La Generative Engine Optimization (GEO) désigne les mesures qui permettent à des contenus d'apparaître dans les réponses de systèmes d'IA générative comme ChatGPT, Gemini ou Perplexity. Le terme vient d'une étude menée en 2023 par des chercheurs de la Princeton University et d'autres instituts. Cette étude établit que les paragraphes contenant des chiffres, des citations et des sources étaient plus souvent repris dans des environnements de test. Beaucoup de ce qui se vend aujourd'hui comme du GEO va au-delà et n'est pas démontré.
Depuis 2024, le terme GEO apparaît dans presque toutes les offres de visibilité IA, souvent à côté d'AEO et de LLMO, et rarement avec une explication de ce qui est réellement visé. Pourtant, le GEO a une origine claire et un noyau démontré limité. Cette page sépare ce qui vient de la recherche, ce qui relève de l'expérience pratique et ce qui n'est qu'un argument de vente.
D'où vient le terme
Le terme Generative Engine Optimization a été forgé en novembre 2023 par un groupe de recherche autour de Pranjal Aggarwal et Vishvak Murahari, avec la participation de la Princeton University, du Georgia Institute of Technology, de l'Allen Institute for AI et de l'IIT Delhi. L'étude « GEO : Generative Engine Optimization » (arXiv 2311.09735) a examiné quelles modifications d'un texte augmentent la probabilité qu'un système de recherche générative l'utilise dans sa réponse et le cite comme source.
Les chercheurs ont construit pour cela leur propre environnement de test, avec des questions et des sources, et ont modifié ces dernières de façon systématique : ils ont ajouté des chiffres, des citations, des références, amélioré la lisibilité, ajouté des termes techniques ou des mots-clés. Ils ont ensuite mesuré à quelle fréquence et avec quelle importance chaque variante apparaissait dans les réponses générées.
Ce qui est démontré
Trois constats ressortent de l'étude, chacun valable pour l'environnement de test examiné :
- Les chiffres, les citations et les sources ont aidé. Les paragraphes contenant des statistiques concrètes, des citations littérales de spécialistes ou des renvois à des sources étaient nettement plus souvent repris que les versions de départ.
- Le bourrage de mots-clés n'a pas aidé. Ajouter des termes de recherche supplémentaires n'a apporté aucun avantage, et même un désavantage dans une partie des tests.
- L'effet dépendait du sujet. Ce qui aidait pour les questions de santé agissait moins sur d'autres sujets. Aucune mesure n'a le même effet partout.
Les pourcentages exacts de l'étude sont volontairement omis ici, car ils se rapportent à l'environnement de test et non à de vrais sites web dans de vrais systèmes d'IA. Reste la direction : le concret, le documenté et le citable sont privilégiés. Cela correspond à ce que Google dit dans sa documentation sur les fonctions d'IA au sujet de l'aperçu IA, à savoir que les mêmes critères de qualité s'appliquent que dans la recherche classique.
Ce qui relève de la supposition
Beaucoup de ce qui est proposé sous l'étiquette GEO dépasse le cadre de l'étude et n'est pas démontré publiquement :
- Qu'un fichier llms.txt augmente la visibilité. Aucun grand fournisseur n'a confirmé l'exploiter.
- Que certains types Schema.org soient privilégiés par les modèles de langage. Les données structurées aident Google à comprendre un contenu ; un effet direct sur ChatGPT ou Perplexity n'est pas documenté.
- Qu'on puisse influencer de façon ciblée les données d'entraînement d'un modèle. Les contenus qui entrent dans un entraînement ne sont pas publics, et les modèles sont entraînés à intervalles de plusieurs mois.
- Que la visibilité dans les réponses IA puisse être augmentée d'un certain pourcentage. Ces chiffres proviennent le plus souvent de mesures propres aux fournisseurs et ne sont pas vérifiables.
En revanche, on peut observer ceci : les systèmes qui recommandent des entreprises travaillent surtout avec la recherche en direct. OpenAI décrit dans sa documentation l'OAI-SearchBot, qui lit les sites web pour la fonction de recherche de ChatGPT. Perplexity effectue une recherche à chaque requête. Google alimente l'aperçu IA à partir de l'index de recherche. Cela signifie que ce qui figure aujourd'hui sur votre site et se retrouve dans la recherche peut apparaître dans les réponses en quelques semaines. Pour vérifier en deux minutes si les robots d'exploration y ont accès, utilisez le test Les robots IA peuvent-ils lire votre site web ?.
Distinction avec l'AEO
| AEO | GEO | |
|---|---|---|
| Question | Mon paragraphe est-il repris comme réponse à une question précise ? | Le modèle connaît-il mon entreprise et la cite-t-il, même sans question directe ? |
| Unité | Le paragraphe d'une page | L'entreprise en tant que notion, donc en tant qu'entité |
| Levier | Structure des textes : question, réponse d'abord, énoncés concrets | Données cohérentes sur toutes les sources, mentions sur d'autres sites web, positionnement clair |
| Exemple | « Combien de temps dure la rénovation d'une salle de bains ? » reçoit votre paragraphe pour réponse | « Quelle entreprise de sanitaire recommander à Frauenfeld ? » cite votre entreprise |
Les deux s'imbriquent : un site avec des paragraphes citables renforce l'entité, et une entité connue est plus souvent choisie comme source. Ce que l'AEO exige concrètement, vous le trouvez sous Qu'est-ce que l'AEO ?.
Règles pratiques pour les PME
Du noyau démontré et du fonctionnement des systèmes découlent six règles applicables sans agence :
- Des chiffres concrets plutôt que des adjectifs. « Trois à quatre semaines » plutôt que « rapide », « dès CHF 18’000 » plutôt que « équitable ». Des chiffres avec leur date et leurs conditions.
- Votre propre expérience comme preuve. « Dans environ la moitié de nos transformations des trois dernières années » est une source que vous seul pouvez fournir.
- Des citations de spécialistes avec leur nom. Une phrase de la cheffe de chantier, avec son nom et sa fonction, correspond à ce que l'étude a mesuré comme citation.
- Des données d'entreprise uniformes partout. Nom, adresse, prestations : identiques au caractère près sur le site web, le profil d'entreprise, les annuaires et les réseaux sociaux.
- Mentions sur d'autres sites web. Associations, fournisseurs, commune, médias. Chaque mention prouve que l'entreprise existe et fait ce qu'elle dit.
- Mesurer chaque mois. Dix questions fixes dans ChatGPT, Perplexity et Google, résultat dans un tableau. Les outils pour cela se trouvent sous Mesurer la visibilité dans l'IA.
Aucune de ces règles n'est nouvelle. Elles correspondent à ce que font les bons sites web depuis des années. Le GEO ne change pas le travail, il explique pourquoi celui-ci agit désormais à un deuxième niveau. Ce qui est déjà visible pour les PME dans les réponses de l'IA, et ce qui ne l'est pas, est décrit dans l'article Apparaître dans les réponses de l'IA : trois stratégies pour les PME.
Questions fréquentes
Le GEO, est-ce la même chose que l'AEO ?
Non, même si les deux termes sont souvent utilisés comme synonymes. L'AEO vise la réponse directe à une question et le fait d'être cité comme source. Le GEO est plus large et se demande si un modèle de langage connaît une entreprise ou un contenu et l'utilise dans les textes générés, même sans que personne ne pose la question de manière ciblée.
Puis-je obtenir avec le GEO que ChatGPT recommande mon entreprise ?
Influencer, oui, forcer, non. Qu'un modèle cite une entreprise dépend de nombreuses sources : résultats de recherche, annuaires, avis, mentions sur d'autres sites web. Une entreprise qui y apparaît de façon cohérente et qui fait des affirmations concrètes sur son propre site web a de meilleures chances. Il n'y a aucune garantie.
Mon site web doit-il figurer dans les données d'entraînement de l'IA ?
Pas forcément. La plupart des systèmes qui recommandent des entreprises accèdent en direct aux résultats de recherche au moment de répondre, au lieu de répondre uniquement à partir de l'entraînement. ChatGPT avec recherche, Perplexity et l'aperçu IA de Google fonctionnent ainsi. C'est pourquoi les modifications apportées au site web agissent en quelques semaines, et non seulement lors du prochain entraînement du modèle.
Quels chiffres sur le GEO sont fiables ?
Peu. L'étude de Princeton mentionne des améliorations dans son propre environnement de test, qui ne se transposent pas directement à un site web de PME. Les chiffres de prestataires qui promettent d'augmenter la visibilité d'un certain pourcentage ne sont en général pas vérifiables publiquement. Seule votre propre mesure, avec des questions fixes sur plusieurs mois, est fiable.