ChatGPT, Perplexity, Gemini : pourquoi la recherche en ligne change, et ce qu’est le GEO

Tapez une question sur un produit, un service ou une marque, et il y a de bonnes chances que vous passiez d’abord par ChatGPT ou Perplexity plutôt que par la case Google. Ce réflexe, en train de s’installer chez une partie croissante des utilisateurs, est en train de rebattre les cartes de toute une industrie : celle du référencement.

Une page de résultats qui devient une seule réponse

Sur un moteur de recherche classique, vous obtenez une dizaine de liens et vous choisissez. Sur un assistant comme ChatGPT, Gemini ou Perplexity, vous obtenez une réponse déjà rédigée, construite à partir de plusieurs sources que l’assistant a lui-même sélectionnées et synthétisées. Vous ne voyez presque jamais la liste des pages consultées, seulement le résultat final, parfois accompagné de deux ou trois liens en petit, souvent ignorés.

Le cas d’usage le plus parlant reste la comparaison de produits ou de services : “quel est le meilleur aspirateur robot à moins de 400 euros”, “quelle application pour suivre mon budget”, “quel logiciel de montage vidéo pour débutant”. Ce sont exactement les requêtes qui précédaient autrefois une session de dix minutes à ouvrir des comparatifs sur plusieurs sites. Désormais, une partie des utilisateurs se contente de la synthèse proposée par l’assistant, surtout sur mobile où lire plusieurs pages demande plus d’effort.

Ce changement d’interface a une conséquence directe : être l’une des sources citées dans cette réponse compte désormais autant, parfois plus, qu’être bien classé dans une recherche traditionnelle. Un produit ou une marque absente de la réponse générée devient invisible au moment précis où l’utilisateur compare ses options, même si son site est parfaitement référencé par ailleurs sur un moteur classique.

Le GEO, nouvelle spécialité née de ce basculement

Cette discipline a pris un nom, le GEO (Generative Engine Optimization), par analogie avec le SEO. L’objectif n’est plus de faire remonter une page dans un classement, mais de faire en sorte qu’un contenu soit repris et cité par un modèle de langage au moment où il construit sa réponse. Des structures spécialisées commencent à proposer ce type d’accompagnement : l’agence Quoted en a fait son cœur de métier, avec une méthode qui consiste à rejouer les mêmes questions sur plusieurs moteurs (ChatGPT, Perplexity, Gemini, Claude) pour mesurer qui est cité, dans quel ordre, et à partir de quelles sources, avant toute action corrective.

Cette mesure préalable a son importance technique : un même sujet peut donner une réponse très différente d’un moteur à l’autre, puisque chacun indexe et pondère ses sources selon sa propre méthode. Un diagnostic fait sur un seul outil donne une image partielle, parfois trompeuse.

Comment ces modèles construisent leurs réponses

Les assistants conversationnels ne “savent” pas tout de mémoire : leurs connaissances figées à l’entraînement s’arrêtent à une date donnée, et vieillissent vite dans un domaine qui change constamment. Pour les questions d’actualité ou liées à une marque précise, la plupart déclenchent donc une recherche web en temps réel, un peu comme le ferait un utilisateur, puis résument ce qu’ils trouvent en quelques secondes au lieu des dix minutes qu’un humain y passerait.

Le choix des sources retenues dépend de plusieurs signaux : la clarté du contenu, une réponse directe à une question précise étant mieux reprise qu’un texte commercial vague, la présence de données structurées qui aident le modèle à comprendre de quoi parle une page, et la cohérence de l’information retrouvée sur plusieurs sites indépendants. Un chiffre ou une caractéristique technique répété à l’identique sur trois sources différentes a plus de chances d’être repris qu’une affirmation isolée.

Un biais technique mérite d’être connu des utilisateurs comme des créateurs de contenu : un modèle peut citer une information obsolète si c’est la version la mieux documentée qu’il trouve en ligne, même si elle ne correspond plus à la réalité d’un produit ou d’une offre. Contrairement à un classement Google qui se recalcule régulièrement à chaque exploration, une réponse générative peut rester figée sur une ancienne version des faits pendant un certain temps, le modèle n’ayant aucun moyen natif de savoir qu’une page a changé depuis sa dernière lecture.

Ce que ça change pour les sites et les créateurs de contenu

Pour qui publie du contenu en ligne, qu’il s’agisse d’une entreprise, d’un créateur ou d’un média, trois réflexes commencent à s’imposer. Le premier consiste à structurer les pages autour de questions précises plutôt que de longs textes généralistes qu’un modèle a du mal à résumer proprement. Le deuxième consiste à documenter les informations avec des données structurées (schema.org), un balisage invisible à l’œil humain mais que les moteurs utilisent pour comprendre de quoi parle une page sans avoir à deviner. Le troisième, souvent négligé, consiste à surveiller régulièrement ce que les différents assistants racontent sur un sujet donné, puisque leurs réponses évoluent plus vite qu’un classement de recherche classique et peuvent changer d’une semaine à l’autre sans prévenir.

Ce dernier point rejoint directement le travail de diagnostic évoqué plus haut : sans suivi régulier, une entreprise ou un créateur découvre souvent un problème de visibilité des mois après qu’il s’est installé, le temps qu’un client ou qu’un lecteur le signale.

Un équilibre encore instable

Le SEO traditionnel n’a pas disparu, et la majorité du trafic web continue de passer par des moteurs de recherche classiques. Mais la part des recherches qui transitent par un assistant conversationnel progresse régulièrement, et les habitudes prises aujourd’hui par les utilisateurs les plus jeunes laissent penser que ce basculement va s’accentuer plutôt que se stabiliser.

Les règles du jeu du GEO sont encore en train de s’écrire, à mesure que les modèles eux-mêmes évoluent : un format de contenu qui fonctionne aujourd’hui pour se faire citer par un assistant peut perdre en efficacité au prochain changement de version du modèle, sans qu’aucune annonce officielle ne prévienne. C’est une différence majeure avec le SEO classique, où les mises à jour d’algorithme sont au moins commentées après coup par la communauté. Pour l’instant, la seule parade connue reste la même que pour n’importe quel changement technologique rapide : observer régulièrement comment les assistants répondent sur son propre secteur, plutôt que de supposer qu’une bonne pratique d’il y a six mois tient toujours.