Être cité dans ChatGPT, Gemini et Perplexity : ce qu’un prestataire peut réellement faire

Imaginons une experte-comptable avec une petite équipe dans une ville moyenne. Son site existe depuis des années, il apparaît en première page pour le nom de sa ville et son activité principale, et les demandes arrivent de façon fiable. Puis elle remarque qu’un nouveau client lui dit lors du premier échange : « J’ai d’abord demandé à ChatGPT, et il y avait trois noms. » Le sien n’en faisait pas partie.

C’est une situation de départ typique, pas un cas individuel documenté. Dans la conversation avec un assistant, les gens formulent leurs questions de façon plus longue et plus précise que dans un moteur de recherche. Au lieu de « expert-comptable ville », la question est plutôt : « À quoi dois-je faire attention quand je cherche, en tant que freelance, une experte-comptable, et qui entre en ligne de compte dans ma région ? » La réponse s’affiche alors toute prête dans la fenêtre de discussion ou sous forme de synthèse au-dessus de la liste de résultats.

Pour la cheffe d’entreprise, une nouvelle question se pose : que peut-elle faire pour que son entreprise apparaisse dans de telles réponses ? Cette étude y répond sans promesse miraculeuse. Elle distingue ce qui est connu, ce qui est supposé de façon plausible et ce que personne ne peut savoir de l’extérieur.

Le sujet porte désormais plusieurs noms, comme Generative Engine Optimization, ou GEO en abrégé. Nous employons ici surtout le terme sobre de « visibilité IA », parce qu’il dit de quoi il s’agit : si, et comment, une entreprise apparaît dans les réponses des systèmes génératifs.

La première difficulté est de principe. ChatGPT, Gemini, Perplexity et les AI Overviews de Google fonctionnent différemment. Certains systèmes répondent à partir de ce qu’ils ont appris à l’entraînement, d’autres consultent en plus des pages web récentes et les citent. Quelle voie est suivie pour une question donnée, c’est le système qui le décide, pas l’exploitant du site.

La deuxième difficulté est la réponse elle-même. La même question peut faire ressortir des sources différentes à des moments différents. Une observation isolée (« aujourd’hui, je suis cité ») est donc peu significative, et il n’existe pas de classement au sens classique. Qui vous promet une place fixe dans une réponse d’IA affirme quelque chose qui ne peut pas être vérifié.

Troisièmement, l’incitation à exagérer est forte. Un marché qui vient d’émerger produit vite des recettes trop belles pour être vraies : des fichiers spéciaux qui « convainquent l’IA », ou des masses de texte censées simuler une autorité de source. Pour la plupart de ces recettes, il n’existe aucune preuve solide.

Quatrièmement, la mesure reste imprécise. Les fournisseurs ne publient pas de rapports comme la Google Search Console où l’on verrait ses mentions. On mesure par échantillons et par traces indirectes, et il faut afficher l’incertitude.

Le mécanisme général des systèmes qui consultent le web est connu. À la suite d’une question, le système cherche des pages web adaptées, les découpe en sections, évalue ces sections selon leur pertinence par rapport à la question et formule la réponse à partir de là. C’est généralement la page dont provient une section utilisée qui est citée. Il en découle que ce ne sont pas des pages entières qui sont en concurrence, mais des passages individuels.

Il est également établi que les systèmes s’appuient sur des index de recherche existants. Pour les offres de Google, il s’agit de l’index de Google ; chez d’autres fournisseurs, tantôt de robots propres, tantôt de partenaires de recherche. Une page qui n’est pas indexée ou pas accessible a très peu de chances d’être citée. C’est la partie qui se vérifie proprement.

La pondération est inconnue. Quel poids ont l’autorité du domaine, l’actualité, les mentions sur des sites tiers, la formulation du passage ? Les fournisseurs ne le divulguent pas, et cela change avec les versions des modèles. Tout ce qui circule publiquement à ce sujet relève de l’observation ou de la conjecture. Cela vaut aussi pour notre propre appréciation, et nous la signalons comme telle.

Un détail souvent confondu : pour les AI Overviews et le mode IA, Google déclare qu’aucun balisage supplémentaire n’est nécessaire. Qui est indexable et éligible aux extraits dans la recherche normale peut en principe aussi être retenu pour ceux-ci. Google ne prescrit pas d’« optimisation IA » propre au sens technique.

De ce qui est connu, nous déduisons une stratégie volontairement modeste. Nous traitons la visibilité IA comme le prolongement d’un bon travail éditorial, non comme un terrain de jeu à part avec ses astuces. L’objectif est le suivant : chaque question importante qu’un prospect poserait trouve sur le site une réponse claire et vérifiable, dans un passage compréhensible même sans le reste de la page.

À l’opposé se trouve l’alternative de construire une couche spéciale pour les machines : fichiers supplémentaires, pages d’atterrissage réservées aux bots, pages de questions-réponses produites en masse. Cela coûte de l’effort, est difficile à entretenir et comporte un risque. Les contenus qui n’existent que pour les machines contredisent les consignes de qualité des moteurs de recherche et perdent en valeur s’ils ne correspondent pas à l’offre visible.

Une seconde alternative consisterait à s’en remettre aux annonces ou aux fiches d’annuaire. Les deux peuvent avoir du sens, mais ne remplacent pas la source propre. Les annuaires sont parfois eux-mêmes utilisés comme sources par les systèmes, ce qui plaide pour des fiches soignées. Cela ne rend toutefois pas votre propre site superflu, car c’est là seulement que la réponse figure avec vos mots.

Notre décision : d’abord les fondations, puis mesurer, puis affiner. C’est plus lent qu’une promesse, mais cela tient quand les systèmes changent.

Un exemple de la différence : l’approche par astuces produirait vingt pages sur « expert-comptable pour le groupe professionnel X », chacune avec un texte interchangeable. L’autre approche rédige une bonne page sur les trois groupes professionnels que l’entreprise accompagne réellement, et y répond concrètement à ce qui est différent pour ce groupe. Moins de pages, plus de fond, et chacune peut être assumée devant un client.

La base est l’entité, c’est-à-dire l’identité sans ambiguïté de l’entreprise. Un système doit comprendre : quelle entreprise est-ce, que propose-t-elle, où, pour qui ? Cela paraît banal, mais échoue souvent sur des détails. Sur la page d’accueil figure une forme abrégée du nom, dans les mentions légales la raison sociale complète, dans les annuaires sectoriels une ancienne adresse. Nous harmonisons le nom, l’adresse, l’intitulé de la prestation et la zone d’intervention à chaque endroit sur lequel nous pouvons agir.

Vient ensuite le passage. Un paragraphe destiné à être cité doit se suffire à lui-même. Il commence par la réponse plutôt que par une introduction, nomme explicitement le sujet et le lieu (« Le cabinet conseille les indépendants de la région X sur … ») et évite les renvois comme « comme décrit plus haut ». Une règle empirique : si l’on copie le paragraphe et qu’on le colle dans un message vide, il devrait rester compréhensible.

Les blocs de faits sont des zones courtes, faciles à repérer, contenant des informations vérifiables : étendue de la prestation, zone d’intervention, joignabilité, déroulement d’un premier échange, mode de facturation, qualifications. Lorsque les prix ne peuvent pas être indiqués de façon forfaitaire, on y précise de quoi ils dépendent. C’est plus honnête qu’un chiffre de façade et tout aussi utile pour les lecteurs.

Le modèle de FAQ complète cet ensemble. De vraies questions issues d’entretiens de conseil reçoivent des réponses de deux à quatre phrases. Il importe que les réponses disent vraiment quelque chose. Une FAQ faite de formules creuses ne fournit aucun passage citable, seulement du bruit.

Le volet technique commence par l’accès. Le robots.txt indique quels robots peuvent consulter quelles zones. Les grands fournisseurs utilisent des identifiants distincts, par exemple pour l’entraînement des modèles et pour la recherche ou pour les consultations à la demande d’un utilisateur. Qui bloque en bloc tous les robots inconnus peut aussi bloquer la citation. Nous vérifions le fichier ligne par ligne et consignons la décision : autoriser l’entraînement ou non, autoriser la consultation de recherche ou non.

C’est un véritable arbitrage. Bloquer l’entraînement n’empêche pas nécessairement la citation dans des réponses fondées sur la recherche. Tout autoriser, c’est céder des contenus à des fins d’entraînement. Pour de nombreux prestataires disposant d’une offre d’information publique, l’intérêt pour la visibilité plaide pour l’ouverture ; pour des contenus spécialisés exclusifs, la pondération est autre. La décision appartient à la direction de l’entreprise, non à la technique.

Les données structurées selon schema.org complètent l’entité sous forme lisible par les machines : Organization ou LocalBusiness, Service, FAQPage, Person. Cela aide à la compréhension, mais ne garantit aucune mention. L’essentiel est que le balisage corresponde au contenu visible. Nous le vérifions avec le test des résultats enrichis et le validateur Schema.

Concernant le llms.txt : c’est un format proposé, un fichier Markdown avec un aperçu sélectionné des pages les plus importantes. Google ne l’exploite pas, et pour les autres fournisseurs, une utilisation fiable n’est pas démontrée. Nous le traitons comme un complément facultatif à faible coût, non comme un levier. Il ne remplace aucune des autres mesures.

Le cas le plus fréquent en pratique est une contradiction entre ses propres sources. Une entreprise a déménagé, mais un annuaire affiche encore l’ancienne adresse, et un assistant la restitue. Aucune mesure sur le seul site n’y remédie. Nous tenons une liste des endroits où l’entreprise figure sur le web et nous les rapprochons. C’est fastidieux et peu spectaculaire, mais cela supprime une véritable source d’erreurs.

Un deuxième cas concerne les contenus cachés derrière des scripts. Si le texte principal n’est généré qu’au niveau du navigateur par JavaScript, certains robots ne voient qu’une coquille vide. Nous vérifions avec le HTML récupéré, et non avec la vue rendue, que le texte essentiel est présent. Pour les pages conçues de manière classique ou rendues côté serveur, c’est généralement sans problème.

Un troisième cas : le système mentionne l’entreprise, mais à tort. Il la confond avec une société homonyme ou cite une prestation qui n’est pas proposée. On ne peut pas la « réparer » à la source. Ce qui aide, ce sont des autodescriptions sans ambiguïté, des liens vers des profils établis et, en cas de doute, les voies de correction que proposent certains fournisseurs.

Un quatrième cas concerne les contenus à enjeu de responsabilité, par exemple en droit, fiscalité ou santé. Là, une phrase citée brièvement et sans son contexte peut induire en erreur. Nous formulons donc les affirmations clés de façon que les réserves figurent dans le même paragraphe (« en règle générale », « selon le cas d’espèce ») au lieu de les reléguer dans une note en bas de page.

Reste enfin le cas où il existe simplement de meilleures sources pour une question : un portail spécialisé, un ordre professionnel, une autorité. L’entreprise n’est alors pas citée, et ce n’est pas anormal. Il est judicieux de repérer ces questions et d’intervenir là où l’entreprise a quelque chose de propre à apporter, comme l’expérience locale ou des processus concrets.

Nous ne citons volontairement aucun chiffre ici, car il n’existe pas de données de projet vérifiées et une prévision serait inventée. Ce que l’on peut raisonnablement attendre : le site devient plus clair, les contenus deviennent plus utiles aux lecteurs, les obstacles techniques disparaissent. Que des mentions en résultent, seule la mesure le montrera, et le résultat peut aussi être « aucun changement ».

La mesure comporte trois volets. D’abord, un jeu fixe de prompts de vingt à trente questions réalistes qu’un prospect poserait. Elles sont posées toutes les quelques semaines aux systèmes concernés, les réponses sont enregistrées et analysées : l’entreprise est-elle citée, liée, décrite correctement ? Comme les réponses fluctuent, c’est l’évolution sur plusieurs passages qui compte, pas le résultat isolé.

Ensuite, l’analytique. Les visites via des assistants apparaissent parfois avec leur propre référent, par exemple chatgpt.com ou perplexity.ai, parfois sans origine identifiable. Nous créons dans l’analyse un segment pour ces sources et traitons le chiffre comme une borne basse. Enfin, la Search Console pour la partie classique : impressions, clics et couverture de l’index des pages remaniées.

Nous prévoyons au moins deux à trois mois avant de tirer des conclusions. Ce qui ne peut être garanti, c’est chaque mention individuelle, une hausse des demandes et le délai pour qu’un fournisseur prenne en compte une modification.

Le constat le plus important est un lien : l’essentiel du travail est du SEO classique avec une autre pondération. L’indexabilité, une structure de pages claire, des contenus de réelle substance, des liens propres et une présence locale sans ambiguïté sont nécessaires dans les deux mondes. Qui néglige ces fondamentaux n’obtiendra guère de résultat, même avec des mesures IA supplémentaires.

Ce qui s’ajoute, c’est un changement de point de vue. Dans la recherche classique, on optimise une page pour un thème et on espère un clic. Avec les réponses d’IA, on optimise un passage pour une question, et le clic n’a parfois pas lieu, car la réponse figure déjà dans le chat. L’utilité se déplace du trafic vers la notoriété : le nom est prononcé, et le prospect le recherche ensuite de façon ciblée.

S’y ajoutent les mentions en dehors de son propre site. Articles spécialisés, pages d’associations, presse et profils entretenus augmentent la probabilité qu’un système associe l’entreprise à sa prestation. Nous ne savons pas à quel point cet effet est fort ; il est plausible et ne coûte rien si les contributions sont de toute façon utiles aux personnes.

Une mise en garde : tout ce qui plaît aux machines n’aide pas les lecteurs. Un texte composé uniquement de réponses courtes est citable, mais peu agréable à lire. Nous écrivons d’abord pour les humains, puis nous vérifions si les passages tiennent aussi isolément.

Pour l’experte-comptable de notre exemple, cela signifierait concrètement : d’abord, un audit détermine si toutes les pages importantes sont indexées, accessibles et lisibles côté serveur, et ce que règle réellement le robots.txt. En parallèle, le jeu fixe de prompts est établi, afin que l’état initial soit documenté avant que nous ne changions quoi que ce soit. Sans ce point de comparaison, rien ne pourrait être interprété plus tard.

Ensuite, les pages de prestations sont remaniées, avec définition d’ouverture, bloc de faits et vraie FAQ. Les données structurées sont ajoutées, les fiches d’annuaire rapprochées, et le llms.txt peut être créé en complément s’il reste du temps. L’effort est raisonnable ; le temps passe surtout dans la clarification du fond : que propose exactement l’entreprise, et comment le dire pour que cela se tienne seul ?

Après huit à douze semaines vient la première évaluation, honnête même si elle est mince. Si rien ne bouge, nous vérifions d’abord l’accès et l’indexation, puis les passages, et ce n’est qu’ensuite que nous regardons les mentions en dehors du site. La conclusion de l’étude est peu spectaculaire : la visibilité IA ne s’achète pas, mais on peut en préparer le terrain.

Si vous voulez savoir où se situe votre entreprise aujourd’hui, nous commençons par l’audit et le jeu de prompts. Les deux sont faits en peu de temps et fournissent une base pour décider s’il est judicieux de poursuivre.