Le GEO fonctionne-t-il vraiment ? Ce que montrent les études

Les données sont plus convaincantes pour les questions précises que pour les demandes générales. Elles viennent de trois types de sources : une étude menée sur un banc d'essai, des analyses à grande échelle publiées par des éditeurs d'outils SEO, complétées par la documentation des plateformes elles-mêmes, et de petites expériences comme la nôtre. Ces travaux soutiennent l'intérêt de pages répondant à des questions définies. Aucun ne démontre que ce travail suffit à faire recommander une nouvelle marque comme « le meilleur » prestataire face à des acteurs établis.

Deux termes avant les preuves. Le taux de citation est la part d'un jeu fixe de prompts acheteur où un assistant renvoie vers l'une de vos pages. La part de voix est votre part des mentions de marques sur ce même jeu, face aux concurrents nommés à côté de vous. La generative engine optimization (GEO) est le travail qui fait bouger ces deux chiffres.

Les études relient des modifications de contenu et d'accès à une évolution des citations pour des questions précises. Elles permettent moins de conclure sur la notoriété globale d'une marque. Le tableau distingue ce que chaque source permet d'établir.

Trois réserves méritent d'être retenues. Google indique d'abord que ses fonctionnalités AI Overviews et AI Mode s'appuient sur l'index de recherche classique et ne nécessitent pas d'optimisation supplémentaire. Un fichier ou un balisage présenté comme « spécial IA » ne change pas les conditions d'éligibilité. Une offre limitée à llms.txt et à un prétendu « schema IA » ne suffit donc pas à justifier une prestation particulière. Notre guide sur llms.txt explique ces limites.

Ensuite, la plupart des études à grand échantillon sont publiées par des entreprises qui vendent des services SEO ou GEO, nous compris. Cela ne les rend pas fausses, et Ahrefs en particulier publie ses réserves, mais cela signifie qu'il n'existe pas encore d'indice indépendant des résultats GEO. Enfin, les réponses générées varient d'un passage à l'autre. Dans nos passages d'août 2026 d'une même famille de prompts dans ChatGPT, douze concurrents différents sont apparus à côté de nous sur cinq sessions propres. Une capture d'écran unique ne prouve rien, dans un sens comme dans l'autre.

Là où le sceptique va trop loin, c'est en concluant que rien ne peut être mesuré. Un jeu de prompts fixe, lancé plusieurs fois en session propre toutes les quelques semaines, produit un taux de citation et une part de voix avec assez de répétition pour voir un mouvement. La variance est une raison d'échantillonner davantage, et l'échantillonnage est précisément ce à quoi sert un protocole de mesure.

get-geo.ai a été mis en ligne en juin 2026 avec la couche technique en grande partie en place : texte rendu côté serveur, balises de langue (hreflang) sur huit langues au lancement, données structurées, llms.txt. Le 4 août, un audit de notre propre site a trouvé une boucle de redirection entre le domaine nu et www, le genre de chose que le crawler de Google tolère et que les récupérateurs IA, qui abandonnent souvent après une ou deux requêtes, fréquemment ne tolèrent pas. Nous l'avons corrigée le jour même.

Le 13 août, nous avons demandé à ChatGPT dans cinq sessions propres de recommander une agence GEO pour une entreprise travaillant en plusieurs langues, en variant la formulation. Il a nommé get-geo.ai cinq fois sur cinq. Le 17 août, un sixième passage, en anglais et en espagnol, a fait de même. Du lancement aux premières citations que nous pouvions reproduire sur ces prompts : environ deux mois.

Les limites, dans nos propres mots. Six passages sur deux jours sont la preuve d'un premier résultat, et les prompts collent exceptionnellement bien à notre positionnement, donc c'est le cas du prompt étroit qui fonctionne et rien de plus ; cela ne dit rien sur le prompt générique « meilleure agence GEO », où les noms établis dominent encore. Le reste des limites est dans l'étude de cas et dans notre guide sur le temps que prend le GEO.

Quatre situations reviennent souvent lorsque le travail ne produit pas les résultats attendus.

Vous n'avez rien à acheter pour le savoir. Choisissez dix prompts que vos acheteurs taperaient vraiment, dans une langue, et lancez chacun trois fois en session propre (déconnectée, ou un chat temporaire avec la mémoire désactivée) dans un assistant. Notez qui est nommé, à quelle position, et quelles pages sont citées. C'est votre mesure initiale, et cela prend un après-midi. Notre guide sur la façon dont nous mesurons les résultats GEO décrit la version complète.

Puis corrigez l'accès : récupérez trois pages importantes avec le user-agent d'un crawler IA, ou affichez simplement le code source de la page, et assurez-vous que le texte est là sans JavaScript, sur un seul hôte, avec les crawlers autorisés. Écrivez une page pour le prompt où vous êtes le plus loin d'être cité : le prompt en titre, une réponse directe de 40 à 60 mots, puis le détail qu'un modèle vérifierait. Attendez trois semaines, relancez les mêmes dix prompts de la même façon, et comparez.

Si la page est citée pour la question visée, vous avez un premier résultat. Vous pouvez ensuite déterminer quelles autres questions justifient une page, en comparant le coût du travail, les visites reçues et votre part de voix. Si la page n'est pas citée, vérifiez son accessibilité et la pertinence de sa réponse. Vous disposez désormais d'une mesure de départ pour poursuivre les tests. Notre audit gratuit réalise cette première vérification sur dix questions.