GEO par moteur : ce qui manque encore dans 90 % des playbooks
Résumez cet article avec l’IA
Le playbook GEO que tout le monde copie – et la partie qu’il oublie
Un client m’appelle un mardi matin. Il a investi 8 000 $ dans un contenu pensé pour l’IA. ChatGPT le cite 3 fois sur 47 vérifications. Les conversions n’ont pas bougé.
La mécanique par moteur posait problème, pas le contenu.
Je regarde 15 sites par semaine. Tous ont le même angle mort. Ils traitent le GEO comme une extension du SEO de 2019 : mots-clés, quelques FAQ, un peu de balisage schema. Résultat : les pages existent, mais Claude ne les cite pas. Perplexity les ignore. Gemini les noie dans une réponse générique.
Neil Patel a publié une analyse qui déplace le curseur. Selon lui, le GEO n’est pas un canal unique : ChatGPT, Claude, Gemini et Perplexity appliquent des règles de décision différentes. Ce qui fait monter une page sur ChatGPT peut la rendre invisible sur Claude. Et inversement.
Il manque aux playbooks une lecture par moteur. Une couche de plus. Pas de nouveaux outils. Pas de nouveau contenu à produire. Juste comprendre où chaque moteur va chercher ses sources, puis structurer vos pages en conséquence.
La plupart des équipes s’arrêtent à la question des citations. Elles pensent qu’un bon score de domaine suffit. Non. Un site peut dominer Google et rester invisible sur Perplexity. J’observe ce décalage chaque semaine.
Dans son article, Neil Patel ne donne pas de recette magique. Il décompose les mécaniques. C’est là que ça devient utile. Une liste de bonnes pratiques génériques ne sert pas à grand-chose. Savoir que ChatGPT privilégie certaines structures de contenu et que Claude en regarde d’autres, ça, c’est du concret.
En clair : une page qui fonctionne sur Google peut rester invisible sur ChatGPT. Et une page qui remonte sur Perplexity peut être ignorée par Gemini. Les équipes qui gagnent visent les quatre moteurs, chacun avec sa structure.
Quand un playbook reste descriptif, il donne l’impression d’agir. En réalité, il cache les angles morts. La seule façon de les voir, c’est de passer par le détail : quel moteur cite quelle page, pour quelle requête, avec quelle régularité.
Combien de vos pages sont réellement citées par Claude aujourd’hui ?
Avant d’optimiser, encore faut-il savoir ce que chaque moteur valorise. Ce tableau croise les quatre moteurs et les critères qui déclenchent réellement la citation.
Quatre moteurs, quatre logiques
Ce que chaque moteur regarde en priorité avant de citer une source
ChatGPT, Claude, Gemini, Perplexity : quatre moteurs, quatre logiques de citation
L’analyse de Neil Patel tombe à point. Au lieu de parler de GEO comme d’un bloc, il détaille ce que chaque moteur regarde avant de citer ou de résumer une source.
ChatGPT s’appuie beaucoup sur la structure des pages et la densité d’entités nommées. Claude regarde d’abord la clarté de l’argumentation et la présence d’extraits exploitables. Gemini tire ses données de l’écosystème Google, et notamment du Knowledge Graph. Perplexity agrège des citations : plus il trouve de sources différentes et de mentions conversationnelles, mieux c’est.
Un tableau vaut mieux qu’un long discours :
| Moteur | Ce qu’il regarde en priorité | Zone aveugle fréquente |
|---|---|---|
| ChatGPT | Entités nommées, structure de la page, autorité du domaine | Pages trop rédactionnelles, faible densité d’entités |
| Claude | Clarté argumentative, extraits exploitables, cohérence interne | Pages trop publicitaires, absence de synthèse décisionnelle |
| Gemini | Données du Knowledge Graph, fraîcheur, consensus Google | Contenu qui ne cite pas de sources externes fortes |
| Perplexity | Variété des citations, mentions conversationnelles, récence | Site avec peu de co-citations ou de mentions sur d’autres espaces |
Ce qui manque dans 90 % des playbooks : la segmentation des optimisations. Une même page ne peut pas plaire à ChatGPT et à Claude de la même façon. Il faut des variantes de structure. Pas du contenu dupliqué. Des couches sémantiques différentes selon l’angle de lecture du moteur.
Exemple : une page produit taillée pour ChatGPT gagne à exposer des listes d’attributs et des entités précises. La même page, pour Claude, gagne à ajouter un encadré de synthèse avec une phrase d’autorité. Pour Perplexity, il faut un maillage de citations internes qui pointent vers d’autres pages du site.
Cette granularité manque. La plupart des équipes s’arrêtent au niveau global : « il faut être cité ». Sauf qu’être cité par qui, pour quoi, et avec quelle structure de page, ça reste le travail du playbook.
Le gap DOSE : pourquoi combler une zone aveugle déclenche plus d’action
J’ai appris le cadre DOSE avec Guillaume Attias à la BMO Academy. L’effet de complétude reste sous-exploité. Quand on identifié un gap précis, le cerveau veut le fermer. Une liste générique n’a pas cet effet.
Les playbooks GEO classiques listent des actions : « optimisez vos FAQ », « utilisez le schema », « soignez vos entités ». Ces listes sont vraies. Elles ne créent pourtant aucune tension. Elles ne pointent pas ce qui manque.
Le gap DOSE renverse la logique. Au lieu de « voici ce qu’il faut faire », on dit « voici ce qui vous manque sur Claude, et comment le combler ». La complétude s’active. L’action suit.
Neil Patel l’a compris. Son article ne se contente pas de définir le GEO : il montre les angles morts par moteur. C’est ce qui pousse à agir. On voit la pièce manquante.
Sur le terrain, j’observe le même effet. Quand je montre à un client que ChatGPT le cite 17 fois sur 100 requêtes alors que Claude ne le cite que 4 fois, la décision de restructurer ne se discute pas. Le gap est visible. Le cerveau veut le fermer.
L’audit live marche mieux qu’un rapport de 60 pages. On regarde le gap ensemble, on décide, on agit.
Le DOSE sert de grille de lecture : il transforme un constat technique en décision. Et en GEO, combler ce qui manque par moteur rapporte plus que produire davantage.
Un cas concret : 47 requêtes, 945 pages, et le basculement d’architecture
Un client B2B m’a appelé il y a 14 mois. 945 pages. 47 requêtes à fort volume. Un trafic organique stable autour de 4 000 sessions par mois.
Le contenu tenait la route. Les pages répondaient aux questions. Mais les citations sur Claude restaient rares. Sur Perplexity, le site apparaissait dans 6 réponses sur 100. Sur ChatGPT, 11 sur 100.
Le problème, c’était l’architecture. Les 945 pages vivaient isolées. Pas de cocons sémantiques. Aucun lien entre elles. Chaque page devait convaincre seule. Un moteur comme Claude n’aime pas ça. Il cherche une cohérence interne. Une source qui s’appuie sur d’autres sources.
On a arrêté la production de contenu. Trois mois. Place à la restructuration. Les pages regroupées en 47 cocons, un par requête stratégique. Les encadrés de synthèse réécrits. Des liens contextuels vers des pages sources, pas vers des pages de conversion. Puis les structures séparées : versions ChatGPT, versions Claude, versions Perplexity, avec une base commune.
On a aussi renforcé les signaux d’entités : listes d’attributs, synonymes techniques, noms de produits exacts. Pour Gemini, j’ai intégré des données fraîches et des sources externes reconnues. Pour Perplexity, des mentions croisées avec des partenaires et des annuaires de niche.
14 mois plus tard : 37 000 sessions organiques par mois. +290 % de conversions, sans publicité ajoutée. Le taux de citation sur Claude est passé de 4 % à 22 %. Sur Perplexity, de 6 % à 31 %.
La mécanique par moteur a fait la différence. Chaque page sait pourquoi elle existe. Pour qui. Et comment elle sera citée.
Les trois zones aveugles à corriger avant la fin du trimestre
Trois zones que je vois négligées, semaine après semaine.
Première zone : la couche de citation par moteur. Vous n’optimisez pas pour ChatGPT et Claude avec la même page. Enfin, vous pouvez, mais vous perdez l’effet de complétude. Créez des variantes de structure : un encadré « synthèse » pour Claude, un bloc « entités » pour ChatGPT, un bloc « données fraîches » pour Gemini.
Deuxième zone : le maillage interne orienté citations. Les moteurs de réponse privilégient les sites qui se citent eux-mêmes de manière logique. Un visiteur n’a pas besoin de ces liens. Un moteur, si. Construisez des renvois contextuels entre pages d’un même cocon. Pas de lien pour le lien. Un lien pour établir une hiérarchie de preuves.
Troisième zone : l’extrait qui précède la citation. On oublie souvent d’optimiser les 40 premiers mots de chaque section. C’est pourtant ce que Claude extrait pour ses réponses. Si vos 40 premiers mots sont descriptifs, vous êtes résumé. S’ils sont assertifs et chiffrés, vous êtes cité.
Ces trois zones forment un système. Pas trois actions isolées. La combinaison change la visibilité.
Selon Neil Patel, Perplexity privilégie la multiplicité des sources ; un site qui n’est jamais co-cité part avec un handicap. Une page qui coche ces trois cases ne ressemble pas à un article de blog classique. Elle ressemble à une source structurée. C’est ce que les moteurs d’IA cherchent.
Chez les clients passés au GEO par moteur, la progression est nette. Voici les citations avant et après, moteur par moteur.
Citations IA : l’effet de la bascule par moteur
Citations sur 100 requêtes, avant et après restructuration des extraits
Ce que j’observe chez les clients qui passent enfin au GEO par moteur
Sur les 15 sites audités chaque semaine, 4 ont basculé sur une logique par moteur. Sur Google, ça bouge peu. Sur les moteurs de réponse, ça bouge beaucoup.
Un site local, 22 requêtes cibles sur Perplexity. Avant la bascule : 3 citations sur 100. Après 5 semaines : 17 citations sur 100. Aucun lien acheté. Aucun contenu ajouté. Juste une restructuration des extraits et du maillage interne.
Un autre, acteur e-commerce, a vu ses réponses sur Claude passer de 6 % à 19 % sur 240 requêtes produits, en ajoutant des blocs « synthèse décisionnelle » et des tableaux comparatifs en tête de page.
Ce que je retiens de ces observations : les moteurs d’IA récompensent la clarté, pas la densité. Une page courte et structurée pour la citation bat une page longue qui empile des mots-clés.
Le gap par moteur compte plus que le volume ou les backlinks. La structure décide.
Ces quatre clients ont un point commun : ils ont d’abord repéré les moteurs qui ne les citaient pas. Ensuite, ils ont structuré. La plupart des équipes font l’inverse : elles produisent du contenu et espèrent que ça remonte.
Les playbooks génériques ne donnent pas cette précision. Ils restent sur « soyez visible dans l’IA ». Vrai. Mais inutile. La visibilité se joue sur des écarts de 3 à 5 points par moteur. C’est là que la partie se gagne.
Avant de publier la prochaine page, une question à se poser
La prochaine page que vous allez écrire a une fonction. Laquelle ?
Si la réponse est « couvrir un mot-clé », la page a déjà perdu sur ChatGPT et Claude. Si la réponse est « servir de source structurée pour tel moteur, sur telle requête, avec tel extrait », elle peut remonter là où les autres stagnent.
Un playbook descriptif vous dit de publier. Un playbook par moteur vous dit pour qui, pour quelle lecture, et avec quelle structure de citation.
Le travail préparatoire est simple :
- Identifiez les 20 requêtes pour lesquelles vous voulez être cité.
- Vérifiez sur ChatGPT, Claude, Gemini et Perplexity si vous y êtes déjà.
- Notez le type de contenu que chaque moteur met en avant pour ces requêtes.
- Concevez une structure qui donne au moteur ce qu’il attend : entités pour ChatGPT, synthèse pour Claude, fraîcheur pour Gemini, co-citations pour Perplexity.
- Reliez cette page aux autres pages du cocon, pas aux pages de conversion.
Même durée de travail, plus de précision. Et la visibilité bouge plus vite qu’avec 20 articles génériques.
Pas de méthode à vendre. Juste les pages.
Quelle est la prochaine page que vous allez restructurer pour Claude, ChatGPT, Gemini ou Perplexity ?
Audit GEO live : vos gaps par moteur en 90 minutes
Je regarde vos pages, vos requêtes stratégiques et vos écarts de citation sur ChatGPT, Claude, Gemini et Perplexity. Vous repartez avec trois restructurations à lancer tout de suite.
Réserver un appel diagnostic — 30 minQuestions fréquentes
Pourquoi le GEO doit-il être pensé par moteur et non comme un canal unique ?
ChatGPT, Claude, Gemini et Perplexity ne lisent pas les mêmes signaux. Une page taillée pour l’un reste invisible pour l’autre. Je prépare donc des couches sémantiques différentes selon le moteur.
Quel est l’angle mort le plus fréquent sur ChatGPT ?
La densité d’entités nommées et la structure de la page. Trop de contenus sont encore purement rédactionnels : le moteur n’y trouve pas les attributs, les noms exacts, les liens entre concepts dont il a besoin.
Comment améliorer sa visibilité sur Claude rapidement ?
Mettez un encadré de synthèse en tête de page : une phrase qui tranche, et les 40 premiers mots, nets et chiffrés. Claude reprend ces passages bien plus facilement qu’une longue intro descriptive.
Pourquoi le maillage interne orienté citations est-il important pour Perplexity ?
Perplexity aime les sources variées. Il cite volontiers plusieurs pages d’un même site quand les liens internes du cocon rendent la structure lisible.
Le contenu doit-il être raccourci pour l’IA ?
Structurer compte plus que raccourcir. Les moteurs d’IA aiment la clarté, et surtout ce qu’ils peuvent citer. La longueur ne les impressionne pas. Une page courte avec des blocs exploitables bat souvent une page interminable qui empile les mots-clés.
