En 2024, des chercheurs de Princeton, de Georgia Tech et de l'IIT Delhi ont réécrit des pages web de neuf façons différentes et ont testé quelles versions un moteur de réponse IA reprenait réellement dans ses réponses. L'ajout de citations directes a produit le gain le plus important, une hausse de 41 % par rapport à une base non optimisée. L'ajout de statistiques suivait de près avec 31 %. L'étude, GEO: Generative Engine Optimization, est aujourd'hui la recherche la plus citée derrière toute l'industrie du GEO, et aussi l'une des plus mal citées. Les rédacteurs répètent constamment ses chiffres phares et vérifient rarement ce qui a réellement été testé, sur quel modèle, ni dans quelle mesure ces résultats ont tenu depuis.
Ce que l'étude originale sur le GEO a réellement mesuré
Trois chercheurs ont construit GEO-bench, un jeu de données de 10 000 requêtes de recherche réelles et générées par GPT-4, chacune associée au texte nettoyé des cinq premiers résultats de Google. Ils ont testé neuf réécritures face à gpt-3.5-turbo jouant le rôle du moteur de réponse, moyenné les résultats sur cinq graines aléatoires, et confirmé que le schéma se maintenait aussi sur le produit de recherche en direct de Perplexity. Cet article suppose que vous savez déjà ce que signifie le GEO et passe directement aux données ; si vous avez besoin de la définition de base, nous l'avons traitée séparément.
La métrique derrière chaque chiffre de l'étude est le Position-Adjusted Word Count. Elle compte combien de mots d'une source donnée se retrouvent dans la réponse générée par l'IA, pondérés selon l'endroit où ces mots apparaissent. Une source qui fournit la phrase d'ouverture d'une réponse obtient un score bien plus élevé qu'une source qui contribue une clause vers la fin, ce qui est la façon des chercheurs de dire qu'être cité et être cité en bonne place ne sont pas le même exploit.
Le Position-Adjusted Word Count récompense une source qui apparaît tôt dans la réponse d'une IA, pas simplement le fait d'y apparaître.
Les tactiques qui ont fonctionné, classées selon leur impact sur le score
Face à un score de référence de 19,3, quatre réécritures ont produit des gains à deux chiffres et cinq non. L'ajout de citations et l'ajout de statistiques ont dominé le classement avec une large marge, suivis de près par l'optimisation de la fluidité et la citation de sources externes.
Ajout de citations : 27,2, soit environ 41 % au-dessus de la base
Ajout de statistiques : 25,2, soit environ 31 % au-dessus de la base
Optimisation de la fluidité : 24,7, soit environ 28 % au-dessus de la base
Citation de sources externes : 24,6, soit environ 27 % au-dessus de la base
Utilisation de termes techniques : 22,7, soit environ 18 % au-dessus de la base
Rédaction dans un langage facile à comprendre : 22,0, soit environ 14 % au-dessus de la base
Adoption d'un ton autoritaire : 21,3, soit environ 10 % au-dessus de la base
Remplacement par des mots uniques : 20,5, soit environ 6 % au-dessus de la base
Bourrage de mots-clés : 17,7, soit environ 8 % en dessous de la base
L'ajout de citations et l'ajout de statistiques ont probablement gagné pour la même raison pratique. Les deux donnent à un modèle de langage quelque chose de concret et d'attribuable à reprendre presque mot pour mot, un chiffre ou un intervenant nommé, sans que le modèle n'ait à inventer ou à paraphraser un fait qu'il pourrait mal rapporter. L'optimisation de la fluidité s'est classée troisième pour une raison liée : simplifier une phrase la rend plus facile à extraire proprement, indépendamment de la quantité d'informations vérifiables qu'elle porte.
Pourquoi citer des sources seules a à peine fait bouger l'aiguille
La citation de sources externes s'est classée quatrième dans le test, un gain de 27 %, nettement derrière les citations et les statistiques, bien que ce soit la tactique que la plupart des conseils en GEO considèrent comme fondamentale. Le chiffre phare de l'étude elle-même, jusqu'à 40 %, correspond au résultat de l'ajout de citations plutôt qu'aux citations de sources seules.
Ce classement est un correctif utile pour quiconque élabore une checklist GEO. Citer une source est une bonne pratique, et aide probablement les signaux de confiance que l'étude n'a pas mesurés directement, mais ce n'est pas à elle seule la réécriture ayant le plus fort impact. Une page qui cite une source dans un langage marketing par ailleurs générique a obtenu un gain moindre dans ce test qu'une page qui citait simplement quelqu'un par son nom ou énonçait un chiffre précis.
Ce qui a tenu depuis 2024, et ce qui reste à prouver
Une analyse de novembre 2025 portant sur 129 000 domaines et plus de 216 000 pages, menée par SE Ranking et rapportée par Search Engine Journal, a révélé que les pages contenant 19 points de données statistiques ou plus affichaient en moyenne 5,4 citations ChatGPT, contre 2,8 pour les pages pauvres en données. C'est un écho concret du résultat de laboratoire, un an plus tard et sur une plateforme en direct plutôt que dans un test contrôlé.
Cela rejoint la recherche sur l'autorité thématique que VizibleAI a déjà couverte, qui a établi que l'étendue de la couverture d'un sujet par un site prédit les citations IA bien mieux que le rang du domaine, un argument distinct mais lié contre le contenu générique et peu sourcé. Des chercheurs de Carnegie Mellon ont poursuivi en octobre 2025 avec AutoGEO, un système qui fait expliquer aux modèles IA leurs propres préférences de citation et transforme ces explications en signaux d'entraînement pour une réécriture automatisée. Le projet traite GEO-bench comme une base de référence continue plutôt que comme un artefact daté, un signe en soi que les résultats de 2024 ont survécu aux modèles spécifiques sur lesquels ils ont été testés.
Rien de tout cela ne signifie que les statistiques et les citations se comportent de façon identique sur tous les moteurs aujourd'hui. L'étude originale mesurait spécifiquement gpt-3.5-turbo et Perplexity, tous deux depuis longtemps dépassés par des modèles et des pipelines de récupération plus récents. Les pourcentages exacts se lisent mieux comme la preuve que le schéma existe, pas comme un taux de conversion qui se transpose sans changement à ChatGPT, Gemini ou Claude en 2026.
Ce qui ne fonctionne pas : le bourrage de mots-clés et l'allongement artificiel du texte
Deux tactiques ont totalement échoué dans le même test. Le bourrage de mots-clés a obtenu un score inférieur à la base, ce qui signifie qu'il a activement nui aux chances d'une page plutôt que de les aider. Simplement ajouter plus de mots sans ajouter de nouvelle information n'a produit aucun gain mesurable.
Une étude Ahrefs de décembre 2025 portant sur 174 048 pages a constaté la même chose sous un angle différent, comme VizibleAI l'a couvert dès la sortie de ces données : une corrélation de Spearman de seulement 0,04 entre le nombre de mots et le fait d'être cité dans les AI Overviews de Google, un chiffre que l'étude elle-même qualifiait de relation quasi nulle. Le même jeu de données, tiré de 560 346 AI Overviews, a révélé que la corrélation entre le nombre de mots et la position de citation était tout aussi proche de zéro, ce qui affaiblit l'idée que raccourcir ou allonger une page changerait ses chances dans un sens ou dans l'autre.
Questions fréquemment posées
Qu'est-ce que l'étude GEO-bench, et qui l'a menée ?
GEO-bench est le benchmark construit par des chercheurs de Princeton, de Georgia Tech et de l'IIT Delhi pour l'étude de 2024 GEO: Generative Engine Optimization, présentée à KDD 2024. Il associe 10 000 requêtes de recherche réelles et synthétiques au texte nettoyé des cinq premiers résultats de Google pour chacune, puis teste des réécritures de contenu face à un moteur de réponse IA pour voir lesquelles sont citées le plus souvent.
Ajouter des statistiques à une page augmente-t-il vraiment les citations IA ?
Dans l'étude originale, l'ajout de statistiques a fait grimper le score de Position-Adjusted Word Count d'environ 31 % par rapport à une base non optimisée, le deuxième gain le plus important parmi les neuf tactiques testées. Une analyse distincte de novembre 2025 portant sur 129 000 domaines a révélé que les pages avec 19 points de données ou plus affichaient en moyenne près du double des citations ChatGPT par rapport aux pages pauvres en données, bien que ce chiffre soit corrélationnel et non issu d'une expérience contrôlée.
Quelle tactique GEO a le mieux fonctionné dans la recherche ?
L'ajout de citations directes a produit le gain le plus important, environ 41 % au-dessus de la base, devant l'ajout de statistiques, l'optimisation de la fluidité et la citation de sources externes. Les citations aident probablement parce qu'un modèle peut reprendre une citation attribuée dans sa propre réponse avec moins de risque de dénaturer un fait qu'en paraphrasant un chiffre.
Le bourrage de mots-clés aide-t-il la visibilité en recherche IA ?
Non. Dans le même test de 2024, le bourrage de mots-clés a obtenu un score inférieur à la base non optimisée, ce qui signifie qu'il a dégradé la performance de la page plutôt que de l'améliorer. Simplement ajouter plus de mots sans ajouter de nouvelle information n'a lui non plus produit aucun gain mesurable, un schéma qu'une étude Ahrefs de décembre 2025 portant sur plus de 174 000 pages a confirmé plus tard pour le nombre de mots en général.
Ces résultats s'appliquent-ils encore à ChatGPT, Gemini et Claude en 2026 ?
L'étude originale testait gpt-3.5-turbo et le produit de recherche en direct de Perplexity, tous deux depuis dépassés. Un projet de suivi d'octobre 2025, AutoGEO, a montré que les préférences de citation des modèles IA pouvaient encore être extraites et enseignées à un système de réécriture, ce qui suggère que le schéma sous-jacent persiste même si les modèles individuels changent, bien que les pourcentages exacts de 2024 ne doivent pas être traités comme des cibles fixes pour chaque moteur aujourd'hui.
Qu'est-ce que le Position-Adjusted Word Count ?
Le Position-Adjusted Word Count est la métrique utilisée par les chercheurs de GEO-bench pour évaluer chaque tactique. Elle compte combien de mots d'une source apparaissent dans une réponse générée par l'IA, pondérés selon la précocité de leur apparition, si bien qu'une source citée dans la première phrase obtient un score plus élevé qu'une source enfouie vers la fin.