Facteurs de classement de la recherche IA : comment l’IA choisit les sources à citer et à recommander

Le dirigeant d’un cabinet comptable demande à ChatGPT de « recommander un cabinet comptable fiable pour une petite entreprise » et voit trois concurrents dans la réponse. Il pose la même question à Perplexity et, de nouveau, ne trouve pas son cabinet. Le premier réflexe est de penser que quelqu’un achète ces places, ou que l’IA choisit au hasard. Ni l’un ni l’autre. Il y a un mécanisme derrière ce choix, et il est aujourd’hui assez bien compris pour qu’on puisse l’influencer.

Je vais l’expliquer comme je le ferais à un collègue sans bagage technique : d’où l’IA tire ses connaissances, comment elle trouve et filtre les pages, pourquoi elle cite volontiers certains sites et en ignore d’autres, et ce que les facteurs de classement de la recherche IA signifient concrètement pour une entreprise qui veut devenir une source à laquelle l’IA fait confiance.

Qu’est-ce qu’une réponse de l’IA et pourquoi la liste restreinte compte

Commençons par les bases. Une réponse de l’IA est un texte qu’un assistant IA rédige pour une question précise. Non pas une liste de dix liens, comme dans la recherche classique, mais une recommandation toute faite : qui choisir, combien cela coûte, à quoi faire attention. Des liens vers les sites d’où proviennent les informations figurent souvent à côté.

Les gens voient ces réponses à deux endroits. Le premier, directement dans la recherche : les Google AI Overviews (Aperçus IA) et AI Mode (Mode IA) au-dessus des résultats Google, les réponses de Copilot dans Bing. Le second, dans les assistants conversationnels : ChatGPT, Gemini, Claude, Perplexity, Copilot et d’autres, où l’on tape une question comme un message à un ami et où l’on obtient une réponse détaillée. Nous comparons ce que cela donne à l’écran dans comment les réponses de l’IA citent leurs sources.

Pour une entreprise, une chose compte avant tout : une réponse ne nomme généralement qu’une poignée d’entreprises. L’utilisateur choisit parmi elles et regarde rarement plus loin. La question « comment l’IA choisit-elle ses sources » revient donc à se demander si vous figurez dans la liste restreinte parmi laquelle votre client choisira.

Deux sources de connaissance : les données d’entraînement et la recherche en temps réel

Tout assistant IA moderne dispose de deux façons de connaître votre entreprise. Il est important de les distinguer, car on ne les influence pas de la même manière.

Les connaissances issues de l’entraînement

Un grand modèle de langage (LLM) est entraîné sur un immense corpus de textes rassemblés jusqu’à une certaine date. Le modèle ne stocke pas ces textes comme une base de données. Il apprend des relations entre les mots et les concepts. Les grandes marques dont parlent des milliers de pages sont bien « connues » du modèle. Une petite entreprise avec un site et deux ou trois mentions lui est probablement inconnue, ou mémorisée de façon inexacte.

Ces connaissances ont trois points faibles. Elles vieillissent : le modèle ne sait rien des événements postérieurs à la date de collecte de ses données. Elles ne peuvent pas être corrigées rapidement : les changements n’apparaissent que dans une version ultérieure du modèle. Et elles sont floues sur les détails : le modèle peut citer avec assurance un ancien prix ou confondre des entreprises aux noms proches.

La recherche en temps réel (RAG)

Pour répondre à des questions sur des éléments actuels — prix, entreprises, adresses, événements récents —, les assistants IA vont chercher l’information au moment où ils répondent. Cette approche s’appelle la génération augmentée par la recherche (retrieval-augmented generation), ou RAG. Simplifié, le processus ressemble à ceci :

1. Comprendre la question. L’IA détermine si ses propres connaissances suffisent ou s’il faut faire une recherche. Les questions sur les entreprises, les prix et le choix d’un prestataire déclenchent presque toujours une recherche.
2. La reformuler. Une question se transforme en plusieurs requêtes de recherche. Exemple fictif : « recommande-moi un cabinet comptable pour une petite société » peut devenir « services comptables pour petite société à New York tarifs », « meilleurs cabinets comptables pour petite entreprise » et « avis comptabilité externalisée ».
3. Trouver des pages. Les requêtes sont envoyées à un index de recherche. Les Google AI Overviews et AI Mode utilisent l’index de Google, Copilot s’appuie sur Bing, et ChatGPT, Claude et Perplexity explorent le web avec leurs propres crawlers (OAI-SearchBot, Claude-SearchBot, PerplexityBot) et des partenaires de recherche.
4. Lire et sélectionner des passages. L’IA ouvre les pages trouvées, découpe le texte en passages et conserve ceux qui répondent le mieux à la question.
5. Recouper et rédiger. Les passages de différentes sources sont comparés, assemblés en une réponse cohérente, et les liens vers les pages utilisées sont ajoutés.

Voici l’enseignement essentiel. En mode recherche, une entreprise entre dans la réponse en deux temps : sa page doit d’abord être trouvée, puis son passage doit être plus utile que celui d’un concurrent. Le SEO classique gère le premier temps, l’optimisation pour les moteurs génératifs (GEO) le second. C’est pourquoi le GEO repose sur le bon vieux SEO.

Les facteurs de classement de la recherche IA en un coup d’œil

Il n’existe pas de liste officielle des facteurs de classement de la recherche IA, et aucune plateforme ne publie ses pondérations. Mais le mécanisme décrit plus haut montre clairement quelles qualités déterminent si une page est citée. Voici le modèle de travail que nous utilisons dans nos audits :

Premier temps : la page doit être trouvée et lue

La raison la plus frustrante de passer à côté des réponses de l’IA est purement technique. L’IA ne peut pas citer ce qu’elle n’a pas pu ouvrir. Voici les obstacles typiques que nous relevons dans nos audits :

• le site est mal indexé dans Google ou Bing à cause d’erreurs, de doublons ou d’une lenteur de chargement ;
• le robots.txt bloque les robots de recherche IA comme OAI-SearchBot, Claude-SearchBot ou PerplexityBot ;
• l’hébergement, un CDN ou un pare-feu bloque les robots alors même que le robots.txt les autorise ;
• le texte principal est chargé par JavaScript, et le crawler voit une page vide ;
• des informations importantes sont enfouies dans des PDF, des images ou des onglets qui ne s’ouvrent qu’au clic.

Une nuance à connaître : bloquer les robots d’entraînement est une décision distincte. GPTBot collecte des données pour l’entraînement des modèles d’OpenAI, tandis qu’OAI-SearchBot alimente la recherche de ChatGPT et que ChatGPT-User récupère des pages à la demande d’un utilisateur. Le jeton Google-Extended détermine si vos contenus servent à l’entraînement et à l’ancrage de Gemini, et il n’a aucun effet sur la recherche Google. Confondre tout cela est une manière courante de disparaître de la recherche IA par accident.

Tout cela peut être vérifié en une journée et corrigé en quelques jours. Mais tant que le problème existe, aucun contenu, si abondant soit-il, n’y changera rien.

Deuxième temps : pourquoi l’IA cite les pages claires et factuelles

Admettons que la page ait été trouvée et lue. L’IA décide maintenant d’en extraire ou non un passage. Quatre règles simples s’appliquent ici.

Le passage répond directement à la question

Comparons deux passages fictifs. Le premier : « Nous proposons une approche personnalisée et des solutions souples pour toute entreprise. » Le second : « La comptabilité d’une société de moins de 10 salariés démarre à 400 $ par mois et comprend les rapports mensuels et la paie » (les chiffres sont inventés à titre d’illustration). L’IA n’a rien à tirer du premier. Le second est une réponse toute faite à la question de l’utilisateur et se reformule facilement.

Le passage se comprend hors contexte

L’IA ne lit pas la page d’un bloc, mais par morceaux séparés. Des formules comme « les prix sont indiqués plus haut », « comme nous l’avons dit » ou « notre service » sans nom perdent tout sens une fois le passage découpé. Un bon bloc nomme de lui-même l’entreprise, le service et les conditions.

La page a une structure claire

Des titres formulés en questions, une réponse courte au début de chaque section, des listes, des tableaux comparatifs et un bloc FAQ aident l’IA à trouver le bon passage. Le balisage Schema.org ajoute des indices sur l’emplacement du nom de l’organisation, du prix et de l’adresse. Pour aller plus loin : balisage Schema.org, FAQ et votre entreprise en tant qu’entité.

Les faits sont vérifiables

Un auteur identifié et réellement expérimenté, une date de mise à jour, les coordonnées de l’entreprise, une adresse, des licences et des certifications. Plus une page comporte de détails vérifiables, moins l’IA a de raisons d’en douter.

Cohérence : pourquoi l’IA vous recoupe avec d’autres sources

L’IA ne croit pas une entreprise sur parole. Elle la traite comme une entité, c’est-à-dire un ensemble de faits : nom, adresse, numéro de téléphone, services, prix, dirigeants, avis. Elle rassemble ces faits à partir de sources différentes. Quand les sources concordent, l’image est nette. Quand elles se contredisent, les ennuis commencent.

Un exemple fictif. Sur le site, l’entreprise s’appelle « Ledger Plus Bookkeeping », dans sa fiche d’établissement Google « LedgerPlus », un annuaire indique une ancienne adresse et une marketplace affiche encore les prix de l’an dernier. L’IA voit quatre versions d’une même entreprise. Trois issues sont possibles, toutes mauvaises : elle retient les données de la marketplace et cite le mauvais prix, elle se protège par un « selon certaines sources », ou elle évite de mentionner une entreprise dont elle n’est pas sûre.

Ce qu’il faut harmoniser :

• le site et toutes ses sections, pied de page et page de contact compris ;
• les fiches cartographiques et les annuaires d’entreprises ;
• les catalogues sectoriels, les marketplaces et les plateformes d’avis ;
• les profils sur les réseaux sociaux et les réseaux professionnels ;
• la couverture médiatique et les articles signés par vos experts.

L’autre versant de la cohérence, c’est la confirmation indépendante. Quand des sélections sectorielles, des avis et des articles parlent d’une entreprise, l’IA reçoit un signal : cette entreprise existe, travaille dans ce domaine et est connue. Nous expliquons comment construire cela de façon systématique dans mentions de marque et RP digitales pour la recherche IA.

Recommandations : pourquoi l’IA nomme certaines entreprises et pas d’autres

Assemblons maintenant les pièces. Quand un utilisateur demande une recommandation, l’IA cherche en réalité des entreprises qui, à la fois :

• sont trouvées pour les requêtes en lesquelles elle a reformulé la question ;
• correspondent aux conditions de l’utilisateur (localisation, budget, secteur, calendrier), ces conditions étant énoncées explicitement sur leurs pages ;
• sont confirmées par plusieurs sources indépendantes, sans contradictions ;
• sont décrites clairement, de sorte que leurs points forts tiennent en une ou deux phrases.

Le concurrent que l’IA recommande n’est pas nécessairement meilleur que vous. Le plus souvent, il est simplement décrit plus clairement et plus visible dans les sources.

Et les facteurs de classement propres à ChatGPT ?

On cherche souvent les facteurs de classement de ChatGPT comme s’il disposait d’une formule secrète à lui. En pratique, quand ChatGPT explore le web, il passe par les mêmes étapes : son crawler et ses partenaires de recherche doivent trouver votre page, la page doit être lisible, et votre passage doit répondre à la question mieux que les autres. La part propre à chaque plateforme est surtout technique : quel crawler a besoin d’un accès et sur quel index l’assistant s’appuie. Les autres facteurs sont communs à Google, ChatGPT, Perplexity, Gemini, Claude et Copilot.

Pourquoi les réponses changent

La même question posée deux fois peut produire des listes d’entreprises différentes. Les raisons sont claires : l’IA rédige la réponse de zéro à chaque fois, les requêtes de recherche qu’elle génère peuvent différer, et le résultat dépend de la formulation, de la langue, de la localisation de l’utilisateur et de la fraîcheur de l’index. C’est pourquoi une agence honnête ne promet jamais une position précise dans une réponse de l’IA. Ce que l’on mesure, c’est la visibilité dans les LLM : la part des prompts suivis où l’entreprise apparaît, vérifiée régulièrement sur le même jeu de questions.

Comment devenir une source citée par l’IA : ce que cela implique pour votre entreprise

Le mécanisme dicte une suite d’actions claire. Chaque étape traite un moment précis de la sélection.

• Audit de visibilité IA. Découvrir ce que disent aujourd’hui les assistants IA et mettre au jour les obstacles techniques à l’étape « trouvé et lu ».
• Recherche de prompts. Rassembler les questions que les clients posent à l’IA, comme la recherche de mots-clés le fait pour le SEO. C’est la base des contenus comme de la mesure.
• Corrections techniques. Ouvrir le site aux robots des moteurs de recherche et de l’IA, corriger les erreurs, sortir le texte des scripts, ajouter le balisage Schema.org et llms.txt.
• Des contenus factuels. Réécrire les pages clés pour que chaque bloc fonctionne comme une réponse autonome, et créer des contenus pour vos prompts suivis.
• Des données d’entreprise cohérentes. Harmoniser les informations sur votre entreprise sur le site et sur toutes les sources tierces.
• Une confirmation par des tiers. Développer les mentions de marque et publier des articles de vos experts dans des médias externes.
• Suivi de la visibilité IA. Lancer régulièrement vos prompts suivis et ajuster le travail en fonction des résultats.

Prises isolément, ces étapes n’apportent pas grand-chose. Un excellent article sur un site fermé aux crawlers ne deviendra pas une source. Un site parfait sans aucune mention par des tiers perd face à un concurrent bien connu. Et des données contradictoires dans les annuaires sapent les deux. Si l’IA recommande déjà vos concurrents, nous expliquons quoi faire dans l’IA recommande vos concurrents : que faire.

Le résultat : un travail prévisible plutôt qu’une loterie

Une fois le mécanisme compris, le référencement IA cesse de ressembler à de la magie. L’IA recommande les entreprises qu’elle peut trouver, comprendre et en qui elle peut avoir confiance. Chacune de ces trois conditions se traduit en tâches concrètes : techniques, éditoriales et de réputation. On peut les réaliser, les vérifier et les répéter quand les plateformes d’IA changent les règles. L’effet est cumulatif : plus tôt une entreprise devient une source claire et confirmée, plus sa position dans les réponses de l’IA est solide.

Comment l’agence Référencement IA transforme votre site en source pour l’IA

Nous faisons du SEO depuis 2002, avec plus de 100 clients dans le monde et des certifications Google et Yandex. Nous optimisons pour Google AI Overviews et AI Mode, ChatGPT, Gemini, Claude, Perplexity et Microsoft Copilot, ainsi que pour d’autres assistants quand votre marché l’exige. Votre site et votre visibilité dans l’IA sont pris en charge de bout en bout par une seule équipe, pour les entreprises situées à New York comme ailleurs.

Le travail comprend un audit de visibilité IA, une recherche de prompts, des corrections techniques sur le site (accès des robots d’IA, llms.txt, balisage Schema.org, vitesse, erreurs), de nouveaux contenus pensés pour les réponses de l’IA, des mentions de marque sur des sites tiers, des articles dans des médias externes qui renforcent l’autorité de votre entreprise et de ses experts, et un suivi continu de la visibilité IA.

L’IA évalue votre site dans son ensemble : nous prenons donc en charge tout le site dès le premier jour, des corrections techniques au GEO. Nous garantissons la réalisation des tâches GEO, la correction des erreurs et l’adaptation rapide de votre site aux exigences changeantes de la recherche IA.

Le tarif est de 290 $ par mois, les 10 premières heures de travail incluses. Chaque heure supplémentaire coûte 45 $. Le travail GEO est facturé au temps passé : nous ne facturons que le travail réalisé et livré dans le mois. Ni remises ni mois gratuits.

Réservez un appel : nous identifierons l’étape à laquelle les assistants IA perdent aujourd’hui votre entreprise et ce qu’il faut corriger en premier.