Visibilité en AI Search : pourquoi vos pages produit pèsent plus que les formats à la mode

Une idée reçue à déconstruire : le format miracle

Depuis l'essor des moteurs de réponse comme ChatGPT, Perplexity ou Gemini, un même conseil circule dans les communautés GEO (Generative Engine Optimization, l'optimisation de la visibilité auprès des IA génératives) : soyez présents sur Reddit, publiez sur YouTube, allez là où la communauté fait confiance. Ce conseil n'est pas faux en soi, mais il vise une étape précise du parcours d'achat : celle où l'acheteur découvre encore une catégorie de produits. Dès qu'il compare des fournisseurs nommés, les données montrent un tout autre paysage.

Ce que révèlent les données de citation des IA

Une étude menée par l'agence Ten Speed, relayée par Search Engine Journal, s'appuie sur Peec AI, un outil qui suit les URL citées par ChatGPT, Perplexity, Claude et Gemini dans leurs réponses. L'équipe a rédigé 170 prompts imitant le langage d'un acheteur B2B en phase d'évaluation (comparaisons de solutions, questions de conformité, cas d'usage précis), exécutés sur sa base de clients B2B SaaS et services professionnels, ainsi que sur des concurrents comparables. Résultat : 7 387 apparitions de citations analysées.

Les pages produit en tête, Reddit et YouTube marginaux

• Pages produit : 24,1 % des citations, la première catégorie de toutes.
• Articles (blog, actualités, RP) : 17,4 %.
• Pages comparatives et listicles : environ 13 % chacun.
• Guides pratiques : un peu moins de 9 %.
• Pages d'accueil : 7,8 %, un score étonnamment élevé.
• Profils d'annuaires type G2 ou Capterra : 7,2 %.
• Reddit, YouTube, forums et fils de discussion réunis : 4,2 %, YouTube pesant à peine 1 %.

Au total, les contenus contrôlables par la marque — les pages que rédige et possède une équipe marketing — représentent 88,3 % de tout ce que les modèles d'IA citent au moment où l'acheteur décide. Autrement dit, l'essentiel de la visibilité en AI Search au stade de l'évaluation se joue sur des actifs que l'entreprise maîtrise déjà.

Le contenu comparatif surperforme

Les prompts de type comparaison représentaient 20 % du jeu de questions, mais ont généré près de 27 % des citations, soit un rendement de 1,33. Un signal fort pour les équipes contenu B2B qui traitent encore les pages « X vs Y » comme un simple support défensif pour les commerciaux, alors qu'elles constituent une véritable surface de citation.

Les limites de l'étude, à connaître avant d'en tirer un budget

Le journaliste de Search Engine Journal a soumis six questions pointues à Ten Speed, ce qui a permis de corriger une incohérence de chiffres (170 prompts confirmés) et de clarifier plusieurs limites importantes :

• Le nombre de marques et de secteurs derrière les 7 387 citations n'a pas été communiqué, pour des raisons de confidentialité : impossible de juger l'ampleur réelle de l'échantillon.
• Aucune ventilation par plateforme : ChatGPT, Perplexity, Claude et Gemini ne se comportent probablement pas de la même façon, mais ces données n'ont pas été collectées.
• L'écart 4 % contre 24 %, celui qui fait le titre, est purement descriptif : il n'a pas été testé statistiquement.
• L'étude porte uniquement sur des clients B2B SaaS et services professionnels, à un instant donné ; les marques grand public ou e-commerce pourraient observer des résultats différents.
• Une citation n'est ni un clic, ni une demande de démo, ni un contrat signé : Ten Speed reconnaît ne pas encore pouvoir relier ces citations au pipeline commercial.

Ce n'est donc pas une loi universelle du comportement des IA, mais un instantané directionnel — honnête sur ses propres angles morts, ce qui renforce plutôt sa crédibilité.

Le piège des formats : llms.txt ne remplace pas la connaissance

En parallèle de ce débat sur les canaux, un autre réflexe se répand : implémenter le dernier format technique en vogue. Fichier llms.txt (un fichier destiné à orienter les modèles de langage vers les contenus d'un site), MCP (Model Context Protocol, un protocole d'accès des IA aux ressources d'une organisation), versions markdown des pages... Des audits de « préparation à l'IA » remontent ces recommandations jusqu'aux comités de direction, générant ce qu'un expert de Search Engine Journal appelle la « taxe FUD de l'IA » : le coût organisationnel de répondre en boucle à la peur de prendre du retard.

Le problème n'est pas ces technologies en elles-mêmes, mais l'ordre des priorités. Si la connaissance sous-jacente d'une organisation est incomplète, fragmentée ou incohérente, publier la même information lacunaire dans un nouveau format ne résout rien : cela crée simplement un endroit de plus où exposer les mêmes limites. Un fichier llms.txt peut pointer des machines vers l'information, il ne peut pas compenser une information qui n'a jamais été créée. Fait révélateur : sur plus d'une centaine d'audits « agentic readiness » observés par l'auteur, tous signalaient la présence ou l'absence d'un llms.txt, aucun n'en évaluait la profondeur ou la qualité.

La couverture décisionnelle : la vraie question à se poser

Le concept de « Decision Coverage » (couverture décisionnelle) propose de mesurer si l'organisation a exposé les preuves dont une IA a besoin pour évaluer, comparer, qualifier et recommander ses produits. Une demande du « meilleur » produit n'est jamais une question unique : c'est un faisceau de critères — usage, cible, contraintes, comparaisons, éligibilité — que l'IA évalue collectivement. Si un critère décisif ne peut pas être étayé par vos contenus, le problème n'est pas d'être mal classé : c'est de ne jamais avoir fourni assez de preuves pour entrer dans la sélection. Avant de demander « faut-il implémenter ce format ? », la bonne question est : « avons-nous la connaissance nécessaire pour l'alimenter ? »

Les entités, socle de la visibilité moderne

Troisième pilier de cette lecture : le SEO d'entités. Une entité est un objet identifiable — personne, lieu, organisation, produit — que les moteurs et les IA cherchent à désambiguïser. Le Knowledge Graph de Google, base de données d'entités, existe depuis quinze ans : le concept n'est pas nouveau, mais il devient central. Les moteurs de recherche et les systèmes d'IA construisent une image de votre marque à partir de fragments épars sur le web ; votre travail consiste à rendre cette image aussi claire, cohérente et corroborée que possible.

Concrètement, cela passe par une hygiène d'entité rigoureuse :

• Contrôler les actifs possédés : site web, pages À propos et Contact, données structurées (dont l'attribut sameAs), profils sociaux, fiche Google Business Profile, profils sur les marketplaces — tout doit être cohérent (nom, description, coordonnées, liens).
• Expliciter les relations : chaque page doit établir clairement de quoi et de qui elle parle.
• Gagner des mentions de qualité qui corroborent ce que la marque dit d'elle-même, dans la sphère pertinente pour son audience.

Ce travail sur les actifs possédés rejoint directement le constat de l'étude Ten Speed : les profils d'annuaires comme G2 ou Capterra, qui pèsent 7,2 % des citations, doivent être gérés comme du contenu à part entière — descriptions, catégories, listes d'intégrations — et non comme de simples boîtes à avis. Un profil obsolète ou mal catégorisé désinforme le modèle au moment précis où il construit la short-list d'un acheteur.

Quelles priorités concrètes pour un site B2B ?

De ces trois analyses convergentes, un plan d'action se dessine :

• Réécrire les pages produit et la page d'accueil comme si un modèle d'IA les lisait sans aucun contexte : que fait le produit, pour qui, avec quelles intégrations, en langage clair et spécifique. Ensemble, ces pages représentent près d'un tiers des citations au stade de l'évaluation. Un positionnement trop « malin » donne moins de matière au modèle qu'une description plate et précise.
• Investir tôt dans le contenu comparatif, et au-delà des deux concurrents évidents : c'est le format qui surperforme déjà sa part de questions d'acheteurs.
• Auditer sa couverture décisionnelle : déconstruire les décisions d'achat en critères, puis vérifier que chaque critère est étayé par une preuve publiée et faisant autorité.
• Assainir ses entités : cohérence des informations sur tous les actifs possédés avant toute campagne de mentions externes.
• Traiter les nouveaux formats comme des décisions de publication, pas comme des stratégies : les organisations les mieux préparées ne sont pas celles qui implémentent chaque protocole en premier, mais celles dont la connaissance est suffisamment organisée et gouvernée pour que le prochain format utile ne soit qu'un canal de diffusion supplémentaire.

Enfin, un réflexe de méthode : avant de reprendre une statistique de visibilité IA dans un plan de contenu ou un budget, interroger le dénominateur réel, la ventilation par plateforme et la solidité statistique du chiffre. Aucune stratégie ne devrait reposer sur une étude unique.