez les clics depuis chaque agent, vérifiez le rapport temps réel GA4 pour une session contenant utm_medium=ai_search, récupérez un petit échantillon BigQuery et inspectez les en-têtes référents sur la requête de destination.

Surveillez deux pièges : les webviews mobiles intégrées qui suppriment les référents, et les jetons de source incohérents entre équipes. Nos vérifications pilotées par simulation, nos analyses d’attribution des agents et le UCP Playground existent précisément pour ce type de test pratique, afin que vous puissiez voir comment les agents citent vos pages et créent des liens vers elles avant de faire confiance aux chiffres.
Comment faire fonctionner le balisage UTM avec Shopify et WooCommerce ?
Les plateformes ecommerce ajoutent leurs propres redirections, étapes de paiement et applications, qui peuvent toutes supprimer ou écraser des paramètres. L’objectif est de s’assurer que les paramètres définis au premier clic sont toujours présents lorsque la commande est enregistrée.
Sur Shopify, balisez vos URL produit sortantes à la source, puis vérifiez que l’URL de destination après toute redirection liée au marché, à la langue ou à la devise contient toujours la chaîne de requête complète. Vérifiez que les applications qui gèrent les redirections ou les attributs de panier ne réécrivent pas l’URL. Confirmez que les UTM du premier contact atteignent vos données de commande, et pas seulement la session, car c’est ce qui relie les visites IA au chiffre d’affaires.
Sur WooCommerce, les coupables habituels sont les plugins de cache et les couches de sécurité. Configurez le cache des pages pour varier selon le chemin au lieu de supprimer les chaînes de requête, et assurez-vous que les plugins canoniques et de redirection transmettent les paramètres. Si vous utilisez une boutique headless ou pilotée par API, transmettez les valeurs UTM aux métadonnées de commande lors du paiement.
Pour les deux plateformes, testez une fiche produit et une page de collection depuis chaque agent, puis suivez le clic jusqu’à une commande de test. Notre guide sur les analyses du trafic piloté par les agents couvre des modèles d’implémentation et des vérifications adaptés à ces vitrines ecommerce. Si vous voulez les rapports d’attribution sans les implémenter vous-même, nous nous connectons directement à Shopify et WooCommerce.
Conservez une seule règle sur les deux : le medium reste ai_search, et seul utm_source change selon la plateforme.
Comment les données UTM peuvent-elles améliorer vos fiches produit pour les recommandations IA ?
Une fois les sessions IA correctement séparées, les données indiquent où agir. Commencez par classer les pages de destination selon les sessions attribuées à l’IA, puis selon les conversions attribuées à l’IA. Une page qui génère des visites IA mais convertit mal présente un problème de fiche produit. Une page qui convertit bien mais reçoit peu de visites IA présente un problème de visibilité.
Analysez les résultats par utm_source. Si perplexity envoie des visites vers une page de collection tandis que chatgpt privilégie les fiches produit individuelles, vous apprenez quels formats chaque agent a tendance à mettre en avant. Utilisez utm_content pour distinguer les emplacements et voir si les liens de données structurées surpassent les citations simples.
Passez ensuite à l’action. Pour les pages avec du trafic et une conversion faible, réécrivez les titres, spécifications et descriptions afin qu’ils répondent aux questions que les acheteurs apportent depuis une conversation IA. Pour les pages qui convertissent mais manquent de visites, renforcez les attributs lus par les agents : matériaux clairs, tailles, compatibilité, conditions de livraison et de retour. Nos outils d’optimisation de fiches produit IA sont conçus autour de cette boucle, du diagnostic des pertes d’une page à sa réécriture et sa publication.
Mesurez les changements avec des tests courts et encadrés. Modifiez un ensemble de pages, laissez un ensemble similaire inchangé et comparez les conversions attribuées à l’IA sur la même période. Notre article sur la transformation du trafic IA en conversions explique plus en détail quoi faire une fois les visites arrivées.
À quoi ressemble un bon balisage UTM en pratique ?
Nous n’allons pas inventer ici une histoire client ; considérez plutôt une illustration détaillée avec des données clairement hypothétiques. Imaginons qu’une boutique ait deux pages produit citées par des agents IA. Avant le balisage, tous les clics IA se retrouvent mélangés entre Direct et Referral, sans possibilité de distinguer les pages ni de les relier aux commandes.
Après que la boutique a adopté utm_medium=ai_search avec des sources contrôlées et corrigé une redirection qui supprimait sa chaîne de requête, la situation change. Le groupe de canaux affiche désormais une ligne distincte AI Search. Les sessions réparties par source révèlent qu’un agent envoie la majorité des visites vers une seule fiche produit à forte intention. L’équipe constate que cette page a une description trop légère et aucune politique de retour, la réécrit et suit les conversions attribuées à l’IA pour cette page au cours des semaines suivantes.
La leçon ne porte pas sur l’ampleur d’un quelconque gain. Elle porte sur la séquence : baliser, préserver, séparer, diagnostiquer, corriger, mesurer à nouveau. Sans les trois premières étapes, les trois dernières ne sont que des suppositions. Les éditeurs peuvent appliquer la même logique, puisque OpenAI indique que ChatGPT peut inclure utm_source=chatgpt.com dans les URL de référence dans certains parcours, et que les sites autorisant OAI-SearchBot à crawler peuvent suivre les référents ChatGPT dans leurs analytics. Notez que cette valeur, chatgpt.com, diffère de votre propre jeton chatgpt ; normalisez-la donc dans vos rapports. Pour un modèle de reporting à adapter, consultez notre article sur la mesure de la visibilité des agents IA.
Comment résoudre les conflits UTM avec les outils d’analyse et d’attribution ?
Lorsque les chiffres semblent erronés, partez du clic et remontez vers l’extérieur. La plupart des problèmes se répartissent en quelques catégories.
Les paramètres disparaissent. Cliquez depuis l’agent et observez l’URL à chaque étape. L’étape où la chaîne de requête disparaît est votre coupable : une règle de redirection, un paramètre CDN, ou une couche de consentement ou de sécurité.
Deux sources sont en désaccord. GA4 traite les UTM comme source d’autorité lorsqu’ils sont présents ; une source attribuée par la plateforme peut donc remplacer celle que vous aviez prévue. Vérifiez si un paramètre ajouté par un agent, comme la valeur chatgpt.com, entre en conflit avec votre propre jeton, puis mappez les deux vers une seule valeur de reporting.
Tout apparaît comme Direct. Cela signifie généralement qu’un référent a été supprimé et qu’aucun UTM n’est présent, ce qui est fréquent dans les webviews mobiles intégrées. Utilisez vos règles inférées, marquez-les comme peu fiables et ajoutez une question déclarative sur la source dans les formulaires.
Les plateformes d’attribution écrasent les tags. Certains outils réécrivent ou rebalisent les URL de destination. Comparez l’URL cliquée par l’utilisateur avec celle enregistrée par la plateforme, et excluez vos paramètres IA de toute règle de réécriture.
Les différences de casse fragmentent les lignes. Normalisez dès l’ingestion si vous ne pouvez pas corriger toutes les sources immédiatement, puis corrigez les sources.
Pour les vérifications côté GA4 et des exemples supplémentaires de détection, cet article partenaire sur le suivi du trafic LLM dans GA4 constitue une référence utile. Conservez un journal des modifications pour chaque redirection, plugin et règle en périphérie que vous touchez. La plupart des mystères d’attribution remontent à un changement que personne n’a documenté.

Comment prioriser le travail d’attribution des agents ce trimestre ?
Selon moi, les équipes planifient trop et livrent trop peu. Commencez par vos pages produit et catégories avec le plus de trafic et un unique medium ai_search. Ne construisez pas une taxonomie de mediums, car vous ne la maintiendrez pas.
Automatisez l’injection des tags pour les sorties que vous contrôlez entièrement, puis étendez-la aux plugins et aux flux syndiqués. Résistez à la tentation de perfectionner d’abord la détection du trafic non balisé ; les liens balisés vous donnent des données propres plus rapidement.
Enfin, lancez de courtes cohortes A/B et mesurez le gain sur les conversions attribuées à l’IA avant tout déploiement large. Un petit résultat fiable vaut mieux qu’un grand résultat douteux.
— Xhurian
Vous voulez vérifier votre balisage et vos citations IA avec ecentic ?
Si vous voulez la preuve que vos tags fonctionnent, nous pouvons vous la montrer. ecentic réalise des analyses pilotées par simulation qui imitent ChatGPT, Gemini, Claude et d’autres agents, afin de montrer où vos pages produit sont citées et où les concurrents sont choisis à la place.

Notre UCP Playground et nos analyses d’attribution des agents vous permettent de valider les UTM et d’afficher les conversions attribuées à l’IA au même endroit. Vous obtenez des diagnostics en langage clair, des suggestions de réécriture de fiches produit et une publication en un clic vers Shopify et WooCommerce. Les offres commencent par une analyse introductive gratuite, et les offres payantes sont listées sur notre page tarifs. Lancez une analyse gratuite ou ouvrez le Playground pour tester votre balisage dès aujourd’hui.
FAQ
Quel utm_medium utiliser pour le trafic IA ?
Utilisez ai_search comme valeur littérale unique sur chaque lien que vous contrôlez. Placez l’identité de la plateforme dans utm_source, par exemple chatgpt ou perplexity. Cela conserve une clé de jointure propre et unique pour votre groupe de canaux.
ChatGPT ajoute-t-il automatiquement des paramètres UTM ?
Dans certains parcours, oui. OpenAI indique que ChatGPT peut inclure utm_source=chatgpt.com dans les URL de référence, selon sa FAQ éditeurs. Vous devez malgré tout baliser les liens que vous contrôlez et mapper cette valeur automatique vers votre propre jeton dans les rapports.
Comment suivre le trafic IA lorsqu’il n’y a pas d’UTM ?
Commencez par une liste blanche d’hôtes référents, puis utilisez les signaux user-agent et logs serveur, puis les règles inférées. Associez un niveau de confiance à chacun afin que les rapports puissent les pondérer. Le cours Ahrefs recommande également une attribution déclarative dans les formulaires.
Pourquoi mon trafic IA apparaît-il comme Direct ?
Certaines surfaces IA et webviews intégrées suppriment le référent, et sans UTM rien n’identifie la source. Balisez les liens que vous contrôlez et ajoutez des règles inférées pour le reste.