ROI de l'AEO / GEO : comment relier les citations IA à des revenus mesurables

Pourquoi la visibilité IA échappe aux tableaux de bord classiques

Les moteurs de réponse IA transforment la façon dont les acheteurs découvrent les marques. Selon les données de Search Engine Land, 68 % des recherches Google se terminent désormais sans clic, et ChatGPT dépasse les 900 millions d'utilisateurs hebdomadaires. Dans ce contexte, l'AEO (Answer Engine Optimization, l'optimisation pour les moteurs de réponse) et le GEO (Generative Engine Optimization, l'optimisation de la visibilité auprès des IA génératives) s'imposent comme un levier d'acquisition à part entière.

Le problème : les modèles d'attribution classiques ne couvrent pas ces points de contact. Une réponse générée par une IA peut influencer une décision d'achat sans laisser de trace exploitable dans les outils habituels. Google Search Console, par exemple, ne permet pas de relier les impressions IA aux leads et opportunités du pipeline commercial. Résultat : un canal d'influence croissante reste invisible dans le reporting marketing.

L'enjeu est pourtant loin d'être marginal. Une étude HubSpot menée en janvier 2026 auprès de plus de 3 000 décideurs d'achat révèle que la recherche IA constitue le meilleur indicateur individuel d'intention d'achat, devant les démonstrations produit, les sites d'avis et les appels commerciaux. Les acheteurs ayant utilisé un moteur de réponse IA dans leur parcours sont 36 % plus susceptibles de finaliser un achat.

Distinguer visibilité IA et impact business réel

Apparaître dans une réponse de ChatGPT ou Gemini ne prouve pas un impact commercial. La visibilité AEO/GEO mesure la fréquence à laquelle une marque est citée par les moteurs de réponse, indépendamment de toute action ultérieure du visiteur. L'impact business, lui, se mesure à travers des indicateurs tangibles : visites sur le site, formulaires remplis, leads qualifiés créés dans le CRM, opportunités ouvertes, affaires conclues.

Cette distinction est fondamentale, car une marque peut afficher un score de visibilité élevé tout en générant peu de conversions — notamment si les prompts (les requêtes formulées aux IA) pour lesquels elle est citée relèvent d'intentions informatives plutôt que commerciales. À l'inverse, une visibilité ciblée sur des requêtes à fort potentiel d'achat produit des résultats disproportionnés. Pour un directeur marketing, la question n'est donc pas « suis-je visible ? » mais « suis-je visible sur les prompts qui comptent pour mon pipeline ? ».

Pourquoi le volume de trafic LLM ne suffit pas

Le trafic en provenance des LLM (Large Language Models, les grands modèles de langage comme ChatGPT) progresse vite : chez des enseignes comme Decathlon, Boulanger ou Leroy Merlin, il a été multiplié par 18 en douze mois. Pourtant, ce volume ne prouve pas à lui seul un retour sur investissement, pour trois raisons :

• les sessions issues des LLM se fondent souvent dans le trafic direct ou organique au niveau des outils d'analyse standard ;
• les parcours d'achat initiés via une réponse IA comportent plusieurs points de contact non traçables ;
• la plupart des plateformes de mesure n'identifient pas encore de manière fiable la source « LLM » au niveau de la session.

Démontrer le ROI de l'AEO exige donc un modèle de mesure dédié, distinct des tableaux de bord SEO traditionnels, qui croise les données de visibilité IA et les données de conversion issues du CRM.

Les trois niveaux de maturité : mention, citation, conversion

La maturité d'une stratégie AEO se structure en trois niveaux progressifs :

• La mention : la marque apparaît dans une réponse IA, mais sans lien ni contexte qualifiant permettant d'en évaluer la pertinence.
• La citation : la marque est explicitement recommandée dans un contexte cohérent avec son positionnement, avec un lien vers son site ou une référence directe à ses produits.
• La conversion : la citation IA est reliée à une action mesurable dans le pipeline — création d'un lead, ouverture d'opportunité, conclusion d'une affaire.

La grande majorité des équipes marketing se situe aujourd'hui aux premier ou deuxième niveaux. Atteindre le troisième implique de connecter les outils de suivi GEO au CRM, de définir des KPI d'attribution spécifiques et de produire du contenu aligné sur les prompts à forte intention d'achat.

Comment construire concrètement le cadre d'attribution

Étape 1 : suivre les prompts qui génèrent des mentions de marque

La première brique consiste à identifier précisément quels prompts font apparaître la marque dans les réponses IA. Cela suppose de sélectionner un ensemble de requêtes représentatives du parcours d'achat — des questions génériques de découverte jusqu'aux comparatifs concurrentiels — et de les tester régulièrement sur les principales plateformes : ChatGPT, Gemini et Perplexity.

Chaque prompt suivi produit des données exploitables : taux d'apparition de la marque, position dans la réponse, ton de la recommandation, sources citées par le moteur de réponse. Ces données permettent d'identifier les zones de force, les angles morts de visibilité, et de prioriser les actions de contenu en conséquence.

Étape 2 : relier les sessions issues des LLM aux étapes du funnel

Une fois les prompts instrumentés, il faut connecter les sessions web générées par les moteurs de réponse aux étapes du funnel commercial. Certains LLM transmettent un paramètre de référence identifiable dans Google Analytics 4 — c'est le cas de ChatGPT via le domaine chatgpt.com —, ce qui permet de créer des segments de trafic dédiés et d'en analyser le comportement : pages visitées, taux de rebond, événements de conversion déclenchés.

Cette segmentation, bien qu'imparfaite, reste la meilleure approximation native disponible pour évaluer la qualité du trafic LLM. Elle permet notamment de comparer le taux de conversion des sessions issues des moteurs de réponse avec celui des autres canaux d'acquisition, et d'identifier les pages d'atterrissage qui captent le mieux l'intention commerciale.

Attention toutefois : le paysage des référents LLM évolue rapidement. Selon le rapport Wave 2 2026 de Goodie, la part de ChatGPT dans les référents IA B2B est passée de 89 % à 63 % en seulement huit mois. Un dispositif de mesure figé sur une seule plateforme risque donc de devenir rapidement partiel.

Étape 3 : connecter les données de visibilité IA au CRM

C'est l'étape qui fait passer du reporting de visibilité à la preuve de valeur business. Relier les prompts suivis aux données CRM comble le principal angle mort de l'attribution AEO : on peut alors rattacher les contacts et opportunités du pipeline aux citations IA qui les ont précédés, et suivre des KPI d'attribution dédiés — leads créés, opportunités ouvertes, affaires conclues — plutôt que de simples volumes de sessions. Des outils spécialisés, comme le logiciel AEO de HubSpot, commencent à proposer ce chaînage entre suivi de prompts, part de voix face aux concurrents et données CRM.

Ce que cela change pour la gouvernance marketing

Pour un directeur marketing, l'AEO/GEO cesse d'être un sujet de veille pour devenir un chantier de mesure : sans cadre d'attribution, impossible d'arbitrer les budgets entre SEO traditionnel et optimisation pour les moteurs de réponse, ni de défendre ces investissements auprès de la direction générale. Le cadre en trois niveaux offre une trajectoire progressive : commencer par instrumenter les prompts stratégiques, segmenter le trafic LLM dans l'outil analytics, puis connecter le tout au CRM pour parler enfin en pipeline et en revenus — le langage que comprend un comité de direction.