Jetons

Les tokens sont les fragments que les modèles de langage lisent et génèrent, généralement plus petits que des mots entiers. Ils comptent, car chaque requête, chaque fragment de récupération et chaque réponse du modèle sont tarifés et limités par le nombre de tokens, et non par le nombre de mots.

Pour les équipes GEO, cela change la façon d’opérer le contenu très vite. Si votre matière source est gonflée, répétitive ou mal structurée, vous payez plus cher et vous obtenez un résultat moins bon. C’est aussi simple que ça.

Pourquoi les tokens comptent en GEO

Le nombre de tokens contrôle quatre éléments : le coût, l’adéquation au contexte, la qualité de réponse et la probabilité de citations. Si vos faits de marque, spécifications produit ou arguments de preuve ne s’insèrent pas clairement dans la fenêtre de contexte disponible, le modèle les comprime, les supprime ou les ignore.

C’est là que la plupart des équipes s’essoufflent. Elles se focalisent sur les prompts et ignorent l’efficacité de la source.

OpenAI, Anthropic et Google facturent l’usage en tokens. Selon le modèle, une moyenne approximative en anglais est de 1,3 à 1,5 token par mot, mais cette estimation se dégrade sur le code, les tableaux, les catalogues produits et les contenus multilingues. Une page de 500 mots n’est pas de manière fiable une entrée de 700 tokens. Mesurez-le.

Ce que les praticiens devraient faire concrètement

Commencez par un audit des tokens. Utilisez tiktoken pour les workflows OpenAI, le tokenizer d’Anthropic pour Claude, ou les journaux d’usage de votre couche d’orchestration. Ensuite, cartographiez l’usage des tokens par gabarit, type de page et objectif de sortie.

• Réponses d’assistance : souvent exploitables avec 150 à 300 tokens de sortie.
• Explicateurs produit : généralement 300 à 800 tokens.
• Réponses techniques approfondies avec citations : 1 000+ tokens, parfois bien plus.

Utilisez les exports de Screaming Frog, les données de requêtes de la GSC et des ensembles de pages issus de Semrush ou Ahrefs pour identifier où le contenu orienté IA est trop verbeux par rapport à l’intention de recherche réelle. Puis compressez la source, pas seulement le prompt.

Une bonne compression consiste à supprimer les affirmations dupliquées, à réduire les passages “fourre-tout” et à placer en amont des informations uniques comme le prix, la compatibilité, la méthodologie et les entités nommées. Surfer SEO peut aider à repérer des contenus surdimensionnés, mais il ne résout pas à lui seul le gaspillage de tokens.

Où la stratégie tokens atteint ses limites

Il y a toutefois une nuance. Moins de tokens ne signifie pas automatiquement de meilleures performances GEO. En comprimant trop, vous retirez la nuance, les qualificatifs et les preuves. Cela peut réduire la confiance dans les citations ou amener les systèmes de récupération à manquer entièrement le bon passage.

Autre problème : la taille de la fenêtre de contexte n’est pas la même chose que l’attention réellement “utile”. Le fait qu’un modèle accepte 128k tokens ne veut pas dire que le token 127 500 reçoit le même traitement. John Mueller, chez Google, a confirmé en 2025 que la visibilité de la recherche IA dépend encore de contenus sources clairs et accessibles, et non du fait d’entasser davantage de texte dans des formats lisibles par machine.

Comment utiliser les tokens comme indicateur opérationnel

Suivez les tokens par réponse, les tokens par bloc de source cité et le coût par sortie réussie. Si vous déployez le GEO à grande échelle, ajoutez des seuils d’échec pour la troncature et l’hallucination après de longs contextes.

Moz, Ahrefs et Semrush n’affichent pas directement l’efficacité en tokens, mais ils aident à prioriser quelles pages méritent d’être compressées en premier : celles qui cumulent impressions, faible engagement et forte valeur informationnelle. C’est généralement là que la discipline “tokens” rapporte le plus vite.

En résumé : les tokens ne sont pas un simple détail technique. Ce sont un stock. Les gaspiller, c’est acheter une visibilité IA plus lente, plus chère et moins fiable.