AEO et GEO pour AI Overviews, ChatGPT, Claude, Gemini et Perplexity

• Les résultats de recherche ne prennent plus la forme d’une simple liste de liens, mais de pages sources que l’IA lit à la place de l’utilisateur ; AI Overviews, ChatGPT, Claude, Perplexity et Gemini s’appuient tous sur des pages web en temps réel
• AEO (Answer Engine Optimization) consiste à faire de votre page une source citée lorsqu’un moteur de réponse fournit directement la réponse ; GEO (Generative Engine Optimization) consiste à apparaître dans la réponse rédigée par une IA générative
• Dans son propre guide d’optimisation pour l’IA, Google définit ces deux notions comme des variantes du SEO existant et précise que les mêmes systèmes de classement et de qualité déterminent à la fois la recherche classique et AI Overview
• Pour être visible dans les fonctionnalités IA, il faut d’abord être éligible aux extraits de recherche classiques ; la résolution des problèmes de blocage du crawl, du rendu ou de l’indexation passe avant l’optimisation du contenu
• Les pages citées sont celles qui contiennent des chiffres précis, une expérience propre et des détails originaux que le modèle ne peut pas produire à partir de ses seules données d’entraînement ; l’AEO/GEO n’est pas une discipline séparée du SEO, mais le prolongement du même travail

---

Définition et place de l’AEO et du GEO

• Contrairement à il y a deux ans, Google ouvre désormais les résultats avec AI Overviews, ChatGPT et Claude injectent des résultats web en temps réel dans leurs réponses, Perplexity a bâti tout son produit sur ce principe, et Gemini est accessible en un clic sur toutes les surfaces Google
• Une page n’est plus une destination, mais une source que le modèle lit à la place de l’utilisateur
• AEO (Answer Engine Optimization) : le travail qui consiste à devenir la source utilisée lorsqu’un moteur de réponse fournit directement une réponse au lieu d’une liste de liens
• GEO (Generative Engine Optimization) : le travail qui consiste à apparaître dans une réponse rédigée de novo par une IA générative à partir des pages qu’elle consulte
• Le guide d’optimisation IA de Google affirme que « l’optimisation pour la recherche générative par IA est une optimisation pour l’expérience de recherche, et reste donc du SEO »
  • Les systèmes de classement et de qualité qui déterminent la liste des liens bleus sont les mêmes que ceux qui décident de la visibilité dans AI Overview
  • Améliorer l’un améliore aussi l’autre
• Chaque surface IA utilise un index web différent, mais la plupart de ces index sont des sous-produits d’un même travail de crawl, de rendu et de qualité

L’éligibilité passe avant tout le reste

• Pour qu’une page apparaisse dans une fonctionnalité IA, elle doit d’abord être éligible aux extraits de recherche classiques
  • L’URL doit être indexée
  • Le crawl doit être autorisé dans robots.txt
  • Les extraits doivent être autorisés (pas de nosnippet ni de max-snippet:0)
  • Le contenu doit se charger sans exécution de JavaScript lourde
• Dans l’inspection d’URL de Google Search Console, il faut vérifier le HTML rendu avec « Test live URL »
  • Si le corps du contenu manque dans le HTML rendu, il faut corriger cela avant toute autre chose
  • Le rendu côté serveur et la génération statique restent l’approche la plus sûre
• Le test curl dans le terminal peut servir de vérification rapide en 30 secondes, mais un 200 OK avec user-agent usurpé ne prouve pas qu’un vrai crawler a accès à la page
  • Les opérateurs de bots bloquent l’usurpation de user-agent
  • Une vérification fiable doit passer par les plages IP publiées ou les enregistrements reverse DNS
  • Google, OpenAI, Anthropic et Perplexity publient tous leurs plages IP dans leur documentation bot

Distinguer les crawlers d’entraînement des crawlers de recherche

• GPTBot, ClaudeBot : ce sont des crawlers d’entraînement ; les bloquer n’affecte pas la visibilité dans la recherche
• Google-Extended : contrôle l’entraînement IA ainsi que le grounding dans Gemini Apps et Vertex AI Grounding, sans effet sur le classement Google Search ni sur l’éligibilité à AI Overview
• Les indexeurs de recherche qui déterminent la présence dans les réponses IA :
  • Googlebot, Bingbot, OAI-SearchBot, Claude-SearchBot, PerplexityBot
• Beaucoup de sites en bloquent un par erreur et réduisent ainsi leur visibilité
• Il est possible de configurer robots.txt pour autoriser la visibilité dans la recherche IA tout en bloquant les bots d’entraînement
• La balise meta robots est un mécanisme de contrôle au niveau de la page, pas du site
• L’opt-out Google-Extended n’est possible que via un token dans robots.txt ; ce n’est pas documenté via une balise meta
• Chaque couche est un verrou, et tous les verrous doivent être ouverts pour que le travail d’optimisation ait un sens

Le contenu cité est celui qu’un modèle ne peut pas écrire à partir de ses seules données d’entraînement

• La recherche générative récompense la spécificité
  • Une information générale peut être résumée par le modèle sans citation
  • Les pages citées contiennent ce que le modèle ne peut pas synthétiser seul
• Le guide Google met l’accent sur la création de contenus uniques, utiles et pensés pour les humains, en évitant les contenus interchangeables qui disent la même chose que partout ailleurs
• Le guide Helpful content explique comment montrer une expérience directe, une expertise réelle et un point de vue original
• Comparaison d’exemples d’article de migration vers Next.js 16
  • Version banalisée : le modèle peut la générer à partir de ses données d’entraînement → elle ne sera pas citée
  • Version distinctive : elle contient le chiffre de 47 pages cassées, un piège précis dans la signature d’une fonction et une estimation de 3 heures
  • Un seul détail de ce type peut faire passer une page de « résumé de données d’entraînement » à « référence citée »

Une structure technique propre aide à la fois les crawlers et les modèles

• L’usage d’un HTML sémantique est indispensable
  • Utiliser de vrais niveaux de titres avec une hiérarchie cohérente
  • Placer la réponse au sujet de la page près du haut
  • Ne pas enfouir le contenu sous une longue introduction
• Une meilleure version fournit une structure claire avec article, h1, section, h2
  • Cela donne une structure nette aux crawlers et des frontières propres entre titre, chapô et corps pour le modèle
• Les Core Web Vitals influencent le classement, qui lui-même influence directement l’éligibilité aux fonctionnalités IA
  • Les métriques prises en compte par l’algorithme proviennent des données terrain sur 28 jours des vrais utilisateurs de Chrome (CrUX), pas d’un score Lighthouse local
  • Le JavaScript web-vitals permet d’aligner les tests locaux avec les données vues par les systèmes Google

Les « astuces d’optimisation » que le guide rejette

• Ajouter un fichier llms.txt n’est pas un signal de classement et n’est pas utilisé par les fonctionnalités IA de Google
• Il n’est pas nécessaire de découper le contenu en micro-chunks ni de transformer tous les titres en questions (les modèles lisent le contexte de l’ensemble de la page)
• Les données structurées sont utiles lorsqu’elles prennent en charge des rich results documentés, mais elles ne sont pas indispensables pour apparaître dans les fonctionnalités IA
• Mieux vaut investir ce temps dans la qualité réelle du contenu et le rendu

Visuels, schémas et données e-commerce forment un pipeline structuré

• AI Overviews récupère directement des images et vidéos de haute qualité
  • De vraies captures d’écran, de vrais schémas et de courtes vidéos de démonstration sont plus utiles que des images de stock
  • Les bases classiques du SEO image s’appliquent : texte alt descriptif, noms de fichiers explicites et légendes utiles
• Exemple de comparaison de textes alternatifs (article sur les performances Next.js)
  • Si la deuxième version est reprise dans le carrousel d’images d’AI Overview, c’est parce qu’elle est assez descriptive pour que le modèle comprenne ce que l’image démontre
• Les données structurées valent la peine d’être ajoutées lorsqu’elles soutiennent un rich result précis
  • Les schémas Recipe, Product, FAQ, Event et Article ont tous des effets documentés dans la recherche classique
  • Ils alimentent la même couche de compréhension utilisée par les fonctionnalités IA
  • Avant déploiement, il faut vérifier les champs manquants et les erreurs avec le Rich Results Test

Surfaces clés pour le local et le commerce

• Google Business Profile : un profil vérifié fournit horaires, localisation, services et avis aux réponses IA locales
• Merchant Center : le flux alimente les informations produit dans AI Overviews
• Le guide d’optimisation IA désigne ces deux éléments comme des entrées principales pour les résultats business et e-commerce

L’expérience agentique est la prochaine surface

• Nous entrons dans une ère où des agents autonomes naviguent à la place de l’utilisateur
  • Claude with computer use, ChatGPT Operator, l’assistant de Perplexity
• Le guide d’optimisation IA de Google recommande de prendre en compte la manière dont les agents interprètent le DOM, les contrôles et le contenu
• Les sites avec un balisage confus, des contrôles cachés ou des informations clés rendues uniquement sous forme d’image sont difficiles à manipuler pour les agents
• Le travail d’accessibilité pour les lecteurs d’écran couvre largement le même terrain
• Exemple avant/après des contrôles interactifs d’une page de réservation
  • La version améliorée indique trois choses à l’agent : qu’il s’agit d’un bouton d’envoi, que l’action est « Confirm booking » et que l’icône est décorative
  • Si un agent ne peut pas identifier le bouton de confirmation, il abandonnera et passera à un autre site
• Même principe pour les champs de formulaire : l’agent lit name, id, aria-label et les éléments <label> environnants
• Passer à type="datetime-local" est un petit changement, mais cela fournit au navigateur comme à l’agent un sélecteur natif de date/heure et une gestion structurée de la valeur
  • L’agent n’a plus besoin de deviner le format

Mesurer ce qui est mesurable, sans courir après l’impossible

• Search Console reste la source de vérité pour les données côté Google
  • Le trafic venant d’AI Overviews et d’AI Mode est intégré dans le rapport standard Web performance
  • Les indicateurs à suivre sont les impressions et les clics
• Bing Webmaster Tools fournit l’outil équivalent pour Bing et Copilot
• Inférence prudente possible : filtrer Performance avec des requêtes commençant par how, what, why, is, can et autres formulations conversationnelles
  • Ce type de requêtes longue traîne déclenche souvent AI Overviews
  • Une variation visible entre impressions et clics sur ces requêtes peut être cohérente avec le fait que la page est résumée dans une réponse IA au lieu de générer une visite
  • Mais cela doit rester une hypothèse, pas une preuve (les changements de mise en page, de classement, de mix de requêtes ou la saisonnalité peuvent produire des motifs similaires)
• Comment tester directement si un modèle cite votre contenu
  • Ouvrir chaque surface et saisir une question à laquelle le contenu est censé répondre
  • Si le domaine apparaît dans la liste inline des sources ou dans les citations de la réponse, alors il est bien pris en compte
  • Répéter ce test toutes les quelques semaines sur les principaux sujets métier et sur les surfaces importantes
  • Suivre le nombre d’événements de citation comme on suit des backlinks

Conclusion : l’AEO et le GEO ne sont pas des disciplines séparées du SEO

• Le travail décrit ci-dessus couvre les recommandations du guide d’optimisation IA de Google et tout ce que récompensent les autres surfaces de recherche IA
• L’AEO et le GEO ne sont pas des domaines séparés du SEO, mais le même travail, avec une attention plus aiguë portée à l’originalité du contenu, au rendu et aux pipelines structurés qui alimentent toutes les surfaces IA