Construit dans une salle de restaurant,
pas dans un bureau de growth.

L'origine

RestoRank est porté par Nicolas Spielmann, qui exploite IMA, un restaurant-club à Val d'Isère. Des clients arrivaient en disant qu'ils avaient demandé à une IA où dîner, puis réservaient via un agrégateur plutôt que via notre site. La question est devenue évidente : quand un client demande à ChatGPT où manger, qui ressort, et où part la réservation ?

Aucun outil ne répondait à ça côté restaurant. Nous l'avons donc construit nous-mêmes, depuis la salle, pas depuis une agence SEO.

Notre parti pris

RestoRank n'est pas un outil de référencement repeint aux couleurs du restaurant. Nous l'avons pensé pour le métier, pas l'inverse :

• le niveau du plat et l'expérience en salle, pas seulement des mots-clés ;
• la découverte hyperlocale et le client de passage ;
• la guerre des commissions : réservation directe vs agrégateur ;
• la langue du métier, parlée par les dîneurs comme par les IA.

Comment nous mesurons

Nous interrogeons les cinq grandes IA (ChatGPT, Gemini, Perplexity, Claude, Google AI Overviews) via leurs API officielles, avec les vraies questions que posent les dîneurs. Nous ne donnons pas d'opinion, nous mesurons : taux de mention, rang moyen, part de voix face aux concurrents, et vers quel canal la réservation est envoyée. De la donnée, suivie semaine après semaine.

Nous l'utilisons sur nous-mêmes

IMA tourne avec RestoRank en continu, avant que nous le proposions ailleurs. C'est ce qui garde l'outil utile pour un restaurateur en service plutôt que joli sur un dashboard.