La notion vient des travaux de Jack Smyth (Jellyfish) : le Share of Model quantifie comment un modèle « perçoit » et représente une marque. Concrètement, on choisit un panier de requêtes de catégorie — « meilleure agence GEO », « quel outil pour X » — on relève quelles marques apparaissent et à quelle fréquence, puis on calcule la part de chacune. Le résultat dit non pas si vous êtes visible dans l'absolu, mais quelle fraction de l'attention du modèle vous captez face aux autres.
Deux dimensions comptent. La visibilité — à quelle fréquence votre marque surgit dans les réponses. Et le positionnement — les associations, positives ou négatives, que le modèle génère à votre sujet, un angle proche de l'AI brand sentiment. Pour que la mesure soit stable, on fige la part d'aléatoire du modèle et on répète l'exercice à intervalles réguliers. L'erreur classique est de comparer des scores obtenus avec des paniers ou des moteurs différents : ils ne mesurent pas la même chose.
Le Share of Model complète le share of voice IA et la citation rate : là où la citation rate compte vos citations en valeur absolue, le Share of Model les rapporte à celles de vos concurrents. C'est cette dimension relative qui en fait un indicateur de pilotage — la bonne question n'est pas « suis-je cité ? » mais « quelle part des réponses de ma catégorie est pour moi, et progresse-t-elle ? ».