SEO LLM : comment apparaître dans les réponses générées par l’IA

TL;DR : Le LLM SEO, c’est le travail qui consiste à devenir une source dans les réponses de ChatGPT, Claude, Gemini et Perplexity, plutôt que de chercher à gagner une énième position sous forme de “blue links”. Commencez par la récupération (retrieval) : gardez les bons robots d’exploration d’IA débloqués, restez indexable, publiez des passages faciles à extraire et à citer, construisez des preuves crédibles au-delà de votre propre domaine et testez si les assistants vous mentionnent réellement. Il n’existe aucune formule publique confirmée pour se classer en premier dans une réponse d’IA.

L’erreur centrale consiste à traiter un LLM comme Google, avec une zone de chat en plus.

Un moteur de recherche renvoie généralement des documents classés. Un LLM synthétise une réponse à partir de ce qu’il a appris pendant l’entraînement, de ce qu’il récupère sur le web en temps réel, et de l’index qui prend en charge cette récupération. Votre page peut influencer la réponse sans jamais être cliquée. Elle peut aussi être très bien positionnée sur Google et ne jamais apparaître dans la réponse générée.

Il n’existe aucune liste publique confirmée de facteurs de classement pour ChatGPT, Claude, Gemini ou Perplexity. Toute personne promettant une formule répétable du type “se classer numéro un dans ChatGPT” vend une certitude que les fournisseurs n’ont pas fournie (j’aimerais aussi ce tableau de bord).

Ce que signifie vraiment le LLM SEO

Le LLM SEO, aussi appelé LLM optimization, LLMO, GEO, AISO ou answer-engine optimization, consiste à rendre une entreprise et son contenu plus susceptibles d’apparaître dans une réponse générée par une IA.

Le terme académique est generative engine optimization. Aggarwal, Murahari, Rajpurohit, Kalyan, Narasimhan et Deshpande décrivent GEO comme « le premier nouveau paradigme visant à aider les créateurs de contenu à améliorer la visibilité de leur contenu dans les réponses des moteurs génératifs ». Leur papier, mené depuis Princeton, a été accepté à KDD 2024.

La terminologie n’est pas figée. J’utilise “LLM SEO” ici pour un travail spécifiquement destiné aux assistants comme ChatGPT, Claude, Gemini et Perplexity. AI search optimization est plus large et inclut des “surfaces” de réponse comme Google AI Overviews et AI Mode.

Le résultat économique est différent d’un résultat de recherche classique. Pew Research Center a analysé 68 879 recherches Google réalisées par 900 adultes américains en mars 2025. Environ 18 % ont généré un résumé par IA. Les utilisateurs ont cliqué sur un résultat classique dans 8 % des visites comprenant un résumé, contre 15 % lorsque aucun résumé n’apparaissait. Un lien inclus dans le résumé n’a reçu un clic que dans 1 % des visites.

Ces chiffres concernent les résumés Google, pas ChatGPT ni Claude. Ils montrent toutefois le changement structurel : la réponse générée peut remplacer le clic. Être mentionné dans cette réponse peut avoir de la valeur même si le trafic référent est faible, voire impossible à attribuer.

Les trois endroits d’où un LLM tire sa réponse

Vous ne pouvez pas prendre de décisions d’optimisation LLM sensées tant que vous ne séparez pas l’entraînement de la récupération (retrieval). Il s’agit de systèmes, de crawlers et de calendriers (timelines) différents.

1. Données de pré-entraînement : mémoire figée

Les modèles de base apprennent des schémas et des informations à partir de grands ensembles de texte pendant l’entraînement. OpenAI indique que GPTBot explore du contenu qui pourrait être utilisé pour entraîner ses modèles de fondation d’IA générative. Anthropic identifie ClaudeBot comme un crawler utilisé pour collecter du contenu web destiné à l’entraînement des modèles.

Vous ne vous “classez” pas dans cette couche. Votre entreprise a pu être représentée dans le corpus d’entraînement, représentée de façon médiocre, ou tout simplement absente. Publier une correction cet après-midi ne réécrit pas un run d’entraînement déjà complété.

Une documentation large et cohérente sur le web peut augmenter la probabilité qu’un futur modèle rencontre votre marque. En revanche, les mécanismes exacts d’inclusion et de pondération ne sont pas publics. Je fais confiance à la distinction entre entraînement et récupération ; je ne fais pas confiance aux affirmations selon lesquelles douze mentions, vingt liens ou une entrée Wikipédia produiront un changement prévisible dans la mémoire du modèle.

2. Récupération en temps réel : la couche sur laquelle vous pouvez agir le plus vite

Quand un assistant recherche ou consulte le web, il peut récupérer des documents actuels et les utiliser pour étayer une réponse. On appelle ça “retrieval-augmented generation” (RAG). Les citations proviennent normalement de ce processus de récupération, pas du fait que le modèle révèle individuellement des documents contenus dans son corpus d’entraînement.

C’est ici que se situe l’essentiel du travail pratique en LLM SEO. Une page doit être disponible pour le crawler de recherche pertinent, atteignable au moment de la réponse, et adaptée à l’extraction. Si le système ne peut pas récupérer un document, il ne peut pas utiliser ce document comme citation “live”.

OpenAI confie la découverte des recherches à OAI-SearchBot, tandis que ChatGPT-User gère les visites déclenchées par l’utilisateur. Perplexity distingue PerplexityBot, qui met en avant et relie des sites dans ses résultats, de Perplexity-User, qui récupère des pages en réponse à des questions. Anthropic liste aussi, de manière similaire, Claude-SearchBot et Claude-User.

3. L’index web sous-jacent

La récupération a besoin d’une collection de documents à interroger. Il peut s’agir d’un index sous-jacent de Google ou Bing, de l’index propre au fournisseur de l’assistant, ou d’un mélange évolutif de sources. Les relations avec les fournisseurs et les systèmes de récupération changent vite : ne construisez donc pas d’hypothèses d’infrastructure permanentes autour d’un seul partenariat de recherche.

La conclusion durable est plus simple : l’indexabilité “classique” compte toujours. Si les moteurs de recherche ne peuvent pas découvrir, rendre (render), canoniser ou indexer une page, les systèmes qui s’appuient sur ces index n’ont rien d’utile à récupérer.

Google l’exprime explicitement pour ses propres fonctionnalités IA :

« Il n’existe aucune exigence supplémentaire pour apparaître dans AI Overviews ou AI Mode, ni d’optimisations spéciales nécessaires. »

Google Search Central indique aussi que les sites n’ont pas besoin de nouveaux fichiers machine-readable, de fichiers texte pour l’IA, ni de markup spécial pour apparaître dans ces fonctionnalités. Cette déclaration concerne Google AI Overviews et AI Mode, pas ChatGPT, Claude ou Perplexity. Elle réduit quand même drastiquement une partie du “théâtre produit” inutile.

Le SEO classique n’est pas devenu obsolète. Il est devenu de l’infrastructure (ou, plus précisément, une partie de l’infrastructure).

Laissez les robots qui servent des réponses

Une règle générale “bloquer l’IA” est trop brutale. Les crawlers d’entraînement, les crawlers de recherche et les récupérations déclenchées par l’utilisateur n’exécutent pas le même travail. Vous pouvez refuser l’entraînement sans nécessairement vous exclure de la récupération de réponses en temps réel.

La documentation d’OpenAI précise le blocage d’OAI-SearchBot : les sites en opt-out “ne seront pas affichés dans les réponses de recherche de ChatGPT”, même s’ils peuvent toujours apparaître comme liens de navigation. Perplexity indique que PerplexityBot est conçu pour faire apparaître et lier des sites dans ses résultats et qu’il n’est pas utilisé pour crawler du contenu destiné à l’entraînement de modèles de base.

Prenez trois décisions distinctes :

• Politique d’entraînement : décidez si GPTBot et ClaudeBot peuvent collecter du contenu pour un entraînement potentiel des modèles.
• Visibilité en recherche : autorisez OAI-SearchBot, PerplexityBot et Claude-SearchBot si vous voulez être visible via la récupération.
• Récupérations par l’utilisateur : assurez-vous que le site reste techniquement accessible quand un utilisateur demande explicitement à un assistant d’y accéder.

Bloquer un crawler d’entraînement peut être une décision éditoriale défendable. Bloquer les crawlers de recherche tout en s’attendant à des citations est contradictoire. Les récupérations déclenchées par l’utilisateur compliquent l’application de la règle : OpenAI indique que robots.txt peut ne pas s’appliquer à ChatGPT-User, tandis que Perplexity affirme que Perplexity-User ignore généralement robots.txt.

Révisez ces règles périodiquement. Les noms des user-agent et les politiques des fournisseurs peuvent évoluer.

Rendez la page facile à citer, pas seulement facile à classer

Une fois la récupération (retrieval) en place, la tâche suivante consiste à fournir au modèle un passage utile à “extraire”.

Les preuves expérimentales les plus solides revues par des pairs viennent du papier GEO KDD 2024. Son GEO-bench contenait 10 000 requêtes, et les chercheurs ont testé des interventions sur le contenu face à des moteurs génératifs simulés. Ils indiquent que GEO pouvait augmenter la visibilité jusqu’à 40 % sur leur benchmark.

C’est un résultat “jusqu’à” (up to) sur un benchmark, pas une promesse de 40 % de citations supplémentaires dans ChatGPT en production. D’après le tableau 1 du papier, l’ajout de citations (quotation addition) produit une amélioration de 27,8 % et l’ajout de statistiques (statistics addition) une amélioration de 25,9 % sur leur métrique de nombre de mots ajustée par les positions. Les citations, les statistiques et les sources citées font partie des méthodes les plus performantes testées.

Le même papier constate aussi que le bourrage de mots-clés a “peu ou pas d’amélioration des performances” dans les réponses des moteurs génératifs. Répéter “best invoicing software” dix-sept fois n’est pas une stratégie LLM. C’était à peine une stratégie de recherche crédible avant.

Une page conçue pour l’extraction inclut généralement :

• Une réponse directe juste sous le titre pertinent.
• Des affirmations spécifiques attribuées à des sources nommées et crédibles.
• Des tableaux qui comparent des attributs concrets sans masquer la conclusion.
• Des définitions qui restent valables en dehors de l’article environnant.
• Des statistiques avec dates, populations et suffisamment de contexte pour éviter une réutilisation trompeuse.
• Des URL stables et du texte crawlable plutôt que des faits essentiels enfermés dans des interfaces.

Je prioriserais la densité factuelle plutôt que la longueur brute. Un article long peut rester difficile à citer si chaque réponse est enfouie sous de la “gorge qui se racle” (du blabla d’introduction). Nous avons commis cette erreur nous-mêmes : ajouter des mots parce qu’un brief de contenu les exigeait, et laisser la phrase utile six paragraphes plus bas sous le titre (ce n’était pas notre meilleur instinct éditorial).

Le schéma (schema) peut aider les machines à interpréter les entités de la page et les types de contenu, mais ne le confondez pas avec un interrupteur secret d’IA pour les citations. Google indique explicitement qu’aucun markup spécial n’est requis pour ses fonctionnalités IA. La structure doit d’abord améliorer la clarté pour les lecteurs et les crawlers.

Consolidez la preuve en dehors de votre propre domaine

Votre site web est nécessaire, mais ce n’est pas l’ensemble complet des preuves qu’un assistant peut récupérer.

Dans l’analyse de Aleyda Solis sur les citations de recherche IA pour SaaS, les sources tierces représentent 84 % à 93 % du poids des citations sur les sous-verticales et plateformes qu’elle a étudiées. Sa conclusion est sans détour :

« La majorité du poids des citations IA vient de l’extérieur de votre propre site web. »

C’est un schéma mesuré dans des catégories SaaS, pas un facteur de classement confirmé par un fournisseur. Cela nous indique où les citations apparaissent dans son analyse ; ça ne prouve pas qu’une publication unique dans une communauté suffise à pousser un assistant à recommander une marque.

L’implication pratique reste néanmoins importante. La documentation, les publications établies, les reviews, les comparatifs, les discussions de communauté, les vidéos et les sites de logiciels “peer” créent des preuves indépendantes. Un assistant dispose de davantage de matière quand plusieurs sources crédibles s’accordent sur ce que fait une entreprise, plutôt que lorsque chaque affirmation vient uniquement de la page d’accueil de cette entreprise.

Notre guide sur où les LLM trouvent votre marque explore ces “surfaces” externes plus en détail.

Ne traduisez pas cela en spam de mentions synthétiques. Un bon travail hors site ressemble plutôt à ça :

1. Publiez des données originales, de la documentation, des exemples ou des définitions qui valent réellement la peine d’être citées.
2. Obtenez une inclusion dans des comparatifs pertinents au lieu de fabriquer des dizaines d’annuaires trop légers.
3. Gardez les faits produit cohérents entre votre site et vos profils sur des sites tiers.
4. Donnez aux rédacteurs une URL source stable pour les affirmations importantes.
5. Corrigez les inexactitudes lorsque vous avez une voie légitime pour le faire.

SEOJuice est une équipe de deux personnes, Lida et moi. Nous ne pouvons pas rivaliser en dépenses de PR avec les grosses entreprises SaaS, donc notre levier le plus réaliste, c’est d’être “référencable” : documentation produit claire, exemples reproductibles et URL qui survivent aux changements opérationnels.

Ce dernier point est devenu concret quand nous avons migré seojuice.io vers seojuice.com en janvier 2026. Un changement de domaine n’est pas seulement un projet de classement Google. Les redirections, canonicals, liens internes et références tierces mises à jour préservent aussi la trace source que les assistants peuvent retrouver (et oui, le nettoyage de la migration a pris plus de temps que la checklist “propre” ne le laissait entendre).

Un ordre opérationnel pratique pour l’optimisation LLM

Travaillez dans l’ordre des dépendances. Le polissage du contenu ne peut pas “rattraper” une page exclue de la récupération.

Choisissez des prompts qui représentent une décision réelle : “Quels outils ajoutent automatiquement des liens internes à un blog SaaS ?” est plus diagnostique que de taper votre nom de marque et de demander au modèle de l’évaluer. Les prompts orientés marque testent surtout si l’assistant peut vous trouver ; les prompts par catégorie et comparatifs testent s’il vous sélectionne.

Notez l’assistant, le modèle ou le mode, le prompt exact, la date, l’état du browsing, les marques mentionnées, les URL citées et l’ordre des recommandations. Un modèle qui répond à partir d’une mémoire d’entraînement n’est pas le même test qu’un assistant qui récupère des sources en temps réel.

Attendez du bruit. Les réponses générées changent, la personnalisation peut interférer, et il n’existe pas d’équivalent à Google Search Console qui rapporterait chaque impression IA. J’ai déjà confondu quelques prompts réussis avec une tendance. Les captures d’écran paraissent convaincantes ; cinq observations restent cinq observations.

Où SEOJuice s’inscrit

SEOJuice ne peut pas garantir qu’un LLM vous citera. Aucun outil externe ne contrôle les systèmes de récupération et de synthèse de l’assistant.

Ce que nous automatisons fait partie de la couche prérequis. SEOJuice fonctionne sur un site en direct et applique en continu des liens internes, des titres et descriptions meta, le markup schema et le texte alternatif (alt text) des images. Ces améliorations soutiennent la découvrabilité et une structure de site propre, mais elles ne doivent pas être vendues comme des facteurs de classement secrets pour ChatGPT.

Pour la mesure, notre AI visibility checker teste si les moteurs d’IA mentionnent ou citent votre marque pour des prompts sélectionnés. L’outil montre où vous apparaissez et où vous êtes absent ; il ne fabrique pas une citation.

Si c’est le manque que vous devez diagnostiquer, vérifiez si ChatGPT et Perplexity mentionnent votre marque avec le AI Visibility Checker gratuit. SEOJuice propose un plan gratuit et ne nécessite aucune carte bancaire.

Le changement plus large n’est pas que le SEO soit “mort”. Le SEO classique est nécessaire mais insuffisant, car la récupération dépend encore de l’open web, tandis que le résultat attendu est passé de “faire ranker un lien” à “devenir une partie de la réponse”. C’est la transition pratique du SEO vers le GEO.

Questions fréquentes

Qu’est-ce que le LLM SEO ?

Le LLM SEO consiste à optimiser une marque et son contenu afin que des assistants comme ChatGPT, Claude, Gemini et Perplexity puissent les faire apparaître et les citer dans des réponses générées. On l’appelle aussi LLMO, GEO, AISO ou answer-engine optimization. Le résultat principal est une mention ou une citation plutôt qu’une position sous forme de blue-link.

Comment les LLM décident-ils quoi citer ?

Une réponse peut combiner des données issues du pré-entraînement, une récupération en temps réel sur le web, et un index sous-jacent comme Google, Bing ou l’index propre au fournisseur. Pour les citations actuelles, concentrez-vous sur la récupération en temps réel : autorisez les bots de recherche concernés, restez indexable et publiez des passages clairs et sourcés. Au-delà de ces barrières d’accès, les fournisseurs n’ont pas publié leurs formules de sélection des citations.

En quoi le LLM SEO est différent du Google SEO ?

Le SEO classique cible généralement un résultat de recherche classé. Le LLM SEO vise à être inclus dans une seule réponse synthétisée. L’indexabilité, l’autorité et les liens soutiennent toujours la récupération, mais les tactiques de densité de mots-clés ne se transfèrent pas. La mesure passe aussi de la position et des clics vers des tests répétés de prompts, des mentions, des sources citées et l’inclusion dans les recommandations.

Comment laisser ChatGPT et Perplexity trouver mon site ?

Ne bloquez pas leurs crawlers de recherche : OAI-SearchBot pour ChatGPT et PerplexityBot pour Perplexity. OpenAI et Perplexity identifient séparément ChatGPT-User et Perplexity-User comme des récupérateurs déclenchés par l’utilisateur. Les crawlers d’entraînement comme GPTBot sont distincts de la récupération de recherche : vous pouvez donc prendre des décisions d’accès différentes pour l’entraînement et pour la recherche.

Dois-je bloquer les bots d’IA sur mon site ?

Séparez la décision d’entraînement de la décision de visibilité. Bloquer GPTBot ou ClaudeBot exclut le contenu de la collecte d’entraînement de ces fournisseurs. Bloquer OAI-SearchBot, PerplexityBot ou Claude-SearchBot peut retirer le site de leurs surfaces de récupération. Un site qui cherche des citations IA doit généralement garder les bots de recherche pertinents accessibles, tout en prenant sa propre décision concernant les crawlers d’entraînement.

Peut-on garantir qu’un LLM citera mon entreprise ?

Non. Vous pouvez contrôler la capacité de crawl, l’indexabilité, la clarté factuelle et la qualité de vos preuves externes. Des travaux expérimentaux suggèrent que les citations, les statistiques et les sources citées peuvent améliorer la visibilité des réponses générées, tandis que l’analyse de terrain montre que le poids des citations sur des sites tiers est substantiel. Mais aucune ne fournit une citation garantie, et aucun fournisseur n’a publié une liste complète de facteurs de classement.