Glossaire GEO complet

Accueil · Fondamentaux · Glossaire GEO

Fondamentaux

AEO (Answer Engine Optimization): L'AEO (Answer Engine Optimization, ou « optimisation pour moteurs de réponse ») désigne les pratiques qui visent à faire apparaître un contenu comme réponse directe à une question, que ce soit dans un assistant vocal, un featured snippet ou une réponse d'IA générative. Le terme est né dans le vocabulaire des agences autour des assistants vocaux (Siri, Alexa, Google Assistant), avant que le GEO ne l'englobe pour les moteurs génératifs. Les deux termes se recoupent largement dans l'usage courant du secteur.
Autorité de domaine: L'autorité de domaine est une métrique, généralement calculée par des outils SEO tiers et non par les moteurs de recherche eux-mêmes, qui estime la force globale d'un site à partir de la quantité et de la qualité des backlinks qui pointent vers lui. Ce n'est pas un critère officiel de Google ni d'un moteur de réponse IA, mais un indicateur de comparaison largement utilisé dans le secteur pour évaluer la crédibilité relative d'un domaine.
Backlink: Un backlink est un lien hypertexte placé sur un site tiers qui pointe vers une page d'un autre site. C'est historiquement l'un des principaux signaux d'autorité du SEO classique, calculé notamment via des métriques comme l'autorité de domaine. En GEO, le backlink reste un signal pertinent, mais il pèse généralement moins que la mention de marque simple dans la façon dont les moteurs de réponse IA évaluent la notoriété d'une source.
Bourrage de mots-clés: Le bourrage de mots-clés (keyword stuffing) désigne la répétition artificielle et excessive d'un même terme dans un contenu, dans l'espoir d'améliorer son classement. C'est une pratique explicitement contre-productive en GEO : les moteurs de réponse IA privilégient un langage naturel et une densité de faits vérifiables plutôt qu'une répétition mécanique de mots-clés, qui dégrade la lisibilité sans apporter d'information supplémentaire.
Citabilité: La citabilité désigne la capacité d'un contenu à être repris, cité ou mentionné tel quel par un moteur de réponse IA dans le texte qu'il génère. Un contenu citable se caractérise par une structure extractible (blocs autonomes, réponses directes), une source d'information fiable et vérifiable, et une mise en forme qui facilite le repérage automatique de l'information par le modèle. La citabilité est l'objectif central de toute stratégie GEO, à distinguer du simple classement dans une page de résultats.
Contenu généré par les utilisateurs (UGC): Le contenu généré par les utilisateurs (user-generated content, ou UGC) désigne tout contenu publié par des internautes plutôt que par l'éditeur d'un site : avis, commentaires, discussions de forum. Les moteurs de réponse IA accordent une valeur particulière à ce type de contenu sur les requêtes d'expérience ou d'avis, car il est perçu comme moins susceptible d'être orienté commercialement qu'un contenu publié directement par une marque.
Featured snippet: Un featured snippet est un extrait de réponse mis en avant en haut des résultats de recherche Google classiques, au-dessus des liens organiques habituels, popularisé par Google plusieurs années avant l'essor du GEO. Il partage avec la capsule-réponse GEO le même principe : répondre directement et brièvement à une question posée, dans un format que le moteur peut extraire et afficher sans que l'internaute ait besoin de cliquer sur la page source.
G2 et Capterra: G2 et Capterra sont deux plateformes d'avis spécialisées dans les logiciels professionnels, où les utilisateurs notent et commentent les outils qu'ils utilisent. Elles sont fréquemment citées par les moteurs de réponse IA sur des requêtes de comparaison d'outils, notamment dans le secteur du logiciel B2B, au même titre que les comparatifs éditoriaux indépendants.
GEO (Generative Engine Optimization): Le GEO (Generative Engine Optimization, ou « optimisation pour moteurs génératifs ») désigne l'ensemble des pratiques qui visent à être cité, mentionné ou recommandé dans une réponse générée par une intelligence artificielle (ChatGPT, Perplexity, Gemini, Google AI Overviews), plutôt que dans une liste de liens cliquables. Le terme est apparu dans un article de recherche académique publié peu après le lancement public de ChatGPT par OpenAI, le 30 novembre 2022, selon l'annonce officielle d'OpenAI.
GSO (Generative Search Optimization): Le GSO (Generative Search Optimization) est un acronyme concurrent de GEO, employé par une partie du secteur pour désigner la même discipline : rendre un contenu citable par les moteurs de recherche génératifs. Aucun consensus terminologique définitif ne s'est encore imposé dans le secteur, en français comme en anglais ; GEO reste le terme le plus répandu dans la littérature académique et chez les outils de suivi de visibilité IA.
LinkedIn (comme source IA): LinkedIn est le réseau social professionnel le plus cité par les moteurs de réponse IA sur les requêtes à caractère professionnel ou B2B : recherche d'expertise, actualité d'entreprise, profils de dirigeants. Une présence active et cohérente avec l'identité affichée sur le site officiel d'une marque y renforce la désambiguïsation d'entité et la crédibilité perçue par les moteurs IA.
LLMO (Large Language Model Optimization): Le LLMO (Large Language Model Optimization) désigne les pratiques qui visent à optimiser la présence d'une marque directement dans les connaissances internes d'un grand modèle de langage (LLM), plutôt que dans les résultats d'une recherche en temps réel. Contrairement au GEO, centré sur le produit de recherche (ce qu'un moteur restitue au moment de la requête), le LLMO met l'accent sur le modèle lui-même et sur ce qu'il a appris pendant son entraînement.
Longue traîne: La longue traîne désigne l'ensemble des requêtes de recherche très spécifiques et peu fréquentes individuellement, mais nombreuses collectivement, par opposition à un petit nombre de mots-clés génériques à fort volume. Les requêtes conversationnelles adressées à une IA relèvent presque toutes de la longue traîne par nature, car chaque formulation précise et personnalisée diffère légèrement de la suivante.
Mention de marque: Une mention de marque désigne toute citation du nom d'une entreprise sur une page tierce, avec ou sans lien cliquable vers son site. Contrairement au backlink, une mention de marque n'exige pas de lien pour compter comme signal d'autorité aux yeux d'un moteur de réponse IA : le simple fait qu'une marque soit nommée régulièrement dans des contextes pertinents contribue à la reconnaître comme une entité établie dans son secteur.
Mot-clé: Un mot-clé est un terme ou une courte expression qu'un internaute saisit dans un moteur de recherche pour exprimer son besoin d'information, unité de base historique de l'optimisation SEO. En GEO, l'unité de référence tend à se déplacer du mot-clé isolé vers la requête conversationnelle complète, plus proche de la façon dont un internaute s'adresse réellement à une IA.
Part de voix IA (share of voice IA): La part de voix IA (ou « share of voice IA ») désigne la part de citations obtenues par une marque sur un ensemble de requêtes suivies, comparée à celle de ses concurrents directs sur les mêmes requêtes. C'est une métrique comparative : elle se lit toujours par rapport à un panier de concurrents et de requêtes défini à l'avance, jamais dans l'absolu. Plus elle est élevée, plus la marque domine les réponses IA de son secteur sur ce panier suivi.
Position zéro: La position zéro, empruntée au vocabulaire SEO des featured snippets, désigne par extension en GEO le fait d'être la source principale ou unique citée dans une réponse IA, avant même les liens classiques éventuellement affichés en complément. Être en position zéro dans une réponse IA a un effet potentiellement plus fort que le premier lien organique d'une recherche classique, puisque l'utilisateur peut ne jamais consulter les sources détaillées derrière la réponse.
Reddit (comme source IA): Reddit est une plateforme de forums communautaires organisés en sous-communautés thématiques, particulièrement citée par Perplexity et par les AI Overviews de Google pour des questions d'expérience utilisateur, d'avis ou de comparaison de produits. Son contenu généré par les utilisateurs, perçu comme moins commercial qu'une page d'entreprise, est jugé par plusieurs moteurs comme un signal de fiabilité complémentaire aux sources institutionnelles.
SEO (Search Engine Optimization): Le SEO (Search Engine Optimization, ou « optimisation pour moteurs de recherche ») désigne les pratiques qui visent un bon classement dans une liste de résultats cliquables d'un moteur de recherche classique, comme Google ou Bing. C'est la discipline historique dont le GEO s'inspire et dont il se distingue : le SEO optimise une position dans une liste, le GEO optimise une chance d'être extrait et cité dans un texte généré. Les deux approches restent complémentaires plutôt qu'opposées.
SERP: Le SERP (search engine results page, ou « page de résultats de recherche ») désigne la page affichée par un moteur de recherche classique en réponse à une requête, avec ses liens organiques, ses éventuelles publicités et ses blocs enrichis comme les featured snippets ou, désormais, les AI Overviews. La physionomie du SERP a changé avec l'arrivée de blocs IA, qui peuvent réduire mécaniquement le nombre de clics vers les liens classiques situés plus bas sur la page.
Taux de citation: Le taux de citation mesure, sur un ensemble de requêtes suivies, la fréquence à laquelle une marque donnée apparaît dans la réponse générée par un moteur IA, qu'elle soit citée en premier ou parmi plusieurs sources. Il se calcule généralement moteur par moteur (ChatGPT, Perplexity, Gemini, AI Overviews), car chacun cite des sources différentes selon sa propre méthode de récupération d'information. Une bonne pratique consiste à le suivre dans la durée plutôt qu'à un instant donné.
Visibilité IA: La visibilité IA désigne la présence globale d'une marque, d'un produit ou d'un site dans les réponses générées par les moteurs IA, mesurée sur un ensemble de requêtes représentatives d'un secteur. Elle regroupe plusieurs signaux : fréquence de citation, position dans la réponse, ton associé à la mention. C'est l'équivalent, pour le GEO, de ce que la position moyenne dans les résultats de recherche représente pour le SEO classique.
Wikidata: Wikidata est la base de connaissances structurée associée à Wikipédia, qui stocke des données sur les entités (personnes, entreprises, lieux, concepts) sous une forme lisible par une machine plutôt que sous forme de texte libre. Elle sert de référence à de nombreux systèmes de désambiguïsation d'entité, y compris certains éléments du Knowledge Graph de Google.
Wikipédia (comme source IA): Wikipédia est l'encyclopédie collaborative en ligne, en ligne depuis 2001, selon la fondation Wikimedia. Elle constitue l'une des plateformes les plus fréquemment citées par les moteurs de réponse IA, en particulier ChatGPT, en raison de sa structure factuelle, de son historique de vérification communautaire et de sa couverture large de la plupart des entités notables. Une entreprise qui dispose d'une page Wikipédia bien sourcée et neutre bénéficie souvent d'une reconnaissance d'entité plus fiable auprès des moteurs IA.

Moteurs

Bing / index Bing: Bing est le moteur de recherche de Microsoft, dont l'index sert de base documentaire à plusieurs produits IA au-delà de Bing lui-même : ChatGPT Search s'appuie en partie sur l'index Bing pour une portion de ses résultats de recherche web, selon des éléments techniques documentés par le secteur. Être bien indexé sur Bing peut donc avoir un effet indirect sur la visibilité dans plusieurs moteurs de réponse IA différents.
ChatGPT: ChatGPT est l'assistant conversationnel développé par OpenAI, lancé publiquement le 30 novembre 2022, selon l'annonce officielle d'OpenAI. Il s'appuie sur une famille de grands modèles de langage (LLM) et peut, depuis l'ajout d'une fonction de recherche web, citer des sources externes dans ses réponses. C'est l'un des principaux moteurs suivis par les stratégies GEO, aux côtés de Perplexity et de Google AI Overviews.
ChatGPT Search: ChatGPT Search est la fonction de recherche web intégrée à ChatGPT, qui permet au modèle d'aller chercher des informations récentes sur le web avant de répondre, plutôt que de s'appuyer uniquement sur ses connaissances internes. Elle a été lancée par OpenAI le 31 octobre 2024, selon son annonce officielle. Cette fonction s'appuie techniquement sur le principe du RAG et sur le crawler dédié OAI-SearchBot pour explorer le web.
Claude (Anthropic): Claude est la famille de modèles et l'assistant conversationnel développés par Anthropic. Il est utilisé à la fois comme produit grand public et comme modèle sous-jacent intégré par des éditeurs tiers via une API. Son crawler associé, ClaudeBot, explore le web pour collecter du contenu d'entraînement et, selon les cas d'usage, alimenter des réponses sourcées.
Copilot (Microsoft): Copilot est l'assistant conversationnel de Microsoft, intégré au moteur de recherche Bing ainsi qu'à sa suite bureautique professionnelle. Il s'appuie en partie sur des modèles développés en collaboration avec OpenAI et sur l'index de recherche de Bing pour sourcer ses réponses. Comme ChatGPT Search s'appuie sur l'index Bing pour une partie de ses résultats, Copilot et ChatGPT partagent en partie la même base documentaire sous-jacente.
Gemini: Gemini est la famille de modèles et l'assistant multimodal développés par Google, présentés le 6 décembre 2023, selon l'annonce officielle de Google. Il alimente à la fois une application autonome et certaines fonctions génératives intégrées à la recherche Google, comme les AI Overviews. Un contenu bien positionné dans l'index Google a davantage de chances d'être repris par les produits qui s'appuient sur Gemini.
Google AI Mode: L'AI Mode est un mode de recherche conversationnelle plus poussé développé par Google, distinct des AI Overviews par son format d'échange en plusieurs tours : l'utilisateur peut poser une question de suivi et affiner sa recherche dans la continuité de la conversation, plutôt que de relancer une nouvelle requête isolée. Il s'appuie sur les mêmes familles de modèles que les autres produits génératifs de Google.
Google AI Overviews: Les AI Overviews sont les réponses générées par IA qui s'affichent directement en haut des résultats de recherche Google classiques, généralisées aux États-Unis le 14 mai 2024, selon l'annonce officielle de Google. Elles résument plusieurs sources en une réponse synthétique, avec des liens vers les pages citées. Elles se distinguent de l'AI Mode par leur format : une réponse ponctuelle plutôt qu'un échange conversationnel en plusieurs tours.
Le Chat (Mistral AI): Le Chat est l'assistant conversationnel développé par Mistral AI, éditeur français de grands modèles de langage. Il illustre la présence d'acteurs européens dans un marché des moteurs de réponse IA largement dominé par des entreprises américaines, un point de repère pertinent pour une stratégie GEO qui cible spécifiquement le public francophone.
Perplexity: Perplexity est un moteur de réponse IA qui affiche systématiquement ses sources sous forme de liens cliquables à côté de chaque réponse générée, dont la première version publique date de décembre 2022, selon la présentation officielle de l'entreprise. Il est particulièrement sensible à la fraîcheur du contenu et s'appuie fortement sur des sources communautaires comme Reddit. Son modèle de recherche propriétaire s'appelle Sonar.
SGE (Search Generative Experience): Le SGE (Search Generative Experience) était le nom du programme expérimental de Google qui a précédé le déploiement généralisé des AI Overviews, testé auprès d'un nombre restreint d'utilisateurs avant sa généralisation. Le terme reste utilisé dans une partie de la littérature GEO plus ancienne pour désigner ce qui s'appelle aujourd'hui AI Overviews ; les deux noms renvoient au même type de fonctionnalité, à des stades différents de son déploiement.
Sonar (modèle Perplexity): Sonar est le nom du modèle et de l'API de recherche développés par Perplexity, utilisés pour formuler ses réponses sourcées à partir du contenu qu'il explore sur le web. Il combine une étape de récupération d'information (retrieval) sur un index construit par les crawlers de Perplexity et une étape de génération de texte par un modèle de langage. Des éditeurs tiers peuvent aussi intégrer Sonar via une API pour construire leurs propres outils de recherche sourcée.

Technique

Agent IA: Un agent IA désigne un système qui utilise un modèle de langage pour accomplir une tâche en plusieurs étapes de façon autonome, en décidant lui-même des actions à mener : chercher une information, appeler un outil externe via une API, ou enchaîner plusieurs recherches successives avant de produire une réponse finale. Les fonctions de recherche approfondie (deep research) proposées par plusieurs éditeurs sont un exemple concret d'agent IA appliqué à la recherche d'information.
API (interface de programmation): Une API (application programming interface, ou « interface de programmation ») est un ensemble de règles qui permet à un logiciel d'interagir avec un autre, par exemple pour envoyer une requête à un modèle de langage et récupérer sa réponse de façon automatisée, sans passer par une interface visuelle. C'est par une API que la plupart des outils de suivi de visibilité IA interrogent en série les moteurs comme ChatGPT ou Perplexity, plutôt qu'en tapant manuellement chaque requête.
Balisage Article (schema.org): Le balisage Article est un type de données structurées schema.org qui identifie une page comme un contenu éditorial, avec des propriétés comme le titre, la date de publication, la date de mise à jour et l'auteur. Il donne à un moteur des repères de fraîcheur et de provenance utiles pour évaluer la fiabilité d'une source, deux critères qui pèsent directement sur les chances qu'un contenu soit cité par un moteur de réponse IA.
Balisage FAQPage: Le balisage FAQPage est un type de données structurées schema.org qui signale explicitement à un moteur qu'une section d'une page contient une liste de questions et de réponses. Il aide en théorie un moteur de réponse IA à repérer rapidement des blocs de contenu déjà formulés sous forme de question-réponse autonome. Son effet réel sur la citation elle-même reste toutefois débattu : les études disponibles se contredisent sur son ampleur, et aucune n'a démontré de lien causal direct entre le balisage seul et une hausse mesurable des citations.
Balisage HowTo: Le balisage HowTo est un type de données structurées schema.org qui décrit un contenu comme une suite d'étapes à suivre pour accomplir une tâche précise. Il aide un moteur à identifier la structure séquentielle d'un guide pratique, ce qui facilite l'extraction d'une étape isolée en réponse à une question du type « comment faire X ».
Balisage Review: Le balisage Review est un type de données structurées schema.org qui identifie un avis ou un test noté sur un produit ou un service, avec une note chiffrée et un auteur. Utilisé sur un comparatif, il doit rester rigoureusement conforme à ce qui est réellement noté sur la page, sans jamais afficher une note gonflée ou fictive : les moteurs et les internautes peuvent tous deux détecter un décalage entre le balisage et le contenu visible.
Bingbot: Bingbot est le crawler du moteur de recherche Bing, utilisé pour construire son index. Il revêt une importance particulière en GEO au-delà du seul Bing, car son index sert aussi de base à une partie des résultats de ChatGPT Search et de Copilot, selon des éléments techniques documentés par le secteur.
Bloc-réponse autonome: Un bloc-réponse autonome est un paragraphe de 130 à 170 mots, selon la même convention éditoriale, qui répond entièrement à la sous-question posée par le titre qui le précède, sans dépendre du reste de l'article pour être compris. Cette autonomie est essentielle en GEO : un moteur de réponse IA extrait souvent un passage isolé de son contexte d'origine, un bloc qui suppose la lecture préalable d'un autre paragraphe risque donc de perdre son sens une fois cité seul.
BreadcrumbList: BreadcrumbList est un type de données structurées schema.org qui décrit le fil d'Ariane d'une page, c'est-à-dire son chemin de navigation depuis la page d'accueil jusqu'à la page courante. Il aide un moteur à comprendre où se situe une page dans l'architecture globale d'un site et dans quel cluster thématique elle s'inscrit, un signal utile de cohérence sémantique pour un site organisé en clusters de contenu.
Capsule-réponse: Une capsule-réponse est un résumé de 40 à 60 mots placé juste sous le titre d'un article, qui répond directement à la question posée par ce titre, selon la convention éditoriale de GEO-LAB. C'est le bloc que les moteurs de réponse IA extraient le plus souvent en priorité, car il condense l'essentiel du contenu en une réponse autonome et immédiatement exploitable, sans nécessiter de lire le reste de l'article.
ClaudeBot: ClaudeBot est le crawler d'Anthropic, utilisé pour explorer le web et collecter du contenu en lien avec les modèles Claude. Comme les autres robots d'IA cités dans ce glossaire, il respecte les règles définies dans le fichier robots.txt d'un site, qui peut choisir de l'autoriser ou de le bloquer indépendamment des autres crawlers.
Contenu evergreen: Un contenu evergreen est un contenu dont la pertinence reste stable dans le temps, par opposition à un contenu d'actualité qui perd rapidement de sa valeur informative. Une définition de glossaire ou un guide méthodologique sont des exemples typiques de contenu evergreen : ils continuent d'être utiles, et donc potentiellement cités, longtemps après leur publication, à condition d'être révisés régulièrement pour rester exacts.
Crawl budget: Le crawl budget désigne la quantité de ressources qu'un moteur de recherche ou un crawler d'IA consacre à l'exploration d'un site donné, sur une période donnée. Un site très volumineux ou techniquement lent peut voir certaines de ses pages explorées moins souvent, ce qui retarde leur prise en compte par l'index. Une architecture technique propre (temps de chargement, liens internes clairs) aide à limiter le gaspillage de ce budget sur des pages peu utiles.
Crawler (robot d'exploration): Un crawler, ou robot d'exploration, est un programme qui parcourt automatiquement les pages web pour en collecter le contenu, que ce soit pour construire l'index d'un moteur de recherche classique ou pour entraîner et alimenter un modèle de langage. Chaque grand éditeur d'IA opère son propre crawler, identifiable dans les journaux d'un serveur web et pilotable via le fichier robots.txt.
Deep research (recherche approfondie agentique): Le deep research, ou « recherche approfondie », désigne une fonctionnalité proposée par plusieurs éditeurs de modèles de langage qui explore et croise automatiquement de nombreuses sources sur un sujet donné, en plusieurs étapes successives, avant de produire un rapport synthétique et sourcé. Contrairement à une réponse ponctuelle, cette fonction se comporte comme un agent IA capable d'affiner sa propre recherche au fil de son exploration.
Désambiguïsation d'entité: La désambiguïsation d'entité désigne le processus par lequel un moteur détermine, parmi plusieurs entités possibles portant un nom similaire, à laquelle une page ou une mention fait réellement référence. Un nom d'entreprise identique dans plusieurs pays, ou un nom de produit proche d'un mot courant, augmente le risque d'ambiguïté. Une identité cohérente (même nom, même description) sur le site, les réseaux sociaux et les annuaires professionnels aide un moteur à lever cette ambiguïté.
Données propriétaires: Les données propriétaires désignent les données originales qu'un éditeur produit lui-même — enquête, baromètre, mesure, étude de cas — plutôt que des informations déjà disponibles ailleurs et simplement reformulées. Elles constituent la source de citation la plus solide en GEO, car aucun autre site ne peut les reproduire à l'identique : un moteur qui cite un chiffre précis n'a souvent qu'une seule source primaire vers laquelle renvoyer.
E-E-A-T: E-E-A-T est un acronyme anglais qui désigne quatre critères de qualité (expérience, expertise, autorité, fiabilité) que les moteurs de recherche et de réponse IA cherchent à évaluer chez l'auteur et l'éditeur d'un contenu, avant de le considérer comme une source fiable à citer. Une page qui identifie clairement son auteur, sa méthodologie et ses sources renforce ces quatre critères, davantage qu'un contenu anonyme ou sans process de vérification apparent.
Embedding: Un embedding est une représentation numérique du sens d'un texte, sous forme de liste de nombres, utilisée pour comparer la proximité sémantique entre deux contenus sans dépendre des mots exacts employés. C'est cette technique qui permet à un moteur de retrouver un document pertinent même s'il n'utilise pas le même vocabulaire que la requête posée. Les embeddings sont au cœur du fonctionnement du retrieval dans un système de RAG.
Entité (SEO sémantique): Une entité est un objet du monde réel — marque, personne, lieu, concept, produit — que les moteurs reconnaissent et distinguent des simples mots-clés qui la décrivent, notion centrale depuis la généralisation du Knowledge Graph par les moteurs de recherche. Une stratégie GEO efficace nomme clairement ses entités plutôt que de les décrire vaguement : plus une entité est nommée et cohérente d'une page à l'autre, plus elle a de chances d'être reconnue et citée par un moteur de réponse IA.
Fenêtre de contexte: La fenêtre de contexte désigne la quantité maximale de texte, mesurée en tokens, qu'un modèle de langage peut prendre en compte en une seule fois pour générer une réponse : la question posée, l'historique de la conversation, et les documents éventuellement récupérés par un système de RAG. Une fenêtre de contexte plus large permet au modèle de traiter des documents plus longs sans perdre le fil des échanges précédents.
Fine-tuning: Le fine-tuning, ou « réglage fin », désigne l'entraînement complémentaire d'un modèle de langage déjà existant sur un jeu de données plus restreint et spécialisé, pour l'adapter à une tâche ou à un domaine précis. Il se distingue du RAG : le fine-tuning modifie durablement le comportement du modèle lui-même, tandis que le RAG lui fournit des informations externes au moment de la réponse, sans modifier le modèle.
Fraîcheur de contenu: La fraîcheur de contenu désigne le fait qu'une page affiche une date de mise à jour récente et reflète effectivement un contenu révisé, et non une date rafraîchie automatiquement sans changement de fond. Certains moteurs de réponse IA, en particulier Perplexity, accordent un poids important à la fraîcheur perçue d'une source lorsqu'ils choisissent quoi citer sur un sujet évolutif.
Google-Extended: Google-Extended est un jeton de contrôle que Google propose dans le fichier robots.txt, distinct du crawler d'indexation classique Googlebot : il permet à un site d'autoriser l'indexation de ses pages dans la recherche Google tout en refusant que ce même contenu serve à entraîner les modèles d'intelligence artificielle de Google, comme Gemini. C'est un exemple de contrôle fin propre à l'écosystème IA.
GPTBot: GPTBot est le crawler d'OpenAI, documenté publiquement depuis 2023, selon l'annonce officielle publiée sur le blog d'OpenAI. Il collecte du contenu web pour entraîner les modèles de langage d'OpenAI et respecte les instructions du fichier robots.txt d'un site. Autoriser GPTBot dans son robots.txt est une condition technique de base pour espérer être cité par ChatGPT, sans toutefois le garantir.
Grounding: Le grounding, ou « ancrage », désigne le fait d'appuyer une réponse générée par une IA sur des sources externes vérifiables plutôt que sur les seules connaissances internes du modèle, dans le but de réduire le risque d'hallucination. Un contenu bien structuré, factuel et clairement sourcé augmente ses chances de servir de base d'ancrage à une réponse IA, ce qui en fait un objectif direct des stratégies GEO.
Hallucination: Une hallucination désigne une information générée par une IA qui semble plausible mais qui est fausse ou non vérifiable, un risque documenté depuis les débuts des grands modèles de langage grand public comme ChatGPT. Elle peut concerner un fait, une source citée à tort ou une statistique inventée. C'est un risque à surveiller autant côté lecteur (vérifier ce qu'une IA affirme) que côté éditeur (un contenu mal sourcé peut nourrir des hallucinations sur sa propre marque).
Index (moteur de recherche): Un index est la base de données dans laquelle un moteur range et organise le contenu collecté par ses crawlers, pour pouvoir le retrouver rapidement lors d'une requête plutôt que de parcourir le web en temps réel à chaque question posée. Plusieurs moteurs de réponse IA s'appuient sur des index tiers déjà constitués (comme celui de Bing) plutôt que de construire le leur en partant de zéro.
Indexation: L'indexation désigne le processus par lequel un moteur de recherche ou un système d'IA ajoute le contenu collecté par ses crawlers à sa base de données interne, appelée index, pour pouvoir le retrouver rapidement au moment d'une requête. Un contenu peut être exploré (crawlé) sans être indexé, par exemple s'il est jugé de trop faible qualité ou dupliqué. Être indexé est un prérequis avant d'espérer être cité par un moteur de réponse IA.
JSON-LD: JSON-LD (JavaScript Object Notation for Linked Data) est un format d'intégration des données structurées schema.org sous forme d'un bloc de code séparé du contenu visible, le plus souvent placé dans l'en-tête (<head>) de la page. C'est le format à privilégier pour le SEO classique, recommandé par Google, car il ne mélange pas le balisage avec le HTML visuel. Pour le GEO, une réserve s'impose : plusieurs moteurs de réponse IA convertissent la page en texte avant analyse et ne lisent pas le contenu du <head> — un JSON-LD isolé dans l'en-tête peut donc rester invisible à ces moteurs, même s'il reste utile pour le référencement classique.
Knowledge Graph: Le Knowledge Graph (graphe de connaissances) est la base de données d'entités et de relations entre elles utilisée par Google, lancée le 16 mai 2012, selon l'annonce officielle de Google, pour relier une requête à des faits vérifiés plutôt qu'à de simples pages web. Une marque bien représentée dans le Knowledge Graph bénéficie d'une désambiguïsation plus fiable de son identité, un avantage qui se répercute aussi sur la façon dont les moteurs de réponse IA la reconnaissent.
LLM (grand modèle de langage): Un LLM (large language model, ou « grand modèle de langage ») est le type de système d'intelligence artificielle derrière des produits comme ChatGPT, Gemini ou Claude, entraîné sur de vastes volumes de texte pour prédire et générer du langage. Un LLM seul ne « recherche » rien par défaut : il répond à partir de ce qu'il a appris pendant son entraînement, sauf quand il est combiné à une étape de récupération d'information comme le RAG.
llms.txt: Le fichier llms.txt est un fichier texte proposé, placé à la racine d'un site, destiné à fournir aux modèles de langage un résumé structuré et prioritaire du contenu du site : pages clés, description, liens vers une documentation condensée. Contrairement au robots.txt, qui autorise ou bloque l'accès, llms.txt cherche à orienter la lecture d'un modèle vers l'information la plus pertinente. Son adoption reste inégale selon les moteurs, contrairement au robots.txt, déjà largement respecté.
Microdata: Microdata est un format d'intégration des données structurées schema.org qui ajoute des attributs directement dans les balises HTML visibles du corps (<body>) de la page, plutôt que dans un bloc séparé. Pour le SEO classique, JSON-LD lui est généralement préféré, plus simple à maintenir sans risquer de casser l'affichage. Pour le GEO, le rôle s'inverse : plusieurs moteurs de réponse IA lisent le contenu du <body> mais ignorent celui du <head>, ce qui rend la microdonnée visible là où un JSON-LD isolé dans l'en-tête ne l'est pas. Ce n'est donc pas un format obsolète mais un complément nécessaire au JSON-LD, pas un substitut.
Modèle de fondation (foundation model): Un modèle de fondation (foundation model) est un grand modèle de langage entraîné sur un vaste corpus généraliste, conçu pour servir de base à de nombreux usages différents plutôt qu'à une seule tâche précise. Les modèles derrière ChatGPT, Gemini ou Claude en sont des exemples : ils peuvent ensuite être spécialisés par fine-tuning ou complétés par du RAG pour des applications spécifiques, sans repartir d'un entraînement de zéro à chaque fois.
OAI-SearchBot: OAI-SearchBot est un second crawler d'OpenAI, distinct de GPTBot : il explore le web spécifiquement pour alimenter la fonction de recherche de ChatGPT Search, plutôt que pour collecter des données d'entraînement générales. Un site peut ainsi choisir d'autoriser l'un sans l'autre dans son robots.txt, selon qu'il souhaite ou non participer à l'entraînement des modèles d'OpenAI tout en restant éligible aux réponses sourcées de ChatGPT Search.
PerplexityBot: PerplexityBot est le crawler de Perplexity, chargé d'explorer le web pour construire l'index utilisé par le moteur pour sourcer ses réponses. Comme les autres crawlers d'IA, son comportement se pilote via le fichier robots.txt d'un site. Autoriser PerplexityBot est un prérequis technique pour espérer apparaître comme source citée dans les réponses de Perplexity.
Prompt: Un prompt est l'instruction ou la question saisie par un utilisateur pour obtenir une réponse d'un modèle de langage. Sa formulation influence directement la qualité, la longueur et la pertinence de la réponse générée. Comprendre les types de prompts que les internautes utilisent pour chercher de l'information dans un secteur donné aide à anticiper les requêtes conversationnelles sur lesquelles une marque a intérêt à être citée.
Prompt engineering: Le prompt engineering désigne la pratique qui consiste à concevoir et affiner méthodiquement des prompts pour obtenir des réponses plus fiables, plus précises ou plus utiles de la part d'un modèle de langage. Côté GEO, cette pratique sert surtout à construire les paniers de requêtes utilisés pour auditer la visibilité IA d'une marque, en reproduisant le plus fidèlement possible la façon dont un client potentiel formulerait sa question.
Pyramide inversée: La pyramide inversée est une structure de rédaction qui place l'information la plus importante en tête d'un contenu, puis développe les détails progressivement, à l'inverse d'un récit qui construirait sa conclusion pas à pas. Empruntée au journalisme, cette structure convient particulièrement bien au GEO : un moteur qui n'extrait qu'un seul passage a plus de chances de tomber sur l'essentiel s'il se trouve dès le début du contenu.
RAG (retrieval-augmented generation): Le RAG (retrieval-augmented generation, ou « génération augmentée par récupération ») désigne la méthode qui consiste à aller chercher des documents pertinents dans une source externe avant de générer une réponse, plutôt que de répondre uniquement à partir des connaissances internes du modèle. C'est le mécanisme qui permet à des outils comme Perplexity ou ChatGPT Search de citer des sources actuelles et vérifiables plutôt que de se limiter à leurs données d'entraînement, parfois obsolètes.
Rendu côté client (CSR): Le rendu côté client (client-side rendering, ou CSR) désigne le fait qu'une page web soit construite ou complétée dans le navigateur de l'internaute, par l'exécution de JavaScript, plutôt que d'être livrée déjà complète par le serveur. Un site qui repose fortement sur du CSR pour son contenu principal prend le risque de rester invisible pour la plupart des crawlers d'IA, qui n'exécutent généralement pas ce JavaScript avant d'analyser une page.
Rendu côté serveur (SSR): Le rendu côté serveur (server-side rendering, ou SSR) désigne le fait qu'une page web soit entièrement générée en HTML par le serveur avant d'être envoyée au navigateur ou à un crawler, sans nécessiter l'exécution de JavaScript pour afficher le contenu. C'est un prérequis technique pour le GEO : la plupart des crawlers d'IA n'exécutent pas ou peu de JavaScript, un contenu qui n'apparaît qu'après un rendu côté client reste donc invisible pour eux.
Requête conversationnelle: Une requête conversationnelle est une question formulée en langage naturel, souvent plus longue et plus précise qu'un mot-clé classique de recherche, telle qu'un internaute la poserait à un assistant IA plutôt qu'à un moteur de recherche traditionnel. Adapter la formulation des titres et des sous-titres d'un contenu à ce type de requête (« comment », « pourquoi », « quelle est la différence entre ») augmente les chances qu'il corresponde exactement à ce qu'un utilisateur demande à une IA.
Retrieval (récupération d'information): Le retrieval, ou récupération d'information, désigne l'étape technique qui consiste à identifier et extraire les documents les plus pertinents pour une requête donnée, avant de les transmettre à un modèle de langage pour qu'il en tire sa réponse. Il repose généralement sur une comparaison d'embeddings entre la requête et les documents disponibles dans un index. C'est la première moitié du mécanisme de RAG, la seconde étant la génération proprement dite.
robots.txt: Le fichier robots.txt est un fichier texte placé à la racine d'un site web, qui indique aux robots d'exploration quelles pages ils sont autorisés ou non à parcourir. Ce protocole existe depuis 1994, selon l'historique documenté du Robots Exclusion Protocol. En GEO, il permet d'autoriser explicitement les crawlers des moteurs IA (GPTBot, PerplexityBot, ClaudeBot, Google-Extended, entre autres) : sans cette autorisation, un contenu peut rester invisible à ces moteurs même s'il est par ailleurs bien indexé par une recherche classique.
Schema.org: Schema.org est un vocabulaire commun de balisage de données structurées, fondé conjointement par Google, Microsoft, Yahoo et Yandex en 2011, selon l'annonce officielle du projet, pour aider les moteurs à comprendre le contenu d'une page au-delà du simple texte visible. Il définit des types standardisés (Article, FAQPage, HowTo, Review, Organization) utilisés par les moteurs de recherche classiques et, en théorie, par les moteurs de réponse IA. Son effet direct sur la probabilité d'être cité par une IA reste toutefois débattu et n'est pas démontré causalement à ce jour.
Sitemap: Un sitemap est un fichier, généralement au format XML, qui liste l'ensemble des pages d'un site destinées à être explorées et indexées par les moteurs de recherche. Il facilite la découverte de nouvelles pages ou de pages mises à jour par les crawlers, en complément — et non à la place — du maillage interne entre les pages. Un sitemap à jour reste une bonne pratique technique de base, y compris pour la visibilité auprès des crawlers d'IA.
Token: Un token est l'unité de base que traite un modèle de langage : un mot, une partie de mot ou un signe de ponctuation, selon la façon dont le texte est découpé par le modèle. La taille d'un modèle, son coût d'utilisation via une API et sa capacité à traiter un texte long se mesurent tous en nombre de tokens plutôt qu'en mots ou en caractères.
Web scraping: Le web scraping désigne l'extraction automatisée du contenu d'un site web par un programme, sans passer par une interface ou une API officielle prévue à cet effet. Les crawlers d'IA pratiquent une forme de scraping à grande échelle pour collecter le contenu qu'ils utilisent ensuite pour l'entraînement de leurs modèles ou pour sourcer leurs réponses, ce qui explique les débats en cours sur le contrôle de ce contenu via le fichier robots.txt.

Mesure

Audit de visibilité IA: Un audit de visibilité IA est une évaluation ponctuelle ou répétée de la présence d'une marque dans les réponses de plusieurs moteurs IA, sur un panier de requêtes représentatif de son secteur. Il combine généralement une mesure quantitative (taux de citation, part de voix IA) et une analyse qualitative des sources que les moteurs citent à la place de la marque auditée, pour identifier où concentrer les efforts de contenu.
Baromètre de visibilité IA: Un baromètre de visibilité IA est une étude de données propriétaires, menée à intervalle régulier selon un protocole fixe et publié, qui mesure la visibilité d'un ensemble de marques dans les moteurs de réponse IA sur une période donnée. Contrairement à un audit ponctuel réalisé pour une seule marque, un baromètre compare plusieurs acteurs d'un même secteur entre eux, dans la durée, ce qui en fait un contenu particulièrement propice à la citation par les moteurs IA eux-mêmes.
Outil de suivi de visibilité IA: Un outil de suivi de visibilité IA (AI visibility tracking) est un logiciel qui interroge automatiquement, via une API, plusieurs moteurs de réponse IA sur un panier de requêtes prédéfini, puis mesure la fréquence à laquelle une marque y est citée. Il joue pour le GEO le rôle qu'un outil de suivi de position joue pour le SEO classique. Une même requête peut produire une réponse différente d'une exécution à l'autre, ce qui impose de la répéter plusieurs fois pour obtenir une mesure fiable.
Score de visibilité IA: Un score de visibilité IA est un indicateur synthétique, propre à chaque outil de suivi qui le calcule, qui agrège plusieurs signaux (taux de citation, position dans la réponse, nombre de moteurs concernés) en une seule valeur destinée à comparer facilement plusieurs marques ou plusieurs périodes. Sa méthode de calcul exacte varie d'un outil à l'autre et n'est pas standardisée à l'échelle du secteur, ce qui rend la comparaison de deux scores rigoureuse uniquement s'ils proviennent du même outil.