« Être référencé sur les IA » ne veut pas dire grand-chose tant qu’on n’a pas précisé de quel moteur on parle. ChatGPT, Gemini, Perplexity, Copilot et les AI Overviews de Google ne puisent pas dans le même index et ne pondèrent pas les mêmes signaux. La conséquence est très concrète : il n’existe pas un réglage IA qu’on activerait une fois pour toutes, mais un socle SEO commun et des diagnostics à mener moteur par moteur. C’est d’ailleurs le principal défaut des prestations vendues aujourd’hui sous l’étiquette GEO, elles livrent la même liste de recommandations quelle que soit la cible. Voici ce que le mécanisme impose réellement, ce que Google en dit noir sur blanc, et les fausses pistes qui coûtent le plus de temps.
de quoi on parle exactement
Le référencement IA est le travail qui vise à faire d’un site une source citée dans les réponses générées par les moteurs de réponse, au lieu d’un simple résultat cliquable dans une page de résultats. L’objectif change de nature : on ne cherche plus une position, on cherche une citation.
Ce déplacement a une conséquence que peu d’articles formulent clairement. En SEO classique, l’unité de travail est la page, et le moteur la classe entière. Dans un moteur de réponse, l’unité de travail devient le passage. Le système récupère des fragments de texte jugés pertinents dans un index, les assemble avec ceux d’autres sources, puis rédige une synthèse. Une page peut donc être excellente dans l’absolu et ne jamais fournir un seul fragment exploitable, parce que ses informations ne tiennent pas debout hors contexte.
Les acronymes qui circulent (GEO, AEO, SEO IA, AIO) désignent tous cette même bascule. Ils viennent des agences, pas des moteurs, et la profusion des étiquettes en dit plus long sur le marché de la prestation que sur la technique.
ce qui change vraiment : le mécanisme de récupération
Les moteurs de réponse fonctionnent sur un principe de génération augmentée par la récupération, plus connu sous son acronyme anglais RAG. La chaîne comporte toujours les mêmes maillons : interprétation de la question, récupération de documents candidats dans un index, filtrage et classement de ces candidats, puis rédaction contrainte par ce qui a été retenu. La génération arrive en dernier, ce qui veut dire qu’un contenu écarté à l’étape de récupération n’a aucune chance d’être reformulé plus tard.
L’étape déterminante est donc la récupération, et c’est précisément là que les moteurs divergent le plus. Perplexity crawle et indexe le web pour son propre compte, avec un index maison de plusieurs centaines de milliards d’URLs et une exigence de fraîcheur poussée. ChatGPT s’appuie en navigation sur un index de recherche tiers, et Claude n’a pas d’index propre non plus : il délègue la recherche à un moteur externe. Mistral a pris le chemin inverse et crawle désormais le web pour son propre compte. Les AI Overviews de Google reposent, eux, sur l’index maison du moteur.
Autrement dit, une demi-douzaine de moteurs et au moins quatre index différents. Un site parfaitement positionné sur Google peut être totalement invisible pour Perplexity si son robot n’a jamais eu accès aux pages. Partager un index ne suffit d’ailleurs pas à partager les sources : seulement 19 % des sources des AI Overviews proviennent du top 10 organique, et Copilot ne recoupe les citations de Google qu’à 9,81 %. L’écart devient encore plus marqué sur les requêtes locales, où ChatGPT ne construit pas sa liste d’établissements à partir de pages web mais interroge une base de lieux tierce : optimiser son site n’y change rien, le levier se trouve ailleurs.
Le premier réflexe utile n’est donc jamais éditorial. Il consiste à ouvrir les logs d’accès du serveur et à vérifier, robot par robot, qui passe réellement sur le site. En audit, c’est là que je trouve le plus souvent la cause du problème : un pare-feu applicatif ou une protection anti-bot du CDN qui bloque silencieusement les crawlers d’IA générative, sans que personne dans l’entreprise ne l’ait décidé. Tant que ce point n’est pas réglé, tout le reste est du travail à perte.
Le contrôle suivant est de même nature et se rate tout aussi souvent. Ces robots lisent le HTML brut sans exécuter le JavaScript : un menu ou un bloc de liens connexes rendu côté client produit un maillage interne qui n’existe pas pour eux, et donc des pages qu’aucun moteur de réponse ne découvrira jamais.
ce que Google dit officiellement, et où s’arrête cette réponse
La documentation Google Search Central consacrée aux fonctionnalités IA est explicite : aucune optimisation particulière n’est requise pour apparaître dans les AI Overviews ou dans AI Mode. Pas de balisage dédié, pas de données structurées spécifiques, pas de nouveau fichier lisible par machine. Google renvoie aux fondamentaux : autoriser l’exploration, publier un contenu utile et original, rendre l’information disponible sous forme textuelle, soigner l’expérience de page.
Cette position est fiable et il faut la prendre au sérieux, mais elle ne couvre qu’un périmètre. Google parle de ses propres surfaces, celles qui s’alimentent à son index. Elle ne dit rien de la façon dont Perplexity classe ses candidats, ni des sources dans lesquelles ChatGPT va puiser quand il ne navigue pas. Les deux affirmations coexistent sans se contredire : sur Google, le référencement IA est effectivement du SEO ; sur les autres moteurs, il faut vérifier les conditions d’accès et de sélection propres à chacun.
Cette nuance vaut d’être posée, parce que le débat public s’est enfermé dans un faux dilemme. D’un côté des agences qui vendent le GEO comme une rupture totale, de l’autre des professionnels qui répètent que le GEO n’existe pas. Les deux camps ont tort à moitié.
les leviers qui tiennent réellement
Une fois l’accès des robots vérifié, trois chantiers concentrent l’essentiel du rendement.
Écrire des passages autonomes. Une phrase citable se comprend sans son paragraphe d’origine. Elle contient son sujet, sa donnée, son unité et sa date, elle ne commence pas par « comme nous l’avons vu » et ne renvoie pas à un tableau situé plus haut. C’est l’adaptation la plus rentable et la moins spectaculaire du travail rédactionnel : reformuler les définitions, les chiffres et les étapes pour qu’ils survivent à l’extraction. Les analyses de contenus effectivement repris dans les réponses convergent sur ce point, ce sont les définitions nettes, les données chiffrées, les comparaisons et les procédures numérotées qui remontent, pas les paragraphes d’ambiance.
Apporter de l’information que personne d’autre n’a. Un modèle n’a aucune raison de citer une page qui reformule ce que dix autres disent déjà mieux. Les données propriétaires, les tests menés soi-même, les retours chiffrés d’une mission réelle sont ce qui rend une source nécessaire plutôt qu’interchangeable. C’est aussi la seule définition opérante de l’E-E-A-T, celle que je détaille à propos du SEO éthique : démontrer une expertise au lieu d’en afficher les signaux. Et c’est le prolongement direct du travail sur l’intention derrière une requête cible : répondre précisément à ce qui est demandé, avec quelque chose qui n’existe pas ailleurs.
Exister ailleurs que sur son site. Les moteurs de réponse citent massivement des sources tierces, comparatifs sectoriels, forums, médias spécialisés, annuaires professionnels. Une marque absente de ces supports voit son domaine mobilisé uniquement sur les requêtes qui la nomment explicitement. C’est le levier le plus lent, le plus proche des relations presse, et celui que les prestations techniques ignorent le plus souvent. Il ne se confond pas avec l’achat de liens : les corrélations mesurées entre métriques de backlinks et visibilité dans les moteurs de réponse restent modérées, et ce que le netlinking vaut encore aujourd’hui mérite d’être chiffré avant d’y mettre un budget.
deux fausses pistes coûteuses
La première est le fichier llms.txt. Présenté comme le nouveau robots.txt des IA, il n’est utilisé par aucun moteur à ce jour. L’agence Seomix a publié en 2026 un protocole de test propre : six sites, soixante jours, logs serveur filtrés sur les robots d’IA authentifiés, 33 092 passages relevés sur 2 249 URLs. Aucun de ces passages n’a demandé le fichier llms.txt, ni même testé son existence. Une analyse d’Ahrefs sur un échantillon bien plus large de domaines aboutit au même constat, la quasi-totalité de ces fichiers ne reçoit jamais la moindre requête. John Mueller l’a comparé à la balise meta keywords, ce qui, dans le vocabulaire SEO, est une manière polie d’enterrer un sujet.
La seconde est l’empilement de données structurées « pour l’IA ». Le balisage schema.org garde toute son utilité pour Google et pour la cohérence de vos entités, mais aucun moteur de réponse ne documente un type de balisage qui déclencherait une citation. La documentation de Google le dit d’ailleurs directement. Ajouter du balisage à un contenu qui ne dit rien de neuf ne produit aucun effet, dans un sens comme dans l’autre.
mesurer sans se raconter d’histoires
C’est la partie inconfortable, et celle qui justifie le plus de prudence dans les promesses.
Les données publiées sur le sujet sont abondantes et souvent contradictoires. Sur la question pourtant simple de la part des citations qui pointent vers le site d’une marque plutôt que vers un tiers, les études sérieuses de 2026 vont de moins de 3 % à plus de 85 % selon la méthode, le corpus de prompts et la définition retenue pour « citation ». Un écart de cet ordre signifie qu’aucun de ces chiffres ne peut servir d’objectif contractuel. Ils indiquent une direction, pas un niveau.
Ce qui est en revanche solidement établi, c’est l’effet sur le trafic. L’étude d’Ahrefs portant sur 300 000 mots-clés, moitié avec AI Overview et moitié sans, mesure un taux de clic inférieur de 34,5 % pour la première position organique lorsqu’un AI Overview est présent. La citation ne compense pas mécaniquement le clic perdu, et personne ne devrait promettre le contraire.
Aucun outil du marché ne comble ce trou pour l’instant. Ceux qui branchent une IA sur vos données Search Console, comme ChatSEO, pilotent très bien du SEO Google mais ne voient rien des citations obtenues ailleurs, pour la raison simple qu’aucun moteur de réponse ne fournit de console aux éditeurs.
En pratique, la mesure honnête repose donc sur trois relevés distincts, aucun ne suffisant seul. Un suivi manuel : une liste figée de quinze à vingt questions représentatives, posées chaque mois dans les mêmes conditions, avec relevé des domaines cités. Un suivi analytique : le trafic référent depuis les domaines des plateformes d’IA, marginal en volume mais souvent mieux converti. Un suivi technique : le passage effectif des robots dans les logs. Sur mes propres sites, ce triptyque met plusieurs mois à donner une tendance lisible, et c’est le rythme normal de cette activité. Toute prestation qui annonce des résultats mesurables sous trente jours décrit une réalité que la mécanique de ces moteurs ne permet pas encore.