ChatGPT Search et Google AI Overviews bousculent le SEO : Habr AI publie un guide du GEO

Habr AI a publié un guide détaillé sur le GEO, l'optimisation de contenu pour la recherche par LLM. L'idée centrale est simple : ChatGPT Search, Perplexity et Google AI Overviews répondent de plus en plus eux-mêmes à l'utilisateur, si bien que la bataille ne se joue plus seulement autour du clic dans les résultats, mais aussi autour de la place dans la réponse du modèle.

Pourquoi le GEO est apparu

L'auteur cite ces repères de la refonte de la recherche en 2024–2026 : les blocs d'IA de Google occupent le haut de l'écran, ChatGPT Search a dépassé les 100 millions d'utilisateurs actifs en mode recherche en avril 2026, et Perplexity atteint plus de 15 millions de requêtes par jour. Dans ce contexte, la part des recherches zero-click a atteint 65 %, et certains sites, d'après l'estimation de l'article, perdent déjà 20 à 40 % de leur trafic organique. Un nouveau canal apparaît en parallèle : l'AI-referral, quand l'utilisateur arrive via un lien présent dans la réponse d'un réseau de neurones.

GEO, AIO, AEO et LLMO sont des termes voisins qui désignent la même chose : le contenu doit convenir non seulement au lecteur et au robot d'indexation, mais aussi au modèle de langage qui compose sa réponse à partir de fragments de pages différentes. Contrairement à l'ancien SEO, où l'on pouvait gagner grâce aux mots-clés, aux balises meta et au netlinking, ce sont ici la clarté du propos, l'expertise et la facilité d'extraction des faits qui comptent le plus.

Comment les modèles choisissent

L'article détaille un schéma RAG type : le système reçoit une requête, cherche des pages pertinentes, les classe, découpe le texte en blocs de 200 à 500 tokens, insère les meilleurs extraits dans le prompt, et ne génère qu'ensuite une réponse avec citations. D'où la conséquence essentielle : ce n'est pas l'article entier qui est en concurrence, mais chaque paragraphe pris séparément. Si un fait utile est enfoui, noyé dans le remplissage ou non isolé structurellement, il peut ne jamais entrer dans le contexte du modèle, même si la page est solide.

L'article montre que les anciens réflexes SEO, comme la densité de mots-clés, les pages minces conçues pour une seule requête et les schémas de liens, fonctionnent moins bien dans la recherche par LLM. Les signaux qui aident le modèle à saisir vite le sens d'un texte et à lui faire confiance passent au premier plan. Autrement dit, ce n'est pas le contenu qui répète le plus la expression-clé qui l'emporte, mais celui qui formule sa thèse directement, l'appuie sur des chiffres et se transpose facilement dans une réponse d'IA sans perdre son contexte.

« L'optimisation pour l'algorithme cède devant l'optimisation pour la

compréhension. »

• Autorité du domaine et de l'auteur : l'E-E-A-T et un historique accumulé de citations renforcent la confiance.
• Extractibilité structurelle : titres clairs, définitions, FAQ et balisage schema permettent d'extraire un fait mécaniquement.
• Densité sémantique : moins de remplissage, davantage d'unités de sens autonomes dans chaque paragraphe.
• Vérifiabilité : dates, chiffres, études et liens précis augmentent les chances d'être cité.
• Fraîcheur : les données actuelles sont prioritaires dans les systèmes qui s'appuient sur un index web en temps réel.

Ce que les rédactions doivent faire

Les recommandations pratiques sont plutôt terre à terre. L'article conseille de donner une réponse directe dans les 200 à 300 premiers mots, de placer les définitions en tête de section, d'ajouter les schémas FAQPage, HowTo, Article et Person, et de regrouper les contenus en topic clusters plutôt qu'en pages isolées visant une seule requête. L'accent porte aussi sur la page auteur : byline, date de mise à jour, profils et publications ne servent pas à faire joli, mais constituent des signaux de confiance lisibles par les machines.

Première étape pour une rédaction : tester 10 à 15 requêtes clés dans ChatGPT Search et Perplexity et regarder qui ces services citent déjà. Il est ensuite pertinent de configurer dans GA4 un segment distinct pour le trafic issu de l'IA, de repasser sur les contenus phares et d'y ajouter des réponses directes, des faits datés et des justificatifs clairs. Puis il faut remodeler le cœur du contenu en pillar pages, cluster pages et liens internes explicites, afin que le sujet se lise comme un ensemble d'expertise cohérent et non comme une suite de publications disparates.

L'auteur propose de mesurer les progrès avec de nouvelles métriques : présence dans les AI Overviews, volume de trafic AI-referral, fréquence de citation du domaine et part des réponses où apparaît la marque. C'est un changement important pour les rédactions et les équipes de contenu : les KPI ne peuvent plus se résumer à la position dans les SERP et au trafic organique global. Il faut comprendre à quelle fréquence les réseaux de neurones retiennent précisément votre contenu comme source de base de la réponse.

Ce que cela signifie

Le GEO n'abolit pas le SEO technique, mais il change l'objectif de l'optimisation. Ceux qui l'emporteront ne seront pas ceux qui placent la phrase-clé le plus précisément, mais ceux qui publient un contenu expert dense, vérifiable et bien structuré. Pour les médias, les blogs et les sites B2B, le signal est clair : si un contenu ne se prête pas à la citation par paragraphe, il risque de plus en plus de rester invisible pour l'utilisateur.