GEO / LLM optimization chez Digitz
Une part des questions qui passaient par Google reçoit désormais sa réponse avant le moindre clic. L'utilisateur tape sa demande dans un assistant, lit un paragraphe de synthèse, et repart. Parfois trois sources sont citées en bas, parfois aucune. Pour une marque, la bascule est nette : le combat ne se joue plus seulement sur la position d'un lien, il se joue sur le fait d'exister, ou non, dans la phrase que le modèle compose. C'est le terrain du GEO, l'optimisation pour les moteurs génératifs.
On documente ce qu'on produit. Pas l'inverse.
Le réflexe serait d'y voir une rupture totale avec le référencement. C'est faux, et le vendre ainsi serait malhonnête. Un modèle de langage ne devine pas le contenu d'une page : il s'appuie sur deux choses. Ce qu'il a absorbé pendant son entraînement, d'abord, où votre marque existe ou non selon la trace qu'elle a laissée sur le web au moment de la collecte. Ce qu'il va chercher en direct, ensuite, quand la question est récente ou pointue et qu'il interroge le web à la volée pour étayer sa réponse. Ce second mode, le plus décisif pour une marque, repose sur les mêmes pages indexées et lisibles qu'un moteur classique sait trouver. Le socle reste donc celui d'un bon SEO. Ce qui change, c'est l'unité de mesure. Google classe des pages. Un assistant, lui, extrait des passages et les recompose. L'optimisation vise désormais le fragment : qu'un morceau de votre contenu soit prélevable, attribuable, et assez net pour qu'un modèle le reprenne sans le déformer.
Le parti pris de Digitz tient là. On traite le GEO comme un prolongement du référencement, sur la même matière technique et éditoriale, en la rendant aussi lisible pour une machine qui répond que pour un moteur qui classe. Les agences qui promettent une place réservée dans ChatGPT racontent une histoire : personne ne contrôle ce qu'un modèle restitue, et toute garantie sur ce point est du vent. Ce qu'on tient, c'est rendre votre site digne d'être cité. Le reste appartient aux modèles.
Dans le détail, un assistant qui prépare une réponse cherche des fragments qu'il peut comprendre seuls. Un paragraphe qui ne tient debout qu'en ayant lu les six précédents lui sert mal. On écrit donc des passages autonomes : une affirmation, ce qui la soutient, dans un bloc qui garde son sens même prélevé hors contexte. La question posée par l'internaute apparaît dans la page, traitée de face, avec la réponse juste en dessous. C'est de la mise en forme pour l'extraction, pensée pour le prélèvement. Un modèle repère vite une page qui répond et une page qui tourne autour. Les formats qui se font reprendre sont d'ailleurs reconnaissables : une définition nette en tête de section, une donnée chiffrée isolée et attribuée, une liste où chaque entrée se suffit. Le contenu qui se cite est celui qu'on peut découper sans le casser.
Le balisage joue un rôle qu'on sous-estime souvent. Les données structurées, les schémas qui disent à la machine « ceci est une question, ceci est l'auteur, ceci est la date, ceci est l'organisation derrière le texte », réduisent l'interprétation. Un modèle qui sait sans deviner se trompe moins, et hésite moins à citer. On balise les FAQ, les fiches, les contenus d'autorité avec le vocabulaire que les machines lisent déjà, pour que rien ne reste implicite. Un schéma d'article qui nomme son auteur et sa date, une fiche d'organisation qui rattache le texte à une entité connue, un balisage de questions-réponses qui isole chaque couple : autant de repères qui transforment un mur de texte en matière ordonnée. Plus une page est explicite sur ce qu'elle est et d'où elle parle, plus elle devient une source de confort pour un système qui doit répondre sans se mouiller. Le balisage ne fait pas le fond, mais sans lui, le meilleur fond reste illisible pour qui ne fait que passer.
Le fichier llms.txt entre dans cette logique, posé à la racine du site. Il signale aux robots des modèles ce qui compte, où trouver la matière propre, quelles pages font référence. L'usage est jeune et son poids reste à confirmer, on ne va pas prétendre l'inverse. On le met en place quand le site a une vraie hiérarchie de contenus à exposer, et on s'en abstient sinon. Le geste utile, c'est le travail de structure qu'il oblige à faire : savoir quelles pages portent l'autorité de la marque et lesquelles sont du bruit. Le même raisonnement vaut pour les flux et plans de site que les robots des modèles consultent. On les tient à jour et lisibles, pour qu'un système qui passe trouve la bonne porte du premier coup.
Reste la question de la confiance, qui décide de presque tout. Un modèle ne cite pas une affirmation isolée flottant sur un site inconnu. Il privilégie ce qui se recoupe ailleurs, ce qui porte une signature, ce qui s'inscrit dans un ensemble cohérent. L'expérience réelle, la compétence démontrée, l'autorité du domaine et la fiabilité de la source pèsent autant pour un assistant que pour un classement classique. Une page qui montre qui écrit, sur quoi elle s'appuie et depuis quand la marque travaille le sujet inspire confiance à une machine comme à un lecteur. Les contenus orphelins, sans auteur ni source, sortent rarement de l'ombre côté IA.
Un cas revient souvent. Une marque a la réponse qu'un internaute cherche, noyée dans une page commerciale qui parle d'elle avant de traiter la question. Un modèle passe à côté : il n'y trouve pas de bloc net à prélever, juste un argumentaire. On reprend la même information, on la sort, on la pose en réponse directe, datée, signée, reliée aux autres pages du domaine. Rien d'inventé, rien ajouté au fond : on rend lisible ce qui existait déjà mal rangé. C'est l'essentiel du travail, et c'est pour ça qu'il ne se résume pas à une astuce technique. Une page citable est d'abord une page honnête sur ce qu'elle sait, organisée pour qu'on puisse la lire vite.
Cette confiance se construit sur la cohérence de tout un site, page après page. Un modèle recoupe : il croise votre fiche, vos contenus, ce que d'autres disent de vous, et il en tire une idée de votre légitimité sur un sujet. Une marque qui traite un thème en profondeur, sur plusieurs pages qui se répondent et se citent, devient une référence plus probable qu'un site qui l'effleure une fois. On travaille donc la solidité d'un ensemble, le maillage qui relie les contenus d'un même domaine, la régularité du propos d'une page à l'autre. C'est lent, et c'est le prix d'une visibilité qui tient face à des systèmes qui apprennent à se méfier du contenu jetable.
Il faut dire un mot de la mesure, parce que c'est là que beaucoup se racontent des choses. Côté Google, on suit des positions, un trafic, des courbes. Côté IA, l'instrumentation est balbutiante. On ne sait pas encore lire proprement combien de fois un modèle a repris une marque, ni pourquoi il a cité un concurrent un jour et nous le lendemain. Une même question peut donner deux réponses différentes à deux moments, sur deux assistants, sans qu'on sache toujours démêler ce qui a pesé. Ce qu'on fait alors, c'est interroger nous-mêmes les assistants sur les requêtes qui comptent pour vous, relever qui sort et avec quelles sources, comparer dans le temps, et tirer des constats prudents. C'est artisanal, et on le présente comme tel, en toute franchise. Mieux vaut un relevé honnête et partiel qu'une métrique inventée pour rassurer.
Il faut aussi nommer la limite. Le GEO ne remplace pas le SEO et ne le remplacera pas demain. Une grande partie des recherches passe encore par un moteur classique, et y être bien placé reste la base. Le travail génératif s'ajoute au référencement et le complète. On le déconseille à qui voudrait délaisser son référencement pour courir après une visibilité IA mal mesurable : ce serait mettre en production un acquis pour une promesse. Le bon ordre est l'inverse. On installe un socle technique et éditorial qui sert d'abord la recherche, et ce même socle vous rend lisible pour les modèles, parce qu'ils lisent le web avec les mêmes yeux exigeants, en plus sévères sur la source.
Le GEO, chez nous, reste le prolongement logique d'un référencement fait pour durer, déplacé vers un endroit où la réponse remplace le lien. On ne sait pas quelle forme prendra la recherche dans trois ans. On sait qu'un site clair, sourcé, balisé et cohérent restera lisible quelle que soit la machine qui viendra y chercher de quoi répondre. Les interfaces changeront, les modèles aussi, mais l'exigence de fond ne fera que monter. C'est ce terrain-là qu'on prépare, sans vendre de certitude sur ce qui, par nature, ne nous appartient pas.