Comment fonctionne le GEO pour le SaaS et le logiciel B2B ?

Évaluer un logiciel, c’était une recherche Google, dix onglets ouverts et un tableur. De plus en plus, le premier tri se fait dans un assistant : « meilleur CRM pour une agence de 10 personnes », « Notion vs Confluence pour la documentation technique », « alternatives moins chères à HubSpot ». L’assistant dresse la liste restreinte, et l’acheteur arrive sur votre site, ou sur celui de votre concurrent, avec les noms déjà choisis. Les réponses de l’IA gagnent précisément ce terrain : la part des requêtes commerciales qui déclenchent les AI Overviews de Google a progressé de 71 % en six mois jusqu’en avril 2026 (Semrush).

Les acheteurs de logiciels posent en général trois types de questions commerciales. Les questions de catégorie, comme « meilleur X pour une équipe de Y », les aident à trouver les premières options. Les comparaisons, comme « X vs Y : prix » ou « X vs Y pour les start-up », leur servent à réduire la liste. Ceux qui demandent des « alternatives à X » envisagent souvent déjà de changer d’outil. Un fournisseur absent de ces réponses peut être écarté avant même que l’acheteur ne réserve une démonstration.

Le GEO aide les entreprises de logiciels à figurer parmi les fournisseurs que l’assistant recommande quand l’acheteur établit sa liste restreinte.

Ces données sont mesurées, pas supposées. Dans une analyse de 30 millions de sources citées par la recherche IA, G2 et Yelp se classent sixième et septième parmi tous les domaines cités (Peec AI, mars 2026). Pour les logiciels, les plateformes d’avis alimentent les réponses « meilleur X » : un profil G2 non revendiqué ou peu fourni est un trou dans votre visibilité, qu’aucun travail sur votre propre site ne comble.

Votre propre domaine compte encore plus que ne le suggèrent les plateformes d’avis. Une étude de 379 321 citations de Claude issues de prompts SaaS et tech en compte 64 % qui pointent vers des sites de marques et d’entreprises, 0,9 % vers les réseaux sociaux et exactement zéro vers Reddit (Otterly, juin 2026). Le même jeu de données montre que le terrain est ouvert, et non verrouillé : les citations se répartissent sur une longue traîne. Les 10 premiers domaines n’en prennent que 9,5 %, et il faut 500 des 16 406 domaines cités pour atteindre 59,9 %. Un domaine modeste peut donc obtenir des citations avec des pages de référence : documentation, pages de spécifications, tableaux comparatifs qu’un modèle peut reprendre tels quels.

Deux autres études éclairent les recommandations qui suivent. L’étude GEO de Princeton, à l’origine de la discipline, a mesuré jusqu’à +40 % de visibilité des sources après l’ajout de citations textuelles, de statistiques et de références aux pages. L’analyse d’Ahrefs sur les 1 000 pages les plus citées par ChatGPT montre que, sur les 564 dotées d’une date lisible, 76,4 % avaient été mises à jour dans le mois précédent et 8,9 % seulement dataient de plus d’un an (octobre 2025). Cela indique un lien avec la fraîcheur, sans prouver un facteur de classement, et Ahrefs précise que les dates des pages sont peu fiables. Ces résultats plaident pour publier des preuves et tenir les informations à jour, y compris les changelogs.

Comparez les deux produits selon les mêmes critères : fonctionnalités, limites des formules et intégrations. Une page « X vs Y » doit expliquer dans quels cas le concurrent convient mieux, avec des détails que l’acheteur peut vérifier et que l’assistant peut citer. L’étude de Princeton a relevé des gains de visibilité allant jusqu’à +40 % dans ses tests ; ce résultat ne permet pas de prédire celui de votre page de comparaison.

Les pages « alternatives à X » méritent un traitement à part. L’acheteur qui tape « alternatives à HubSpot » dans un assistant ne cherchera jamais le nom de votre marque : la page d’alternatives est la seule page où vous pouvez légitimement apparaître dans cette réponse. Publiez la vôtre et travaillez à figurer dans les articles de classement (« listicles ») d’alternatives que les assistants citent déjà ; les deux voies alimentent la même famille de prompts.

La transparence des prix obtient des citations pour une raison mécanique : les modèles citent ce qu’ils peuvent extraire. Une page « contactez le service commercial » ne donne rien à citer à l’assistant ; la réponse à « combien coûte X » se compose alors d’estimations de tiers, périmées, erronées ou présentées sous l’angle de votre concurrent. Une page de prix publique, avec les formules et les limites en HTML simple, devient la réponse citée. Si votre modèle de vente exige vraiment des prix sur demande, publiez quand même la structure : prix de départ, modèle de facturation, ce qui fait varier le montant.

La documentation est publique, accessible aux robots d’exploration et versionnée : trois propriétés qui en font la source de citation la plus solide que la plupart des entreprises SaaS possèdent déjà. Les questions sur les fonctionnalités, comme « X s’intègre-t-il à Salesforce » ou « quelles sont les limites de débit de l’API de X », reçoivent leur réponse directement de la documentation quand elle est accessible. Si elle exige une connexion, quelqu’un d’autre répond à toute cette famille de prompts. Les données sur Claude expliquent pourquoi : 64 % des citations pour les prompts SaaS et tech pointent vers des domaines d’entreprise, et la documentation est le contenu de votre domaine qui se lit déjà comme une référence plutôt que comme un texte commercial.

Les changelogs renforcent l’effet. Des entrées datées signalent la fraîcheur, une propriété qu’Ahrefs a relevée sur les trois quarts des pages datées les plus citées par ChatGPT, et elles répondent aux questions « X prend-il déjà en charge Y » par un fait citable et horodaté. Faites rendre la documentation côté serveur, datez le changelog et énoncez clairement les limites et les cas non pris en charge : une réserve rend une page plus sûre à citer, et non plus faible.

Les modèles doivent identifier qui vous êtes avant de pouvoir vous recommander, et le nommage des produits SaaS complique cela plus qu’on ne le croit : un produit qui porte un autre nom que son entreprise scinde l’entité, et les citations s’accumulent sur deux noms à moitié connus au lieu d’un seul. La solution est la cohérence : le même nom, la même description en une ligne et la même catégorie sur votre site, G2, LinkedIn et Crunchbase, avec des données structurées qui déclarent explicitement le lien entre le produit et l’entreprise.

Dans le SaaS, il est relativement simple de définir les questions qui valent d’être mesurées. Nous convenons de questions de catégorie, de comparaison et d’alternatives pour chaque marché, nous les répétons en sessions propres (nouvelle conversation, sans connexion au compte et sans historique) sur ChatGPT, Perplexity et Gemini, puis nous comparons le taux de citation et la part de voix à la mesure initiale. C’est la méthode appliquée dans notre étude de cas publiée. Pour les entreprises qui vendent à l’international, nous testons chaque langue séparément. Nous travaillons en neuf langues, parce que la visibilité en anglais n’établit pas la visibilité en allemand ou en français.

Nous ne promettons pas de réponse précise à une date précise, et nous ne vous montrons pas les chiffres d’un autre client comme preuve. Les réponses de l’IA varient d’une exécution à l’autre ; la mesure initiale de vos propres prompts, sur votre propre marché, est la seule base honnête.