GEO (Generative Engine Optimization) : définition et sources
Generative engine optimization (GEO) : définition, fonctionnement et sources académiques
Le generative engine optimization (GEO) désigne l'ensemble des méthodes qui augmentent la probabilité qu'une page ou une marque soit reprise, citée ou recommandée dans une réponse rédigée par un moteur génératif : ChatGPT, Perplexity, Gemini, Claude, Microsoft Copilot, Mistral Le Chat ou les AI Overviews de Google. Le terme vient d'un article de recherche de Princeton University et de l'IIT Delhi, présenté à la conférence KDD 2024.
Cette page pose la définition, explique le fonctionnement d'un moteur génératif étape par étape et fait l'état des preuves académiques. Chaque terme technique renvoie à notre glossaire GEO / AEO / IA Search.
Le GEO optimise une source pour qu'une IA la cite dans sa réponse, là où le SEO vise un rang dans une liste de liens. Le moteur décompose la question, récupère des passages puis les synthétise. La recherche valide des leviers précis : passages autonomes, statistiques et citations sourcées, présence dans les médias tiers. Le bourrage de mots-clés n'apporte aucun gain mesuré.
Generative engine optimization : la définition de référence
Le terme GEO est né en novembre 2023 dans un article de six chercheurs, publié sur arXiv puis à KDD 2024.
Discipline qui optimise le contenu et la présence d'une marque pour maximiser leur visibilité dans les réponses des moteurs génératifs, mesurée par la fréquence, la position et l'exactitude des mentions et des citations.
Traduction : optimisation pour les moteurs génératifs. Usages courants en français : référencement GEO, référencement IA, référencement ChatGPT. Synonymes marketing : GSO, AISO, GAIO (voir le glossaire).Les auteurs du papier fondateur, Pranjal Aggarwal, Vishvak Murahari, Tanmay Rajpurohit, Ashwin Kalyan, Karthik Narasimhan et Ameet Deshpande, décrivent le GEO comme un cadre d'optimisation en boîte noire. Le créateur de contenu ne voit ni l'index du moteur, ni les poids du modèle. Il observe uniquement ce qui ressort dans la réponse.
Cette précision change tout. Le GEO agit sur un système qu'il n'observe jamais directement : une recommandation sérieuse repose donc sur des mesures répétées, jamais sur une intuition.
| Fiche d'identité | Contenu |
|---|---|
| Nom complet | Generative Engine Optimization (GEO) |
| Origine | Aggarwal et al., arXiv:2311.09735 (16 novembre 2023), publié à KDD 2024, Barcelone (DOI 10.1145/3637528.3671900) |
| Moteurs concernés | ChatGPT, Perplexity, Gemini, Claude, Microsoft Copilot, Mistral Le Chat, Google AI Overviews et AI Mode |
| Objet optimisé | Un passage, une page ou une entité de marque à l'intérieur d'une réponse synthétisée |
| Indicateurs | Mention rate, taux de citation, share of voice IA, exactitude des réponses |
| Termes voisins | AEO, LLMO, GSO, AISO |
Comment fonctionne le référencement GEO : du prompt à la citation
Un moteur génératif construit sa réponse en cinq étapes, de la question de l'utilisateur à la citation des sources.
La plupart des moteurs génératifs reposent sur la génération augmentée par récupération (RAG), formalisée en 2020 par Patrick Lewis et ses coauteurs (Facebook AI Research, UCL) à NeurIPS. Le modèle ne répond pas de mémoire seule : il interroge un index, retient des passages, puis rédige à partir d'eux. Chaque étape offre un levier au GEO.
Requête et fan-out
La question est décomposée en sous-requêtes (query fan-out).
Levier GEOCouvrir les variantes conversationnelles d'un sujetRécupération
Le moteur interroge un index : celui de Google pour AI Overviews, des index propres ou partenaires pour ChatGPT, Perplexity et Claude.
Levier GEOÊtre accessible aux robots des moteurs IASélection des passages
Les pages sont découpées en passages, comparés à la requête par similarité sémantique (embeddings).
Levier GEODes passages autonomes, un fait par phraseSynthèse
Le LLM rédige en s'appuyant sur les passages retenus (grounding).
Levier GEODes preuves chiffrées et sourcéesAttribution
La réponse cite des sources et nomme des marques, avec ou sans lien.
Levier GEOAutorité hors site et cohérence de l'entitéSchéma Blazing d'après Lewis et al. (2020), Aggarwal et al. (2024) et la documentation Google Search (2026).
Un LLM dispose de deux mémoires. La mémoire paramétrique vient des données d'entraînement et ne change qu'à la sortie d'un nouveau modèle : c'est le terrain du LLMO. La mémoire de récupération se renouvelle à chaque requête : c'est le terrain principal du GEO, et la raison pour laquelle une page récente entre dans les réponses sans attendre un nouvel entraînement.
Le 15 mai 2026, Google a publié son premier guide officiel d'optimisation pour la recherche générative. Le message est net : AI Overviews et AI Mode s'appuient sur les systèmes de classement de Google Search, et aucun fichier dédié, balisage spécial ou découpage du contenu n'est requis. Côté Google, le GEO prolonge donc un SEO solide. Notre analyse des AI Overviews détaille ce mécanisme.
ChatGPT, Claude et Perplexity ne suivent pas ces règles. Ils puisent dans d'autres index et favorisent d'autres types de sources, comme le montre l'étude de l'University of Toronto détaillée ci-dessous. C'est sur ces moteurs que le GEO se sépare nettement du SEO.
Sources académiquesCe que la recherche académique dit du generative engine optimization
Cinq publications parues entre 2020 et 2026 fondent l'essentiel des connaissances vérifiables sur le GEO.
| Publication | Question étudiée | Résultat clé |
|---|---|---|
| Lewis et al., NeurIPS 2020Facebook AI Research, UCL | Comment un LLM s'appuie sur des documents externes pour répondre | Fondement du RAG : récupérer des passages améliore les réponses sur les tâches factuelles |
| Aggarwal et al., KDD 2024Princeton University, IIT Delhi | Quelles réécritures augmentent la visibilité d'une source dans une réponse générée | Jusqu'à +40 % de visibilité, jusqu'à +37 % sur Perplexity ; bourrage de mots-clés sans effet |
| Kumar & Lakkaraju, arXiv 2024Harvard University | Une séquence de texte ajoutée modifie-t-elle une recommandation produit | Oui : une séquence optimisée place un produit fictif en tête des recommandations |
| Chen et al., arXiv 2025University of Toronto | Quelles sources citent les moteurs IA, comparés à Google | 72,7 % de médias tiers pour les logiciels aux États-Unis, contre 45,4 % sur Google |
| Ando & Harada, arXiv 2026 | Ce que les LLM choisissent de citer, comparé aux humains | Phrases chiffrées sous-sélectionnées de 22,6 %, phrases avec noms de personnes de 20,1 % |
Aggarwal et al. (KDD 2024) : le papier qui a nommé la discipline
L'équipe a construit GEO-bench, un banc d'essai de 10 000 requêtes couvrant plusieurs domaines, puis testé neuf méthodes de réécriture sur des pages sources. Les ajouts de citations d'experts, de statistiques et de références sourcées produisent les gains les plus nets : jusqu'à 40 % de visibilité supplémentaire dans les réponses, et jusqu'à 37 % sur Perplexity, testé en conditions réelles.
Le bourrage de mots-clés, réflexe hérité du SEO des années 2000, n'apporte aucun gain mesurable. Les auteurs montrent aussi que l'efficacité des méthodes change d'un domaine à l'autre : la citation de sources pèse sur les questions factuelles, le ton d'autorité sur les sujets de débat.
Chen et al. (University of Toronto, 2025) : les moteurs IA préfèrent les médias tiers
Mahe Chen, Xiaoxuan Wang, Kaiwen Chen et Nick Koudas ont comparé les sources citées par les moteurs IA et par Google sur l'automobile, l'électronique grand public et les logiciels, au Canada et aux États-Unis. Sur les logiciels aux États-Unis, les moteurs IA citent 72,7 % de médias tiers, contre 45,4 % pour Google. Les contenus des réseaux sociaux disparaissent presque des réponses IA.
Le second résultat est décisif pour un marché francophone. ChatGPT change d'écosystème de sources selon la langue de la requête, avec un recouvrement quasi nul d'une langue à l'autre, alors que Claude réutilise davantage les domaines anglophones. Une question posée en français ne puise donc pas dans les mêmes sites qu'en anglais. Nous détaillons ce biais dans notre article l'IA pense en anglais.
Ando & Harada, Kumar & Lakkaraju : deux limites à connaître
Kenichiro Ando et Tatsuya Harada (février 2026) montrent que les LLM sous-sélectionnent les phrases chiffrées de 22,6 % et les phrases contenant des noms de personnes de 20,1 %, par rapport aux préférences humaines. Un chiffre isolé ne suffit donc pas : il gagne à être rattaché à une source nommée, dans une phrase qui se comprend seule.
Aounon Kumar et Himabindu Lakkaraju (Harvard) ont démontré en 2024 qu'une séquence de texte optimisée, ajoutée à une fiche produit, propulse un produit fictif en tête des recommandations d'un LLM. Cette vulnérabilité ouvre la porte au GEO noir, que nous analysons dans notre article sur la manipulation des réponses IA.
« Le GEO est l'une des rares disciplines marketing nées dans un laboratoire de recherche. Je m'appuie sur ces publications avant les promesses des vendeurs d'outils : elles disent ce qui marche, et surtout ce qui ne marche pas. »
Thomas Moreau · CEO, BlazingGEO vs SEO : ce qui change pour le référencement ChatGPT
Selon Ahrefs (février 2026), un AI Overview réduit de 58 % le taux de clic du premier résultat organique.
Le chiffre vient d'une analyse de 300 000 mots-clés sur les données Search Console de décembre 2025. L'étude précédente d'Ahrefs, en avril 2025, mesurait 34,5 %. Être premier sur Google ne garantit plus le clic, et encore moins la citation dans ChatGPT.
| Critère | SEO | GEO |
|---|---|---|
| Objectif | Un rang dans une liste de liens | Une mention ou une citation dans une réponse |
| Unité | La page | Le passage et l'entité de marque |
| Signaux | Pertinence, liens, qualité technique | Preuves citables, médias tiers, cohérence de l'entité |
| Mesure | Position, impressions, clics | Mention rate, taux de citation, share of voice IA |
| Résultats | Classement suivi requête par requête | Réponses probabilistes, variables selon le modèle et la langue |
| Moteurs | Google, Bing | ChatGPT, Perplexity, Gemini, Claude, Copilot, AI Overviews |
L'AEO (answer engine optimization) se situe entre les deux. Antérieur au GEO, il vise les réponses directes extraites d'une seule source : position zéro de Google, assistants vocaux. Le comparatif critère par critère se trouve dans notre article SEO vs GEO, et la frontière AEO/GEO dans le glossaire.
Terrain francophone Observation terrain · Belgique · France · Suisse · LuxembourgRéférencement GEO en Belgique, France et Suisse : l'état du terrain
Google a lancé AI Overviews et AI Mode en France le 22 juillet 2026, avec deux ans de retard.
Le blocage tenait aux droits voisins de la presse. Un compromis conclu fin juin 2026 permet aux éditeurs de retirer leurs contenus des AI Overviews et prévoit une rémunération des 450 médias sous contrat avec Google. Pour les marques françaises, la surface de citation la plus visible du web vient tout juste d'ouvrir.
des Français utilisent l'IA générative (Baromètre du numérique, CRÉDOC pour l'Arcep, février 2026)
L'usage informationnel suit. En France, 73 % des utilisateurs d'IA générative s'en servent au moins une fois par mois pour chercher une information. En Suisse, 13 % de la population commence déjà sa recherche d'une PME par ChatGPT ou Copilot, et 21 % chez les 18-29 ans (KMU Digital Pulse, localsearch et HSLU, décembre 2025).
Blazing, agence GEO et AEO basée à Bruxelles, suit la visibilité IA B2B francophone en Belgique, en France, en Suisse, au Luxembourg et au Canada francophone. Le constat rejoint l'étude de Toronto : ChatGPT change de sources selon la langue, donc l'optimisation LLM d'une marque francophone se joue sur le corpus francophone, avec ses médias, ses annuaires et ses comparatifs. Une stratégie traduite depuis l'anglais passe à côté de ce corpus.
Vos clients interrogent déjà une IA en français. Reste à savoir ce qu'elle leur répond sur votre marque.
Les 5 leviers du generative engine optimization
Chaque levier ci-dessous s'appuie sur une étude citée plus haut ou sur une consigne officielle d'un moteur.
Ouvrir l'accès aux robots des moteurs IA
Un contenu bloqué n'est jamais récupéré. Vérifiez dans le robots.txt et dans le pare-feu applicatif (WAF) l'accès des robots de recherche d'OpenAI (OAI-SearchBot), de Perplexity (PerplexityBot), d'Anthropic et de Google. Google rappelle qu'aucun fichier llms.txt n'est requis pour ses surfaces IA.
Écrire des passages autonomes
Le moteur sélectionne des passages, pas des pages entières. Chaque section ouvre sur un fait complet de 6 à 20 mots, compréhensible hors contexte. La méthode est détaillée dans notre article sur l'entity density et les faits atomiques.
Ajouter des preuves sourcées
Statistiques, citations d'experts et références nommées forment les méthodes les plus efficaces de GEO-bench (Aggarwal et al., 2024). Ando et Harada (2026) montrent qu'un chiffre gagne à être rattaché à une source et à une personne nommées. Notre guide pratique pour être cité par l'IA applique ces règles page par page.
Construire l'autorité hors site
Les moteurs IA citent majoritairement des médias tiers (Chen et al., 2025). Comparatifs sectoriels, presse spécialisée, avis clients et annuaires francophones pèsent davantage que votre propre blog. Les marques connues partent avec une longueur d'avance, comme le montre notre analyse du big brand bias.
Mesurer dans le temps, sur plusieurs moteurs
Les réponses IA sont probabilistes : une mesure isolée ne prouve rien. Le marché se fragmente aussi. En mai 2026, ChatGPT ne pèse plus que 53 % du trafic web des IA génératives, contre 76 % un an plus tôt, face à Gemini (27 %) et Claude (9 %) selon Similarweb. Suivez un panel fixe de prompts, chaque mois, sur plusieurs moteurs et en français.
| Indicateur | Ce qu'il mesure | Calcul |
|---|---|---|
| Mention rate | Présence de la marque dans les réponses | Prompts avec mention ÷ prompts testés |
| Taux de citation | Liens vers votre domaine dans les réponses | Réponses citant le domaine ÷ réponses |
| Share of voice IA | Votre poids face aux concurrents | Vos mentions ÷ mentions de toutes les marques suivies |
| Exactitude | Fiabilité de ce que l'IA dit de vous (hallucinations) | Réponses exactes ÷ réponses mentionnant la marque |
Notre guide du share of voice IA détaille la méthode de calcul, et notre comparatif des 7 outils GEO/AEO recense les solutions de suivi. Blazing Pulse, notre plateforme, automatise ce suivi en français sur les principaux moteurs génératifs.
ClarificationCe que le GEO n'est pas : cinq idées reçues
Le GEO ne garantit aucune citation : les réponses des moteurs génératifs restent probabilistes.
Generative engine optimization : les questions les plus posées
Le generative engine optimization (GEO) est l'optimisation d'un contenu et d'une marque pour être cités dans les réponses de ChatGPT, Perplexity, Gemini, Claude, Copilot ou des AI Overviews de Google. Le terme vient d'un article de Princeton University et de l'IIT Delhi présenté à KDD 2024, qui mesure jusqu'à 40 % de visibilité supplémentaire avec les bonnes réécritures. Le GEO vise une place dans la réponse synthétisée, là où le SEO vise un rang dans une liste de liens.
Le terme GEO apparaît en novembre 2023 dans l'article « GEO: Generative Engine Optimization » de Pranjal Aggarwal, Ameet Deshpande et quatre coauteurs, publié sur arXiv puis présenté à la conférence KDD 2024 à Barcelone. Les auteurs y introduisent GEO-bench, un banc d'essai de 10 000 requêtes, et une mesure de visibilité propre aux réponses générées. Depuis 2024, le terme s'est imposé dans la profession pour désigner l'optimisation pour les moteurs génératifs.
Non, le GEO complète le SEO. Google indique dans son guide de mai 2026 que AI Overviews et AI Mode reposent sur ses systèmes de classement habituels : un bon SEO reste la base côté Google. Les autres moteurs suivent d'autres logiques : l'Université de Toronto mesure 72,7 % de médias tiers dans les sources des moteurs IA sur les logiciels aux États-Unis, contre 45,4 % sur Google. Le GEO couvre cet écart.
Pour être cité par ChatGPT, une page doit être accessible au robot OAI-SearchBot, contenir des passages autonomes et des preuves sourcées, et la marque doit être présente dans des médias tiers. ChatGPT change de sources selon la langue de la requête (Chen et al., 2025) : en Belgique, en France ou en Suisse, le corpus francophone décide. ChatGPT revendique 1 milliard d'utilisateurs hebdomadaires depuis août 2026.
L'AEO (answer engine optimization) vise les réponses directes extraites d'une seule source : position zéro de Google, assistants vocaux. Le GEO vise les réponses synthétisées par un LLM à partir de plusieurs sources. En 2026, les deux pratiques se recouvrent largement et se traitent ensemble. Le glossaire Blazing de plus de 30 termes détaille AEO, GEO, LLMO, GSO et AISO.
Le référencement GEO se mesure sur un panel fixe de prompts, testé chaque mois sur plusieurs moteurs. Quatre indicateurs servent de base : mention rate, taux de citation, share of voice IA et exactitude des réponses. Une marque citée dans 23 réponses sur 100 prompts affiche un mention rate de 23 %. Selon SE Ranking (juin 2026), l'IA pèse 0,32 % du trafic des sites, seize fois plus qu'en 2024 : le suivi des mentions complète celui des clics.
Oui. 48 % des Français utilisent l'IA générative (Arcep, février 2026), 47 % des Suisses de 16 à 74 ans en ont utilisé une en 2025 (Eurostat) et 31 % des Bruxellois dès 2024 (IBSA). Google a ouvert AI Overviews et AI Mode en France le 22 juillet 2026. Pour une PME ou un éditeur B2B francophone, le corpus francophone reste distinct du corpus anglophone : la visibilité s'y construit séparément.
Le trafic IA reste faible en volume mais il accélère : 0,32 % des visites de 101 574 sites en 2026, dont 74,78 % issues de ChatGPT (SE Ranking, juin 2026). La bataille se joue aujourd'hui dans la réponse elle-même.
RéférencesSources académiques et officielles citées
- Aggarwal P., Murahari V., Rajpurohit T., Kalyan A., Narasimhan K., Deshpande A. (2024). GEO: Generative Engine Optimization. KDD 2024, ACM. arXiv:2311.09735
- Chen M., Wang X., Chen K., Koudas N. (2025). Generative Engine Optimization: How to Dominate AI Search. University of Toronto. arXiv:2509.08919
- Ando K., Harada T. (2026). Aligning Large Language Model Behavior with Human Citation Preferences. arXiv:2602.05205
- Kumar A., Lakkaraju H. (2024). Manipulating Large Language Models to Increase Product Visibility. arXiv:2404.07981
- Lewis P. et al. (2020). Retrieval-Augmented Generation for Knowledge-Intensive NLP Tasks. NeurIPS 2020. arXiv:2005.11401
- Google Search Central (2026). Guide d'optimisation pour la recherche générative, publié le 15 mai 2026.
Que répondent ChatGPT, Perplexity et Gemini sur votre marque ?
L'audit GEO gratuit de Blazing teste vos requêtes stratégiques en français sur les principaux moteurs génératifs et compare votre visibilité à celle de vos concurrents.
Demander l'audit GEO gratuitGenerative engine optimization (GEO) : définition, fonctionnement et sources académiques
Le generative engine optimization (GEO) désigne l'ensemble des méthodes qui augmentent la probabilité qu'une page ou une marque soit reprise, citée ou recommandée dans une réponse rédigée par un moteur génératif : ChatGPT, Perplexity, Gemini, Claude, Microsoft Copilot, Mistral Le Chat ou les AI Overviews de Google. Le terme vient d'un article de recherche de Princeton University et de l'IIT Delhi, présenté à la conférence KDD 2024.
Cette page pose la définition, explique le fonctionnement d'un moteur génératif étape par étape et fait l'état des preuves académiques. Chaque terme technique renvoie à notre glossaire GEO / AEO / IA Search.
Le GEO optimise une source pour qu'une IA la cite dans sa réponse, là où le SEO vise un rang dans une liste de liens. Le moteur décompose la question, récupère des passages puis les synthétise. La recherche valide des leviers précis : passages autonomes, statistiques et citations sourcées, présence dans les médias tiers. Le bourrage de mots-clés n'apporte aucun gain mesuré.
Generative engine optimization : la définition de référence
Le terme GEO est né en novembre 2023 dans un article de six chercheurs, publié sur arXiv puis à KDD 2024.
Discipline qui optimise le contenu et la présence d'une marque pour maximiser leur visibilité dans les réponses des moteurs génératifs, mesurée par la fréquence, la position et l'exactitude des mentions et des citations.
Traduction : optimisation pour les moteurs génératifs. Usages courants en français : référencement GEO, référencement IA, référencement ChatGPT. Synonymes marketing : GSO, AISO, GAIO (voir le glossaire).Les auteurs du papier fondateur, Pranjal Aggarwal, Vishvak Murahari, Tanmay Rajpurohit, Ashwin Kalyan, Karthik Narasimhan et Ameet Deshpande, décrivent le GEO comme un cadre d'optimisation en boîte noire. Le créateur de contenu ne voit ni l'index du moteur, ni les poids du modèle. Il observe uniquement ce qui ressort dans la réponse.
Cette précision change tout. Le GEO agit sur un système qu'il n'observe jamais directement : une recommandation sérieuse repose donc sur des mesures répétées, jamais sur une intuition.
| Fiche d'identité | Contenu |
|---|---|
| Nom complet | Generative Engine Optimization (GEO) |
| Origine | Aggarwal et al., arXiv:2311.09735 (16 novembre 2023), publié à KDD 2024, Barcelone (DOI 10.1145/3637528.3671900) |
| Moteurs concernés | ChatGPT, Perplexity, Gemini, Claude, Microsoft Copilot, Mistral Le Chat, Google AI Overviews et AI Mode |
| Objet optimisé | Un passage, une page ou une entité de marque à l'intérieur d'une réponse synthétisée |
| Indicateurs | Mention rate, taux de citation, share of voice IA, exactitude des réponses |
| Termes voisins | AEO, LLMO, GSO, AISO |
Comment fonctionne le référencement GEO : du prompt à la citation
Un moteur génératif construit sa réponse en cinq étapes, de la question de l'utilisateur à la citation des sources.
La plupart des moteurs génératifs reposent sur la génération augmentée par récupération (RAG), formalisée en 2020 par Patrick Lewis et ses coauteurs (Facebook AI Research, UCL) à NeurIPS. Le modèle ne répond pas de mémoire seule : il interroge un index, retient des passages, puis rédige à partir d'eux. Chaque étape offre un levier au GEO.
Requête et fan-out
La question est décomposée en sous-requêtes (query fan-out).
Levier GEOCouvrir les variantes conversationnelles d'un sujetRécupération
Le moteur interroge un index : celui de Google pour AI Overviews, des index propres ou partenaires pour ChatGPT, Perplexity et Claude.
Levier GEOÊtre accessible aux robots des moteurs IASélection des passages
Les pages sont découpées en passages, comparés à la requête par similarité sémantique (embeddings).
Levier GEODes passages autonomes, un fait par phraseSynthèse
Le LLM rédige en s'appuyant sur les passages retenus (grounding).
Levier GEODes preuves chiffrées et sourcéesAttribution
La réponse cite des sources et nomme des marques, avec ou sans lien.
Levier GEOAutorité hors site et cohérence de l'entitéSchéma Blazing d'après Lewis et al. (2020), Aggarwal et al. (2024) et la documentation Google Search (2026).
Un LLM dispose de deux mémoires. La mémoire paramétrique vient des données d'entraînement et ne change qu'à la sortie d'un nouveau modèle : c'est le terrain du LLMO. La mémoire de récupération se renouvelle à chaque requête : c'est le terrain principal du GEO, et la raison pour laquelle une page récente entre dans les réponses sans attendre un nouvel entraînement.
Le 15 mai 2026, Google a publié son premier guide officiel d'optimisation pour la recherche générative. Le message est net : AI Overviews et AI Mode s'appuient sur les systèmes de classement de Google Search, et aucun fichier dédié, balisage spécial ou découpage du contenu n'est requis. Côté Google, le GEO prolonge donc un SEO solide. Notre analyse des AI Overviews détaille ce mécanisme.
ChatGPT, Claude et Perplexity ne suivent pas ces règles. Ils puisent dans d'autres index et favorisent d'autres types de sources, comme le montre l'étude de l'University of Toronto détaillée ci-dessous. C'est sur ces moteurs que le GEO se sépare nettement du SEO.
Sources académiquesCe que la recherche académique dit du generative engine optimization
Cinq publications parues entre 2020 et 2026 fondent l'essentiel des connaissances vérifiables sur le GEO.
| Publication | Question étudiée | Résultat clé |
|---|---|---|
| Lewis et al., NeurIPS 2020Facebook AI Research, UCL | Comment un LLM s'appuie sur des documents externes pour répondre | Fondement du RAG : récupérer des passages améliore les réponses sur les tâches factuelles |
| Aggarwal et al., KDD 2024Princeton University, IIT Delhi | Quelles réécritures augmentent la visibilité d'une source dans une réponse générée | Jusqu'à +40 % de visibilité, jusqu'à +37 % sur Perplexity ; bourrage de mots-clés sans effet |
| Kumar & Lakkaraju, arXiv 2024Harvard University | Une séquence de texte ajoutée modifie-t-elle une recommandation produit | Oui : une séquence optimisée place un produit fictif en tête des recommandations |
| Chen et al., arXiv 2025University of Toronto | Quelles sources citent les moteurs IA, comparés à Google | 72,7 % de médias tiers pour les logiciels aux États-Unis, contre 45,4 % sur Google |
| Ando & Harada, arXiv 2026 | Ce que les LLM choisissent de citer, comparé aux humains | Phrases chiffrées sous-sélectionnées de 22,6 %, phrases avec noms de personnes de 20,1 % |
Aggarwal et al. (KDD 2024) : le papier qui a nommé la discipline
L'équipe a construit GEO-bench, un banc d'essai de 10 000 requêtes couvrant plusieurs domaines, puis testé neuf méthodes de réécriture sur des pages sources. Les ajouts de citations d'experts, de statistiques et de références sourcées produisent les gains les plus nets : jusqu'à 40 % de visibilité supplémentaire dans les réponses, et jusqu'à 37 % sur Perplexity, testé en conditions réelles.
Le bourrage de mots-clés, réflexe hérité du SEO des années 2000, n'apporte aucun gain mesurable. Les auteurs montrent aussi que l'efficacité des méthodes change d'un domaine à l'autre : la citation de sources pèse sur les questions factuelles, le ton d'autorité sur les sujets de débat.
Chen et al. (University of Toronto, 2025) : les moteurs IA préfèrent les médias tiers
Mahe Chen, Xiaoxuan Wang, Kaiwen Chen et Nick Koudas ont comparé les sources citées par les moteurs IA et par Google sur l'automobile, l'électronique grand public et les logiciels, au Canada et aux États-Unis. Sur les logiciels aux États-Unis, les moteurs IA citent 72,7 % de médias tiers, contre 45,4 % pour Google. Les contenus des réseaux sociaux disparaissent presque des réponses IA.
Le second résultat est décisif pour un marché francophone. ChatGPT change d'écosystème de sources selon la langue de la requête, avec un recouvrement quasi nul d'une langue à l'autre, alors que Claude réutilise davantage les domaines anglophones. Une question posée en français ne puise donc pas dans les mêmes sites qu'en anglais. Nous détaillons ce biais dans notre article l'IA pense en anglais.
Ando & Harada, Kumar & Lakkaraju : deux limites à connaître
Kenichiro Ando et Tatsuya Harada (février 2026) montrent que les LLM sous-sélectionnent les phrases chiffrées de 22,6 % et les phrases contenant des noms de personnes de 20,1 %, par rapport aux préférences humaines. Un chiffre isolé ne suffit donc pas : il gagne à être rattaché à une source nommée, dans une phrase qui se comprend seule.
Aounon Kumar et Himabindu Lakkaraju (Harvard) ont démontré en 2024 qu'une séquence de texte optimisée, ajoutée à une fiche produit, propulse un produit fictif en tête des recommandations d'un LLM. Cette vulnérabilité ouvre la porte au GEO noir, que nous analysons dans notre article sur la manipulation des réponses IA.
« Le GEO est l'une des rares disciplines marketing nées dans un laboratoire de recherche. Je m'appuie sur ces publications avant les promesses des vendeurs d'outils : elles disent ce qui marche, et surtout ce qui ne marche pas. »
Thomas Moreau · CEO, BlazingGEO vs SEO : ce qui change pour le référencement ChatGPT
Selon Ahrefs (février 2026), un AI Overview réduit de 58 % le taux de clic du premier résultat organique.
Le chiffre vient d'une analyse de 300 000 mots-clés sur les données Search Console de décembre 2025. L'étude précédente d'Ahrefs, en avril 2025, mesurait 34,5 %. Être premier sur Google ne garantit plus le clic, et encore moins la citation dans ChatGPT.
| Critère | SEO | GEO |
|---|---|---|
| Objectif | Un rang dans une liste de liens | Une mention ou une citation dans une réponse |
| Unité | La page | Le passage et l'entité de marque |
| Signaux | Pertinence, liens, qualité technique | Preuves citables, médias tiers, cohérence de l'entité |
| Mesure | Position, impressions, clics | Mention rate, taux de citation, share of voice IA |
| Résultats | Classement suivi requête par requête | Réponses probabilistes, variables selon le modèle et la langue |
| Moteurs | Google, Bing | ChatGPT, Perplexity, Gemini, Claude, Copilot, AI Overviews |
L'AEO (answer engine optimization) se situe entre les deux. Antérieur au GEO, il vise les réponses directes extraites d'une seule source : position zéro de Google, assistants vocaux. Le comparatif critère par critère se trouve dans notre article SEO vs GEO, et la frontière AEO/GEO dans le glossaire.
Terrain francophone Observation terrain · Belgique · France · Suisse · LuxembourgRéférencement GEO en Belgique, France et Suisse : l'état du terrain
Google a lancé AI Overviews et AI Mode en France le 22 juillet 2026, avec deux ans de retard.
Le blocage tenait aux droits voisins de la presse. Un compromis conclu fin juin 2026 permet aux éditeurs de retirer leurs contenus des AI Overviews et prévoit une rémunération des 450 médias sous contrat avec Google. Pour les marques françaises, la surface de citation la plus visible du web vient tout juste d'ouvrir.
des Français utilisent l'IA générative (Baromètre du numérique, CRÉDOC pour l'Arcep, février 2026)
L'usage informationnel suit. En France, 73 % des utilisateurs d'IA générative s'en servent au moins une fois par mois pour chercher une information. En Suisse, 13 % de la population commence déjà sa recherche d'une PME par ChatGPT ou Copilot, et 21 % chez les 18-29 ans (KMU Digital Pulse, localsearch et HSLU, décembre 2025).
Blazing, agence GEO et AEO basée à Bruxelles, suit la visibilité IA B2B francophone en Belgique, en France, en Suisse, au Luxembourg et au Canada francophone. Le constat rejoint l'étude de Toronto : ChatGPT change de sources selon la langue, donc l'optimisation LLM d'une marque francophone se joue sur le corpus francophone, avec ses médias, ses annuaires et ses comparatifs. Une stratégie traduite depuis l'anglais passe à côté de ce corpus.
Vos clients interrogent déjà une IA en français. Reste à savoir ce qu'elle leur répond sur votre marque.
Les 5 leviers du generative engine optimization
Chaque levier ci-dessous s'appuie sur une étude citée plus haut ou sur une consigne officielle d'un moteur.
Ouvrir l'accès aux robots des moteurs IA
Un contenu bloqué n'est jamais récupéré. Vérifiez dans le robots.txt et dans le pare-feu applicatif (WAF) l'accès des robots de recherche d'OpenAI (OAI-SearchBot), de Perplexity (PerplexityBot), d'Anthropic et de Google. Google rappelle qu'aucun fichier llms.txt n'est requis pour ses surfaces IA.
Écrire des passages autonomes
Le moteur sélectionne des passages, pas des pages entières. Chaque section ouvre sur un fait complet de 6 à 20 mots, compréhensible hors contexte. La méthode est détaillée dans notre article sur l'entity density et les faits atomiques.
Ajouter des preuves sourcées
Statistiques, citations d'experts et références nommées forment les méthodes les plus efficaces de GEO-bench (Aggarwal et al., 2024). Ando et Harada (2026) montrent qu'un chiffre gagne à être rattaché à une source et à une personne nommées. Notre guide pratique pour être cité par l'IA applique ces règles page par page.
Construire l'autorité hors site
Les moteurs IA citent majoritairement des médias tiers (Chen et al., 2025). Comparatifs sectoriels, presse spécialisée, avis clients et annuaires francophones pèsent davantage que votre propre blog. Les marques connues partent avec une longueur d'avance, comme le montre notre analyse du big brand bias.
Mesurer dans le temps, sur plusieurs moteurs
Les réponses IA sont probabilistes : une mesure isolée ne prouve rien. Le marché se fragmente aussi. En mai 2026, ChatGPT ne pèse plus que 53 % du trafic web des IA génératives, contre 76 % un an plus tôt, face à Gemini (27 %) et Claude (9 %) selon Similarweb. Suivez un panel fixe de prompts, chaque mois, sur plusieurs moteurs et en français.
| Indicateur | Ce qu'il mesure | Calcul |
|---|---|---|
| Mention rate | Présence de la marque dans les réponses | Prompts avec mention ÷ prompts testés |
| Taux de citation | Liens vers votre domaine dans les réponses | Réponses citant le domaine ÷ réponses |
| Share of voice IA | Votre poids face aux concurrents | Vos mentions ÷ mentions de toutes les marques suivies |
| Exactitude | Fiabilité de ce que l'IA dit de vous (hallucinations) | Réponses exactes ÷ réponses mentionnant la marque |
Notre guide du share of voice IA détaille la méthode de calcul, et notre comparatif des 7 outils GEO/AEO recense les solutions de suivi. Blazing Pulse, notre plateforme, automatise ce suivi en français sur les principaux moteurs génératifs.
ClarificationCe que le GEO n'est pas : cinq idées reçues
Le GEO ne garantit aucune citation : les réponses des moteurs génératifs restent probabilistes.
Generative engine optimization : les questions les plus posées
Le generative engine optimization (GEO) est l'optimisation d'un contenu et d'une marque pour être cités dans les réponses de ChatGPT, Perplexity, Gemini, Claude, Copilot ou des AI Overviews de Google. Le terme vient d'un article de Princeton University et de l'IIT Delhi présenté à KDD 2024, qui mesure jusqu'à 40 % de visibilité supplémentaire avec les bonnes réécritures. Le GEO vise une place dans la réponse synthétisée, là où le SEO vise un rang dans une liste de liens.
Le terme GEO apparaît en novembre 2023 dans l'article « GEO: Generative Engine Optimization » de Pranjal Aggarwal, Ameet Deshpande et quatre coauteurs, publié sur arXiv puis présenté à la conférence KDD 2024 à Barcelone. Les auteurs y introduisent GEO-bench, un banc d'essai de 10 000 requêtes, et une mesure de visibilité propre aux réponses générées. Depuis 2024, le terme s'est imposé dans la profession pour désigner l'optimisation pour les moteurs génératifs.
Non, le GEO complète le SEO. Google indique dans son guide de mai 2026 que AI Overviews et AI Mode reposent sur ses systèmes de classement habituels : un bon SEO reste la base côté Google. Les autres moteurs suivent d'autres logiques : l'Université de Toronto mesure 72,7 % de médias tiers dans les sources des moteurs IA sur les logiciels aux États-Unis, contre 45,4 % sur Google. Le GEO couvre cet écart.
Pour être cité par ChatGPT, une page doit être accessible au robot OAI-SearchBot, contenir des passages autonomes et des preuves sourcées, et la marque doit être présente dans des médias tiers. ChatGPT change de sources selon la langue de la requête (Chen et al., 2025) : en Belgique, en France ou en Suisse, le corpus francophone décide. ChatGPT revendique 1 milliard d'utilisateurs hebdomadaires depuis août 2026.
L'AEO (answer engine optimization) vise les réponses directes extraites d'une seule source : position zéro de Google, assistants vocaux. Le GEO vise les réponses synthétisées par un LLM à partir de plusieurs sources. En 2026, les deux pratiques se recouvrent largement et se traitent ensemble. Le glossaire Blazing de plus de 30 termes détaille AEO, GEO, LLMO, GSO et AISO.
Le référencement GEO se mesure sur un panel fixe de prompts, testé chaque mois sur plusieurs moteurs. Quatre indicateurs servent de base : mention rate, taux de citation, share of voice IA et exactitude des réponses. Une marque citée dans 23 réponses sur 100 prompts affiche un mention rate de 23 %. Selon SE Ranking (juin 2026), l'IA pèse 0,32 % du trafic des sites, seize fois plus qu'en 2024 : le suivi des mentions complète celui des clics.
Oui. 48 % des Français utilisent l'IA générative (Arcep, février 2026), 47 % des Suisses de 16 à 74 ans en ont utilisé une en 2025 (Eurostat) et 31 % des Bruxellois dès 2024 (IBSA). Google a ouvert AI Overviews et AI Mode en France le 22 juillet 2026. Pour une PME ou un éditeur B2B francophone, le corpus francophone reste distinct du corpus anglophone : la visibilité s'y construit séparément.
Le trafic IA reste faible en volume mais il accélère : 0,32 % des visites de 101 574 sites en 2026, dont 74,78 % issues de ChatGPT (SE Ranking, juin 2026). La bataille se joue aujourd'hui dans la réponse elle-même.
RéférencesSources académiques et officielles citées
- Aggarwal P., Murahari V., Rajpurohit T., Kalyan A., Narasimhan K., Deshpande A. (2024). GEO: Generative Engine Optimization. KDD 2024, ACM. arXiv:2311.09735
- Chen M., Wang X., Chen K., Koudas N. (2025). Generative Engine Optimization: How to Dominate AI Search. University of Toronto. arXiv:2509.08919
- Ando K., Harada T. (2026). Aligning Large Language Model Behavior with Human Citation Preferences. arXiv:2602.05205
- Kumar A., Lakkaraju H. (2024). Manipulating Large Language Models to Increase Product Visibility. arXiv:2404.07981
- Lewis P. et al. (2020). Retrieval-Augmented Generation for Knowledge-Intensive NLP Tasks. NeurIPS 2020. arXiv:2005.11401
- Google Search Central (2026). Guide d'optimisation pour la recherche générative, publié le 15 mai 2026.
Que répondent ChatGPT, Perplexity et Gemini sur votre marque ?
L'audit GEO gratuit de Blazing teste vos requêtes stratégiques en français sur les principaux moteurs génératifs et compare votre visibilité à celle de vos concurrents.
Demander l'audit GEO gratuit