Mesurer sa présence dans ChatGPT, Claude et Perplexity : retour d’expérience et enseignements
Fin septembre, j’ai posé à plusieurs assistants IA les questions que nos prospects saisissent habituellement dans Google. Travaillant dans une agence qui accompagne ses clients sur la visibilité dans les moteurs génératifs, je m’attendais à des résultats flatteurs. Le constat a été brutal : notre site n’apparaissait que dans 2 réponses sur 65. Voici ce que ces mesures m’ont appris, croisées avec la documentation des éditeurs.
Moins de clics, mais la responsabilité n’incombe pas qu’à l’IA – mesures GEO
Commençons par le contexte. La part des recherches effectuées sur Google qui se terminent sans aucun clic n’a cessé d’augmenter ces dernières années, pour dépasser largement les deux tiers des requêtes.
L’apparition de résumés générés par l’intelligence artificielle modifie également le comportement de recherche : lorsqu’un bloc d’IA est affiché en haut des résultats, la proportion d’utilisateurs cliquant sur un lien classique chute de moitié. Quant aux liens intégrés directement au sein du résumé généré, ils ne captent qu’un pourcentage marginal de clics.
J’ai d’abord cru que l’IA expliquait à elle seule la baisse de trafic observée sur nos sites suivis dans Google Search Console, où les clics avaient chuté de près de moitié en un an. Pourtant, en analysant les données par position, le diagnostic a changé : sur les requêtes conservées dans le top 10, le taux de clic avait en réalité progressé. Le problème ne venait pas d’une perte de clics à position égale, mais d’une perte de positions pures et d’un changement technique dans le comptage des impressions de Google.
Avant de réorganiser toute une stratégie autour des moteurs génératifs, il convient donc de vérifier, position par position, les causes réelles de vos baisses de trafic.
Comment un moteur génératif choisit ses sources
Les assistants capables de parcourir le web (ChatGPT avec la recherche, Perplexity, Claude, Gemini ou les modules d’IA de Google) reposent sur une architecture RAG (Retrieval-Augmented Generation). Le modèle ne répond pas uniquement grâce à sa mémoire fixe : il interroge un index, analyse des pages, en extrait des passages clés et formule une synthèse en citant les éléments retenus.
Google précise d’ailleurs que ses fonctionnalités d’IA peuvent lancer plusieurs recherches associées sur différents sous-thèmes avant de construire une réponse finale. Une question globale comme « quel outil choisir pour une PME » génère ainsi plusieurs sous-requêtes ciblant les tarifs, les intégrations ou la prise en main. Une page web n’a donc pas besoin de traiter l’intégralité d’un sujet : elle doit répondre parfaitement à l’une de ces sous-questions.
Les données collectées confirment le lien étroit avec le référencement naturel traditionnel. Sur notre échantillon de requêtes sectorielles, près des deux tiers des sources citées dans les résumés générés par IA figuraient déjà dans le top 10 des résultats organiques. Pour être cité, il faut presque toujours bénéficier au préalable d’un excellent classement classique. Les seules exceptions notables concernent les plateformes vidéo comme YouTube et les annuaires professionnels.
Il existe une seconde voie, plus lente : la mémoire d’entraînement de l’IA. Lorsqu’un modèle répond sans chercher sur le web, il s’appuie sur les données absorbées lors de son apprentissage. On n’y agit qu’indirectement, à travers ce que les autres sites écrivent sur vous.
Vérifier ce que voient les robots, pas votre navigateur
Le premier filtre est technique et élimine par inadvertance de nombreux sites. Chez les éditeurs d’IA, les robots d’exploration sont souvent segmentés : un robot est dédié à la collecte de données pour l’entraînement des modèles, tandis qu’un autre s’occupe de l’indexation pour la recherche en temps réel. Les deux paramètres sont indépendants. Vous pouvez donc refuser l’entraînement tout en restant visible dans les réponses en ligne, mais bloquer le robot de recherche vous effacera des résultats.
L’accès à votre fichier de directives robots s’effectue en quelques secondes. Cependant, le contrôle le plus déterminant consiste à analyser la page telle qu’un robot la reçoit, sans exécuter le code JavaScript. Lors de la refonte de notre propre site, ce test a révélé que plus d’une centaine de pages de notre glossaire étaient perçues comme totalement vides : le modèle d’affichage cherchait ses données au mauvais endroit et n’affichait aucun texte, malgré leur présence dans le plan du site.
Écrire des passages facilement exploitables par l’IA
Lorsqu’un moteur explore une page, il ne retient pas l’intégralité du texte, mais isole un passage précis. Un paragraphe qui met trois phrases avant d’entrer dans le vif du sujet a très peu de chances d’être sélectionné. À l’inverse, un bloc répondant dès la première ligne avant de détailler son propos s’extrait facilement sans perdre son sens.
Plusieurs habitudes de rédaction permettent d’optimiser cette citabilité :
- Un intertitre clair par question concrète, formulé avec le vocabulaire de vos utilisateurs.
- Une réponse directe condensée dans les deux premières phrases qui suivent.
- Des définitions explicites et autonomes.
- Des données chiffrées récentes et vérifiables.
L’ajout de données chiffrées, de sources précises et de faits établis améliore la visibilité des contenus au sein des réponses générées, alors que la suroptimisation par accumulation de mots-clés ne produit aucun résultat probant. Attention toutefois : un chiffre inexact ou introuvable finit par nuire à la crédibilité. Mieux vaut s’appuyer sur une donnée modeste et vérifiable que sur une statistique spectaculaire mais douteuse.
Ce que le web raconte de vous compte autant que votre propre site
Lors de notre audit, nous avons interrogé six moteurs sur la carte d’identité de notre agence. Tous la connaissaient, mais restituaient des informations contradictoires : des années de création différentes, un nombre de bureaux variable et des références clients issues d’un ancien sous-domaine abandonné. Ce site oublié continuait d’alimenter les réponses avec des données périmées.
Les moteurs d’IA croisent en permanence leurs sources. Si votre site principal, vos profils d’entreprise et les annuaires spécialisés se contredisent, les algorithmes retiendront la mauvaise information ou n’en afficheront aucune. La première priorité consiste à harmoniser strictement ces données partout (adresse, effectif, année de création, cœur de métier).
Concernant les sources tierces, les annuaires spécialisés et les plateformes de mise en relation d’entreprises apparaissent très fréquemment dans les réponses sur les prestataires de services. Y figurer avec une fiche complète et actualisée apporte souvent davantage de visibilité qu’un article supplémentaire sur votre propre blog.
Trois idées reçues à analyser avec recul
- L’optimisation IA remplacerait le référencement traditionnel : Les éditeurs confirment qu’il n’existe aucune exigence technique exclusive pour apparaître dans les modules IA. Les règles fondamentales de qualité et de pertinence du référencement classique restent le socle indispensable.
- Le fichier descriptif spécifique aux IA (llms.txt) serait indispensable : Bien que facile à mettre en place, aucun grand moteur n’en fait un critère officiel ou documenté pour sélectionner ses sources à ce jour.
- Il existerait une « position » fixe dans les réponses d’IA : En posant exactement les mêmes questions à quelques jours d’intervalle, les résultats varient fortement d’un tirage à l’autre. Une réponse peut citer votre marque un jour et ne plus la mentionner le lendemain, sans que le résultat global ne change fondamentalement. Une mesure isolée ne prouve rien.
Mesurer ses résultats méthodiquement
Notre méthode de mesure s’appuie sur des requêtes réelles extraites de nos outils d’analyse, plutôt que sur des questions imaginées. Nous les soumettons aux principaux assistants IA via leurs interfaces de programmation, avec la recherche web activée et géolocalisée. Lors de notre dernier relevé portant sur 18 questions posées à 4 moteurs, notre site n’était cité que dans 1 réponse sur 72, alors qu’il se positionne très bien sur Google pour ces mêmes recherches.
L’enseignement majeur ne réside pas dans ce seul chiffre. Avec certains assistants, nos pages figuraient bien dans les résultats de recherche consultés par l’outil, mais n’étaient pas retenues dans le texte final rédigé pour l’utilisateur. Le contenu était identifié, mais d’autres sources bénéficiant d’une notoriété supérieure passaient devant. La priorité doit donc se porter sur le renforcement de la notoriété globale et de la présence sur des sites tiers d’autorité, plutôt que sur la réécriture permanente de ses propres pages.
Pour démarrer, un simple tableur suffit : sélectionnez 20 à 30 questions de prospects, effectuez un relevé mensuel (avec deux tirages par question) et notez la présence de votre marque, des pages citées et de vos concurrents. Dans votre outil d’analyse de trafic, observez le comportement des visiteurs issus des plateformes d’IA pour évaluer la qualité de ces visites (pages vues, conversions).
Par où commencer ?
Pour structurer votre démarche dans l’ordre :
- Affichez vos pages principales sans exécuter le code JavaScript pour vérifier la présence effective de vos textes.
- Contrôlez votre fichier d’instructions pour les robots exploration par exploration.
- Harmonisez les informations identitaires de votre entreprise sur l’ensemble de vos supports et fiches d’annuaires.
- Optimisez vos pages stratégiques en plaçant la réponse directe dès le début de section et en appuyant vos propos sur des données chiffrées.
- Mettez en place un relevé périodique basé sur de vraies questions d’utilisateurs.
Une mesure régulière permet d’identifier précisément les requêtes qui génèrent une réelle progression au fil du temps.
Damien – Redacteur de contenu – apo-G uniT groupe