> ## Documentation Index > Fetch the complete documentation index at: https://docs.qwairy.co/llms.txt > Use this file to discover all available pages before exploring further. # Les différents fournisseurs IA décrivent-ils ma marque de façon cohérente ? > Comparez des cohortes de prompts équivalentes entre fournisseurs et modèles pour repérer les écarts de discours observés, sans en supposer la cause. ## Réponse directe Exécutez les mêmes prompts configurés chez les fournisseurs et modèles à comparer, puis examinez les réponses enregistrées côte à côte. Classez les affirmations récurrentes, le sentiment et les omissions. La cohérence désigne la similarité au sein de ce jeu de données, pas un accord entre toutes les réponses possibles. ## Données nécessaires Utilisez des prompts configurés identiques, des périodes d’exécution alignées, les identifiants de fournisseurs et de modèles, les réponses enregistrées, les Topics ou Tags, les étiquettes de sentiment ou de perception et les URL citées. Distinguez la famille de fournisseurs du modèle sélectionné. ## Méthode Choisissez des prompts qui ont du sens chez tous les fournisseurs sélectionnés. Utilisez les mêmes filtres de marque, Topic, zone géographique et période. Comparez les affirmations factuelles, les thèmes de positionnement, le sentiment, les mentions SELF et DIRECT et les citations enregistrées. Séparez les thèmes répétés dans plusieurs réponses des formulations ponctuelles ou des omissions propres à un fournisseur. Refaites les comparaisons importantes sur des exécutions ultérieures et vérifiez les affirmations factuelles auprès de sources validées avant de les faire remonter. ## Interprétation Les écarts sont des observations, pas la preuve qu’un fournisseur a raison ou qu’il est biaisé. Un fournisseur est une famille de services ; un modèle est un modèle sélectionnable au sein de cette famille. Les changements de modèle, d’accès au web, d’exécution des prompts ou de disponibilité des sources peuvent affecter la comparaison. ## Actions possibles * Si une divergence factuelle se répète, testez une correction via des sources publiques exactes. * Si un modèle omet un attribut de positionnement, étudiez les réponses et les citations avant de conclure à un problème de diffusion. * Si les discours sont globalement cohérents mais obsolètes, priorisez la mise à jour de la source de référence de l’affirmation périmée. ## Limites Les réponses enregistrées sont des échantillons issus des exécutions configurées. Elles ne représentent pas toutes les réponses des fournisseurs, tous les contextes d’utilisateurs, toutes les langues ni les versions futures des modèles. L’endpoint REST des réponses est un contrat de données distinct : vérifiez ses champs et sa pagination avant de comparer des exports. ## Pages associées Exportez la cohorte de comparaison sélectionnée. Construisez des comparaisons par fournisseur et par modèle dans Looker Studio. Lisez le contrat distinct des réponses de l’API REST. Choisissez les fournisseurs pertinents pour votre public. Examinez directement le discours des réponses. Étudiez une comparaison propre à un fournisseur. Comparez les thèmes observés au positionnement validé. This documentation is built and hosted on [Mintlify](https://mintlify.com), a developer documentation platform.