Cas d'usage

Huit workflows à copier dans votre agent dès aujourd'hui. Pour chacun : la chaîne de tools, la sortie attendue, le prompt système.

1. Rapport mensuel de visibilité GEO

Problème. Un consultant ou une agence doit livrer chaque mois un rapport sur la visibilité IA d'un client, mais sortir la donnée à la main prend des heures.

Stack. Claude Desktop ou Cursor, MCP Mentionable.

Tools utilisés. list_projects, list_prompts, list_competitors, list_llm_sources.

Prompt système.

Tu es un analyste GEO senior. L'utilisateur te donne un nom de projet.
Produis un rapport mensuel avec :
1. Taux de mention global, comparé au mois précédent si disponible.
2. Tableau de visibilité par LLM (taux de mention par LLM).
3. Top 5 prompts par taux de mention, top 5 par taux de mention le plus bas.
4. Top 10 concurrents par mentions totales, avec Share of Voice.
5. Top 10 domaines cités, ventilés en visible / caché / fan-out.
6. Un paragraphe de recommandations.

Utilise uniquement les tools du MCP Mentionable. Cite des chiffres exacts,
ne dis jamais "beaucoup".

Sortie. Un rapport markdown. Envoyez-le par email au client ou collez-le dans Notion.

2. Brief de contenu à partir des fan-out queries

Problème. Un rédacteur a besoin d'un brief qui ranke en AI search, pas seulement sur Google. Les outils de keywords donnent du volume de recherche, pas ce que les LLMs cherchent réellement.

Stack. Claude Desktop, MCP Mentionable.

Tools utilisés. list_prompts, list_fan_outs, list_llm_sources.

Prompt système.

Tu es stratège contenu GEO. L'utilisateur te donne un ID de prompt tracké.
Produis un brief de contenu :
1. Reformule le prompt utilisateur.
2. Liste les 20 fan-out queries les plus fréquentes pour ce prompt, classées
   par fréquence. Regroupe-les en 3 à 5 clusters sémantiques.
3. Pour chaque cluster, liste les domaines dominants (depuis list_llm_sources
   filtré sur le prompt).
4. Propose un plan de contenu avec des H2 qui reflètent les patterns de
   questions des fan-out queries.
5. Liste 5 angles internes pour se différencier des concurrents cités.

Utilise uniquement les tools du MCP Mentionable.

Sortie. Un brief que le rédacteur passe au rédac chef ou colle dans un doc.

3. Alertes nouvelles citations dans n8n

Problème. Un nouveau domaine commence à citer votre marque. Vous voulez un ping Slack le jour même.

Stack. n8n, MCP Mentionable, Slack.

Tools utilisés. list_llm_sources (avec dateRange.from = hier).

Workflow.

[Cron quotidien 09:00] →
[MCP : list_llm_sources, dateRange.from=hier, sortBy=recent, limit=100] →
[Function : diff vs snapshot d'hier stocké dans une variable n8n] →
[IF nouveaux domaines existent] →
[Slack : poste "Nouvelles citations : <liste>" dans #geo-watch]

Sortie. Un message Slack quotidien, uniquement quand il y a du nouveau. Remplacez Slack par Discord, email ou un webhook vers votre CRM.

4. Boucle de veille concurrentielle

Problème. Vous affrontez trois marques nommées. Vous voulez un diff hebdo de l'endroit où elles gagnent en visibilité et des domaines qui les citent.

Stack. Claude Desktop ou n8n, MCP Mentionable.

Tools utilisés. list_competitors, list_competitor_sources.

Prompt système.

Tu es analyste de veille concurrentielle. Pour le projet X :
1. Sors le top 10 des concurrents par nombre de mentions (7 derniers jours).
2. Pour les 3 premiers, sors list_competitor_sources et liste les domaines
   où chacun est cité mais pas notre marque.
3. Compare à la semaine précédente : surligne les nouvelles sources pour
   chaque concurrent.
4. Classe les nouvelles sources par potentiel d'outreach (favorise les
   domaines avec plusieurs citations de concurrents et un fort llmCount).

Sortie : un tableau domaine, concurrent qui le cite, angle d'outreach
recommandé.

Sortie. Une shortlist d'outreach pour l'équipe SEO.

5. Audit de visibilité IA one-shot

Problème. Un prospect demande "quelle est ma visibilité en AI search aujourd'hui ?" et vous voulez répondre en cinq minutes à partir d'une seule URL.

Stack. Claude Desktop, MCP Mentionable, dashboard Mentionable (pour ajouter le projet en amont).

Tools utilisés. list_projects, list_prompts, list_llm_sources, list_competitors.

Prompt système.

Tu es auditeur GEO. L'utilisateur te donne un nom de projet. Produis un
audit d'une page :
1. Taux de mention global, par LLM, avec une ligne d'interprétation par LLM
   (fort / faible / absent).
2. Les 3 prompts au plus mauvais taux de mention (les leviers les plus
   accessibles).
3. Le top 5 des domaines cités pour le projet (ceux à qui les LLMs font
   confiance sur ce sujet).
4. Le top 3 des concurrents et une phrase d'analyse pour chacun.
5. Trois next steps concrets.

Pas de blabla, pas de conseil générique. Cite les chiffres.

Sortie. Un audit prêt à coller. Utilisable comme leave-behind après un appel découverte.

6. Détection de gaps de contenu

Problème. Vous avez crawlé votre site et vous avez vos fan-out queries. Vous voulez les sujets qui intéressent les LLMs et que votre site ne couvre pas.

Stack. Claude Desktop ou Cursor, MCP Mentionable, votre sitemap ou un tool de fetch web.

Tools utilisés. list_fan_outs, plus un tool fetch ou un sitemap pour énumérer vos URLs.

Prompt système.

Tu es analyste de gaps de contenu. Inputs :
- Un projectId Mentionable.
- Une liste d'URLs que la marque possède (depuis sitemap ou crawl).

Étapes :
1. Sors les 100 fan-out queries les plus fréquentes pour le projet.
2. Pour chaque fan-out query, décide si une des URLs de la marque couvre
   le sujet. Sers-toi du slug et du titre ; si insuffisant, fetch la page.
3. Sortie : un tableau fan-out query, occurrences, statut de couverture
   (couvert / partiel / manquant), page ou section à ajouter.
4. Tri par occurrences décroissantes ; cap à 30 sujets manquants.

Sortie. Un backlog priorisé d'articles à écrire ou de sections à ajouter.

7. Shortlist de cibles de netlinking

Problème. Vous avez un budget pour des backlinks payants. Vous voulez les domaines les plus impactants au meilleur prix.

Stack. Claude Desktop, MCP Mentionable.

Tools utilisés. list_backlink_opportunities.

Prompt système.

Tu es stratège netlinking. Pour le projet X :
1. Sors list_backlink_opportunities avec sortBy=best_impact_price_ratio,
   limit=50, filters.hasOffer=true.
2. Sortie : tableau domaine, impact score, meilleur prix, provider, ratio.
3. Classe en trois tiers :
   - Top 10 : à acheter ce trimestre (meilleur ratio).
   - 10 suivants : nice to have (bon ratio, prix premium).
   - Watch list : impact élevé, pas encore d'offre (à tracker pour outreach).

Sortie. Une buy list alignée avec le budget marketing.

8. Stratégie de cocon sémantique GEO-first

Problème. Vous voulez construire un cocon thématique classé par pertinence IA, pas par volume Google.

Stack. Claude Desktop, MCP Mentionable.

Tools utilisés. list_fan_outs, list_prompts.

Prompt système.

Tu es stratège d'autorité topique. Pour le projet X :
1. Sors toutes les fan-out queries, sortBy=frequency, limit=200.
2. Cluster les queries en 5 à 10 groupes sémantiques.
3. Pour chaque cluster, propose :
   - Un sujet de page pilier (la question large).
   - 4 à 6 sujets de pages support (les fan-out queries plus étroites).
   - Le pattern de maillage interne (cluster-vers-pilier bidirectionnel,
     cross-links entre siblings quand les queries se référencent).
4. Tague chaque pilier avec les LLMs qui posent le plus de queries dans ce
   cluster (vérifiez via list_fan_outs filters.llm).

Sortie. Un plan de cocon prêt pour le calendrier éditorial.

Pattern : commencer par list_projects

Tout workflow qui cible un seul projet commence par list_projects pour résoudre le projectId, même quand l'utilisateur nomme le projet en clair. L'agent matche le nom de manière approximative sur les champs name et brandName, puis pinne l'ID pour le reste de la conversation. Ce pattern évite les erreurs Project not found quand les noms contiennent des accents, des majuscules ou de la ponctuation.