SEO et GEO : quelles différences pour une marque ?

Le SEO cherche à placer les pages d’une marque dans les résultats d’un moteur de recherche, à un rang que l’on peut suivre. Le GEO, au sens de cet article, vise à ce que la marque soit recommandée, ou ses pages citées, dans les réponses rédigées par ChatGPT, Gemini, Claude ou Perplexity. Les deux reposent sur des pages accessibles et claires. Ils diffèrent par la forme du résultat, une liste classée ou un texte qui varie, et donc par leur mesure.

Pour la définition de la visibilité IA, lisez ce qu’est la visibilité IA d’une marque. Cet article compare les deux démarches, sans recette : rien de ce qui suit ne garantit qu’une marque soit citée ou recommandée.

Ce que cet article appelle GEO

Le sigle GEO (generative engine optimization) est récent et ses usages varient. Google le cite pour désigner le travail consacré à la visibilité dans les recherches par IA, et précise que, de son point de vue, optimiser pour ces recherches reste du SEO ; sa documentation parle de « fonctionnalités d’IA » (AI features) de la recherche, comme les AI Overviews et l’AI Mode. Nous l’employons ici au sens suivant : les efforts d’une marque pour figurer dans les réponses générées par des assistants IA. Trois cas sont à distinguer :

• Mention : la réponse nomme la marque, quel que soit le contexte, sans forcément la conseiller.
• Recommandation : la réponse conseille la marque pour le besoin posé.
• Citation : la réponse renvoie à une page comme source, qu’elle recommande ou non la marque.

SEO et GEO en un tableau

Les fondations communes

Dans les deux cas, un moteur doit pouvoir accéder aux pages de la marque et les comprendre. Google écrit, dans sa page consacrée aux fonctionnalités d’IA, que les bonnes pratiques du SEO restent pertinentes pour elles, et précise :

« There are no additional requirements to appear in AI Overviews or AI Mode, nor other special optimizations necessary. »

Autrement dit (notre traduction) : aucune exigence supplémentaire ni optimisation spéciale n’est nécessaire pour apparaître dans les AI Overviews ou l’AI Mode. Pour y figurer comme lien de référence, une page doit être indexée et pouvoir s’afficher dans la recherche Google avec un extrait. Cette déclaration ne vaut que pour Google.

Les points à vérifier sur ses pages

Tirés de cette page de Google, ces points servent aux deux canaux, sans rien garantir :

1. Les pages importantes sont indexées et peuvent s’afficher avec un extrait.
2. Le robots.txt autorise leur exploration, et des liens internes y mènent.
3. Le contenu important existe sous forme de texte.
4. Les données structurées correspondent au texte visible.

Une piste éditoriale, sans garantie non plus : une page par besoin auquel la marque répond, qui dit en toutes lettres pour qui et pour quel usage.

Résultats de recherche et réponses générées

Il n’y a pas de position 1 au sens du SEO. Une réponse générée est un texte : la marque y est recommandée, simplement mentionnée, ou absente ; si elle figure dans une liste, son rang n’est qu’une lecture de l’ordre du texte. Une page peut être citée comme source sans que la marque soit recommandée, et l’inverse peut arriver.

Les réponses varient. Posée plusieurs fois, une même question peut recevoir des réponses différentes : nous le constatons d’un passage à l’autre. Google indique aussi que les AI Overviews et l’AI Mode peuvent utiliser des modèles et des techniques différents, si bien que leurs réponses et leurs liens diffèrent (« so the set of responses and links they show will vary »). Il décrit également le query fan-out : lancer plusieurs recherches liées, sur des sous-thèmes et des sources différents, pour construire une réponse.

La recherche web n’est pas systématique. Dans nos mesures, faites par les API des éditeurs avec la recherche web activée, chaque moteur décide lui-même de chercher ou non. Une réponse ne s’appuie donc pas toujours sur des pages consultées au moment de la question.

Exemple fictif : un rang Google face à trois réponses

Exemple fictif. Une marque de chaussures de randonnée arrive en tête de Google sur « chaussures de randonnée légères ». On pose trois fois à un assistant « quelles chaussures de randonnée légères choisir pour débuter ? », sans la nommer. Première réponse : elle est recommandée. Deuxième : une page de son site est citée comme source, mais la réponse conseille deux concurrents. Troisième : elle n’apparaît pas.

La première place en SEO ne dit rien de ces réponses, et aucune ne résume les deux autres. Une présence dans les réponses n’est ni une note de qualité, ni la preuve qu’une action l’a provoquée.

Robots d’exploration : ce que disent les éditeurs

Chaque éditeur emploie plusieurs robots, pour des usages distincts. Le robots.txt s’examine donc robot par robot, en séparant recherche et entraînement.

• OpenAI. OAI-SearchBot sert à la recherche de ChatGPT : les sites qui l’excluent ne sont pas montrés dans ses réponses de recherche, mais peuvent encore apparaître comme liens de navigation. GPTBot collecte des contenus pouvant servir à l’entraînement. Les deux réglages sont indépendants : un site peut autoriser le premier et refuser le second. Pour ChatGPT-User, déclenché par des actions d’utilisateurs, les règles du robots.txt peuvent ne pas s’appliquer.
• Google. Le jeton Google-Extended gère l’usage des contenus pour entraîner les futurs modèles Gemini et pour l’ancrage (grounding) dans les applications Gemini et Vertex AI ; il n’a aucun effet sur l’inclusion ni sur le classement dans la recherche Google. Pour limiter ce qu’une page montre dans la recherche, Google renvoie aux directives nosnippet, data-nosnippet, max-snippet et noindex.
• Anthropic. ClaudeBot collecte des contenus pouvant servir à l’entraînement. Bloquer Claude-SearchBot ou Claude-User peut, selon Anthropic, réduire la visibilité du site quand Claude cherche sur le web pour ses utilisateurs. Anthropic indique que ses robots respectent le robots.txt.
• Perplexity. PerplexityBot sert aux résultats de recherche, pas à l’entraînement de modèles de fondation ; Perplexity recommande de l’autoriser pour y apparaître. Perplexity-User, qui agit à la demande d’un utilisateur, ignore en général le robots.txt.

Autoriser un robot de recherche rend l’exploration possible, sans garantir de citation ni de recommandation.

Et le fichier llms.txt ?

llms.txt est une proposition publiée en septembre 2024 sur llmstxt.org : un fichier Markdown qui présente un site aux modèles de langage. Google écrit qu’il n’est pas nécessaire de créer de nouveaux fichiers lisibles par machine, de fichiers texte pour l’IA ou de balisage pour apparaître dans ses fonctionnalités d’IA. Un fichier llms.txt ne garantit rien : ni exploration, ni citation, ni recommandation.

Des indicateurs distincts

Côté SEO, Search Console fournit clics, impressions, taux de clics et position moyenne. Google indique que les sites présents dans ses fonctionnalités d’IA sont inclus dans le trafic de recherche global de Search Console, rapport Performances, type de recherche « Web ». Un rapport sur l’IA générative compte en outre les impressions : le nombre de fois où des liens vers le site ont été montrés dans ces fonctionnalités. Il mesure des citations du site sur Google, pas des recommandations de la marque.

Côté GEO, l’unité n’est plus une position mais une réponse :

• la part des réponses valides qui recommandent la marque, numérateur et dénominateur sur le même périmètre ;
• le nombre de moteurs qui la recommandent au moins une fois ;
• les sources citées dans ces réponses ;
• les concurrents recommandés à sa place.

Le trafic venu des assistants se lit dans l’outil d’analyse quand le référent est transmis ; une part reste non attribuable, et le trafic direct ne peut pas être imputé en bloc à ChatGPT.

Mesurer les deux canaux

Le SEO se mesure avec les outils du moteur. Le GEO se mesure en posant des questions, puis en les reposant. La méthodologie de Qui est prems :

1. Des questions neutres, formulées comme un besoin, qui ne nomment jamais la marque.
2. Chaque question posée 3 fois à ChatGPT, Gemini, Claude et Perplexity, par leurs API, recherche web activée.
3. Une réponse ne compte que si elle recommande la marque pour le besoin posé, avec un extrait recopié mot pour mot et vérifié. Une simple mention ne compte pas.
4. Les résultats portent sur les réponses valides, parfois moins nombreuses que les réponses attendues.

Une étude sur mesure porte sur une marque et 1 à 3 concurrents : 12 questions, 4 moteurs, 3 passages, soit 144 réponses attendues, pour 149 € HT, rapport sous 4 heures. Ses réponses n’alimentent jamais un classement public. Le baromètre Cognac applique le même principe à tout un secteur.

Suivre les deux canaux côte à côte

1. Listez les besoins auxquels la marque répond, sans la nommer.
2. Côté SEO, suivez dans Search Console les requêtes qui y correspondent.
3. Côté GEO, transformez ces besoins en questions neutres, posez-les plusieurs fois à chaque moteur et comptez les réponses qui recommandent la marque.
4. Datez chaque mesure et gardez le même protocole.
5. Lisez les deux séries séparément : aucune n’explique l’autre, ni ne prouve à elle seule l’effet d’une action.

Le détail du protocole est dans comment mesurer la visibilité d’une marque dans les IA ; pour un premier test, voyez comment savoir si ChatGPT recommande votre marque.