GEO (Generative Engine Optimization) : définition, preuves mesurées et méthode

Le Generative Engine Optimization (GEO) désigne l’ensemble des pratiques visant à faire citer une marque ou un contenu comme source dans les réponses des moteurs génératifs : ChatGPT, Perplexity, Gemini, Copilot, Claude, ainsi que les Aperçus IA et le Mode IA de Google, déployés en France depuis le 22 juillet 2026.

La discipline a quatre ans, un papier fondateur, et un problème : la quasi-totalité de ce qui s’écrit dessus recycle des chiffres non sourcés ou périmés. Cet article part des sources primaires uniquement, documentation officielle des moteurs et publications de recherche, et sépare explicitement trois niveaux : ce qui est documenté par les moteurs eux-mêmes, ce qui est mesuré par la recherche indépendante, et ce qui relève de l’hypothèse commerciale.

Qu’est-ce que le Generative Engine Optimization (GEO) ?

Le GEO regroupe les techniques destinées à faire sélectionner, extraire et citer un contenu comme source par un moteur génératif. L’objectif n’est plus une position dans une liste de dix liens, mais une mention dans une réponse synthétique qui remplace cette liste.

Le terme vient d’un papier universitaire : Aggarwal, Murahari, Rajpurohit, Kalyan, Narasimhan et Deshpande, GEO: Generative Engine Optimization, arXiv 2311.09735, accepté à la conférence KDD 2024 (Princeton, Georgia Tech, Allen Institute for AI). C’est la seule source académique fondatrice de la discipline, et presque aucun contenu français sur le sujet ne la cite.

Ce que Google dit officiellement du GEO

C’est le point que personne ne relaie, et c’est le plus important pour arbitrer un budget.

La documentation officielle Google Search Central, page AI features and your website, mise à jour le 10 décembre 2025, est explicite : « There are no additional requirements to appear in AI Overviews or AI Mode, nor other special optimizations necessary. » Google ajoute : « There are no additional technical requirements. »

Les seules recommandations que Google formule, verbatim :

• autoriser le crawl dans le robots.txt, et au niveau du CDN ou de l’hébergeur
• rendre le contenu accessible par le maillage interne
• offrir une bonne expérience de page
• s’assurer que le contenu important existe sous forme textuelle
• appuyer le texte par des images et vidéos de qualité quand c’est pertinent
• s’assurer que les données structurées correspondent au texte visible
• tenir à jour les informations Merchant Center et Business Profile

Aucune technique GEO spécifique. Aucun fichier dédié. Aucun balisage particulier. Google va plus loin dans sa documentation, reprise par Wikipédia : optimiser pour la recherche générative reste du SEO.

Ce positionnement ne clôt pas le débat, il le cadre. Google décrit ce qu’il faut faire pour que son propre système accède au contenu. Il ne dit rien de ce qui fait qu’un passage plutôt qu’un autre est retenu dans la réponse, ni de ce qui se passe chez ChatGPT ou Perplexity, qui ne dépendent pas de l’index Google. C’est précisément l’espace du GEO.

GEO, AEO, GSO, LLM SEO : quatre noms, un même objet

Ces acronymes désignent le même objectif avec des accents différents. GEO est le terme le plus utilisé et le seul adossé à une publication scientifique. AEO (Answer Engine Optimization) insiste sur la réponse directe. GSO (Generative Search Optimization) sur la recherche. LLM SEO sur la couche technique et sémantique.

Wikipédia relève l’absence de consensus académique sur la terminologie, et une procédure de renommage de la page vers « Answer engine optimization » est ouverte depuis le 26 juillet 2026. En pratique, les techniques se recouvrent à plus de 90 %. Choisir un acronyme est un choix de positionnement, pas de méthode.

Ce qui a changé en France le 22 juillet 2026

Google a lancé les Aperçus IA (AI Overviews) et le Mode IA (AI Mode) en France le 22 juillet 2026, sur mobile, sur ordinateur et dans l’application Google sur Android et iOS (blog Google France, 22 juillet 2026). Tout contenu français publié avant cette date et affirmant que les Aperçus IA « ne sont pas encore déployés en France » est faux depuis une semaine. C’est le cas de la majorité des guides GEO français actuellement en première page.

La distinction entre les deux surfaces compte :

• Aperçus IA : un résumé généré en tête de SERP, accompagné de liens. La SERP classique subsiste en dessous.
• Mode IA : un onglet de recherche conversationnel distinct, multimodal, qui accepte des requêtes longues et des relances.

Les deux ne citent pas les mêmes sources. Semrush mesure 88 % de domaines communs entre Mode IA et Aperçus IA, mais seulement 58 % d’URL communes (AI Mode Comparison Study, 5 000 mots-clés, 21 juillet 2025).

L’usage réel de l’IA générative en France

Le Baromètre du numérique édition 2026, réalisé par le CREDOC pour l’Arcep, l’Arcom, le CGE et l’ANCT, publié le 9 février 2026 sur un échantillon de 4 145 personnes représentatif des Français de 12 ans et plus, donne les chiffres officiels :

• 48 % des Français utilisent l’IA générative, contre 20 % en 2023. C’est l’adoption la plus rapide de toutes les technologies mesurées en 25 ans de baromètre.
• 85 % chez les 18-24 ans, 73 % chez les 25-39 ans, 48 % chez les 40-59 ans, 15 % chez les 70 ans et plus.
• La recherche d’information est le premier usage : 73 % des utilisateurs y recourent au moins une fois par mois, 21 % quotidiennement.
• ChatGPT est cité par 79 % des utilisateurs d’IA générative, Gemini par 31 %, Le Chat par 14 %. 51 % utilisent au moins deux outils.

Le contrepoint, indispensable pour ne pas surdimensionner le sujet : une enquête OpinionWay pour SEO.fr menée en janvier 2026 sur 1 013 personnes représentatives mesure 59 % d’usage de l’IA générative, mais 98 % de recours toujours actif aux moteurs de recherche traditionnels, dont 94 % de façon fréquente. La substitution n’a pas eu lieu. L’ajout, si.

GEO et SEO : ce qui les sépare vraiment

Le recouvrement entre citations IA et top 10 Google s’effondre

C’est la donnée la plus contre-intuitive du dossier, et la mieux documentée. Le raccourci « être bien classé sur Google suffit pour être cité par l’IA » a été vrai. Il ne l’est plus.

Source de la dernière ligne : Ahrefs, Only 38% of AI Overview citations come from top 10 pages, 2 mars 2026, Louise Linehan et Xibeijia Guan. Répartition complète : 37,9 % dans le top 10, 31,2 % en positions 11 à 100, 31,0 % au-delà de la position 100. Les auteurs attribuent en partie la bascule à la mise à jour Gemini 3 de janvier 2026 et à la généralisation du query fan-out, le mécanisme par lequel le moteur décompose une question en plusieurs requêtes internes.

Note importante : le chiffre de 99 % que l’on retrouve dans presque tous les guides français est celui de seoClarity d’août 2024, souvent attribué par erreur à Ahrefs. Le publier en 2026 est une erreur factuelle.

Un travail académique corrobore cette divergence entre moteurs. Grossman, Liu, Chen, Smith, Borcea et Chen, How Generative AI Disrupts Search, arXiv 2604.27790, 30 avril 2026, benchmark de 11 500 requêtes, mesurent une similarité de Jaccard de 0,11 à 0,18 entre les sources citées par Google Search, Gemini et les Aperçus IA. Autrement dit, les trois surfaces d’un même acteur citent des ensembles de sources presque disjoints.

Conséquence opérationnelle directe : une stratégie GEO ne peut plus être un sous-produit d’une stratégie SEO. Les deux partagent les prérequis techniques, plus grand-chose au-delà.

Ce que l’étude fondatrice mesure réellement

L’étude Aggarwal et al. est citée partout, presque toujours de travers. Voici ce qu’elle contient réellement.

Le protocole : GEO-BENCH, un benchmark de 10 000 requêtes issues de neuf jeux de données couvrant 25 domaines. Neuf techniques d’optimisation testées, évaluées sur deux métriques distinctes : le Position-Adjusted Word Count (volume de texte attribué à la source, pondéré par sa position dans la réponse) et la Subjective Impression (jugement de qualité par un modèle évaluateur).

Le résultat principal, verbatim de l’abstract : « we demonstrate that GEO can boost visibility by up to 40 % in generative engine responses. »

Les gains par famille de techniques :

Le papier ne donne pas de pourcentage unique par technique. Les chiffres de 132,4 %, 89,1 % et 65,5 % que l’on trouve dans plusieurs guides français proviennent de la Table 4 du papier : ce sont des exemples individuels illustratifs, pas des résultats agrégés. Les citer comme des moyennes est une erreur de lecture.

L’effet rang 5, et le revers que personne ne mentionne

Le papier documente un effet asymétrique selon la position organique de la source, dans un scénario où toutes les sources sont optimisées simultanément (Table 2) :

Verbatim du papier : « the Cite Sources method led to a substantial 115.1 % increase in visibility for websites ranked fifth in SERP, while on average, the visibility of the top-ranked website decreased by 30.3 %. »

Les reprises françaises retiennent le +115 % et omettent systématiquement le -30,3 %. La lecture correcte est la suivante : dans un environnement où tout le monde optimise, le GEO rééquilibre au profit des positions moyennes et au détriment du leader. Pour une marque déjà en position 1 sur ses requêtes stratégiques, le GEO est d’abord un exercice défensif.

Ce que la recherche 2026 a ajouté

Trois publications postérieures méritent d’être connues, parce qu’elles corrigent ou nuancent le papier fondateur.

La revue critique : Olivier Martinez, Optimizing Visibility in Generative Engines: A Critical Survey of Generative Engine Optimization (2023-2026), arXiv 2607.14035, 15 juillet 2026. Revue de 45 études publiées entre novembre 2023 et juillet 2026. Sa conclusion centrale, verbatim : « no reviewed technique shows a stable, longitudinal, cross-platform causal effect on organic discoverability ». Les gains des travaux fondateurs n’apparaissent que dans des cadres contrôlés où le contenu est déjà présent dans un contexte fixe. Les approches génériques ne se transfèrent pas d’une plateforme à l’autre.

C’est la source la plus honnête disponible sur le sujet, et elle invite à traiter toute promesse GEO chiffrée avec méfiance.

La structure du contenu : Yu, Yang, Ding et Sato, Structural Feature Engineering for Generative Engine Optimization, arXiv 2603.29979, 31 mars 2026. Framework à trois niveaux (macro-structure du document, meso-structure de découpage, micro-structure d’emphase visuelle) évalué sur six moteurs génératifs grand public : +17,3 % de taux de citation et +18,5 % de qualité subjective. C’est le résultat le plus directement actionnable de la littérature récente.

Sélection contre absorption : Zhang, He et Yao, From Citation Selection to Citation Absorption, arXiv 2604.25707, 29 avril 2026, sur 602 prompts et 21 143 citations. Deux enseignements exploitables :

• les pages qui influencent réellement la réponse générée sont 11,44 fois plus longues que celles qui sont citées sans influence (quartile haut contre quartile bas)
• les pages contenant une définition explicite obtiennent +57,33 % d’influence relative, tandis que le format question-réponse pur en perd 5,74 %

Ce dernier point contredit frontalement le conseil le plus répandu du marché, « ajoutez une FAQ ». La FAQ aide à la sélection, pas à l’absorption.

Diagnostic et réparation : Tian, Chen, Tang, Liu et Jia, Diagnosing and Repairing Citation Failures in Generative Engine Optimization, arXiv 2603.09296, 10 mars 2026. Le système AgentGEO qu’ils proposent atteint « over 40 % relative improvement in citation rates while modifying only 5 % of content », contre 25 % pour les approches de référence. Point de vigilance signalé par les auteurs : l’optimisation générique peut dégrader le contenu de longue traîne.

Les leviers GEO, classés par niveau de preuve

C’est la partie où la plupart des guides listent dix conseils sans hiérarchie de fiabilité. Voici la même liste, triée par ce qui la soutient.

Niveau 1 : documenté par les moteurs eux-mêmes

Autoriser le crawl. C’est la seule recommandation que Google formule en premier, et la seule assertion causale que OpenAI documente. Documentation OpenAI, page Bots, verbatim : « Sites that are opted out of OAI-SearchBot will not be shown in ChatGPT search answers. » L’inverse n’est pas documenté : nulle part OpenAI n’écrit qu’autoriser GPTBot augmente les citations.

Les bots à traiter dans le robots.txt, avec leur finalité déclarée :

Point critique souvent mal compris : bloquer Google-Extended ne retire pas un site des Aperçus IA. Ces derniers sont alimentés par l’index Google standard, contrôlé par Googlebot. Pour en sortir, il faut nosnippet, data-nosnippet ou max-snippet, ce qui affecte aussi les extraits classiques.

Un travail académique appuie l’importance de ce levier : Grossman et al. (arXiv 2604.27790) mesurent que les sites bloquant le crawler IA de Google reçoivent moins de citations, alors même que l’Aperçu IA a techniquement accès à leur contenu via l’index principal.

Niveau 2 : mesuré par la recherche indépendante

Structurer le document à trois niveaux. +17,3 % de taux de citation mesurés sur six moteurs (arXiv 2603.29979). Concrètement : une hiérarchie de titres cohérente, des blocs autoportants de 40 à 80 mots avec une idée par bloc, et des marqueurs d’emphase qui signalent l’information clé.

Poser une définition explicite. +57,33 % d’influence relative (arXiv 2604.25707). Un paragraphe qui commence par « Le X est… » et qui tient seul, sans contexte amont.

Citer ses sources et intégrer des statistiques datées. 30 à 40 % de gain sur la métrique de volume attribué, 15 à 30 % sur l’impression subjective (Aggarwal et al., KDD 2024). C’est la famille de techniques la mieux documentée, avec la réserve de l’effet rang 1 négatif exposée plus haut.

Écrire long sur les pages qui doivent influencer la réponse. Les pages à forte influence sont 11,44 fois plus longues que les autres (arXiv 2604.25707). Cette donnée est corrélationnelle : elle ne dit pas que rallonger une page l’influence davantage, elle dit que les pages influentes sont longues.

Niveau 3 : corrélé, sans causalité établie

Les données structurées. Semrush, How Do Technical SEO Factors Impact AI Search?, 5 janvier 2026, sur 5 millions d’URL citées et 378 000 citations analysées structurellement, relève une sur-représentation des schémas Organization (25 à 34 % des pages citées), Article (20 à 26 %) et Breadcrumb (15 à 20 %). L’étude précise elle-même qu’il s’agit de corrélations. Google, de son côté, ne demande qu’une chose : que les données structurées correspondent au texte visible.

L’E-E-A-T et la signature d’auteur. Aucune étude ne mesure d’effet causal sur les citations. Le cadre reste celui des Quality Rater Guidelines de Google, qui concernent l’évaluation humaine de la qualité, pas le pipeline de citation d’un LLM. À traiter comme une bonne pratique éditoriale, pas comme un levier GEO prouvé.

Les mentions de marque et l’earned media. Intuitivement décisifs, jamais mesurés proprement en isolation. Kumar, Generative Engine Optimization at Scale, arXiv 2606.20065, 18 juin 2026, sur plus de 100 000 réponses et plus de 100 marques, mesure une hiérarchie en trois paliers : marques mondiales présentes dans 73 % des réponses pertinentes, marques mid-market et régionales 44 %, marques de niche 11 %. L’écart est réel, mais l’étude ne l’attribue causalement à rien. Réserve : l’auteur est affilié à un éditeur d’outil GEO.

Ce qui ne fonctionne pas, ou n’est pas prouvé

Le fichier llms.txt. À traiter comme non prioritaire, données à l’appui.

John Mueller (Google), sur Bluesky le 20 janvier 2026, interrogé sur un éventuel soutien de Google : « I’m tempted to say something snarky since this has come up so often, but to be direct, no. » Sur Reddit, relayé par Search Engine Journal le 2 juin 2026, il qualifie le fichier de « purely speculative for now » et note qu’aucun système d’IA ne l’utilise.

Les mesures confirment. Ahrefs, analyse de logs serveur sur 137 000 domaines, publiée le 2 juillet 2026 : 97 % des fichiers llms.txt n’ont reçu aucune requête en mai 2026. Les bots de retrieval IA représentent 1,1 % des requêtes vers ces fichiers. Le premier consommateur est constitué des outils d’audit SEO, à 21,7 %. En parallèle, Originality.ai mesure une adoption multipliée par 8,8 en douze mois, de 4 088 à 36 120 fichiers. Beaucoup d’éditeurs le publient. Presque aucune IA ne le lit.

Le coût de mise en place est faible, l’espérance de gain aussi. À classer en P2, pas en P1.

Le keyword stuffing. Mesuré comme contre-productif par Aggarwal et al.

La réécriture générique de masse. Les méthodes heuristiques n’apportent en moyenne que +0,99 % sur du contenu déjà optimisé (arXiv 2604.19113, 21 avril 2026), et l’optimisation générique peut dégrader le contenu de longue traîne (arXiv 2603.09296).

Mesurer sa visibilité GEO

C’est le point faible de toute la discipline, et il faut le dire avant de vendre un tableau de bord.

Ce que Search Console ne vous dira pas

Documentation Google Search Central, verbatim : « sites appearing in AI features (such as AI Overviews and AI Mode) are included in the overall search traffic in Search Console. In particular, they’re reported on in the Performance report, within the « Web » search type. »

Traduction : les impressions et clics issus des Aperçus IA et du Mode IA sont agrégés avec la recherche classique, sans segmentation possible. Il n’existe aujourd’hui aucun moyen natif de mesurer sa performance dans les surfaces IA de Google. Tout outil qui prétend le contraire estime.

Le protocole de prompt testing

En l’absence de mesure native, la seule méthode reproductible reste le test de prompts. Le protocole minimal :

1. Définir 20 à 30 prompts représentatifs, répartis entre intentions informationnelles, comparatives et transactionnelles, formulés comme un utilisateur réel les poserait (8 à 10 mots, pas 3).
2. Les exécuter sur chaque moteur cible, en session déconnectée, à date fixe.
3. Répéter chaque prompt au moins trois fois. C’est non négociable : Schulte, Bleeker et Kaufmann, Don’t Measure Once: Measuring Visibility in AI Search, arXiv 2604.07585, 8 avril 2026, démontrent que la nature probabiliste de ces moteurs rend toute observation ponctuelle non fiable. La visibilité doit être caractérisée comme une distribution, pas comme un point.
4. Relever pour chaque exécution : marque citée ou non, position dans la liste des sources, lien actif ou mention passive, concurrents cités.

Deux indicateurs suffisent :

• Taux de mention de marque = prompts où la marque est citée / total des prompts testés
• Part de voix générative = citations de la marque / total des citations toutes marques confondues

À suivre en moyenne sur trois exécutions, avec l’écart-type. Un taux de mention qui passe de 20 % à 30 % sur une seule exécution n’est pas un résultat, c’est du bruit.

Le trafic référé LLM dans GA4

Créer un groupe de canaux personnalisé isolant les sources : chatgpt.com, perplexity.ai, pplx.ai, gemini.google.com, claude.ai, copilot.microsoft.com, chat.mistral.ai.

Trois limites structurelles à annoncer avant de commenter les chiffres :

1. L’application mobile ChatGPT ne transmet pas systématiquement le referrer. Sous-estimation mécanique.
2. Le trafic issu des Aperçus IA et du Mode IA arrive en organique Google, indissociable du reste.
3. Une part importante de l’effet ne transite pas par un lien. Similarweb, 23 juin 2026, mesure que les utilisateurs ayant reçu une recommandation IA sont 2,5 fois plus susceptibles de visiter le site de la marque dans les sept jours, et que 56 % de ce trafic arrive par une recherche de marque, contre environ 40 % pour les visiteurs standards. Le proxy le plus fiable pour capter cet effet reste donc l’évolution des requêtes de marque dans Search Console.

Sur la qualité de ce trafic, deux mesures sérieuses se contredisent, et il faut le présenter comme tel plutôt que de choisir la plus flatteuse :

• Adobe Digital Insights, juin 2026, sur plus de mille milliards de visites sur les sites retail américains : en mai 2026, les visiteurs venus de l’IA convertissent 54 % mieux que le trafic non-IA, avec un temps sur site supérieur de 53 % et un taux de rebond inférieur de 36 %. En octobre 2024, le rapport était inversé.
• Ahrefs, juin 2025, sur 81 947 sites tous secteurs : le trafic IA affiche 4,0 pages par visite contre 5,2 pour le search classique, et 67,8 % de rebond contre 63,7 %.

Les périmètres diffèrent (retail américain contre tous sites), les dates aussi. Aucune des deux n’invalide l’autre. Le chiffre de 4,4 fois plus de valeur, très repris, vient de Semrush, AI Search SEO Traffic Study, juin 2025, mesuré sur plus de 500 sujets du seul vertical marketing digital et SEO. Il n’est pas généralisable.

Les outils du marché

Profound, Peec AI, Scrunch, Otterly, Semrush AI Toolkit, Ahrefs Brand Radar automatisent le test de prompts et la mesure de part de voix. Aucun n’a d’accès privilégié aux moteurs : tous exécutent des prompts et parsent des réponses, exactement comme un test manuel, à plus grande échelle.

La question à leur poser avant de signer : combien d’exécutions par prompt, et publiez-vous l’écart-type ? Un outil qui exécute chaque prompt une fois par jour produit une série de mesures ponctuelles, précisément ce que la recherche identifie comme non fiable.

Chez Deux.io, nous exécutons ce protocole avec notre propre outil, LLM Analyser, sur ChatGPT, Claude, Perplexity, Gemini et Copilot, avec exécutions multiples et suivi de la dispersion.

[DATA À FOURNIR : un résultat client chiffré et daté, avec méthode. Format attendu : secteur, nombre de prompts, période, taux de mention de marque avant et après, écart-type. C’est le seul élément que les onze pages concurrentes analysées n’ont pas, et il vaut plus que 1 000 mots supplémentaires.]

Construire une stratégie GEO en 90 jours

Jours 1 à 15 : établir la baseline

1. Auditer le robots.txt et les règles CDN sur les bots du tableau ci-dessus. Vérifier dans les logs serveur que OAI-SearchBot, GPTBot, PerplexityBot et ClaudeBot passent réellement. Un Allow dans le robots.txt ne prouve pas l’accès : un pare-feu applicatif ou une règle Cloudflare peut bloquer en amont.
2. Définir les 20 à 30 prompts de référence.
3. Exécuter la baseline, trois passages par prompt, sur les moteurs cibles.
4. Identifier les concurrents cités à la place de la marque, et les pages sources qu’ils font citer.

Jours 16 à 60 : optimiser

1. Sélectionner les 5 à 10 pages qui doivent porter la citation. Priorité aux pages de définition et aux pages piliers, pas aux pages commerciales : les pages qui contiennent une définition explicite obtiennent +57,33 % d’influence.
2. Sur chacune : réécrire l’ouverture en réponse directe autoportante, restructurer aux trois niveaux (document, découpage, emphase), ajouter des statistiques datées et sourcées nommément, citer les sources primaires dans le texte et pas seulement en lien.
3. Vérifier que les données structurées correspondent au texte visible. C’est la seule exigence formulée par Google sur ce point.
4. Corriger toute donnée périmée. Sur un sujet qui bouge tous les mois, un chiffre de 2024 publié en 2026 est un signal de non-fiabilité, pour un lecteur comme pour un modèle.

Jours 61 à 90 : mesurer et arbitrer

1. Réexécuter la baseline dans les mêmes conditions, trois passages.
2. Comparer taux de mention et part de voix, en moyenne et en dispersion.
3. Croiser avec l’évolution des requêtes de marque dans Search Console, seul proxy fiable de l’effet indirect.
4. Arbitrer : les pages qui n’ont pas bougé après une refonte structurelle complète relèvent d’un problème d’autorité, pas de format. Le levier suivant est l’earned media, pas une nouvelle réécriture.

Questions fréquentes sur le GEO

Le GEO va-t-il remplacer le SEO ?

Non, et les données ne vont pas dans ce sens. En France, 98 % des utilisateurs recourent toujours aux moteurs de recherche traditionnels, dont 94 % fréquemment (OpinionWay pour SEO.fr, janvier 2026). Google conserve 91,27 % de part de marché mondiale sur la recherche (StatCounter, juin 2026). Ce qui change, c’est la répartition entre citation et clic à l’intérieur de cet usage, pas le canal lui-même.

Un bon classement SEO suffit-il pour être cité par les IA ?

Ce fut vrai, ça ne l’est plus. La part des citations dans les Aperçus IA provenant du top 10 Google est passée de 99,5 % en août 2024 (seoClarity) à 37,9 % en mars 2026 (Ahrefs, 4 millions d’URL). Et la similarité de Jaccard entre les sources de Google Search, Gemini et les Aperçus IA est de 0,11 à 0,18 (arXiv 2604.27790). Bien se classer reste une condition favorable. Ce n’est plus une condition suffisante.

Combien de temps pour voir des résultats ?

Il n’existe aucune donnée publiée permettant de répondre honnêtement à cette question, et toute agence qui annonce un délai chiffré l’invente. Ce qui est mesurable : OpenAI a triplé son volume de crawl depuis août 2025, OAI-SearchBot multiplié par 3,5 et GPTBot par 2,9 (Botify, 23 avril 2026, sur environ 7 milliards de lignes de logs). Un contenu modifié est donc recrawlé rapidement. Le passage du recrawl à la citation, lui, n’a pas de délai documenté.

Faut-il créer un fichier llms.txt ?

Le rapport coût-bénéfice est faible. 97 % des fichiers llms.txt n’ont reçu aucune requête en mai 2026 (Ahrefs, 137 000 domaines), John Mueller le qualifie de « purement spéculatif » et Google ne le soutient pas. Le créer coûte peu, donc il n’y a pas de raison de s’y opposer, mais le classer en priorité haute est une erreur d’arbitrage.

Les FAQ aident-elles à être cité ?

Partiellement, et moins qu’on ne le dit. Le format question-réponse pur perd 5,74 % d’influence relative sur la réponse générée, tandis qu’une page contenant une définition explicite en gagne 57,33 % (arXiv 2604.25707, 602 prompts, 21 143 citations). La FAQ favorise la sélection de la page comme source, pas son influence sur le contenu de la réponse. Les deux ne sont pas le même objectif.

Comment savoir si les bots IA accèdent réellement au site ?

Par les logs serveur, jamais par le robots.txt seul. Filtrer sur les user-agents OAI-SearchBot, GPTBot, ChatGPT-User, ClaudeBot, PerplexityBot, Applebot-Extended, Google-Extended, et vérifier les codes de réponse. Un Allow peut être annulé en aval par un pare-feu applicatif, une règle CDN ou une protection anti-bot. OpenAI publie ses plages d’IP par bot, ce qui permet de valider l’authenticité des visites.

Le GEO concerne-t-il tous les secteurs ?

Non, et la concentration est forte. Semrush, AI Visibility Index 2026 (126 millions de prompts analysés de janvier à avril 2026, 22 secteurs) mesure que le top 3 des marques capte 82,9 % de la visibilité en actualité et médias, 76,9 % en électronique grand public, mais seulement 41,4 % en finance. Les secteurs où l’écart entre le leader et le reste est faible sont ceux où une marque challenger peut réellement gagner du terrain.

Peut-on faire du GEO sans agence ?

Les fondamentaux, oui. Auditer le robots.txt, vérifier les logs, restructurer une page de définition, dater et sourcer ses statistiques, tester manuellement 20 prompts : ce sont des actions réalisables en interne, sans outil payant, en quelques jours. Ce qui justifie un accompagnement, c’est la mesure dans la durée sur un portefeuille de pages et de marchés, et l’arbitrage entre les leviers quand la structure ne suffit plus.

Note de méthode

Cet article n’utilise que des sources primaires : documentation officielle des éditeurs de moteurs, publications de recherche accessibles par leur identifiant, études d’éditeurs d’outils avec méthodologie et taille d’échantillon publiées. Chaque chiffre porte le nom de l’organisation émettrice et sa date.

Trois niveaux sont distingués explicitement dans le texte :

• documenté : affirmé par l’éditeur du moteur concerné
• mesuré : établi par une étude dont la méthodologie et l’échantillon sont publics
• corrélé : observé sans démonstration de causalité

Les études d’éditeurs d’outils sont signalées comme telles, avec leur périmètre. Aucun chiffre n’est repris d’une source secondaire sans remonter à l’origine. Quand deux mesures se contredisent, les deux sont présentées.