1. Point de départ : des réponses plutôt que des listes de liens

Pendant plus de 25 ans, la recherche consistait à obtenir le meilleur classement possible : les utilisateurs saisissaient un mot-clé, obtenaient une liste de résultats et cliquaient sur l’un d’entre eux. En 2026, ce processus n’est définitivement plus la norme. ChatGPT, qui fait désormais partie intégrante des habitudes de recherche des utilisateurs, comptait environ 900 millions d’utilisateurs hebdomadaires en février 2026, soit plus du double par rapport à l’année précédente. Les « AI Overviews » de Google touchent plus de 2,5 milliards d’utilisateurs par mois en mai 2026, et le tout nouveau « AI Mode » a dépassé le milliard d’utilisateurs mensuels un an après son lancement. Les réponses, et non plus les listes de liens, constituent désormais la nouvelle norme.

Le discours le plus répandu de l’année – selon lequel l’achat direct dans le chat constitue la prochaine étape logique – a toutefois récemment perdu de son élan : en mars 2026, OpenAI a mis fin à la fonctionnalité “ Instant Checkout ” dans ChatGPT, environ cinq mois après son lancement aux États-Unis et alors que seuls une trentaine de commerçants Shopify l’avaient mise en service. La mise en relation des commerçants et la mise à jour des data sur les produits restaient difficiles, et Walmart a constaté un taux de conversion environ trois fois inférieur pour les achats effectués directement dans le chat par rapport aux clics redirigeant vers son propre site web. Le commerce conversationnel est inévitable – c’est simplement que le canal de paiement n’est pas encore prêt en 2026. L’infrastructure nécessaire ne cesse de se développer, mais pas de manière linéaire : OpenAI mise sur l’Agentic Commerce Protocol, Google sur l’Agent Payments Protocol (AP2), Perplexity sur “ Instant Buy ” avec PayPal, et Shopify met en place les “ Agentic Storefronts ” pour diffuser les data sur les produits vers plusieurs systèmes d’IA. S’engager dès aujourd’hui sur un système unique représente un risque inutile compte tenu de cette dynamique.

Pour qu’une marque parvienne à générer des conversions grâce à la recherche par IA, il faut d’abord poser les bases adéquates, avant même d’envisager le processus de paiement via le chat. Cela signifie que la mention et la recommandation dans la réponse de l’IA doivent intervenir en premier lieu, avant tout achat, quel que soit le lieu où la transaction a lieu. C’est ce que signifie l’optimisation générative des moteurs (GEO) : l’optimisation ciblée du contenu et des data afin que les systèmes d’IA tels que ChatGPT, Gemini ou Perplexity puissent trouver, comprendre et recommander une marque. La GEO ne remplace pas l’optimisation classique pour les moteurs de recherche (SEO) ; elle s’appuie en grande partie sur celle-ci.

2. Analyse approfondie : qu'est-ce que le GEO d'un point de vue technique ?

Pour utiliser le GEO (Generative Engine Optimization) de manière stratégique, il est utile de se pencher sur cette technologie – ainsi que sur ses noms, qui ont changé à plusieurs reprises depuis 2024. Le prototype de recherche d’OpenAI, “ SearchGPT ”, a été intégré à ChatGPT pour tous les utilisateurs dès février 2025 et s’appelle depuis lors “ ChatGPT Search ”. Chez Google, “ Gemini ” est le modèle sous-jacent, mais pas le produit qui fournit les réponses dans les résultats de recherche : “ AI Overviews ” correspond à l’encadré de réponse situé au-dessus des résultats classiques, tandis que “ AI Mode ” est un onglet de recherche conversationnelle distinct. Ces deux fonctionnalités s’appuient sur les modèles Gemini.

Techniquement, ChatGPT Search, AI Overviews/AI Mode et Perplexity reposent sur la « Retrieval-Augmented Generation » (RAG) : au lieu de se contenter d’indexer et de classer les pages, ces systèmes extraient des informations du Web en temps réel et synthétisent une réponse à partir de celles-ci. Pour que cela fonctionne, le contenu doit tout de même être exploré, indexé et compris : les principes fondamentaux classiques du référencement naturel (SEO) restent donc indispensables pour apparaître dans les réponses générées par l’IA. Que pouvez-vous donc faire, et que devez-vous éviter ?

Ce que révèlent réellement les études

L’étude universitaire la plus souvent citée concernant GEO (Princeton, IIT Delhi, Georgia Tech et l’Allen Institute for AI, KDD 2024, environ 10 000 requêtes de recherche) a testé neuf stratégies d’optimisation. Elle a mesuré la visibilité d’une source dans la réponse générée (part en nombre de mots et position). Les auteurs ont effectué leurs tests dans un environnement de recherche IA contrôlé et spécialement conçu à cet effet, ainsi que sur Perplexity ; ChatGPT Search et AI Overviews ne faisaient pas partie de l’étude. Le résultat est plus concret que ne le suggèrent la plupart des guides sur le GEO (augmentation de la visibilité par rapport à un contenu non optimisé) :

FacteurImportance pour GEOApproche stratégique
Statistiques dans le texte+31 % de visibilité dans la réponse générée par l'IAVeuillez inclure vos propres chiffres, études et données de référence
Citations directes provenant de sources identifiées+41 % de visibilité, le facteur le plus déterminant mis en évidence par l'étudeCitations d'experts et de clients, avec nom et fonction
Références (citer ses sources)+27 % de visibilité, particulièrement efficace pour les questions factuellesLien vers les sources primaires et data
Optimisation de la fluidité (texte fluide)+28 % de visibilité grâce à des textes plus fluidesUne formulation claire et facile à lire, plutôt que des formules de remplissage
Surcharge de mots-clésVisibilité en baisse de 8 % : cette tactique classique de référencement naturel a tendance à nuirePas de densité de mots-clés ; privilégiez plutôt les faits concrets

Tableau 1 : Stratégies d'optimisation scientifiquement prouvées pour le référencement naturel (SEO)

Les data structurées (Schema.org) n'ont pas été prises en compte dans cette étude. Google souligne que les principes fondamentaux applicables aux « AI Overviews » et au « Mode IA » sont les mêmes que ceux de la recherche classique, et qu'aucune optimisation spécifique ni aucun balisage particulier ne sont nécessaires. À notre avis, cela vaut tout de même la peine de le faire : lorsque les produits, les services et l’expertise sont clairement structurés via Schema.org et des flux de données propres, une IA est moins susceptible de fournir des informations erronées ou obsolètes concernant une marque.

3. Le nouveau parcours client : moins de clics, une intention d'achat plus forte

La baisse des clics classiques n'est plus une prévision, mais une réalité avérée : pour les requêtes informatives accompagnées d'un « AI Overview », le taux de clics organiques est passé de 1,76 % à 0,61 % entre juin 2024 et septembre 2025, selon Seer Interactive – soit une baisse d’un peu plus de 60 %. En revanche, les marques citées dans l’aperçu IA lui-même reçoivent nettement plus de clics que celles qui ne le sont pas, selon la même analyse. Au niveau des éditeurs, les data de Semrush (analysées par le Wall Street Journal) pour la période allant de juin 2025 à juin 2026 indiquent des baisses du trafic Google comprises entre 23 % (Politico) et plus de 85 % (Business Insider), bien que toutes ces baisses ne puissent pas être attribuées uniquement aux « AI Overviews ».

Dans le même temps, Adobe – s’appuyant sur plus d’un billion de visites sur des sites de vente au détail américains – démontre le contraire en matière de qualité : en mai 2026, le trafic généré par l’IA vers les sites de vente au détail a affiché un taux de conversion supérieur de 54 % à celui du trafic non généré par l’IA, a généré 53 % de chiffre d’affaires supplémentaire par visite et a progressé de 138 % en l’espace d’un an. Un an plus tôt, le trafic généré par l’IA affichait encore un taux de conversion nettement inférieur à celui des autres canaux.

Conclusion : le nombre de visiteurs est en baisse, mais ceux-ci sont nettement plus enclins à acheter. Le suivi classique des clics s'avère donc de plus en plus trompeur en tant qu'indicateur de réussite. La recommandation s'effectue dans le chat ; l'achat a lieu sur le site du commerçant.

L'indicateur le plus pertinent est appelé “ Share of Model ” (SoM) – un terme inventé en 2024 par Jack Smyth et Tom Roach (Jellyfish). À l’origine, cet indicateur décrit la manière dont un modèle linguistique perçoit une marque ; dans la pratique, on mesure généralement la part des réponses pertinentes générées par l’IA dans lesquelles la marque est mentionnée ou recommandée. Il n’existe pas encore de critères de référence uniformes, car les valeurs dépendent fortement de la catégorie, de l’ensemble de prompts et du système d’IA. Ce qui est le plus significatif, c’est avant tout la comparaison avec les concurrents directs au fil du temps. Contrairement aux classements classiques, il n’y a pas ici de “ 4e place ” : une marque est soit citée, soit invisible.

4. Feuille de route pour la mise en œuvre de GEO : cinq stratégies pour 2027

Comment une entreprise peut-elle donc se positionner pour l'avenir, afin d'être mentionnée dans les systèmes d'IA au même titre que dans les moteurs de recherche traditionnels ? Nous vous présentons cinq stratégies qui ont fait leurs preuves dans le cadre de nos missions auprès de nos clients et qui ont également été validées scientifiquement.

A. Structuration du contenu : du texte continu au “ contenu atomique ”

Les informations les plus importantes doivent figurer dans les deux premières phrases d’un paragraphe (principe de la réponse directe). Les listes et les tableaux facilitent l’extraction des comparaisons. Il s’agit là d’une règle empirique éprouvée par la pratique, et non d’une exigence confirmée par les fournisseurs. Concrètement, cela signifie que chaque page répond à une question spécifique du client, que les titres sont des affirmations ou des questions claires, et que les informations essentielles telles que les services, les tarifs, les conditions et les moyens de contact apparaissent sous forme de texte court et sans ambiguïté sur la page, plutôt que dans des graphiques, des fichiers PDF ou derrière des onglets. Les informations contradictoires ou obsolètes présentes sur différentes pages doivent être supprimées, car les systèmes qui recoupent plusieurs sources se heurtent sinon à des contradictions. Cette approche s’appuie sur des principes classiques du référencement naturel (SEO), tels que l’intention de recherche et une structure de page claire, mais les applique de manière plus cohérente à des énoncés individuels et extractibles.

B. Au niveau du texte : étayez vos propos, rédigez clairement, évitez de trop optimiser

La formulation elle-même contribue également à déterminer si un contenu apparaîtra dans une réponse générée par l’IA. Les affirmations étayées sont les plus efficaces : appuyez vos affirmations principales par des chiffres concrets, ajoutez des liens vers des sources primaires et citez des experts en mentionnant leur nom et leur fonction. Utilisez un langage fluide et facile à lire. Évitez le bourrage de mots-clés, c'est-à-dire la répétition fréquente de termes de recherche : cette pratique de référencement obsolète n'apporte aucun avantage dans ce contexte.

Ces stratégies sont particulièrement efficaces lorsqu'elles sont combinées, par exemple en associant un langage clair à des chiffres étayés. L'efficacité relative de chaque stratégie dépend du sujet abordé ; pour les questions factuelles, les références aux sources revêtent naturellement une importance particulière.

C. Fondements techniques : Data structurées pour les systèmes parallèles

Selon Google, le balisage Schema.org (Organisation, Personne, Produit, Avis) et des flux de produits bien structurés ne constituent pas une condition préalable à l’utilisation des « AI Overviews », mais ils constituent une base solide pour aider les systèmes d’IA à attribuer correctement les offres. En raison de la fragmentation décrite dans l’introduction (AP2, flux Shopify, protocole Agentic Commerce d’OpenAI), il est préférable de s’appuyer sur des normes de data ouvertes et indépendantes de toute plateforme plutôt que de se limiter à un seul protocole. Concrètement, cela signifie : fournir les data relatives aux produits, aux prix et à la disponibilité à partir d’une source unique et mise à jour, les publier via des data structurées, et vérifier régulièrement que le site web, le flux et les systèmes tiers concordent. L’accessibilité est également importante : les contenus essentiels doivent être accessibles aux robots d’indexation et ne pas être chargés exclusivement via des scripts.

D. Autorité de la marque (E-E-A-T 2.0)

E-E-A-T est l’acronyme de « Experience » (expérience), « Expertise » (expertise), « Authoritativeness » (crédibilité) et « Trustworthiness » (fiabilité). Il s’agit du cadre de référence issu des directives de Google destinées aux évaluateurs de qualité, qui fait partie intégrante des pratiques standard du référencement naturel depuis des années. Il constitue une base importante pour l’optimisation GEO, car l’intelligence artificielle valide les informations en recoupant plusieurs sources. Les mentions sur des sites tiers faisant autorité, ainsi que l’association de contenus à des profils d’auteurs et d’experts réels et vérifiables, sont considérées comme des signaux de confiance importants. Cela implique d’identifier les auteurs en indiquant leur nom, leur fonction et leur domaine d’expertise, de publier vos propres data et études que d’autres peuvent citer, et d’être présent sur les sites tiers auxquels l’IA se réfère dans votre catégorie (médias spécialisés, portails comparatifs, annuaires professionnels, plateformes d’avis).

E. Suivi : mesurer régulièrement la part de marché du modèle

Tests de prompts portant sur les 50 questions les plus importantes posées par les clients dans votre propre catégorie, effectués manuellement ou à l’aide d’outils, sur ChatGPT, Gemini et Perplexity. L’ensemble de prompts est organisé par intention client (informer, comparer, décider) et renouvelé régulièrement, car les réponses fournies par l’IA varient. L’évaluation examine si la marque est mentionnée, dans quel ton, et quelle est l’ampleur de l’écart par rapport aux principaux concurrents. La liste des indicateurs relatifs au contenu, à la data foundation et aux sources tierces ressort de ces écarts. Le suivi des requêtes complète le reporting SEO classique, composé des classements, de l’indice de visibilité et des clics ; ces deux perspectives vont de pair.

Nous vous recommandons de procéder dans cet ordre : commencez par l'analyse (E), car elle permet de déterminer la situation actuelle de la marque ; puis passez à la data foundation (C) ainsi que la structure (A) et la formulation (B) du contenu, qui permettent de combler les lacunes ; et, de manière continue, le renforcement de l’autorité (D), qui est l’étape la plus chronophage.

Ces cinq stratégies visent toutes la visibilité organique, c'est-à-dire les recommandations qu'une marque obtient grâce à sa data foundation. Parallèlement à cette visibilité organique, un deuxième canal fait son apparition : le placement payant dans le chat. Depuis fin août 2026, il existe également en Allemagne une option payante permettant d’apparaître dans la réponse générée par l’IA.

5. Visibilité payante dans le chat : les publicités ChatGPT en Allemagne

Le 24 août 2026, OpenAI a lancé ChatGPT Ads en Allemagne, ainsi que sur 30 autres marchés européens. Depuis le 31 août, les entreprises peuvent réserver elles-mêmes leurs campagnes directement dans Ads Manager, sans passer par l’équipe commerciale d’OpenAI. Les publicités apparaissent sous la forme de “ cartes sponsorisées ” spécialement identifiées sous une réponse, en lien avec le contexte de la conversation ; les publicités personnalisées ne sont toutefois pas encore disponibles dans l’EEE et en Suisse. Elles sont exclusivement présentées aux utilisateurs des formules gratuites « Free » et « Go ». Les utilisateurs des formules payantes « Plus », « Pro », « Business », « Enterprise » ou « Edu » ne voient toujours aucune publicité.

Cela suit un schéma bien connu issu du référencement classique : un canal purement organique devient un canal hybride alliant visibilité organique et placement payant – le référencement naturel (SEO) trouve son équivalent dans le référencement payant (SEA), mais à l'intérieur de la fenêtre de discussion plutôt qu'à côté de la liste des résultats.

La visibilité payante ne touche que le segment des utilisateurs gratuits, et non les utilisateurs payants, qui sont vraisemblablement plus enclins à dépenser davantage. De plus, une “ carte sponsorisée ” n’est pas comparable à une recommandation organique émanant de l’IA elle-même : la différence entre une visibilité achetée et une visibilité méritée reste bien réelle pour la crédibilité d’une marque, tout comme cela a toujours été le cas entre une annonce de référencement et un classement organique. OpenAI souligne d’ailleurs que la publicité n’influence pas les réponses de ChatGPT. Quiconque se fie uniquement aux publicités, sans créer la data foundation nécessaire à la citabilité organique décrite dans la section 4, n’achète de la portée qu’auprès d’une partie seulement des utilisateurs. Or, la portée achetée ne génère pas de véritable recommandation, contrairement au contenu organique.

6. Conclusion : C’est la fondation Data qui décide, et non le canal de paiement

Aujourd’hui, le référencement naturel (SEO) fait le lien entre la science des données, la gestion de marque et les ventes. Les événements de 2025/26 montrent toutefois que tous les paris sur le commerce conversationnel ne portent pas immédiatement leurs fruits. Ce qui reste, c’est la nécessité d’une data foundation solide, structurée et à jour – car quel que soit le protocole de paiement qui s’imposera finalement, c’est cette data foundation qui détermine si une IA connaît, comprend et recommande une marque. Les placements payants dans le chat ne remplacent pas non plus cette base : une portée achetée ne saurait se substituer à une recommandation méritée. Les marques qui ne disposent pas de data fiables et d’une base SEO solide ne seront pas mentionnées par les chatbots IA.

Artefact aide les entreprises à renforcer systématiquement leur visibilité dans les réponses générées par l'IA et dans la recherche classique : de l'analyse de la manière dont ChatGPT, Gemini et Perplexity présentent la marque aujourd’hui, en passant par des recommandations concrètes en matière de contenu et de data foundation, jusqu’au suivi continu d’indicateurs clés de performance (KPI) tels que la « Share of Model ».

Sources d'information