Comment réaliser un audit GEO : suivez votre visibilité dans les résultats de recherche basés sur l'IA

Introduction

La plupart des équipes marketing vérifient la visibilité de leur marque sur les IA de la même manière : quelqu’un ouvre ChatGPT, tape « meilleur [catégorie] à [ville] » et lit la réponse. Si la marque apparaît, tout le monde se détend. Si ce n’est pas le cas, quelqu’un panique sur un canal Slack. Dans tous les cas, on n’en tire pratiquement aucun enseignement : une seule requête, effectuée une seule fois, sur une seule plateforme, n’est qu’une anecdote.

Un audit GEO remplace cette anecdote par une mesure reproductible. Le GEO ( optimisation des moteurs génératifs ) est la discipline qui consiste à faire apparaître une marque, avec précision, dans les réponses générées par l’IA. Ce guide vous présente les cinq étapes d’un audit complet : créer un panel de requêtes fixes, l’exécuter de manière cohérente sur toutes les plateformes, noter les réponses, cartographier les sources sur lesquelles ces réponses s’appuient, et répéter l’opération selon un calendrier défini. À la fin, vous disposerez d’une base de référence que vous pourrez défendre, et d’un processus que vous pourrez répéter le mois suivant sans repartir de zéro.

Ce que mesure réellement un audit GEO

La raison pour laquelle il faut prendre cela au sérieux dès maintenant est simple : les réponses générées par l’IA sont discrètement devenues un canal d’achat. Les prospects qui cliquaient autrefois sur dix liens bleus se contentent désormais de lire une réponse synthétisée et d’agir en conséquence. Les marques présentes dans cette réponse se partagent la demande ; toutes les autres se partagent ce qui reste. La plupart des entreprises n’ont aucune idée de quel côté de cette ligne elles se situent.

Avant d’aborder les étapes, il est utile de préciser les unités de mesure, car il ne s’agit pas de classements.

Un audit GEO mesure quatre éléments. Premièrement, la mention : l’assistant cite-t-il votre marque lorsqu’un acheteur pose le genre de question que posent vos clients ? Deuxièmement, la référence : renvoie-t-il vers votre site web, ou vers celui de quelqu’un d’autre, lorsqu’il fait des déclarations à votre sujet ? Troisièmement, la description : lorsqu’il parle de vous, ce qu’il dit est-il vrai – votre catégorie, votre emplacement, votre gamme de prix, votre service principal ? Quatrièmement, la dépendance vis-à-vis des sources : sur quelles pages tierces l’assistant s’appuie-t-il pour formuler sa réponse, et ces pages disent-elles ce que vous souhaiteriez qu’elles disent ?

Ces quatre éléments fonctionnent indépendamment les uns des autres. Une marque peut être mentionnée partout sans être citée nulle part. Elle peut être citée et mal décrite. Elle peut être bien décrite simplement parce qu’une page d’avis obsolète se trouve être élogieuse ce trimestre. Faire la moyenne de tout cela pour obtenir un seul « score IA » masque les problèmes que vous avez le plus besoin de voir. Gardez ces quatre éléments séparés et l’audit devient un outil de diagnostic : chaque type de défaillance a une solution différente.

Une dernière chose à convenir avant de commencer : un audit est un instantané d’un système en constante évolution. Les modèles sont mis à jour, les sources de recherche changent et les réponses dérivent. La valeur ne réside pas dans un test isolé, mais dans le fait de refaire le même test plus tard et d’observer l’écart. Toutes les étapes ci-dessous sont conçues pour rendre cette répétition peu coûteuse et fiable.

Étape 1 : constituer un panel de prompts fixes

La base de l’audit est un panel de 20 à 30 questions rédigées dans le langage des acheteurs réels, et non dans celui de votre équipe marketing. C’est plus difficile qu’il n’y paraît, car les équipes internes ont tendance à rédiger des questions contenant le vocabulaire propre à leur marque – que nul acheteur n’utilise, ce qui rend l’audit sans intérêt.

Un bon panel combine cinq types de questions. Les questions de catégorie : « Quelles agences à Jakarta proposent des services d’optimisation pour les moteurs génératifs ? » Les questions de problème : « Pourquoi ChatGPT ne mentionne-t-il jamais mon entreprise ? » Les questions de comparaison : « Comparez les trois meilleures options pour X. » Les questions locales ou spécifiques à une langue, dans toutes les langues que vos acheteurs utilisent réellement. Et les questions de spécification qui mentionnent une fonctionnalité, une fourchette de prix ou une exigence, car ce sont celles qui se rapprochent le plus d’un achat. Un outil de recherche de mots-clés est utile ici : les requêtes que les utilisateurs saisissent déjà dans Google constituent la meilleure matière première pour les questions qu’ils poseront à un assistant.

Voici à quoi ressemble un petit échantillon d’un panel réel pour une marque de services B2B :

• « Quelles sont les meilleures agences GEO pour une entreprise de e-commerce de taille moyenne ? » - « Combien coûte un audit GEO et que doit-il inclure ? » - « [Marque] ou [concurrent] est-il le meilleur choix pour le référencement international ? » - « Agensi digital di Jakarta yang paham AI search ? » (même intention, dans l’autre langue de l’acheteur) - « Pourquoi Perplexity recommande-t-il [concurrent] mais pas [marque] ? »

Remarquez qu’aucune d’entre elles ne mentionne le slogan de la marque, les noms de produits ou la terminologie interne. C’est justement le but.

Trois règles garantissent l’authenticité du panel. Rédigez les questions à partir d’appels commerciaux et de tickets d’assistance, et non à partir de séances de brainstorming : les formulations que les acheteurs utilisent avec un commercial sont celles qu’ils utiliseront avec un assistant. Incluez quelques questions pour lesquelles vous savez que vous devriez gagner et quelques-unes pour lesquelles vous vous attendez à perdre ; un panel que vous remportez haut la main ne vous apprend rien. Et figez la liste. La principale erreur commise lors de ces audits consiste à remplacer discrètement chaque mois certaines questions par des questions plus faciles, ce qui fait grimper n’importe quelle courbe de tendance. Mettez-vous d’accord une fois sur la composition du panel, consignez-la par écrit, partagez-la avec les parties prenantes et n’y touchez plus entre deux sessions.

Étape 2 : Réalisez le panel sur toutes les plateformes, de manière cohérente

Posez chaque question sur toutes les plateformes utilisées par vos acheteurs. Pour la plupart des marques aujourd’hui, cela signifie ChatGPT, Gemini, Google AI Overviews, Google AI Mode, Perplexity, Copilot, Claude et Grok — mais laissez vos propres analyses et votre base de clients décider, et non vos habitudes.

La cohérence prime sur la couverture. Utilisez une session vierge pour chaque plateforme : pas de personnalisation liée à une connexion lorsque cela peut être évité, pas d’instructions personnalisées, les mêmes paramètres de localisation et de langue à chaque exécution. Consignez ces paramètres une fois pour toutes et réutilisez-les, car ils influencent les réponses. Lancez chaque question trois fois par plateforme, et non une seule fois : un seul test peut vous flatter ou vous effrayer, tandis que trois tests révèlent la stabilité réelle d’une réponse. Si une question fait apparaître votre marque deux fois sur trois, le résultat est différent de celui obtenu trois fois sur trois.

Ne négligez aucune langue. Une même question en anglais et en bahasa indonésien peut générer deux listes de sélection complètement différentes, car les sources sous-jacentes à partir desquelles les modèles extraient les données varient selon la langue. Toute marque commercialisant ses produits sur plusieurs marchés linguistiques effectue en réalité un audit par langue.

Consignez tout au fur et à mesure : question, plateforme, numéro d’exécution, date, texte complet de la réponse ou capture d’écran. La tenue de ce journal peut sembler fastidieuse la première semaine, mais elle deviendra votre outil le plus précieux au bout de trois mois, lorsque quelqu’un vous demandera pourquoi un chiffre a évolué.

Une structure de journal simple suffit. Une ligne par exécution, avec des colonnes pour la date, la plateforme, l’identifiant de la question, le numéro d’exécution, la mention (oui/non), l’URL citée le cas échéant, le résumé de la description, les sources visibles et un lien vers la réponse complète. À ce stade, les tableurs sont plus efficaces que les tableaux de bord ; le format évoluera à mesure que vous découvrirez ce que vos parties prenantes demandent réellement, et un tableur s’adapte facilement aux changements.

Étape 3 : Attribuez un score aux mentions, aux citations et aux descriptions

Pour chaque réponse, enregistrez quatre champs.

Mention : la marque a-t-elle été citée, oui ou non ? Citation : la réponse comportait-elle un lien vers votre site, et si elle renvoyait vers un site, lequel ? Description : une brève note sur la manière dont la marque a été caractérisée – catégorie, localisation, positionnement, fourchette de prix. Sources : quelles pages externes la réponse a-t-elle visiblement utilisées comme référence, là où la plateforme les affiche.

Deux cas de figure méritent une attention particulière. Une mention sans référence signifie que le modèle connaît votre nom mais ne l’a pas associé à vos propres sources — ce qui indique généralement que votre site n’est pas la meilleure réponse à la question posée. Une référence accompagnée d’une description erronée est pire que les deux cas précédents : l’assistant redirige en toute confiance les acheteurs vers vous tout en donnant des informations erronées sur votre activité, votre localisation ou vos tarifs. Les équipes sous-estiment souvent ce risque. Un assistant qui vous cite mais se trompe sur votre localisation, votre fourchette de prix ou votre service principal cause plus de dégâts que celui qui vous ignore, car il génère des acheteurs déçus à grande échelle.

Résistez à la tentation de regrouper les plateformes en une seule moyenne. Les plateformes se comportent de manière si différente que la moyenne n’a aucun sens. Dans le cadre de notre travail avec nos clients, nous constatons régulièrement qu’une marque apparaît dans des centaines de résumés et de réponses en mode IA de Google, alors que le même panel de questions ne génère que quelques dizaines de mentions sur l’ensemble de Copilot, Perplexity, Gemini et ChatGPT. Une marque qui ne tiendrait compte que de ce chiffre global pourrait croire que sa visibilité auprès des IA est « moyenne partout », alors qu’en réalité, elle est forte sur les interfaces de Google et quasi inexistante sur les assistants autonomes — deux problèmes nécessitant des solutions complètement différentes.

Étape 4 : Recenser les sources sur lesquelles s’appuient les réponses

C’est l’étape qui transforme la mesure en plan d’action.

Lorsqu’un assistant cite une source pour étayer une affirmation concernant votre catégorie, notez cette source. À l’issue d’un panel complet, vous aurez constitué une liste : plateformes d’avis, articles comparatifs, annuaires sectoriels, Wikipédia, fils de discussion Reddit, couverture médiatique, vos propres sites. Cette liste constitue le véritable champ de bataille. Les modèles n’inventent pas d’opinions sur les marques ; ils récupèrent et synthétisent ce que le Web dit déjà.

Passez en revue votre liste de sources en vous posant trois questions. Parmi ces pages, lesquelles contrôlons-nous, directement ou par le biais de partenariats ? Quelles pages sont inexactes, obsolètes ou ne mentionnent pas notre marque – et que faudrait-il faire pour y remédier ? Et quelles sources apparaissent pour nos concurrents mais pas pour nous ?

Un exemple concret : supposons que la question comparative « le meilleur X pour Y » s’appuie systématiquement sur un site d’avis bien connu et un annuaire sectoriel. Votre marque est absente des deux ; trois concurrents y sont présents. L’audit vient de vous révéler quelque chose de précis : les assistants ne vous ignorent pas, ils reflètent fidèlement un web sur lequel vous êtes absent des deux pages qui comptent pour cette question. La solution est tout aussi précise : assurez-vous d’y figurer de manière exacte et à jour. Aucune réécriture du contenu de votre page d’accueil n’aurait modifié cette réponse.

C’est également la raison pour laquelle le référencement géolocalisé (GEO) et le référencement classique (SEO) finissent par partager la majeure partie de leur boîte à outils : les sources qui sont classées ont tendance à être celles qui sont récupérées. Les relations publiques numériques, les articles invités dans des publications de référence, les inscriptions précises dans les annuaires et les avis de vrais clients constituent un travail peu glamour qui se trouve être exactement ce qui influence les réponses de l’IA. C’est également le cœur de notre activité chez Arfadia pour les marques qui souhaitent renforcer leur présence dans les résultats de recherche basés sur l’IA.

Étape 5 : Corrigez, puis relancez l’analyse selon un calendrier défini

Un audit qui se résume à une présentation PowerPoint ne change rien. Transformez les résultats en une liste de mesures correctives, classées par ordre d’importance : corrigez d’abord les descriptions erronées sur les sources faisant autorité, puis renforcez votre présence sur les sources qui génèrent les réponses de catégorie, et enfin consolidez vos propres pages afin qu’elles deviennent la meilleure réponse accessible pour les questions dont vous devriez être le référent.

Ensuite, relancez le panel identique — mêmes questions, mêmes plateformes, mêmes paramètres, mêmes trois cycles — à une fréquence fixe. Une fréquence mensuelle convient à la plupart des marques ; une fréquence trimestrielle est le minimum requis. Comparez d’un cycle à l’autre, plateforme par plateforme, indicateur par indicateur. Ce que vous recherchez, ce n’est pas une augmentation des chiffres. Ce que vous recherchez, c’est l’évolution de réponses spécifiques : la question de comparaison qui vous inclut désormais, la description qui est enfin exacte, les réponses de Perplexity qui citent désormais votre site au lieu d’un avis datant de trois ans.

Définissez dès le départ les attentes avec les parties prenantes : l’évolution des réponses générées par l’IA accuse un retard de plusieurs semaines, voire plusieurs mois, par rapport au travail sous-jacent, car les modèles et leurs couches de recherche se mettent à jour selon leurs propres calendriers. Une première nouvelle exécution sans changement après un mois de corrections est normale, ce n’est pas un verdict.

Le reporting mérite un paragraphe à part. Les parties prenantes habituées aux rapports SEO demanderont l’équivalent IA d’un outil de suivi de classement : un chiffre, en hausse. Offrez-leur mieux : un rapport succinct par plateforme, présentant les quatre indicateurs séparément, deux ou trois extraits de réponses mot pour mot, ainsi que la liste des corrections avec leur statut. Les extraits mot pour mot renforcent davantage la crédibilité que n’importe quel graphique, car personne ne conteste une capture d’écran montrant un assistant décrivant votre entreprise de manière erronée.

Il est également utile d’effectuer les mesures SEO classiques en parallèle plutôt qu’à la place. Les classements, le trafic organique et la visibilité IA répondent à des questions différentes : où vous vous situez dans les pages de résultats, et ce que les machines disent de vous lorsqu’on leur pose directement la question. Les deux partagent de plus en plus d’informations, donc les suivre côte à côte – vos positions de mots-clés dans un outil de suivi de classement, vos mentions et citations dans le journal d’audit – vous montre quel levier a influencé quel résultat.

Peut-on automatiser un audit GEO ?

En partie. L’exécution du panel et l’enregistrement des réponses peuvent être automatisés, et pour les panels de grande envergure, cela devrait l’être : les mêmes outils de référencement basés sur l’IA qui suivent la visibilité peuvent programmer les exécutions. La lecture des réponses ne doit pas être automatisée, du moins pas entièrement : déterminer si une description comporte une erreur subtile – le bon service, mais le mauvais marché ; le bon prix, mais le mauvais niveau – reste une tâche humaine, et c’est là que se cachent les erreurs les plus coûteuses. Une configuration judicieuse consiste à associer une collecte automatisée à une évaluation humaine, selon la même cadence fixe.

Les erreurs courantes qui ruinent discrètement les audits GEO

La plupart des audits qui échouent le font pour les mêmes raisons. Modifier le panel de questions entre deux sessions, ce qui crée une fausse impression de progrès. Tester une seule plateforme – généralement ChatGPT – et généraliser les résultats à l’« IA ». Effectuer un seul test au lieu de trois et se laisser influencer par le bruit. Considérer les mentions comme un succès sans vérifier si la description était exacte. Ignorer les langues, puis conclure que la marque est invisible alors qu’elle ne l’est qu’en anglais. Et calculer une moyenne globale, ce qui masque la seule information sur laquelle il vaut la peine d’agir.

Il s’agit là d’erreurs de processus, et non d’erreurs liées aux outils. Elles peuvent par ailleurs être évitées sans effort, c’est pourquoi un audit manuel rigoureux l’emporte sur un audit automatisé bâclé.

Combien de temps faudra-t-il avant que les corrections n’apparaissent dans les réponses de l’IA ?

Il faut compter des semaines, voire des mois, et non des jours. Les pages propriétaires peuvent être réindexées rapidement, mais les sources tierces qui alimentent la plupart des réponses par catégorie se mettent à jour selon leur propre calendrier, et le comportement du modèle suit avec un certain décalage. C’est une raison pour commencer l’audit dès maintenant plutôt que d’attendre : l’établissement de la base de référence prend une semaine, et chaque mois sans celle-ci est un mois de dérive que vous ne pouvez pas voir.

Conclusion

Un audit GEO n’a rien de glamour. Il s’agit d’une liste fixe de questions d’acheteurs, à tester minutieusement sur les assistants utilisés par vos clients, à analyser en prêtant attention aux mentions, citations, descriptions et sources, puis à refaire de la même manière le mois suivant. Les marques qui procèdent ainsi comprennent où elles en sont réellement et ce qu’il faut corriger. Celles qui se contentent de vérifier ponctuellement des requêtes isolées continuent de se fier à des impressions plutôt qu’à des données.

Tessar Napitupulu, fondatrice et PDG d’Arfadia.

Cette discipline est encore suffisamment récente pour que la plupart des catégories ne disposent d’aucune référence établie – ce qui signifie que la première équipe d’une catégorie à effectuer des mesures honnêtes est généralement la première à s’améliorer. Les deux ouvrages que j’ai publiés sur ce sujet, « Found Before They Search » consacré au paysage numérique indonésien et « Cited or Silent » consacré à la visibilité GEO et IA, partent tous deux du même principe que ce guide : on ne peut pas gagner un match dont on refuse de lire le tableau d’affichage.

Constituez le panel, figez-le, lancez l’analyse, et laissez les résultats vous indiquer où il faut agir.