Glossaire GEO

Le glossaire GEO par Vizible AI. Des définitions claires et citables des termes qui déterminent votre visibilité dans l'IA : GEO, AEO, citations, moteurs de réponse, robots IA et plus encore.

• AEO (Answer Engine Optimization)

  L'AEO (Answer Engine Optimization) est la pratique consistant à structurer un contenu pour qu'un assistant IA puisse le lire, le vérifier et le citer directement dans la réponse qu'il donne à un utilisateur. Elle décrit un objectif fonctionnellement identique au GEO, avec des racines plus proches de l'écosystème des outils SEO commerciaux que de la recherche académique.

• Ajout de citations d'experts

  L'ajout de citations d'experts est la tactique testée par l'étude GEO de Princeton qui consiste à insérer des citations directes d'experts nommés dans un contenu, ce que l'étude a mesuré comme produisant une amélioration d'environ 28 à 40 % de la visibilité en citation, en faisant la deuxième tactique la plus efficace après l'ajout de statistiques.

• Ajout de statistiques

  L'ajout de statistiques est la tactique testée par l'étude GEO de Princeton consistant à remplacer des affirmations vagues par des chiffres, des sources et des dates précis, mesurée par l'étude comme sa tactique la plus performante, produisant jusqu'à environ 41 % d'amélioration sur sa métrique de visibilité PAWC.

• Amazonbot

  Amazonbot est le robot d'exploration d'Amazon, qui alimente les capacités de réponse d'Alexa ainsi que les autres produits IA d'Amazon. Sa pertinence, plus restreinte mais croissante, tient au fait que les réponses vocales et d'assistant d'achat s'appuient de plus en plus sur le contenu du web, et pas seulement sur le catalogue et les avis propres à Amazon.

• Ancrage (grounding)

  L'ancrage, ou grounding, désigne le moment où un système d'IA appuie sa réponse générée sur une source précise récupérée, une page web en direct, un document, un enregistrement de base de données, plutôt que de s'appuyer uniquement sur les schémas appris pendant l'entraînement. C'est ce qui distingue une réponse citée d'une réponse non étayée.

• Applebot-Extended

  Applebot-Extended est le jeton d'exclusion d'Apple, utilisé dans robots.txt, qui permet à un site d'exclure son contenu de l'entraînement d'Apple Intelligence et des autres fonctionnalités d'IA générative d'Apple, indépendamment des règles Applebot classiques qui régissent l'indexation pour la recherche et Siri.

• Autorité thématique

  L'autorité thématique désigne à quel point un site couvre un sujet de façon complète, mesurée par la profondeur, l'étendue et le maillage interne du contenu, plutôt que par la qualité individuelle d'une seule page, ce qui en fait une propriété de la structure de contenu globale d'un site.

• BLUF (Bottom Line Up Front)

  Le BLUF, ou Bottom Line Up Front, est une structure de rédaction qui énonce d'abord la réponse directe à une question, avant tout contexte, historique ou nuance, inversant la structure classique de montée en puissance vers le point clé, courante dans l'écriture narrative et académique.

• Balisage Article (Article Schema)

  Le balisage Article (Article Schema) est un type de données structurées qui capture l'auteur, la date de publication, le titre et les métadonnées associées d'une page éditoriale, sous une forme lisible par machine, donnant aux robots d'exploration une confirmation explicite de la paternité et de la fraîcheur du contenu plutôt que de les laisser déduire ces détails du texte visible.

• Balisage FAQ (FAQ Schema)

  Le balisage FAQ est un balisage structuré pour des paires de questions-réponses sur une page, étiquetant explicitement chaque question et sa réponse correspondante pour qu'un crawler n'ait pas à déduire cette structure à partir de la seule mise en forme. C'est l'un des types de schema les plus directement applicables pour un contenu déjà organisé autour de questions précises.

• Balisage Organization (Organization Schema)

  Le balisage Organization est un type de données structurées définissant les informations d'entité fondamentales d'une marque, dont son nom officiel, son logo, sa date de création et les identifiants associés, sous une forme lisible par machine qui ancre chaque autre page du site à une identité organisationnelle unique, cohérente et vérifiable.

• Balisage Schema / Données structurées

  Le balisage schema, ou données structurées, est un ensemble de métadonnées lisibles par machine intégrées à une page, le plus souvent en JSON-LD, qui indique explicitement aux crawlers ce qu'est réellement le contenu : un article, une organisation, un produit, un ensemble de questions-réponses, plutôt que de laisser cette classification à l'inférence.

• Balisage Speakable

  Le balisage speakable est une propriété de données structurées qui marque des passages spécifiques d'une page comme adaptés à la synthèse vocale et aux réponses orales, conçue à l'origine pour des assistants vocaux comme Google Assistant, et de plus en plus pertinente à mesure que les réponses IA conversationnelles s'orientent aussi vers l'oral, en plus de l'écrit.

• Bloc de réponse (réponse atomique)

  Un bloc de réponse, ou réponse atomique, est un passage autonome, généralement de 40 à 100 mots, qui répond entièrement à une question précise par lui-même, sans exiger d'un lecteur ou d'un système d'IA qu'il se réfère aux paragraphes environnants pour le comprendre.

• Bourrage de mots-clés (anti-pattern)

  Le bourrage de mots-clés, tel que testé par l'étude GEO de Princeton, est la pratique consistant à répéter des mots-clés cibles ou des expressions de façon non naturelle dans un contenu, et notamment la seule tactique que l'étude a mesurée comme performant moins bien qu'une base non optimisée sur Perplexity spécifiquement, réduisant activement la visibilité en citation.

• Bytespider

  Bytespider est le robot d'exploration de ByteDance, qui collecte des données d'entraînement à travers le web pour ses produits d'IA. Il est réputé pour ignorer fréquemment les règles de blocage du robots.txt qui devraient normalement l'arrêter, contrairement à la plupart des autres grands robots d'IA en activité.

• CCBot

  CCBot est le robot d'exploration derrière Common Crawl, un vaste jeu de données public de pages web qui n'appartient à aucun laboratoire d'IA en particulier mais alimente l'entraînement de modèles pour de nombreuses entreprises différentes, ce qui en fait l'un des robots les plus déterminants malgré son absence de notoriété grand public.

• ChatGPT Search

  ChatGPT Search est le mode de réponse ancré dans le web d'OpenAI, intégré à ChatGPT, qui récupère des pages web actuelles avant de générer une réponse et affiche un panneau de sources à côté de celle-ci. Lancé fin 2024, il utilise un crawler dédié, OAI-SearchBot, distinct de GPTBot qui alimente l'entraînement des modèles.

• ChatGPT-User

  ChatGPT-User est le user-agent qu'OpenAI applique lorsque ChatGPT récupère une page précise en direct, en temps réel, à la demande explicite d'un utilisateur au cours d'une conversation, distinct de l'indexation en arrière-plan effectuée par GPTBot ou OAI-SearchBot. Il correspond à une récupération ponctuelle plutôt qu'à une exploration systématique.

• Chaîne d'entité

  Une chaîne d'entité est l'ensemble distribué de mentions et de données structurées vérifiables indépendamment au sujet d'une marque, réparties entre son propre site, Wikipédia, LinkedIn, des annuaires sectoriels et la couverture presse, qu'un système de récupération peut relier à une seule entité cohérente. Plus cette chaîne est solide et cohérente, plus un système d'IA peut confirmer avec assurance ce qu'est une marque.

• Chunking (découpage en segments)

  Le chunking est la façon dont les systèmes d'IA découpent un contenu en passages plus courts, généralement de 200 à 500 tokens, avant de l'indexer et de le récupérer, ce qui signifie qu'une page est rarement évaluée comme un tout continu mais comme un ensemble de segments indépendants qui se disputent séparément la récupération.

• Citabilité

  La citabilité est la probabilité qu'un moteur IA cite ou attribue réellement un passage précis en construisant sa réponse, à distinguer de la repérabilité, car un passage peut être récupéré dans l'ensemble des candidats d'un moteur sans jamais être jugé assez précis ou autonome pour être cité.

• Citation intégrée

  Une citation intégrée est un lien de type note de bas de page inséré directement dans le texte d'une réponse générée par l'IA, attribuant une affirmation précise à une source précise, comme le fait Perplexity pour presque chacune de ses phrases. Les citations intégrées pèsent plus lourd qu'un simple listing dans un panneau de citations, car elles lient l'autorité d'une marque à une affirmation exacte, et non à la réponse dans son ensemble.

• Citer ses sources (méthode GEO)

  Citer ses sources est l'une des tactiques testées directement par l'étude GEO de Princeton : attribuer des affirmations précises à des sources externes faisant autorité au sein même du contenu, ce que l'étude a mesuré comme produisant une amélioration d'environ 30 à 40 % de la visibilité en citation par rapport à une base non optimisée.

• Claude

  Claude est la famille de modèles d'Anthropic, qui a ajouté un mode de recherche ancré dans le web récupérant des pages en direct et les citant aux côtés d'une réponse générée, structurellement proche de ChatGPT Search. Anthropic fait tourner deux crawlers distincts : ClaudeBot collecte les données d'entraînement, tandis que Claude-SearchBot construit l'index séparé dont la fonction de recherche de Claude tire réellement ses citations.

• Claude-SearchBot

  Claude-SearchBot est le crawler d'Anthropic dédié à l'indexation du contenu web pour la fonction de recherche et de citation de Claude, distinct de ClaudeBot, qui collecte les données d'entraînement. Il constitue le réservoir de pages récupérables et citables sur lequel Claude s'appuie lorsqu'il ancre une réponse dans des sources web en direct.

• ClaudeBot

  ClaudeBot est le crawler d'Anthropic chargé de collecter le contenu web utilisé pour entraîner ses modèles Claude, fonctionnant séparément de Claude-SearchBot, le crawler qui construit l'index sur lequel s'appuient réellement la recherche web et la citation de Claude. Comme pour les crawlers d'OpenAI, bloquer l'un ne bloque pas automatiquement l'autre.

• Commerce agentique

  Le commerce agentique désigne des agents IA effectuant des achats de façon autonome pour le compte d'un utilisateur, de la recherche produit jusqu'au paiement, sans qu'un humain clique lui-même à chaque étape. C'est une capacité émergente, proche du GEO, à mesure que les marques doivent rendre leurs données produit lisibles par des agents acheteurs, pas seulement par des moteurs de réponse.

• Copilot (Bing Copilot)

  Copilot est la surface de recherche IA de Microsoft intégrée à Bing et Edge, mêlant réponses conversationnelles et résultats de recherche Bing classiques accompagnés de citations. Il s'appuie sur l'index et les signaux de classement existants de Bing, ce qui lui donne un profil de récupération plus proche de la pondération d'autorité de la recherche classique que de l'approche de Perplexity, davantage centrée sur la fraîcheur.

• Couverture de requêtes

  La couverture de requêtes est la taille et l'étendue, thématique et géographique, de l'ensemble de requêtes utilisé pour mesurer un indicateur de visibilité IA donné, et elle détermine directement à quel point cette mesure est représentative.

• Densité statistique

  La densité statistique est le nombre de données concrètes et quantifiées, chiffres, pourcentages, dates, études nommées, par unité de contenu, servant de proxy directement mesurable pour évaluer la spécificité et la citabilité d'un passage plutôt qu'un jugement de qualité subjectif.

• E-E-A-T

  L'E-E-A-T est le cadre qualité de Google, Experience, Expertise, Authoritativeness, Trustworthiness (expérience, expertise, autorité, fiabilité), conçu à l'origine pour des évaluateurs humains de qualité de recherche, qui fonctionne désormais de façon informelle comme un filtre de confiance influençant si les systèmes d'IA jugent une source assez crédible pour la citer.

• Effet d'égalisation

  L'effet d'égalisation est la découverte de l'étude GEO de Princeton selon laquelle les citations permettent à des sources moins bien classées, comme une page en cinquième position en recherche classique, d'atteindre des gains de visibilité disproportionnés au sein d'une réponse générée par l'IA par rapport à leur rang organique, un résultat réellement contre-intuitif compte tenu de l'importance de la position dans la recherche classique.

• Embeddings (vecteurs sémantiques)

  Les embeddings sont des représentations numériques du texte qui permettent aux systèmes d'IA de mesurer la similarité sémantique entre une requête et un ensemble de passages candidats, formant le mécanisme sous-jacent qui rend possible la recherche sémantique et la plupart des systèmes de génération augmentée par récupération.

• Entité

  Une entité est une chose distincte et reconnaissable, une marque, une personne, un produit ou un concept, qu'un système d'IA peut identifier, désambiguïser et relier de façon cohérente à travers différentes sources, plutôt que de traiter comme une simple chaîne de texte isolée à chaque occurrence.

• Extractibilité

  L'extractibilité est la facilité avec laquelle un fragment de contenu peut être extrait et réutilisé par un système d'IA sans avoir besoin du contexte environnant pour rester exact ou cohérent, fonctionnant comme une mesure pratique de si un passage aurait encore du sens s'il était la seule chose citée.

• Fenêtre de contexte

  Une fenêtre de contexte est la quantité de texte qu'un modèle d'IA peut traiter en une seule fois, dans une conversation ou une requête donnée, ce qui limite directement combien d'une page, ou combien de pages, le modèle peut réellement voir et exploiter pour générer une réponse ancrée et citée.

• GEO (Generative Engine Optimization)

  Le GEO (Generative Engine Optimization, optimisation pour les moteurs génératifs) est la pratique consistant à structurer et positionner un contenu pour que les systèmes d'IA générative, dont ChatGPT, Perplexity, Gemini et Claude, le récupèrent, le citent et le mentionnent en répondant à une question, plutôt que d'optimiser pour une liste de liens classés comme le fait le SEO classique.

• GEO-bench

  GEO-bench est le benchmark construit par l'étude GEO de Princeton et de l'IIT Delhi pour tester et comparer des tactiques d'optimisation, composé de 10 000 requêtes réparties sur 8 domaines différents, utilisé comme jeu de données standardisé sur lequel chaque tactique de l'étude, de l'ajout de statistiques au bourrage de mots-clés, a été mesurée.

• GPTBot

  GPTBot est le crawler d'OpenAI chargé de collecter le contenu web utilisé pour entraîner ses modèles, fonctionnant séparément des crawlers qu'OpenAI utilise pour alimenter les citations de ChatGPT Search. Un site peut bloquer spécifiquement GPTBot pour refuser l'usage de son contenu à des fins d'entraînement, sans affecter la capacité de ChatGPT Search à récupérer et citer ce même contenu.

• Gain d'information

  Le gain d'information est la valeur unique qu'un contenu ajoute au-delà de ce qui est déjà publiquement disponible sur un sujet, que ce soit par des données originales, un angle d'analyse distinct ou des détails non couverts par les sources existantes, plutôt qu'une reformulation du consensus déjà connu.

• Gemini

  Gemini est la famille de modèles d'IA de Google, qui alimente à la fois les AI Overviews et un produit de chat autonome doté de son propre comportement de citation, ainsi qu'un mode agent Deep Research distinct qui compile des rapports plus longs à sources multiples. Sa récupération est ancrée dans la recherche : elle relie une réponse générée à l'index de recherche propre de Google avant d'appliquer un filtre de citation supplémentaire.

• Google AI Mode

  Google AI Mode est une interface de recherche entièrement conversationnelle et distincte au sein de Google, différente des AI Overviews, qui permet à un utilisateur de poser des questions de suivi dans un dialogue à plusieurs tours plutôt que d'émettre une seule requête. Elle fonctionne comme la réponse la plus directe de Google à ChatGPT Search et Perplexity, avec une récupération multi-étapes plus profonde que les AI Overviews affichées sur les pages de résultats standards.

• Google AI Overviews (AIO)

  Les Google AI Overviews sont des blocs de résumé générés par l'IA qui apparaissent au-dessus des résultats organiques classiques pour une large part des recherches Google, synthétisant une réponse à partir de plusieurs sources citées. Le fait qu'un AI Overview apparaisse ou non pour une requête donnée, son taux de déclenchement, est une variable distincte du fait qu'une marque précise y soit citée une fois qu'il apparaît.

• Google-Extended

  Google-Extended n'est pas un crawler en soi, mais un jeton robots.txt que les propriétaires de sites utilisent pour exclure un contenu précis de l'usage par Gemini et les autres produits d'IA générative de Google, séparément des règles Googlebot classiques qui régissent l'indexation pour la recherche traditionnelle. Une page peut rester pleinement indexée dans Google Search tout en étant exclue des données d'entraînement de Gemini.

• Hallucination

  Une hallucination est le moment où un système d'IA génère une affirmation plausible mais factuellement infondée, une statistique erronée, une citation mal attribuée, un détail inventé, qui n'est en réalité étayée par aucune des sources qu'il a récupérées en construisant sa réponse.

• Impression subjective

  L'impression subjective est le score évalué par des humains, utilisé dans l'étude GEO de Princeton, pour mesurer à quel point une source paraît visible et proéminente au sein d'une réponse générée par IA, recueilli en faisant lire la réponse à des évaluateurs humains et juger directement la présence d'une source, en complément de la métrique automatisée PAWC.

• JSON-LD

  JSON-LD est le format de données structurées précis, un bloc JSON intégré au HTML d'une page, que les moteurs de recherche classiques comme les systèmes d'IA préfèrent pour le balisage schema par rapport à des formats plus anciens comme les microdonnées, car il est plus facile à générer, valider et analyser sans altérer la mise en page visible d'une page.

• Knowledge graph (graphe de connaissances)

  Un knowledge graph, ou graphe de connaissances, est une base de données structurée d'entités et des relations qui les relient, ceux de Google et de Wikidata étant les deux plus influents, que les systèmes d'IA consultent pour vérifier des affirmations et déterminer à quelle chose réelle un nom fait référence.

• LLM (grand modèle de langage)

  Un LLM, ou grand modèle de langage (large language model), est un modèle d'IA entraîné sur d'immenses volumes de texte pour comprendre et générer du langage humain. C'est la technologie sous-jacente derrière ChatGPT (les modèles GPT d'OpenAI), Claude (Anthropic) et Gemini (Google), et ce sur quoi chaque moteur génératif est construit.

• Mention de marque

  Une mention de marque est toute référence à une marque au sein d'une réponse générée par l'IA qui n'est pas une citation formelle avec lien, le modèle nommant une entreprise sans attribuer d'affirmation précise ni d'URL source à cette mention.

• Moteur de réponse

  Un moteur de réponse est un système propulsé par l'IA, comme ChatGPT, Perplexity ou Google AI Overviews, qui répond à une requête par une réponse directe et synthétisée accompagnée de sources citées, plutôt que par une liste de liens classés que l'utilisateur doit parcourir pour trouver sa propre réponse.

• Moteur génératif

  Un moteur génératif est un système d'IA, comme ChatGPT, Perplexity ou les AI Overviews de Google, qui répond à une requête en synthétisant une réponse unique et directe à partir de plusieurs sources récupérées, plutôt qu'en renvoyant une liste classée de liens que l'utilisateur doit parcourir lui-même.

• Notation de citabilité

  La notation de citabilité est une couche de filtrage secondaire que certains moteurs IA appliquent aux résultats déjà récupérés, au-delà du classement de recherche standard, pour décider quelles sources méritent réellement une citation dans la réponse finale. Une page peut bien se classer et être récupérée sans jamais être jugée suffisamment citable pour apparaître dans la réponse elle-même.

• OAI-SearchBot

  OAI-SearchBot est le crawler distinct d'OpenAI qui indexe le contenu web spécifiquement pour ChatGPT Search, construisant le réservoir de récupération dont cette fonctionnalité tire ses citations, indépendamment du crawler GPTBot utilisé pour la collecte de données d'entraînement des modèles. Bloquer OAI-SearchBot retire une page du réservoir de citation de ChatGPT Search sans affecter les opt-outs d'entraînement.

• Optimisation de la fluidité

  L'optimisation de la fluidité est la tactique testée par l'étude GEO de Princeton qui consiste à réécrire un contenu pour la lisibilité sans en changer les affirmations sous-jacentes, ce que l'étude a mesuré comme produisant une amélioration modérée de 15 à 30 % à elle seule, et un effet plus fort combinée à l'ajout de statistiques.

• Panneau de citations

  Un panneau de citations est la liste de sources qu'un moteur IA affiche à côté d'une réponse générée, généralement sous forme de liens numérotés ou d'une barre latérale, distincte de toute citation intégrée au texte de la réponse elle-même. Apparaître dans un panneau de citations sans citation intégrée compte tout de même comme une mention, mais avec moins de visibilité qu'une citation directement au fil du texte.

• Part de citation

  La part de citation est le pourcentage de citations qu'une marque obtient au sein d'une réponse IA, normalisé par le nombre total d'emplacements de citation que cette réponse contient réellement, plutôt que de simplement compter si une citation a eu lieu ou non.

• Part de modèle

  La part de modèle (share of model) mesure le nombre de mentions qu'une marque reçoit d'un ou plusieurs grands modèles de langage précis, exprimé comme une proportion du total des mentions de marque dans toute la catégorie, pour un ensemble donné de requêtes.

• Part de voix IA (AI Share of Voice)

  La part de voix IA (AI Share of Voice) est le pourcentage de réponses générées par l'IA qui mentionnent une marque, sur l'ensemble des réponses données à un jeu défini de requêtes sectorielles pertinentes, comparé à la fréquence à laquelle les concurrents sont mentionnés pour ces mêmes requêtes.

• Perplexity

  Perplexity est un moteur de recherche natif IA construit autour de citations intégrées et numérotées, où presque chaque affirmation de ses réponses renvoie directement à une source précise. Il se positionne explicitement comme un moteur de réponse citation-first, et sa récupération privilégie les pages récemment publiées et directement pertinentes plutôt que les pages à forte autorité éditoriale accumulée.

• PerplexityBot

  PerplexityBot est le crawler de Perplexity, chargé d'indexer les pages dans le réservoir de sources sur lequel son moteur de réponse s'appuie pour récupérer et citer, fonctionnant comme l'équivalent crawler de l'approche de récupération en temps réel et citation-first de Perplexity. Contrairement à certains concurrents, Perplexity fait tourner un seul crawler principal plutôt que de séparer les fonctions d'entraînement et de citation.

• Pondération d'autorité éditoriale

  La pondération d'autorité éditoriale est la tendance de ChatGPT Search à concentrer ses citations sur des médias établis et des sites à la réputation éditoriale de longue date, faisant écho aux signaux de confiance sur lesquels le classement de recherche classique s'appuie depuis des années. L'autorité de domaine accumulée d'une page, pas seulement sa réponse directe à la requête, influence fortement si ChatGPT Search la cite.

• Position dans la réponse

  La position dans la réponse indique où se situe la mention ou la citation d'une marque au sein d'une réponse générée par l'IA, qu'elle soit citée en premier ou en dernier, et à quel rang elle apparaît dans la liste des sources citées affichée à côté de la réponse.

• Position-Adjusted Word Count (PAWC)

  Le Position-Adjusted Word Count, ou PAWC, est l'indicateur que l'étude GEO de Princeton et de l'IIT Delhi (arXiv 2311.09735) utilise pour noter la visibilité d'une source au sein d'une réponse générée par l'IA, en pondérant le nombre de mots de cette source qui apparaissent dans la réponse et leur position, les contenus apparaissant plus tôt étant pondérés plus fortement.

• Précision de citation

  La précision de citation mesure si la description qu'un système d'IA donne d'une marque, dans les moments où il la mentionne ou la cite, est réellement exacte, plutôt qu'obsolète, confuse ou mélangée avec celle d'un concurrent.

• Ratio exploration/référencement

  Le ratio exploration/référencement mesure combien de pages un système d'IA consomme par exploration comparé au nombre de renvois de trafic qu'il génère réellement vers le site, un ratio qui varie fortement selon les plateformes, certaines explorant massivement tout en renvoyant très peu de trafic en retour.

• Recherche agentique

  La recherche agentique a lieu lorsqu'un agent IA effectue lui-même la recherche d'informations pour le compte d'un utilisateur : il exécute ses propres sous-requêtes, évalue plusieurs sources et livre une recommandation synthétisée, plutôt qu'une personne lisant et jugeant elle-même une page de résultats.

• Recherche conversationnelle

  La recherche conversationnelle est une interaction de recherche en langage naturel où l'utilisateur pose une question comme il le ferait à une personne, et reçoit une réponse unique et synthétisée plutôt qu'une page de liens classés. C'est le schéma d'interface derrière ChatGPT, Perplexity et le mode IA de Google.

• Recherche multimodale

  La recherche multimodale est une recherche qui combine texte, image, voix ou vidéo au sein d'une même requête, permettant par exemple à un utilisateur de soumettre une photo accompagnée d'une question textuelle plutôt que de décrire ce qu'il cherche uniquement avec des mots, ce qui élargit ce qui compte comme entrée exploitable pour une recherche.

• Recherche sémantique

  La recherche sémantique est une récupération fondée sur le sens et l'intention derrière une requête, plutôt que sur la correspondance exacte de mots-clés. Elle utilise des représentations vectorielles du texte pour trouver du contenu conceptuellement lié même quand le vocabulaire employé est complètement différent.

• Recherche zéro-clic

  Une recherche zéro-clic est une requête entièrement satisfaite à l'intérieur d'une réponse générée par IA, sans que l'utilisateur ait besoin de cliquer vers un site web. C'est le résultat qui fait de la citation, et non du classement, la métrique qui détermine réellement si une marque est vue ou non.

• Retrieval-Augmented Generation (RAG)

  Le Retrieval-Augmented Generation (RAG) est l'architecture derrière la majorité de la recherche IA : le système récupère un ensemble de documents ou passages pertinents au moment de la requête, puis génère sa réponse en s'appuyant sur ce contenu récupéré, plutôt que sur ce qu'il a appris uniquement pendant son entraînement.

• Récupérabilité

  La récupérabilité est la probabilité qu'un contenu donné soit ne serait-ce que retrouvé lors de la recherche initiale de documents d'un système d'IA, l'étape qui précède toute décision de citation ou d'inclusion dans une réponse, ce qui signifie qu'un contenu peut être bien écrit et avoir malgré tout une faible récupérabilité.

• Récupération ancrée dans la recherche

  La récupération ancrée dans la recherche (search-grounded retrieval) est le mécanisme par lequel Gemini relie une réponse générée à l'index de recherche de Google avant d'appliquer un filtre de citation supplémentaire. Plutôt que de récupérer depuis un crawl web indépendant, Gemini hérite en pratique de ce que Google Search juge déjà pertinent et fiable pour une requête, puis y superpose ses propres critères.

• Récupération de passages

  La récupération de passages est l'étape où un système d'IA sélectionne des segments de texte précis et pertinents, et non des pages entières, pour construire sa réponse, ce qui signifie qu'une page peut être récupérée pour un seul passage tandis que le reste n'entre jamais dans la considération du système d'IA pour cette requête.

• Récupération en temps réel

  La récupération en temps réel est la stratégie de récupération caractéristique de Perplexity : privilégier les sources récemment publiées et directement pertinentes plutôt que les pages avec une autorité éditoriale accumulée plus lourde. Plutôt que de s'appuyer sur la réputation de long terme d'un domaine, l'index de Perplexity favorise la page qui répond le plus précisément à la requête immédiate, mis à jour en continu à mesure que de nouvelles pages sont publiées ou que d'anciennes sont révisées.

• Saillance d'entité

  La saillance d'entité est un score, généralement entre 0 et 1, indiquant à quel point une entité donnée est proéminente ou centrale au sein d'un texte, un concept emprunté aux outils de traitement du langage naturel comme l'API Cloud Natural Language de Google.

• Score de visibilité IA

  Un score de visibilité IA est un chiffre composite unique résumant à quel point une marque est repérable et citable par les systèmes d'IA, agrégeant généralement le taux de mention, le taux de citation, la position et le sentiment en une seule valeur comparable.

• Sentiment

  Le sentiment, dans un contexte GEO, est le ton, positif, neutre ou négatif, avec lequel un système d'IA caractérise une marque chaque fois qu'il la mentionne ou la cite dans une réponse générée.

• Signal de fraîcheur

  Un signal de fraîcheur est un indice visible, comme une ligne de dernière mise à jour datée, des statistiques actuelles ou des exemples récents, qui confirme qu'une page est à jour plutôt que périmée, donnant à la fois à la recherche classique et aux systèmes de récupération IA une base pour juger de la récence indépendamment de la date de publication.

• Structure hub-and-spoke

  La structure hub-and-spoke est une organisation de contenu construite autour d'une page centrale traitant un concept clé en profondeur, le hub, reliée à plusieurs pages traitant chacune une sous-question connexe, les spokes, offrant à la fois aux crawlers et aux lecteurs une carte claire de la façon dont les éléments d'un sujet se rattachent à l'ensemble.

• Suivi de prompts

  Le suivi de prompts est la pratique consistant à observer comment les systèmes d'IA répondent à un ensemble défini et récurrent de prompts au fil du temps, en exécutant les mêmes questions selon un calendrier régulier pour voir comment mentions, citations et sentiment évoluent.

• Taux de citation

  Le taux de citation est le pourcentage de réponses générées par l'IA, pertinentes pour une marque, qui la citent comme source, sur l'ensemble des réponses où citer cette marque aurait été pertinent. C'est l'indicateur de performance unique le plus cité dans le secteur du GEO et de l'AEO.

• Taux de déclenchement AIO

  Le taux de déclenchement AIO est la proportion des requêtes suivies qui font apparaître un AI Overview de Google, avant même de savoir qui y est cité. C'est la condition préalable à toute analyse de citation au sein de ces résumés.

• Taux de mention

  Le taux de mention est la fréquence à laquelle une marque apparaît dans les réponses générées par l'IA sur un ensemble défini de requêtes pertinentes, exprimée en pourcentage, indépendamment du fait que cette apparition constitue ou non une citation formelle et liée.

• Taux de référencement

  Le taux de référencement (reference rate) est un terme utilisé par certaines plateformes GEO comme synonyme du taux de citation, c'est-à-dire le pourcentage de réponses IA pertinentes qui citent une marque comme source.

• Ton d'autorité

  Le ton d'autorité est la tactique testée par l'étude GEO de Princeton qui consiste à écrire avec assurance en éliminant les tournures hésitantes. L'étude a mesuré un gain plus modeste mais tout de même réel, de 10 à 20 % de visibilité en citation, l'effet le plus faible parmi les tactiques positives testées.

• Trafic IA invisible

  Le trafic IA invisible désigne les visites générées par l'IA qui arrivent sans en-têtes de référent, les rendant invisibles pour les outils d'analyse standard et généralement mal classées comme trafic direct plutôt que correctement attribuées à la plateforme IA qui a réellement envoyé le visiteur.

• Trafic de référencement IA

  Le trafic de référencement IA désigne la part du trafic d'un site provenant spécifiquement de plateformes d'IA comme ChatGPT, Perplexity ou Gemini, par opposition au trafic organique ou payant classique. Il se repère dans les outils d'analyse via les domaines référents associés à ces plateformes.

• Trafic de référencement chat

  Le trafic de référencement chat désigne les visites provenant de liens partagés directement au sein d'une interface de chat IA, comme un lien cliqué dans une conversation ChatGPT ou Claude, formant une catégorie distincte à la fois du référencement classique et du trafic de référencement IA issu d'une fonction de recherche.

• Visibilité IA

  La visibilité IA désigne le simple fait qu'une marque apparaisse ou non dans les réponses générées par l'IA pour un ensemble défini de requêtes pertinentes, indépendamment du fait que cette apparition constitue une citation formelle ou non.

• Vérification au niveau de l'entité

  La vérification au niveau de l'entité est la pratique de Gemini consistant à recouper les affirmations d'une source avec le knowledge graph de Google avant de la citer, confirmant que la marque, la personne ou le fait référencé est une entité reconnue et désambiguïsée plutôt qu'une mention non vérifiée. Une affirmation liée à une entité bien établie franchit ce contrôle plus facilement qu'une affirmation liée à une entité ambiguë ou récente.

• knowsAbout

  knowsAbout est une propriété de balisage schema.org qui déclare explicitement les domaines d'expertise ou le champ thématique d'une marque, d'une organisation ou d'un auteur, donnant aux systèmes d'IA un signal direct de pertinence thématique plutôt que de les obliger à l'inférer uniquement à partir du contenu publié sur le site.

• llms-full.txt

  llms-full.txt est une version étendue de llms.txt qui inclut le contenu intégral des pages d'un site, plutôt que de courts résumés, dans un seul fichier markdown consolidé destiné à être ingéré directement par les systèmes d'IA. Il troque la nature compacte et sélective de llms.txt contre l'exhaustivité, au prix d'un fichier bien plus volumineux.

• llms.txt

  llms.txt est un fichier markdown placé à la racine d'un site qui résume son contenu et sa structure spécifiquement pour les systèmes d'IA et leurs crawlers, faisant office de standard technique émergent le plus proche qui existe dans ce domaine. Il offre à un système d'IA une carte organisée du site au lieu de le forcer à déduire la structure d'un crawl complet.

• robots.txt (directives IA)

  robots.txt est le fichier standard de contrôle des crawlers, présent à la racine d'un site depuis longtemps, désormais étendu avec des règles spécifiques par user-agent pour des crawlers IA comme GPTBot, ClaudeBot et PerplexityBot. Un même fichier robots.txt peut autoriser le crawl classique des moteurs de recherche tout en bloquant un ou plusieurs crawlers IA, ou l'inverse.

• sameAs

  sameAs est une propriété de balisage schema.org qui relie l'identité d'une marque ou d'une personne sur une page à ses profils externes faisant autorité ailleurs, le plus souvent Wikidata, Wikipédia et LinkedIn, donnant aux crawlers un moyen direct et lisible par machine de confirmer que différentes mentions à travers le web désignent bien la même entité.

• Écart d'attribution

  L'écart d'attribution est la différence numérique entre le nombre de sources qu'un système d'IA consulte réellement pour construire une réponse et le nombre de ces sources qu'il cite visiblement dans la réponse montrée à l'utilisateur.

• Écart de citation

  Un écart de citation est une requête pour laquelle une marque se classe bien en recherche classique mais dont le contenu est omis ou mal représenté dans la réponse générée par l'IA pour cette même requête.

• Éclatement de requête (query fan-out)

  L'éclatement de requête est le moment où un système d'IA décompose une requête utilisateur unique en plusieurs sous-requêtes connexes, récupérant des sources pour chacune avant de les synthétiser en une seule réponse, plutôt que de traiter la question d'origine comme une seule recherche atomique sur un seul index.