Retour à l'accueil
FREN
Glossaire

Le Glossaire GEO

Le guide de référence du Generative Engine Optimization et de l'AI Search. Définitions, frameworks et métriques pour passer du SEO traditionnel à la visibilité conversationnelle.

ABCDEFGHIJKLMPQRSTVYZ

Le Generative Engine Optimization (GEO) est une discipline émergente dédiée à l'amélioration de la visibilité des marques au sein des réponses générées par les systèmes d'IA tels que ChatGPT, Gemini, Claude et Perplexity. En tant que composante centrale de l'AISO (AI Search Optimization), il représente une vision globale du SEO dans un monde piloté par l'IA.

Le marché mondial des services GEO était évalué à 886 M$ en 2024 et devrait atteindre 7,3 Md$ d'ici 2031 (TCAC de 34 %) — Valuates Reports, 2024.

Contrairement aux moteurs traditionnels qui renvoient des listes de liens, les systèmes d'IA synthétisent l'information pour produire des réponses directes et conversationnelles — c'est l'essor du Zero-Click Search. Cette évolution crée un AI Black Hole systémique : un trou de visibilité où les marques perdent la capacité de suivre la manière dont leurs clients les découvrent et les évaluent au sein de dialogues privés.

A
11 entrées

AI Answer Engine (moteur de réponse IA)

Un moteur de réponse IA est un système conversationnel alimenté par de grands modèles de langage qui génère des réponses synthétisées aux questions des utilisateurs. Contrairement aux moteurs de recherche traditionnels, les moteurs de réponse ne renvoient pas principalement des liens classés mais produisent des explications structurées ou des recommandations. Exemples : ChatGPT, Gemini, Claude et Perplexity.

Les LLM ne citent en moyenne que 2 à 7 domaines par réponse, contre les 10 liens bleus de Google. Se battre pour ces rares emplacements de citation est l'enjeu central de toute stratégie GEO moderne.

AI Answer Visibility (visibilité dans les réponses IA)

La visibilité dans les réponses IA désigne la fréquence à laquelle une marque, un domaine ou une entité apparaît dans les réponses générées par les systèmes d'IA. C'est le KPI principal de toute stratégie GEO, remplaçant des métriques traditionnelles comme la position dans les classements de mots-clés.

Les marques citées dans les réponses générées par IA bénéficient d'une hausse de 38 % des clics organiques et de 39 % des clics publicitaires payants par rapport aux concurrents non cités — Relixir, via Wellows, 2025.

AI Citation (citation par une IA)

Une citation IA est une source référencée par un modèle d'IA lors de la génération d'une réponse. Les citations incluent souvent des sites web, des pages de documentation ou des publications faisant autorité. Être cité est l'objectif fondamental du GEO — l'équivalent d'un classement en première page dans le SEO traditionnel.

AI Black Hole (trou noir de l'IA)

Un trou de visibilité systémique où les marques perdent la capacité de suivre la découverte, l'évaluation et la décision des clients, ces actions se déroulant désormais au sein de dialogues IA privés et fermés plutôt que sur le web cliquable.

Le trafic généré par l'IA vers les sites de e-commerce américains a été multiplié par 12 entre juillet 2024 et février 2025, puis a atteint une croissance annuelle de 4 700 % en juillet 2025 — Adobe Analytics, 2025.

AI Discovery (découverte par l'IA)

La découverte par l'IA décrit le processus par lequel les utilisateurs découvrent des marques, des services ou des informations à travers les réponses générées par IA. Elle remplace les chemins de découverte traditionnels (résultats de recherche, fils sociaux, bannières) comme mécanisme principal de top-of-funnel pour de nombreuses catégories.

AI Recommendation (recommandation par l'IA)

Une recommandation IA se produit lorsqu'un système d'IA conversationnel suggère explicitement un produit, une marque ou un service en réponse à la question d'un utilisateur. C'est le résultat à plus forte valeur en GEO, équivalent à une recommandation personnelle d'un conseiller de confiance.

AI Search (recherche IA)

La recherche IA désigne les expériences de recherche alimentées par l'IA générative, qui synthétisent l'information plutôt que de simplement classer des pages web. Elle inclut ChatGPT Search, Perplexity, Google AI Overviews et Google AI Mode.

Perplexity traite 780 millions de requêtes par mois fin 2025, contre 230 millions en août 2024 — HubSpot GEO Statistics, 2025.

AI Overviews (anciennement SGE)

Les AI Overviews sont une fonctionnalité introduite par Google Search qui affiche un résumé généré par IA en haut des résultats de recherche. Ces résumés synthétisent l'information issue de plusieurs sources pour répondre directement à une requête dans l'interface de recherche. Être cité au sein des AI Overviews constitue un objectif majeur des stratégies GEO.

Lorsque des résumés IA sont présents, les utilisateurs cliquent sur les liens classiques dans seulement 8 % des visites, contre 15 % en l'absence de résumé IA (baisse de CTR de 54 %).

AISO (AI Search Optimization)

L'AI Search Optimization (AISO) désigne la discipline stratégique visant à améliorer la visibilité au sein des interfaces de recherche alimentées par l'IA. Elle englobe les techniques du SEO, du Generative Engine Optimization (GEO) et de l'Answer Engine Optimization (AEO) afin de garantir que les marques, produits et expertises soient représentés avec exactitude dans les réponses générées par IA.

AI Mode

AI Mode désigne une interface de recherche expérimentale développée par Google où l'expérience de recherche est entièrement pilotée par l'IA générative. Au lieu de renvoyer une liste statique de liens, l'interface permet à l'utilisateur d'engager un dialogue conversationnel continu pour affiner sa recherche.

AEO — Answer Engine Optimization

L'Answer Engine Optimization (AEO) est la pratique consistant à optimiser les contenus numériques afin qu'ils puissent être directement référencés ou synthétisés par les moteurs de réponse alimentés par IA. Les stratégies AEO se concentrent sur les connaissances structurées, des explications claires et des sources faisant autorité.

B
5 entrées

Bot Crawling (crawlers IA)

Les crawlers IA sont des robots web spécialisés utilisés pour collecter des données alimentant les jeux d'entraînement et les systèmes de récupération des IA. Exemples : GPTBot (OpenAI), ClaudeBot (Anthropic) et PerplexityBot. Les administrateurs de sites peuvent les gérer via robots.txt pour contrôler la manière dont leur contenu est consulté par les systèmes d'IA.

Brand Mention (mention de marque)

Une mention de marque survient lorsqu'un nom de marque apparaît dans une réponse générée par IA. Les mentions peuvent être positives, négatives, neutres ou contextuelles. Elles constituent l'unité élémentaire de mesure de la visibilité IA.

Brand Recommendation (recommandation de marque)

Une recommandation de marque survient lorsqu'un système d'IA identifie une marque comme une option pertinente pour la requête d'un utilisateur. Les recommandations représentent le type de mention à la plus forte valeur — elles influencent directement l'intention d'achat.

Brand Presence (présence de marque)

La présence de marque désigne la visibilité cumulée d'une marque à travers de multiples réponses et plateformes IA. Contrairement à un simple indicateur de citation, la présence de marque capte l'ampleur et la cohérence de l'apparition d'une marque dans les écosystèmes IA.

Brand Authority (autorité de marque)

L'autorité de marque désigne l'expertise et la crédibilité perçues d'une marque au sein des systèmes de connaissance IA. Elle se construit par des citations régulières de sources externes faisant autorité, des recherches originales et des signaux E-E-A-T solides.

Les LLM sont 28 à 40 % plus susceptibles de citer des contenus au formatage clair — titres hiérarchisés, listes à puces, listes numérotées et tableaux structurés.
C
5 entrées

Citation Frequency (fréquence de citation)

La fréquence de citation mesure combien de fois un domaine est référencé par les réponses générées par IA sur un ensemble défini de requêtes. C'est un indicateur central de performance GEO, analogue au taux d'impression au niveau du domaine en SEO traditionnel.

Context Window (fenêtre de contexte)

Une fenêtre de contexte représente la quantité maximale d'information qu'un LLM peut traiter au cours d'une seule interaction. Elle se mesure en tokens. Un contenu concis et bien structuré a plus de chances de tenir dans cette mémoire de travail, augmentant la probabilité que les systèmes d'IA l'analysent et l'utilisent pleinement.

Confirmation Step (le nouveau rôle du site web)

La fonction redéfinie d'un site web à l'ère de l'IA. Le site ne sert plus d'outil de découverte principal mais d'étape finale de vérification pour des utilisateurs ayant déjà formé leur intention au sein d'une interface IA.

Conversational Path (parcours conversationnel vs prompt unique)

L'analyse de la séquence complète des interactions en langage naturel entre un utilisateur et une IA. Contrairement aux outils traditionnels qui analysent des paires « prompt-réponse » isolées, Bubbling évalue l'ensemble du dialogue pour reconstruire des parcours de décision complexes.

Chunking (découpage)

Le chunking est une technique consistant à découper un contenu en unités sémantiques plus petites, pouvant être récupérées et traitées efficacement par les systèmes d'IA. Dans les architectures RAG, les articles sont souvent découpés en blocs cohérents d'environ 100 à 300 mots pour faciliter une récupération précise.

D
3 entrées

Decision Inflection Point (point d'inflexion décisionnel)

Le moment précis, au cours d'une conversation IA à plusieurs tours, où la logique du moteur génératif bascule vers la recommandation d'une marque ou, à l'inverse, vers son exclusion. Identifié et formalisé par le AI Conversational Journey Framework de Bubbling.

Domain Authority Signal (signal d'autorité de domaine)

Un signal d'autorité de domaine désigne des indicateurs tels que les backlinks, les citations ou la qualité éditoriale, qui renforcent la crédibilité d'un domaine à la fois auprès des moteurs de recherche traditionnels et des systèmes de récupération IA.

Decision Influence (influence décisionnelle)

L'influence décisionnelle désigne la capacité d'une marque à peser sur les décisions des utilisateurs via des recommandations générées par IA. C'est une métrique composite tenant compte de la fréquence de recommandation, de la qualité du sentiment et de la présence aux étapes à forte intention du parcours conversationnel.

E
5 entrées

Embeddings (plongements vectoriels)

Les embeddings sont des représentations vectorielles numériques de mots, expressions ou concepts utilisées par les systèmes d'IA pour comprendre les relations sémantiques entre différentes informations. Des mots de sens proches tendent à avoir des embeddings mathématiquement proches. Ils constituent le socle technique de la recherche sémantique et de la récupération de contenus par IA.

Entity (entité)

Une entité est un concept identifiable — entreprise, produit, personne ou organisation — que les systèmes d'IA et les graphes de connaissances représentent comme un objet structuré et distinct, doté d'attributs et de relations définis.

Entity Recognition (reconnaissance d'entités)

La reconnaissance d'entités désigne la capacité des systèmes d'IA à identifier et classer les entités dans un texte — extraction d'entreprises, de personnes, de lieux et de produits à partir de contenus non structurés.

Entity Authority (autorité d'entité)

L'autorité d'entité mesure la crédibilité et la notoriété perçues d'une entité au sein des réponses générées par IA. Elle se construit par la cohérence multi-plateformes, la validation par des tiers et la profondeur sémantique.

E-E-A-T (Experience, Expertise, Authoritativeness, Trustworthiness)

E-E-A-T est un cadre utilisé par Google et les systèmes d'IA pour évaluer la crédibilité et la fiabilité des contenus en ligne. Démontrer une forte expérience, expertise, autorité et fiabilité augmente la probabilité que le contenu soit utilisé comme source de réponses générées par IA.

F
2 entrées

Fan-Out Query (requête éclatée)

Une fan-out query désigne l'expansion interne du prompt unique d'un utilisateur en plusieurs sous-requêtes utilisées par les systèmes d'IA pour récupérer des informations complètes à partir de sources différentes avant de produire une réponse synthétisée.

G
4 entrées

Generative Engine (moteur génératif)

Un moteur génératif est un système d'IA qui produit des réponses synthétisées à l'aide de grands modèles de langage, en s'appuyant à la fois sur ses données d'entraînement et sur des systèmes de récupération en temps réel. Il représente l'architecture de remplacement des moteurs de recherche traditionnels basés sur les mots-clés.

Les stratégies GEO peuvent accroître la visibilité d'un contenu dans les réponses des moteurs génératifs jusqu'à 40 % — Aggarwal et al., ACM KDD 2024.

Generative Engine Optimization (GEO)

Le Generative Engine Optimization (GEO) désigne la discipline consistant à optimiser les contenus numériques et les signaux de marque pour améliorer la visibilité au sein des réponses générées par IA. Formalisé pour la première fois comme paradigme de recherche en 2024 par des chercheurs de Princeton, Georgia Tech, l'Allen Institute for AI et l'IIT Delhi.

Generative Search Experience (GSE)

La generative search experience désigne les interfaces de recherche où des réponses générées par IA apparaissent à côté ou à la place des résultats de recherche traditionnels. Elle englobe Google AI Overviews, Google AI Mode, ChatGPT Search et Perplexity.

Grounding (ancrage factuel)

Le grounding désigne le processus d'ancrage des réponses générées par IA dans des sources d'information fiables et vérifiables. Les mécanismes de grounding reposent généralement sur des systèmes de récupération comme le RAG pour assurer l'exactitude factuelle et réduire les hallucinations.

H
1 entrée

Hallucination

Une hallucination IA survient lorsqu'un modèle de langage génère des informations incorrectes ou inventées, présentées avec la même assurance qu'un contenu factuel. Les hallucinations représentent le plus grand risque qualité des réponses générées par IA.

I
2 entrées

Information Retrieval (récupération d'information)

La récupération d'information désigne le processus par lequel les systèmes d'IA localisent des sources pertinentes avant de générer des réponses. Dans les architectures RAG, la récupération précède la génération et détermine quelles sources influencent la réponse finale.

Influence Score (score d'influence)

Un score d'influence mesure l'impact d'une marque au sein des réponses générées par IA — combinant fréquence de visibilité, qualité du sentiment, taux de recommandation et proéminence de la position en une seule métrique composite.

J
1 entrée

JSON-LD

JSON-LD est un format de données structurées utilisé pour fournir des métadonnées lisibles par machine au sein des pages web. Il permet aux sites de définir entités, organisations, produits et autres informations d'une manière facilement interprétable par les systèmes d'IA et les moteurs de recherche.

K
1 entrée

Knowledge Graph (graphe de connaissances)

Un graphe de connaissances est un réseau structuré d'entités et de relations utilisé par les moteurs de recherche et les systèmes d'IA pour représenter le savoir. Le Knowledge Graph de Google et Wikidata de Wikipedia sont les deux graphes les plus influents pour le comportement de citation des IA.

L
6 entrées

Large Language Model (LLM)

Un grand modèle de langage est un modèle d'IA entraîné sur d'immenses jeux de textes, capable de générer des réponses en langage naturel, d'accomplir des tâches et de synthétiser de l'information. Les LLM modernes (GPT-4, Claude, Gemini) sont les moteurs centraux des systèmes de recherche générative.

Plus d'un milliard de prompts sont envoyés à ChatGPT chaque jour — un changement comportemental durable dans la manière dont les clients cherchent des réponses et découvrent les marques — Profound, 2025.

LLM Citation (citation par un LLM)

Une citation LLM désigne une source référencée par un modèle de langage lors de la génération de réponses. Les citations LLM sont l'unité de valeur principale du GEO — elles représentent une visibilité gagnée à l'intérieur des réponses générées par IA.

LLM Monitoring (monitoring LLM)

Le monitoring LLM désigne le suivi systématique des mentions de marque, des citations et des schémas de recommandation à travers les réponses générées par IA. C'est l'équivalent GEO de Google Search Console — une infrastructure essentielle pour mesurer et améliorer la visibilité IA.

LLM Traffic (trafic LLM)

Le trafic LLM désigne les visites web provenant d'assistants IA qui dirigent les utilisateurs vers des URL externes. C'est un proxy mesurable de la découverte de marque pilotée par l'IA, même s'il ne représente qu'une faible part de l'influence totale de l'IA.

llms.txt

llms.txt est un fichier expérimental placé à la racine d'un site web qui fournit des informations structurées sur sa vocation et son contenu. Il aide les modèles d'IA à comprendre rapidement le contexte d'un site et la manière dont son contenu doit être interprété.

LLMO — Large Language Model Optimization

L'optimisation pour LLM (LLMO) désigne la pratique consistant à structurer les contenus numériques afin qu'ils puissent être efficacement utilisés par les grands modèles de langage pour la récupération, la synthèse et la citation. C'est la couche d'exécution technique de la stratégie GEO.

M
2 entrées

Model Alignment (alignement de modèle)

L'alignement de modèle désigne le processus visant à garantir que les sorties d'une IA soient conformes à l'exactitude factuelle, aux valeurs humaines et aux règles de sécurité. L'entraînement à l'alignement influence les sources qu'un système d'IA juge fiables et la manière dont il gère les informations contradictoires.

Model Training Data (données d'entraînement du modèle)

Les données d'entraînement d'un modèle sont les jeux de données utilisés pour entraîner les modèles d'IA. Les contenus inclus dans ces données influencent directement la connaissance paramétrique d'un LLM — sa représentation interne des entités, faits et relations, sans avoir besoin de récupération.

P
3 entrées

Passage

Un passage est un segment précis de texte récupéré par un système d'IA parce qu'il est jugé très pertinent pour une requête donnée. Les moteurs IA citent fréquemment des passages plutôt que des pages entières lors de la génération de réponses.

Prompt

Un prompt est l'entrée fournie à un système d'IA — soit par un utilisateur (question ou demande), soit par un développeur (instruction système). Comprendre les schémas de prompts de votre catégorie est fondamental pour une stratégie GEO.

Prompt Volume (volume de prompts)

Le volume de prompts mesure la fréquence à laquelle des prompts ou types de requêtes spécifiques apparaissent sur les plateformes d'IA. Les prompts à fort volume représentent les cibles prioritaires des investissements éditoriaux GEO.

Q
1 entrée

Query Expansion (expansion de requête)

L'expansion de requête désigne le processus par lequel les systèmes d'IA reformulent le prompt initial d'un utilisateur en plusieurs requêtes connexes afin de récupérer une information plus exhaustive. C'est le mécanisme à l'origine des fan-out queries.

R
4 entrées

Recommendation Driver Ranking

Un diagnostic de haute précision développé par Bubbling qui identifie et hiérarchise les facteurs objectifs — prix perçu, fiabilité, délais, engagements de durabilité, etc. — qui déclenchent ou bloquent une recommandation IA au cours d'une conversation.

Reciprocal Rank Fusion (RRF)

La Reciprocal Rank Fusion est une méthode d'agrégation de classements utilisée par les systèmes de recherche pour fusionner les résultats de plusieurs requêtes indépendantes. Elle est couramment utilisée dans les architectures de recherche IA pour combiner les résultats produits par des fan-out queries en un unique ensemble de récupération classé.

Retrieval-Augmented Generation (RAG)

La génération augmentée par récupération est une technique où les modèles d'IA récupèrent des informations externes auprès de sources en temps réel avant de générer leurs réponses. Le RAG permet aux systèmes d'IA d'accéder à des informations actuelles, spécifiques et vérifiables au-delà de leurs données d'entraînement statiques.

Response Ranking (classement des réponses)

Le classement des réponses désigne la hiérarchisation des sources d'information lors de la génération d'une réponse par IA. Les sources sont classées selon la pertinence, l'autorité, la fraîcheur et l'alignement avec l'intention de la requête avant d'être synthétisées dans la réponse finale.

S
4 entrées

Schema.org

Schema.org est un vocabulaire standardisé utilisé pour décrire des données structurées sur les sites web. Il permet aux machines — y compris les systèmes d'IA et les moteurs de recherche — de comprendre clairement les entités, produits, organisations et relations décrits au sein des pages web.

Semantic Authority (autorité sémantique)

L'autorité sémantique décrit la force d'association d'un domaine à un sujet précis au sein des systèmes de connaissance IA. Un domaine doté d'une forte autorité sémantique sur la « cybersécurité » sera cité de manière préférentielle sur les requêtes de cybersécurité par l'ensemble des plateformes d'IA.

Source Attribution (attribution de source)

L'attribution de source désigne l'identification et le lien vers l'origine des informations utilisées dans les réponses IA. Dans les systèmes d'IA bien ancrés, l'attribution de source est le mécanisme par lequel les marques reçoivent un crédit mesurable pour la fourniture d'informations exactes.

SXO (Search Experience Optimization)

Le Search Experience Optimization combine le SEO et le design de l'expérience utilisateur pour garantir que les sites web ne sont pas seulement trouvables mais aussi intuitifs et engageants. À l'ère de l'IA, le SXO s'étend à l'expérience que l'utilisateur reçoit au sein des interfaces d'IA — et plus seulement sur le site de la marque.

T
4 entrées

Token

Un token est la plus petite unité de texte traitée par un modèle de langage. En anglais, un token représente généralement environ quatre caractères ou trois quarts de mot. Les fenêtres de contexte, les coûts des modèles et les limites de récupération se mesurent tous en tokens.

Topic Authority (autorité thématique)

L'autorité thématique mesure l'étendue et la profondeur de l'expertise d'un domaine sur un sujet précis, telles que perçues par les systèmes de connaissance IA. Elle se construit par la publication régulière de contenus de haute qualité et bien cités au sein d'un cluster thématique défini.

Transformers

Les Transformers sont une architecture de réseau neuronal introduite dans l'article de 2017 « Attention Is All You Need » (Vaswani et al.) qui constitue le socle technique de tous les grands modèles de langage modernes. Ils s'appuient sur des mécanismes d'auto-attention pour analyser simultanément les relations entre les mots sur l'ensemble d'une séquence de texte.

Trust Signal (signal de confiance)

Un signal de confiance est tout indicateur qui accroît la crédibilité d'une source aux yeux des systèmes d'IA et des moteurs de recherche. Les signaux de confiance incluent les backlinks faisant autorité, la signature d'experts, les mentions tierces, le volume d'avis, la fiabilité éprouvée et l'implémentation de Schema.org.

V
2 entrées

Vector Database (base de données vectorielle)

Une base de données vectorielle est un système de stockage spécialisé conçu pour indexer et récupérer des vecteurs de haute dimension (embeddings). C'est l'infrastructure centrale de la recherche sémantique dans les systèmes d'IA, permettant une mise en correspondance rapide par similarité entre requêtes et contenus stockés.

Visibility Index (indice de visibilité)

Un indice de visibilité est un score composite qui mesure la présence et la proéminence globales d'une marque au sein des réponses générées par IA. Il combine des métriques telles que la fréquence de citation, le taux de recommandation, le score de sentiment et la position dans les réponses IA.

Y
1 entrée

YMYL (Your Money or Your Life)

YMYL est une classification utilisée par Google et les systèmes d'IA pour identifier les contenus susceptibles d'avoir un impact significatif sur la santé, la stabilité financière, la sécurité ou le bien-être d'une personne. Les systèmes d'IA appliquent des filtres qualité plus stricts aux contenus YMYL, rendant les signaux E-E-A-T encore plus décisifs pour être éligible à la citation dans ces catégories.

Z
2 entrées

Zero-Click AI Answer (réponse IA sans clic)

Une réponse IA sans clic survient lorsqu'un système d'IA fournit une réponse complète et autosuffisante qui élimine le besoin pour l'utilisateur de visiter un site externe. La question de l'utilisateur est entièrement résolue au sein de l'interface IA.

58 % des recherches Google en mars 2025 se sont terminées sans aucun clic — Pew Research, 2025. Pour les plateformes nativement IA comme ChatGPT et Perplexity, le taux de zero-click approche 100 %.

Zero-Click Search (recherche sans clic)

La recherche sans clic décrit toute interaction de recherche au cours de laquelle l'utilisateur obtient sa réponse directement depuis l'interface de recherche sans cliquer vers un site externe. Les AI Overviews, les featured snippets et les réponses IA directes contribuent tous à ce comportement.

D'ici 2028, les clics organiques traditionnels devraient représenter moins de 30 % de l'ensemble des interactions de recherche.
Frameworks Bubbling

Des définitions à la stratégie

Trois frameworks propriétaires qui transforment les concepts GEO en stratégie actionnable.

1. The AI Conversational Journey Framework

Le framework de Bubbling cartographie la manière dont les utilisateurs interagissent avec les systèmes d'IA tout au long du cycle de décision. Contrairement aux funnels traditionnels, il capture la nature multi-tours et conversationnelle de la découverte pilotée par l'IA.

Meta / Opinion

Les utilisateurs expriment des opinions sur les systèmes d'IA eux-mêmes. Exemples : « ChatGPT est-il fiable pour des conseils médicaux ? » Cette étape révèle le calibrage de la confiance avant même le début du parcours d'achat.

Awareness — Découverte et compréhension

Questions informationnelles larges pour découvrir une catégorie. Exemples : « Quel est le meilleur CRM pour les petites entreprises ? » Façonne la notoriété initiale et le cadrage de la catégorie.

Consideration — Exploration des options

Les utilisateurs explorent des options précises et posent des questions comparatives. La réponse de l'IA influence directement quelles marques entrent dans le set de considération.

Evaluation — Comparaison de marques

Les utilisateurs comparent explicitement marques ou produits. La réponse de l'IA révèle l'autorité perçue, la crédibilité, la neutralité et les biais des marques.

Decision — Vérification & transaction

Les utilisateurs confirment des caractéristiques ou cherchent une information transactionnelle. Les réponses IA mesurent l'exactitude, l'exhaustivité et la capacité de personnalisation.

Post-Decision — Usage, fidélité & confiance

Après l'achat, les utilisateurs posent des questions sur l'usage, le dépannage, l'optimisation. Cela révèle l'expertise fonctionnelle et la qualité du support après-vente.

2. The GEO Visibility Measurement Framework

Indicateurs quantitatifs qui capturent la visibilité, l'influence et la fréquence de recommandation d'une marque à travers les interactions conversationnelles.

Visibility Rate

Conversations mentionnant la marque ÷ Total des conversations analysées. L'indicateur GEO central de la présence de marque au sein des conversations générées par LLM.

Mentions

Le nombre total de fois où une marque apparaît dans l'ensemble des conversations analysées — volume absolu de présence.

Spontaneous Citation Rate

Fréquence à laquelle l'IA mentionne une marque sans que l'utilisateur l'ait explicitement citée — l'équivalent IA de la notoriété spontanée.

Share of Wallet

Part du total des mentions de marque captée par une marque face à l'ensemble des concurrents apparaissant dans les mêmes conversations.

Consideration Rate

Fréquence à laquelle une marque devient le sujet de prompts de suivi — signe d'une évaluation active plutôt que d'une rencontre passive.

3. The AI Sentiment & Recommendation Framework

Indicateurs qui mesurent la manière dont les systèmes d'IA décrivent et recommandent une marque.

Positive Mentions Rate

Part des mentions décrivant la marque en termes explicitement positifs — recommandation, éloge ou présentation comme option préférée.

Negative Mentions Rate

Part des mentions décrivant la marque négativement — avertissement, problèmes cités ou positionnement comme option inférieure.

Sentiment Score

Positive Mentions Rate − Negative Mentions Rate. Échelle de −100 à +100. Au-dessus de +30, le sentiment IA est généralement considéré comme solide.

Recommendation Rate

Fréquence à laquelle l'IA recommande activement une marque lorsqu'on lui demande de suggérer des options. Mesurée en clôturant les conversations par « quelles marques recommanderiez-vous ? »

« Chaque jour, plus d'un milliard de prompts sont envoyés à ChatGPT. Plus de 71 % des Américains utilisent déjà la recherche IA pour évaluer des achats ou des marques. Attendre pour s'adapter, c'est prendre un retard durable sur ses concurrents. »

— Profound, 2025

À découvrir

Poursuivez avec les pages les plus utiles pour devenir visible dans les réponses IA.