Avez-vous atteint le search-market fit pour l’AEO/SEO ?

• Une stratégie de recherche doit partir non pas des volumes de recherche fournis par les outils de mots-clés, mais de la raison et de l’intention pour lesquelles les utilisateurs saisissent ces termes
• Avant d’investir, il faut vérifier le search-market fit, c’est-à-dire si les bénéficiaires réels de votre produit le recherchent effectivement, et si le résultat sur lequel ils arrivent correspond à la valeur proposée
• Même pour une requête identique, l’intention utilisateur (intent) varie fortement, et la visibilité dans les résultats n’est pas un objectif en soi mais seulement un moyen d’obtenir des conversions
• À mesure que les réponses IA retiennent directement les utilisateurs, les clics sur les contenus informationnels et comparatifs disparaissent, et être cité (cited) n’est pas la même chose qu’être choisi (chosen)
• Le search-market fit évolue selon la maturité du marché, et les réponses d’IA générative peuvent faire disparaître des catégories qui semblaient auparavant avoir cette adéquation

---

Un mauvais point de départ et la nécessité de comprendre l’utilisateur

• La plupart des stratégies de recherche démarrent au mauvais endroit, en s’appuyant sur les suggestions de mots-clés ou de prompts proposées par les outils
• Les chiffres de volume de recherche n’indiquent que combien de personnes ont fait une recherche, jamais pourquoi elles l’ont faite
• Si vos KPI vont au-delà de la simple visibilité dans les LLM ou dans les résultats de recherche, la compréhension de l’utilisateur de recherche n’est pas optionnelle mais indispensable
• Il existe des cas où des millions de dollars ont été dépensés sur des mots-clés qui paraissaient excellents dans les outils, mais ne menaient à aucune transaction réelle
  • Une entreprise bien connue a créé des milliers de templates produit ciblant des termes absents de tout contexte de recherche réellement pertinent
  • Les "classements (rankings)" visés ont bien été obtenus, mais aucune conversion utilisateur n’a suivi
• Le problème est que, avant le lancement du programme, personne n’a posé la question pourtant la plus évidente : « Est-ce que quelqu’un recherche vraiment cela d’une manière qui l’amène vers nous, et est-ce que ce trafic convertit ? »
• Ce besoin de compréhension de l’utilisateur était déjà vrai à l’ère de la recherche traditionnelle ; il est encore plus fort avec l’arrivée de l’AEO, et l’IA transforme profondément le parcours utilisateur

Le parcours utilisateur est ce qui compte le plus

• Pour commencer à cartographier le parcours utilisateur, il faut comprendre le search-market fit, équivalent du product-market fit pour la recherche
• L’essentiel est de vérifier en amont si les utilisateurs qui bénéficieraient réellement de votre offre la recherchent effectivement, et si ce qu’ils découvrent en arrivant correspond à ce que l’offre délivre
  • Si ces deux conditions ne sont pas remplies, il faut rediriger le budget de recherche ailleurs
• De la même façon qu’une startup sans product-market fit ne résout pas son problème avec une meilleure publicité, une entreprise sans search-market fit ne le résoudra ni avec un audit technique ni avec davantage de contenu

Une allocation de budget pertinente

• Cela ne veut pas dire qu’il faut totalement ignorer le SEO ou l’AEO, mais qu’il n’y a aucune justification à consacrer d’énormes budgets à des investissements qui ne généreront pas de revenus
• Le Programmatic SEO peut représenter l’un des pires exemples de dérive de cette stratégie
  • Même s’il existe une demande pour un produit, cela ne tient plus si on l’étend à des millions de variantes, et les moteurs de recherche comme les LLM peuvent détecter si des modificateurs de requête renvoient à des intentions différentes
  • Espérons qu’en 2026, plus personne ne considérera encore les pages de zip code (codes postaux) comme une bonne idée
• Sur un site d’emploi comme Indeed, le lieu de travail a clairement de l’importance, mais sur un produit comme Upwork, on peut douter que la ville d’un freelance soit réellement déterminante
  • Créer une page pour chaque ville n’élargit pas le marché adressable (addressable market) ; cela produit seulement des milliers de pages en concurrence pour des utilisateurs qui, eux, ne filtrent pas par zone géographique
• La visibilité dans les moteurs n’est pas le véritable objectif, mais un moyen au service d’un but

Décomposer le parcours utilisateur

• La plupart se concentrent uniquement sur la partie mot-clé de la question utilisateur et ignorent deux autres données essentielles
  • Obtenir des idées de mots-clés est la partie facile ; comprendre l’intention (intent) est bien plus important
• Supposer que requête et intention sont la même chose est totalement erroné
  • Un utilisateur qui recherche "employee survey" peut vouloir lancer une enquête, consulter des exemples d’autres entreprises, faire de la recherche sur les technologies RH, ou construire un budget pour convaincre son supérieur
  • Derrière une même requête, il peut y avoir quatre utilisateurs différents, et chacun a une étape suivante différente après l’arrivée sur la page
• Même l’intention seule ne suffit pas à résoudre le search-market fit : ce n’est pas parce qu’on crée une expérience adaptée à une intention donnée que l’utilisateur voudra convertir sur la landing page
  • Il faut regarder clairement son produit et se demander si l’action commerciale attendue correspond à l’intention de recherche non pas de manière vague mais directe
  • C’est ici qu’interviennent le prix, le funnel de conversion, et surtout la confiance (trust)

AEO et search-market fit

• Avec l’AEO, le niveau de risque augmente encore, car les réponses IA permettent plus facilement à l’utilisateur de satisfaire son intention sans cliquer sur quoi que ce soit
• Le modèle pré-LLM, qui consiste à capter l’utilisateur via la visibilité dans les résultats puis à le convertir sur une landing page, reste valable pour les requêtes transactionnelles à forte intention
• Les contenus informationnels et comparatifs alimentent désormais directement les moteurs IA, qui retiennent l’utilisateur sans même qu’il commence réellement son parcours
  • L’utilisateur qui cliquait autrefois vers des pages d’avis ou de comparaison reçoit maintenant directement une réponse synthétisée
  • L’entreprise citée dans la réponse peut se retrouver à fournir du contenu au LLM sans aucune raison donnée à l’utilisateur de cliquer
• Être cité (cited) et être choisi (chosen) ne sont pas la même chose
  • Si votre objectif est simplement d’apparaître dans une réponse IA, cela relève de la notoriété de marque (brand awareness), pas d’une performance de croissance
  • Confondre les deux conduit à n’optimiser que des métriques de visibilité puis à se plaindre que l’AEO ne génère pas de revenus

Comment trouver le search-market fit

• Il faut rechercher directement les termes ciblés et observer, en simulation d’utilisateur, ce que Google ou les moteurs IA affichent — non pas pour une analyse concurrentielle
  • Si les résultats montrent des contenus ou des produits d’un type totalement différent de votre activité, c’est déjà un signal
  • Un décalage fondamental entre la valeur de votre offre et le besoin utilisateur tel qu’interprété par le moteur ne peut être surmonté par aucun effort supplémentaire
• Il faut prêter attention au moment où le moteur modifie la requête
  • Si Google remplace le terme saisi par un autre, cela signifie que l’algorithme juge que la requête a un sens différent de celui imaginé par l’utilisateur
  • Cela montre aussi à quel point le langage réellement employé par les utilisateurs dans leurs recherches diffère de la façon dont l’entreprise se décrit en interne
• La même dynamique existe dans les LLM : si vous promptez un sujet cible et que la réponse ne mentionne ni votre produit ni votre catégorie de solution, c’est le même signal que dans l’expérience sur Google

Le timing

• Il existe une dimension de timing souvent ignorée
  • Si vous étiez bien positionné sur le mot-clé "LLM" en 2020, vous auriez eu du trafic, mais aucun résultat business
  • Deux ans plus tard, en 2022, la visibilité sur ce même mot-clé serait devenue l’un des emplacements les plus précieux d’Internet
• Le search-market fit n’est pas statique : il évolue avec la maturité du marché, la progression de la connaissance utilisateur et l’amélioration du produit
• Un exemple qui pourrait évoluer dans l’année est celui des LLM glasses : aujourd’hui, presque personne ne les cherche, mais cela pourrait changer rapidement
  • Google a réintroduit Google XR la semaine dernière lors de l’I/O
  • Même si vous construisez dès maintenant du contenu sur les LLM glasses et obtenez la première place dans Google, cela peut ne générer aucun revenu significatif ; mais si le contexte change, les revenus peuvent arriver sans modification majeure du SEO
  • Si vous avez une forte conviction sur cette évolution future, vous pouvez parier dessus ; sinon, vous poursuivez simplement du empty-calorie SEO

La disparition du search-market fit

• Le search-market fit peut aussi disparaître
  • Des catégories qui avaient une forte adéquation il y a deux ans peuvent être démantelées par des réponses IA synthétiques, au point de faire disparaître des positions qui généraient autrefois du trafic de recherche
• Les sites d’affiliation (affiliate sites) ressentiront particulièrement cette pression
  • Si vous avez construit un comparateur ou un agrégateur d’avis dans une catégorie à laquelle les LLM répondent désormais directement, cette adéquation a disparu et aucune optimisation ne permettra de la restaurer
• La recherche utilisateur n’est pas un travail préparatoire au programme SEO ou AEO ; avant même de rédiger un brief de contenu ou de créer une landing page, il faut d’abord comprendre qui recherche, ce qu’il veut, et s’il existe un véritable lien entre son intention et votre produit
• Ce lien existe ou n’existe pas ; s’il n’existe pas, alors même une page parfaitement optimisée et citée par tous les moteurs IA ne transformera jamais en client l’utilisateur situé de l’autre côté de la requête