Votre meilleur article rankait en position 1 sur Google il y a six mois. Aujourd’hui, ChatGPT répond à la même question sans citer votre site une seule fois. Que s’est-il passé ?
La GEO (generative engine optimization) consiste à structurer son contenu et sa présence web pour apparaître dans les réponses des LLM. Ce guide part des mécanismes de citation propres à chaque plateforme pour aboutir à des actions reproductibles. Comptez 2 à 3 semaines pour les modifications on-page et 2 à 3 mois pour que la présence tierce produise ses premiers effets.
La plupart des ressources disponibles sur la GEO proposent des listes de tactiques génériques traitant ChatGPT, Claude et Perplexity comme un bloc homogène. Traiter les trois plateformes de façon identique aboutit à des ajustements qui fonctionnent sur l’une et ratent les deux autres. Les mécanismes de citation diffèrent. Les signaux prioritaires aussi.
Comment ChatGPT, Claude et Perplexity sélectionnent leurs sources
ChatGPT (GPT-5) combine données d’entraînement et recherche web via SearchGPT. Quand la recherche web est activée, il privilégie les sources récentes avec une autorité de domaine établie. Depuis son corpus d’entraînement, il s’appuie sur les sources bénéficiant d’une forte présence tierce dans ses données : publications, mentions sur forums, références croisées.
Claude (Opus 4.7) synthétise plutôt qu’il ne cite directement dans la majorité de ses réponses conversationnelles. Son context window étendu lui permet d’absorber des documents longs, ce qui valorise les articles denses et structurés logiquement plutôt que les formats Q&A courts. L’information hiérarchisée avec des titres clairs facilite l’extraction.
Perplexity fonctionne en retrieval temps réel à chaque requête. C’est la plateforme la plus observable pour les praticiens : elle liste ses sources de façon systématique. Elle affiche en moyenne 8,2 sources citées par réponse selon MarGen 2026, soit 3,4 fois plus que ChatGPT en mode recherche web. Wikipedia apparaît dans 31 % de ses réponses.
| Plateforme | Mécanisme | Signal prioritaire | Levier actionnable |
|---|---|---|---|
| ChatGPT (GPT-5) | Training data + web search | Autorité domaine, mentions tierces | PR sectoriel, FAQ schema, TL;DR en tête d’article |
| Claude (Opus 4.7) | Training synthétisé | Hiérarchie H2/H3 logique, titres précis | Structure argumentée, dates visibles, sources datées |
| Perplexity | Retrieval temps réel | Fraîcheur, données chiffrées, extractibilité | Date de mise à jour visible, FAQ schema, statistiques sourcées |
Établir son baseline : auditer sa visibilité LLM
Avant de modifier quoi que ce soit, établissez un état des lieux. Lancez vos 20 à 30 requêtes cibles dans les trois plateformes. Notez dans un tableur : est-ce que votre site est cité, en quelle position, quel concurrent est cité à votre place.
Ce baseline prend une heure et révèle les priorités réelles.
- Sélectionnez les requêtes où vous rangiez en TOP 3 Google il y a 12 mois
- Testez la même requête dans les trois plateformes séparément
- Documentez : cité / pas cité / concurrent cité et sa position
- Identifiez les concurrents systématiquement présents dans les réponses
L’écart entre visibilité Google et visibilité LLM est souvent brutal. Selon les données omnibound.ai compilées en 2026, 83 % des sources citées par les LLM ne figurent pas dans le top 10 Google selon omnibound.ai. Arriver premier sur Google ne garantit plus d’apparaître dans les réponses IA.
Les 5 leviers on-page pour rendre son contenu extractible
Une fois le baseline établi, les données académiques fournissent une hiérarchie claire. L’étude d’Aggarwal et al., publiée à l’ACM KDD 2024 (IIT Delhi, Princeton, Georgia Tech et Allen Institute for AI), a testé neuf stratégies de modification de contenu sur 10 000 requêtes et 10 moteurs génératifs :
- Ajouter des statistiques avec leur source : +41 % de visibilité dans les réponses IA
- Ajouter des citations directes d’experts identifiés : +28 % de visibilité
- Citer des sources externes dans le corps du texte : +115 % de visibilité pour les contenus peu classés
Statistiques sourcées
Chaque chiffre doit être accompagné de sa source et de son année. Les LLM extraient plus facilement les faits quantifiés avec attribution explicite et les traitent comme des unités d’information fiables.
Citations d’experts identifiés
Un nom, une fonction, une date. Les LLM traitent les citations correctement attribuées comme des contenus extractibles prioritaires. Une citation anonyme n’a pas le même poids qu’une citation attribuée.
Blocs Q&A structurés
Les sections formulées en question/réponse sont extractibles mot pour mot par les LLM. Chaque question doit correspondre à une requête probable de l’utilisateur final, formulée dans son registre naturel.
Dates visibles dans le corps de l’article
La fraîcheur est un signal fort pour Perplexity et pour le web search de ChatGPT. Afficher la date de publication et la date de dernière mise à jour dans le corps de l’article, pas uniquement dans les métadonnées. Les systèmes de retrieval traitent un article sans date visible comme périmé.
Schéma JSON-LD
Article schema avec dateModified et datePublished, FAQ schema sur les blocs Q&A, HowTo schema pour les tutoriels. Ces balises rendent les limites de l’information explicites pour les crawlers IA et accélèrent l’indexation dans les corpus de retrieval.
La présence tierce : le levier que les guides ignorent
Les guides GEO insistent sur la structure on-page. Un levier reste systématiquement sous-estimé.
Selon les données omnibound.ai compilées en 2026, 82 % des citations dans les réponses IA proviennent de sources tierces et non du site de la marque. Pour qu’un LLM vous cite, d’autres sources indépendantes doivent vous mentionner.
Ce mécanisme s’appelle le multi-source consensus. Avant de citer une information, ChatGPT ou Perplexity cherchent un accord entre plusieurs sources indépendantes. Une seule page bien optimisée ne suffit pas si le reste du web ne confirme pas votre autorité sur le sujet.
Trois canaux à activer en priorité :
- Reddit et Stack Exchange combinés pèsent 18 % des citations Perplexity selon les données 2026. Contribuer authentiquement sur les subreddits de votre domaine produit des contenus citables pendant des mois après publication.
- Les publications sectorielles, pas uniquement les médias généralistes tier-1. Chaque mention dans un site reconnu de votre verticale entre dans le corpus d’entraînement des LLM et dans leur retrieval en temps réel.
- Les wikis spécialisés et bases de données sectorielles. Pour les domaines techniques, une documentation publique sur GitHub ou un wiki de niche sont des sources régulièrement citées par les moteurs génératifs.
Les 7 actions GEO à déployer en 2026
La séquence dans l’ordre logique de déploiement :
- Établir le baseline : lancer 20 à 30 requêtes cibles dans les trois plateformes et documenter les résultats selon le protocole décrit plus haut.
- Identifier les 10 pages prioritaires : les pages qui généraient du trafic organique sur des requêtes maintenant absorbées par les LLM.
- Ajouter statistiques sourcées et citations d’experts : au moins 3 chiffres avec source et année par page prioritaire.
- Restructurer en blocs Q&A : transformer les sections existantes en paires question/réponse. Chaque réponse tient en 50 à 80 mots.
- Rendre les dates visibles dans le corps de l’article : date de publication et date de dernière mise à jour, pas uniquement dans les métadonnées.
- Déployer le schéma JSON-LD : Article schema avec datePublished et dateModified, FAQ schema sur les sections Q&A.
- Activer la présence tierce : planifier 2 à 3 contributions Reddit par mois sur les requêtes cibles, identifier 5 publications sectorielles pour des mentions organiques.
Mesurer ses citations AI
Un audit mensuel suffit pour commencer. Testez manuellement d’abord. Lancez les requêtes cibles dans chaque plateforme, documentez les sources citées, mesurez l’évolution mois après mois.
Trois indicateurs à suivre :
- Citation share : sur vos 30 requêtes cibles, combien de fois votre site est-il cité dans les réponses ?
- Share of voice IA : quelle proportion de citations vous revient face à vos principaux concurrents ?
- Position dans la réponse : la première source citée sur Perplexity capte une part disproportionnée des clics — être cité en tête plutôt qu’en source 3 ou 4 change substantiellement la visibilité réelle.
Des outils comme Otterly, Profound ou BrandWell automatisent ce suivi. Pour les équipes qui utilisent déjà des agents ou du RAG en production avec un system prompt personnalisé : le comportement des LLM via API ne correspond pas au comportement de leurs interfaces publiques. La GEO cible l’interface publique, pas le modèle que vous pilotez directement.
Le trafic généré par les citations IA se convertit à 14,2 % selon les données sectorielles 2025, contre 2,8 % pour l’organique Google. Ce ratio change la façon de calculer le retour d’une stratégie de contenu.
Le web a toujours récompensé les sources qui méritent d’être lues.
