Vous avez appris le SEO pour Google. Voici ce qui vient après.

On ne « cherche » plus, on « demande ». ChatGPT, Perplexity, Claude sont devenus des points d’entrée vers l’information au même titre que Google. La question centrale n’est plus comment ranker sur Google ? mais comment exister dans les réponses IA ?

Le domaine porte plusieurs noms — GEO (Generative Engine Optimization), LLMO (Large Language Model Optimization), AEO (Answer Engine Optimization) — parce qu’il se consolide en ce moment même¹²³.

SEO classique vs GEO — ce qui change vraiment

La notion de « zero-click » prend une nouvelle dimension : l’IA répond sans renvoyer vers le site. Paradoxe : le trafic IA est rare (0,13 % des sessions selon Previsible⁴) mais très intentionnel.

Comment les LLMs « connaissent » votre contenu

C’est le cœur technique. Trois chemins coexistent :

1. L’entraînement (training data)

Le modèle a ingéré des milliards de pages lors de sa construction : Common Crawl, Wikipedia, GitHub, Reddit, publications de référence. Le cycle est long (6-18 mois), sans levier direct. Conséquence : la réputation cross-canal compte — cohérence nom/produit/expertise sur tous les supports⁵.

2. La recherche temps réel (RAG web)

Perplexity, ChatGPT Search, Claude avec outils : ils crawlent le web au moment de la question, passent par Bing et/ou Google. Si vous êtes indexé là, vous êtes potentiellement visible. Levier direct : SEO classique + robots.txt ouvert⁶⁷.

3. Le contexte direct (RAG custom / agents)

L’utilisateur ou un système amène votre contenu directement dans la conversation — plugins, MCPs, APIs, flux de données. Levier : publier dans des formats lisibles par les machines (Markdown, JSON, API ouverte).

graph TD
    A[Votre contenu] --> B[Entraînement LLM
Common Crawl, Wikipedia...]
    A --> C[RAG web temps réel
Bing, Google → Perplexity, ChatGPT]
    A --> D[Contexte direct
Plugins, MCP, API]
    B --> E[Réponse IA]
    C --> E
    D --> E
    class E attention
    class A neutre

Les leviers pratiques

Ouvrir les portes aux crawlers IA (effort : 1h)

Vérifiez votre robots.txt : autorisez GPTBot, PerplexityBot, ClaudeBot, Google-Extended. Piège fréquent : Cloudflare bloque les bots IA par défaut depuis 2024⁷.

Le fichier llms.txt (effort : quelques heures)

Un fichier Markdown placé à la racine du domaine, analogue à robots.txt et sitemap.xml — mais pour les IA. Il offre aux modèles un highlight reel de votre site. Plus de 840 000 sites l’ont implémenté en 2025, dont Cloudflare, Stripe, Anthropic⁸. Mais un audit indépendant n’a trouvé aucune visite de bots IA sur ces fichiers⁹.

Verdict nuancé : peu coûteux, bénéfice incertain à court terme, probablement utile à moyen terme.

Structurer le contenu pour être « citation-ready » (effort : continu)

Les modèles favorisent le contenu qu’ils peuvent extraire, citer et vérifier :

• Answer-first : répondez à la question dès le premier paragraphe
• Titres en forme de questions (correspondent aux requêtes conversationnelles)
• Faits vérifiables avec dates, sources, chiffres — les LLMs préfèrent ce qu’ils peuvent « vérifier »
• Schema.org markup : bénéficie autant au SEO classique qu’au GEO
• Les contenus avec statistiques sourcées sont cités 40 % plus souvent⁵⁷

Construire une présence sur les sources que les LLMs ingèrent (effort élevé, impact fort)

Wikipedia, GitHub, Hacker News, Reddit, presse spécialisée. Cohérence cross-canal : même nom, mêmes informations, partout. Être cité par d’autres = signal d’autorité pour les modèles⁵⁶.

Le cas Perplexity — le plus actionnable

Perplexity effectue une recherche web en temps réel sur chaque requête. 50 % de ses citations proviennent de contenus publiés en 2025 — la fraîcheur est son signal le plus fort. Mise à jour mensuelle recommandée. S’assurer d’être bien indexé sur Bing (Perplexity l’utilise massivement)⁷.

Ce qui ne change pas

Le bon contenu reste du bon contenu. La clarté, la structure, la crédibilité des sources — ce sont les mêmes piliers que le SEO classique. La différence : en GEO, ces qualités ne servent plus à convaincre un algorithme de classement, elles servent à être extrait et cité par un modèle de langage.

Checklist finale

Il n’existe pas encore d’équivalent de la Search Console pour les LLMs. La visibilité se construit indirectement — en étant bien indexé sur les moteurs classiques que les LLMs utilisent, et en ayant une présence cohérente sur les sources que les modèles ont ingérées à l’entraînement.

Bibliographie