phonlamaiphoto - stock.adobe.com
GEO : une seule stratégie de visibilité ne suffit pas
L’analyse de millions de citations générées par plusieurs IA montre que les sources que les modèles utilisent sont très différentes. Ce qui remet en cause l’idée d’une stratégie unique d’optimisation des contenus pour le référencement GEO.
C’est assez logique. Mais cette fois-ci, une étude de la société Yext en apporte une preuve chiffrée. Les réponses des intelligences artificielles génératives varient d’un outil à l’autre. Plus exactement, leurs réponses s’appuient sur des sources d’informations différentes. Ce qui témoigne de logiques propres dans ce « sourcing ».
L’analyse porte sur 17,2 millions de citations issues d’IA, dont Gemini, Claude, ChatGPT et Perplexity.
Des logiques de sourcing différenciées selon les modèles
Concrètement, certains modèles privilégient plus que d’autres les contenus de marques. Par exemple, 93 % des citations de Gemini proviennent de sources maîtrisées par les entreprises comme leurs sites web ou leurs fiches d’établissement.
À l’inverse, Claude intègre 15 % de citations issues d’avis, soit deux à quatre fois plus que ses concurrents, d’après Yext.
Et afin de ne rien arranger pour les marketeurs, ce « mix » ou cette « personnalité informationnelle » (sic) peut également varier en fonction des domaines.
Perplexity est le plus « homogène », en privilégiant des contenus structurés et facilement exploitables, avec des variations limitées selon les secteurs.
À l’inverse, ChatGPT se distinguerait par une forte variabilité des types de sources d’un secteur à l’autre.
Vers une approche GEO multimodèle
Plus globalement, les données de Yext montrent que les actifs des marques (sites web, fiches) représenteraient désormais 90 % des citations, contre 86 en 2025. Les avis reculeraient, passant de 8 % à 5,5 %.
Ces évolutions suggèrent que l’importance des contenus maîtrisés se renforce dans une stratégie de Generative Engine Optimization, sans pour autant permettre des pratiques homogènes. « La visibilité de l’IA n’est pas universelle […] l’optimisation pour un modèle ne garantit pas la visibilité dans un autre », conclut l’étude.
« Il devient clair que les stratégies de visibilité doivent être spécifiques à chaque modèle », renchérit Sam Davis, vice-président chez Yext. « On ne peut donc pas considérer la recherche par IA comme une stratégie unique et définitive », insiste-t-il.
