Trois acronymes, une même révolution
Depuis l'émergence des IA génératives capables de répondre directement aux questions sans rediriger vers un site web, le référencement classique seul n'est plus suffisant. Trois nouvelles disciplines ont émergé :
- GEO (Generative Engine Optimization), optimiser pour être cité par les moteurs génératifs (AI Overviews Google, SearchGPT, Perplexity)
- LLMO (Large Language Model Optimization), optimiser sa présence dans les corpus d'entraînement et les réponses des grands modèles de langage
- AEO (Answer Engine Optimization), structurer son contenu pour que les moteurs de réponse (Perplexity, Bing Copilot, You.com) le sélectionnent comme source autoritative
GEO, Generative Engine Optimization
Google AI Overviews, SearchGPT et Perplexity génèrent des réponses synthétiques à partir de sources sélectionnées. Le GEO vise à figurer parmi ces sources, et idéalement à être cité nommément dans la réponse générée.
Facteurs GEO confirmés en 2026
Autorité éditoriale. Les IA privilégient les sources reconnues comme autoritaires : auteurs identifiés avec expertise vérifiable, contenu factuel sourcé, citations depuis d'autres sources de référence (NRF, Google, Shopify, institutions officielles).
Structure du contenu. Titres H2/H3 en forme de questions, listes structurées, tableaux comparatifs et définitions précises facilitent l'extraction par les IA. Un contenu dense en termes techniques bien définis est plus facilement synthétisé qu'un contenu narratif fluide.
Fraîcheur. Les dates de publication et de mise à jour sont lues par les IA. Un contenu 2026 bien daté est privilégié pour les requêtes sur des sujets récents face à un contenu de 2023 non mis à jour.
Données structurées schema.org. FAQPage, Article, HowTo et Organization aident les IA à comprendre la nature et le contexte du contenu, exactement comme ils aidaient Google à générer des rich snippets.
Ce qui distingue le GEO du SEO classique
En SEO classique, l'objectif est un clic vers votre site. En GEO, l'objectif est d'être incorporé dans la réponse de l'IA, ce qui génère notoriété et trafic indirect même sans clic direct. La métrique de succès change : du CTR à la fréquence de citation dans les réponses IA.
LLMO, Large Language Model Optimization
Les LLM (GPT-4o, Gemini 2.0, Claude 3) ont été entraînés sur des corpus massifs de textes. Ce qui figurait dans ces corpus influence directement leurs réponses, y compris les recommandations commerciales.
Comment optimiser pour les LLM
Être présent sur les sources indexées. Common Crawl, Wikipedia, GitHub, arXiv et les grands blogs sectoriels sont surreprésentés dans les corpus d'entraînement. Être cité sur ces plateformes améliore votre empreinte dans les LLM.
Créer du contenu de référence. Les LLM mémorisent mieux les définitions précises, listes factuelles et données chiffrées. Produire le contenu de référence sur un sujet, la définition la plus complète, le tableau comparatif le plus précis, augmente les chances d'être mémorisé et restitué.
Le fichier llms.txt. Un standard émergent consiste à placer un fichier /llms.txt à la racine du site, listant le contenu clé dans un format optimisé pour la lecture par les IA, l'équivalent du robots.txt pour les crawlers d'entraînement.
Limites du LLMO
Les LLM ont une date de coupure de connaissance. Le contenu publié après cette date ne figure pas dans leur mémoire, sauf s'ils disposent d'un accès à la recherche en temps réel (Gemini 2.0, GPT-4o avec browsing). Pour les modèles sans accès temps réel, le LLMO prend du temps : il faut attendre le prochain cycle d'entraînement.
AEO, Answer Engine Optimization
Perplexity, You.com et Bing Copilot récupèrent en temps réel des sources web pour générer leurs réponses. L'AEO vise à être systématiquement sélectionné et cité par ces outils.
Facteurs AEO clés
Pertinence topique directe. Les moteurs de réponse privilégient les pages dont le titre correspond précisément à la requête. Une page intitulée exactement « Qu'est-ce que le commerce agentique » sera plus souvent sélectionnée qu'un article qui aborde le sujet en passant.
Passages extractibles. Des paragraphes courts et autonomes qui répondent à une question spécifique en 2-3 phrases. Ces passages doivent être compréhensibles sans le reste de l'article, les moteurs de réponse les extraient directement.
Citation de sources fiables. Citer le NRF, Google, Shopify, l'Autorité de la concurrence ou des études académiques renforce la crédibilité AEO.
Application pratique au commerce agentique
| Discipline | Action concrète | Impact attendu |
|---|---|---|
| GEO | H2 en forme de questions + FAQPage schema JSON-LD | Apparaître dans AI Overviews Google |
| GEO | Mettre à jour les pages avec dates actuelles sourcing | Être sélectionné comme source fraîche |
| LLMO | Publier /llms.txt complet et maintenu | Meilleure indexation par crawlers IA |
| LLMO | Être cité sur GitHub awesome-ucp, Wikipedia | Présence dans les corpus d'entraînement |
| AEO | Introductions en format définition directe | Citations dans Perplexity et Bing Copilot |
| AEO | FAQ avec questions/réponses autonomes | Featured snippets et People Also Ask |
GEO, LLMO, AEO et commerce agentique : la convergence
Les agents IA qui font des achats ne cherchent pas seulement de l'information, ils cherchent des marchands compatibles. Un marchand optimisé GEO/LLMO/AEO augmente ses chances d'être connu des agents IA qui orientent les utilisateurs vers des choix d'achat. Une boutique invisible des IA ne peut pas être recommandée, même si elle est techniquement compatible UCP.
Plan d'action prioritaire pour 2026
- Ajouter dates de publication et de mise à jour sur toutes les pages
- Transformer chaque H2 en question explicite (« Comment… », « Pourquoi… »)
- Implémenter FAQPage schema JSON-LD sur les pages clés
- Publier /llms.txt listant les pages principales avec descriptions
- Créer ou améliorer la présence Wikipedia de la marque
- Soumettre le site sur les annuaires IA (directory.llmstxt.cloud)
- Structurer les fiches produits avec schema.org Product + Offer + Review
Pour aller plus loin
- Données structurées pour agents IA : schema.org et UCP
- llms.txt pour e-commerce
- Pourquoi le commerce a besoin d'une infrastructure lisible par machine
Mise à jour · mai 2026
Google indique officiellement que llms.txt n'est pas utilisé par sa recherche IA. llms.txt reste pertinent pour les crawlers LLM tiers (ChatGPT, Perplexity, Claude), pas comme levier Google. Détail dans notre analyse du guide GEO de Google. Source : Google.