Google admet la limite Search Console : 5 parades pour l’IA Search

L’aveu de Google est tombé

Je vais vous dire un truc que les agences détestent entendre. Google vient d’admettre que son rapport Search Console pour l’IA ne mesure pas ce que la plupart des référenceurs croient mesurer. Pas une rumeur. Pas un billet de blog marginal. Une réponse de John Mueller, rapportée par Search Engine Journal, le 13 septembre 2026.

Le contexte ? Depuis le 31 août 2026, le rapport Gen-AI est accessible à tous. Il affiche des impressions, des clics, des positions pour les apparitions dans AI Overviews et AI Mode. Sur le papier, on pilote l’IA Search avec de la data. En pratique, la vitrine reflète mal la visibilité réelle d’un site.

Un utilisateur de Reddit a démonté le mécanisme. Google a répondu. La citation exacte de John Mueller, traduite depuis Search Engine Journal : « C’est à peu près ça. Nous avons essayé de documenter cela aussi clairement que possible dans le centre d’aide. La position pour ces résultats est difficile à rendre utile, donc nous les suivons comme un bloc. »

Un aveu. Enfin.

Le rapport Gen-AI, c’est un compteur d’apparitions dans un bloc. Pas un rapport de positionnement. La donnée est déjà incluse dans le rapport Web, pas en supplément. Si vous additionnez vos impressions Web et vos impressions IA, vous comptez deux fois la même chose. Voilà la première illusion.

Qui pilote une stratégie d’IA Search sur un compteur d’impressions qui ne mesure pas la visibilité réelle ? Personne de sérieux. Pourtant, je regarde 15 sites par semaine. Beaucoup ont déjà branché un tableau de bord sur ce rapport. Ils prennent des décisions de budget sur des chiffres qui sous-estiment ou surestiment leur exposition.

Compris ? Non.

Ce que Google admet, c’est que la position n’a pas le même sens que pour les liens bleus. Le bloc AI Overview est à la place 2 ? Tous les liens cités à l’intérieur héritent de cette place 2. Vous croyez être deuxième. Vous êtes peut-être cinquième citation dans un panneau que personne ne déplie. Ou l’inverse.

Le problème, c’est l’architecture des données.

Le rapport vous dit combien de fois une page est apparue dans un panneau IA. Il ne dit pas si le lien a été vu. Ni s’il a été cliqué. Ni où il était vraiment placé parmi les autres citations. Or, en SEO, la position d’un lien dans un ensemble change tout. La deuxième citation récupère plus de clics que la quatrième. Le rapport ne le montre pas.

Voilà pourquoi les marques doivent cesser d’appuyer leur ROI IA sur des dashboards incomplets. L’aveu vient de Google. Le constructeur du système dit lui-même que l’indicateur est insuffisant. On fait quoi, à partir de là ? On construit d’autres signaux.

Signaux concrets :

• Logs serveur pour les clics réels
• Citations observées sur requêtes de contrôle
• Conversions auto-déclarées
• Reporting par bloc sémantique

Ces cinq parades ne dépendent pas du rapport Gen-AI. Elles le remplacent.

Les trois illusions du rapport Gen-AI

Piloter sans données fiables commence par nommer les illusions. Le rapport Gen-AI de Search Console en compte trois. Reprenons-les une par une.

Première illusion : l’impression ne signifie pas que l’utilisateur a vu le lien. La règle standard de Google compte une impression dès que l’élément apparaît sur la page de résultats servie, visible à l’écran ou non. Si votre lien est dans un AI Overview rendu mais que l’utilisateur ne fait pas défiler jusqu’à lui, l’impression est comptée. Vous croyez être vu. Vous êtes juste présent dans le code.

Deuxième illusion : les liens cachés derrière « Show more » sont sous-estimés. La règle Google exclut tout ce que l’utilisateur doit cliquer pour révéler. Tant que personne ne déplie le panneau, les liens supplémentaires ne comptent pas. Pourtant, ces liens peuvent recevoir plus d’exposition réelle que le rapport ne le montre. Le chiffre est parfois en dessous de la réalité. Parfois au-dessus. Impossible de savoir lequel.

Troisième illusion : la position attribuée est celle du bloc, pas celle du lien. Chaque lien à l’intérieur d’un AI Overview reçoit la position de l’ensemble. Si le bloc AI Overview est affiché en deuxième position sur la page, tous les liens cités dedans ont une position moyenne de 2. Le rapport ne distingue pas le premier lien cité du cinquième. Vous ne savez pas si vous êtes la source principale ou un complément en bas de citation.

Search Engine Journal rapporte que John Mueller l’a confirmé noir sur blanc. La position est difficile à rendre utile, donc Google suit les résultats « comme un bloc ». Le modèle de mesure ne tient pas, et Google le reconnaît.

On ne remplace pas dix liens bleus par un panneau IA en gardant la même logique de position. Les dix liens bleus sont hiérarchiques. Le panneau IA est un agrégat. Appliquer la même métrique aux deux, c’est comparer une bibliothèque classée et un fil de discussion. Rien de tout ça n’aide à décider.

Voilà le piège : une donnée rassurante, et fausse.

Le plus gênant, au fond, c’est la lecture qu’on en fait. Un directeur marketing voit 12 400 impressions IA dans le mois. Il conclut que l’IA fonctionne. Il augmente le budget. Pendant ce temps, les logs serveur montrent 43 clics réels. Ordre de grandeur observé chez mes clients.

La question utile n’est pas combien d’impressions, mais combien de fois votre domaine a été cité, vu, puis cliqué. Le rapport ne répond qu’à la première.

Précis. Froid. Utile quand même.

Ces trois illusions découlent d’un seul choix de conception : réutiliser le modèle des dix liens bleus pour un objet qui n’a rien à voir. Les liens bleus sont une liste ordonnée. Le panneau IA est une conversation générée. Vouloir assigner une position unique à une citation dans une conversation, c’est comme demander la place d’un mot dans un paragraphe. La réponse existe, mais elle ne veut rien dire.

Résultat concret : des équipes entières optimisent des métriques qui ne correspondent pas au comportement réel. On coupe des pages qui génèrent des clics parce que leurs impressions sont faibles. On investit dans des pages qui impressionnent mais ne convertissent pas. Le tableau de bord finit par poser problème.

Pour sortir de ce piège, une règle simple : jamais de décision de budget sur le rapport Gen-AI seul. Jamais. Croisez toujours avec une source de vérité indépendante.

Parade 1 : le log serveur, votre seule vérité cliquable

Un client e-commerce appelle fin septembre. 800 références, un catalogue propre, un trafic organique en croissance lente. Il partage son rapport Gen-AI : 1 240 impressions IA sur les 30 derniers jours. Il est satisfait. Il veut doubler la production de contenu.

On lui demande d’extraire les logs serveur bruts. Pas Google Analytics. Pas Search Console. Les logs.

Résultat : 17 clics réels issus de surfaces IA. Ordre de grandeur. Dix-sept. Pas 1 240.

La différence ne vient pas d’un bug. Elle vient de la définition de l’impression. Le log serveur enregistre une requête HTTP réelle, déclenchée par un navigateur. L’impression Search Console enregistre une inclusion dans une page servie. Ce n’est pas la même chose.

Première parade : connectez vos logs à un outil d’analyse. Si vous n’avez pas accès aux logs, demandez-les à votre hébergeur. Cloudflare, Apache, Nginx : tous peuvent fournir des fichiers bruts. Vous filtrez les bots, vous gardez les requêtes humaines, vous croisez avec les referrers Google.

Comment isoler les clics issus de l’IA ? Plusieurs signaux possibles : le paramètre q dans l’URL du referrer, le champ user-agent, la page d’atterrissage. Les clics des AI Overviews passent souvent par le domaine Google classique, mais avec des chaînes de requête spécifiques. Il faut fouiller. C’est fastidieux. C’est fiable.

Chez ce client, une fois les logs extraits, on a constaté que 9 des 17 clics venaient d’une seule page. Une page de comparaison, pas un article de blog. Le rapport Search Console mettait en avant 34 pages avec des impressions. Les logs disaient : 1 page génère 53 % des clics IA.

On a arrêté de produire du contenu en surface. On a consolidé la page de comparaison. On a renforcé son architecture sémantique.

Trois mois plus tard, les logs montraient 142 clics IA par mois. Toujours pas 1 240 impressions, mais le trafic réel avait été multiplié par 8,3. Sans publicité.

Le log serveur est la trace physique de ce qui s’est passé. Le rapport Search Console dit ce que Google veut bien afficher. Le log dit ce que le visiteur a fait.

Pourquoi si peu de gens l’utilisent ? C’est technique. C’est moins sexy qu’un dashboard. Il faut croiser des fichiers volumineux. Mais c’est la seule parade qui mesure le clic, pas l’impression.

Étapes concrètes :

• Extraire 90 jours de logs bruts
• Filtrer les user-agents bots avec une liste à jour
• Repérer les referrers contenant /search ou /url
• Mapper les pages d’atterrissage aux requêtes grâce aux paramètres

Vous avez des logs. Pourquoi vous ne les lisez pas ?

Parade 2 : les citations observables, pas les impressions

Le rapport Gen-AI mesure des apparitions. Ce que je pilote, ce sont des citations. Une citation, c’est le moment où un panneau IA mentionne votre domaine, votre marque ou une de vos pages. Ça s’observe. Ça se travaille.

La méthode tient en une ligne : définissez 47 requêtes de contrôle. Pas 10. Pas 100. 47 requêtes précises, réparties sur vos trois clusters sémantiques prioritaires. Chaque lundi, interrogez Google, AI Overviews et AI Mode avec ces requêtes. Notez si votre domaine est cité, à quelle place dans le bloc, avec quel texte.

Ça fait peu de données. Mais elles sont stables. Et c’est la stabilité qui laisse voir les évolutions. Si votre domaine passe de la citation 4 à la citation 2 sur une requête à fort volume, c’est un signal. Le rapport Search Console ne vous le montrera pas. Vos relevés manuels, oui.

Quels outils ? Un tableur suffit pour commencer. Ensuite, vous pouvez automatiser avec des solutions de suivi de visibilité qui acceptent les surfaces IA. Certaines proposent des exports quotidiens, d’autres non. L’outil importe peu. Ce qui compte, c’est la régularité du relevé.

Chez un client de la santé naturelle, j’ai mis en place ce protocole sur 47 requêtes. Après 6 semaines, 12 requêtes déclenchaient une citation de son domaine. Le rapport Search Console affichait des impressions sur 38 requêtes. 12 citations réelles contre 38 apparitions théoriques. L’écart saute aux yeux.

Le suivi des citations permet aussi de repérer les citations sans clic. C’est utile. Une citation non cliquée veut dire que votre page est visible mais pas assez attractive. Vous changez le titre, le résumé, la balise meta description. Vous regardez l’effet sur le taux de clic des sessions suivantes.

La parade 2, c’est donc de créer votre propre jeu de données de visibilité IA. Pas un dashboard Google. Un relevé manuel, à fréquence fixe, sur des requêtes choisies. C’est du travail de terrain. Mais c’est la seule façon de savoir si votre sémantique est citée, pas seulement affichée.

Quelles requêtes choisir ? Celles qui génèrent déjà des conversions organiques. Celles qui sont informationnelles et préparent la décision. Celles de comparaison. Pas les mots-clés de volume. Les mots-clés de valeur.

Vous voulez piloter l’IA Search ? Arrêtez de regarder les impressions. Comptez les citations.

Parade 3 : le cocoon sémantique comme boussole de positionnement

Quand Google dit que la position n’est pas mesurable, il enterre le concept de position. Ce qui compte désormais : la probabilité qu’un panneau IA prenne votre page comme source. Cette probabilité dépend de l’autorité topique. Et l’autorité topique dépend de l’architecture sémantique.

Un cocoon sémantique, c’est un ensemble de pages reliées par des liens internes, autour d’un cluster de requêtes. Un maillage réfléchi, pas aléatoire. Une architecture qui dit à Google quelles pages font référence sur chaque thème.

Depuis 2016, j’ai livré 1 300 cocons sémantiques à plus de 650 clients. Je vois toujours la même chose : un site avec une architecture sémantique claire récolte plus de citations dans les surfaces IA qu’un site au contenu éparpillé, même quand ce dernier publie davantage.

Pourquoi ? Le modèle qui alimente AI Overviews ne cherche pas la page la mieux optimisée sur un mot-clé. Il cherche la source qui couvre le mieux le champ sémantique de la question. Un cocoon organise cette couverture. Il donne au moteur une carte du territoire. Et cette carte pèse plus lourd que le reste.

Un client dans la santé naturelle avait 214 articles de blog. Aucune hiérarchie. Les articles se concurrençaient sur les mêmes requêtes. Les panneaux IA citaient parfois son domaine, sans régularité. On a restructuré le contenu en 8 cocons thématiques. On a créé des pages piliers, des pages de support, des liens contextuels.

Résultat après 5 mois : 19 citations observées par mois au départ, 155 à l’arrivée. Le rapport Search Console affichait de son côté +820 % d’impressions IA sur la même période. Les deux chiffres sont vrais. Un seul mesure la visibilité réellement gagnée.

Le cocoon fait plus que gonfler les citations : il rend le reporting possible. Regroupez vos pages en clusters, et vous pilotez la performance IA cluster par cluster. Vous voyez quel thème est cité, lequel est ignoré, lequel progresse. Sans cocoon, vous pilotez des URL isolées. Avec, des territoires.

Un cocoon efficace tient sur trois piliers :

• Pages piliers qui couvrent l’intention large
• Pages de support qui répondent aux questions précises
• Liens contextuels qui relient les deux niveaux

La parade 3 : faites de l’architecture votre boussole de positionnement. Le rapport Gen-AI ne vous donne pas de position fiable ? Construisez une structure qui rend la position secondaire. Google cite des sources, pas des places. Devenez une source.

C’est la différence entre être listé et être convoqué.

Attention : un cocoon sémantique ne se réduit pas à des liens croisés. C’est une cartographie d’intentions. Chaque page a un rôle précis : la page pilier capte l’intention large, les pages de support captent les questions spécifiques, les liens contextuels transfèrent l’autorité. Si cette hiérarchie est absente, le cocoon ne décolle pas.

Dans les surfaces IA, cette hiérarchie pèse encore plus lourd. Les modèles de langage utilisent la cohérence interne du site pour choisir leurs sources. Un site qui couvre un sujet de façon exhaustive et organisée a plus de chances d’être cité qu’un site qui possède un seul article long, même très bon. La couverture compte autant que la qualité.

Le cocoon transforme votre site en base de connaissances structurée. C’est ce que les panneaux IA cherchent.

Parade 4 : les conversions auto-déclarées, le seul ROI qui compte

Les impressions ne paient pas vos factures. Les clics non plus. Ce qui paie, ce sont les conversions. Pour piloter l’IA Search sans données fiables de position, branchez votre mesure sur la conversion, pas sur l’apparition.

La parade la plus simple : demander à vos visiteurs comment ils vous ont trouvés. Un champ dans le formulaire de contact. Un menu déroulant avec les options : « Recherche Google classique », « Réponse IA Google », « ChatGPT », « Recommandation », « Autre ». C’est auto-déclaré. C’est imparfait. Mais c’est une source de vérité que Search Console ne fournira jamais.

Chez un client B2B, ce champ a été ajouté en 20 minutes. En 8 semaines, 37 leads ont coché « Réponse IA Google ». Le rapport Gen-AI montrait des impressions sur 61 pages. Les conversions disaient : deux pages ont généré 31 des 37 leads. J’ai concentré les efforts sur ces deux pages. J’ai réduit la production inutile ailleurs.

Pourquoi ça marche ? La mémoire du visiteur est plus fiable que le referrer. Le referrer peut être tronqué, caché, absent. Le visiteur se souvient du canal, surtout si la réponse IA a été décisive. La précision n’est pas parfaite, mais la tendance est exploitable.

Ajoutez des paramètres UTM sur les liens que vous contrôlez : newsletters, partenariats, fiches Google Business Profile, campagnes de notoriété. Les clics issus des AI Overviews ne portent pas toujours d’UTM. Mais certains outils de suivi d’appels et de formulaires capturent la source déclarée. Activez la transcription des appels. Écoutez les premières minutes. Les clients le disent : « L’IA de Google m’a recommandé votre page comparaison ».

La conversion auto-déclarée a un avantage que les logs n’ont pas : elle mesure l’intention réalisée. Un clic ne dit pas si le visiteur a trouvé ce qu’il cherchait. Un lead qualifié, oui.

Construisez un tableau de bord avec trois colonnes : source déclarée, page d’atterrissage, valeur du lead. Après 90 jours, vous saurez quelles surfaces IA génèrent du chiffre d’affaires. Pas des impressions. Pas des clics. Des contrats.

Le rapport Search Console ne vous dira jamais combien de devis signés viennent d’un AI Overview. Vos formulaires, si.

La parade 4, c’est la bascule du reporting de la visibilité vers la valeur.

Si vous vendez des services à fort panier moyen, branchez aussi un suivi d’appels avec numéros dynamiques. Chaque source reçoit un numéro différent. L’appel est enregistré, horodaté, rattaché au formulaire. Vous savez précisément quel panneau IA a généré l’appel. C’est plus lourd à installer. Mais quand un contrat vaut 25 000 $, la précision paie l’outil en une semaine.

Un dernier point : formez vos équipes commerciales à demander « comment avez-vous découvert notre entreprise ? » en début d’échange. La réponse spontanée est souvent plus riche que le menu déroulant. Elle donne la requête exacte, le ton de la réponse IA, et parfois la citation précise. Ce verbatim devient une donnée qualitative de premier ordre pour ajuster vos contenus.

Parade 5 : le reporting par bloc, pas par URL

Google le dit : la position se suit par bloc. Suivre des URL une par une vous fait perdre du temps. Suivez des blocs de pages. Des clusters. Des thèmes.

Un client avait 945 pages de blog. Son tableau Search Console listait 945 lignes. Illisible. On a regroupé les pages par intention de recherche et par maillage sémantique. Douze blocs. Pas plus.

Le reporting par bloc part d’un constat : dans un panneau IA, ce qu’on cite, c’est la capacité du site à répondre, pas une page isolée. Une page seule n’est jamais citée de façon stable. C’est le bloc de pages liées qui couvre le champ et qui attire la citation.

La méthode : exportez vos données Search Console via l’API. Une regex sur le chemin des pages pour les mapper à vos 12 blocs. Agrégez les impressions et les clics par bloc. Ajoutez les données de logs par bloc. Ajoutez les conversions auto-déclarées par bloc. Vous obtenez un tableau de bord de pilotage par territoire sémantique.

Chez ce client, le bloc « comparaison de matériel » représentait 72 % des clics IA mesurés dans les logs, mais seulement 22 % des impressions Search Console. Le bloc « guides débutants » affichait des impressions massives mais presque aucun clic. En arrêtant les guides superficiels et en renforçant le bloc comparaison, le trafic IA réel a été multiplié par 4,6 en un trimestre. Ordre de grandeur.

Pourquoi ça marche ? Parce que votre reporting s’aligne sur la façon dont Google traite l’IA : par agrégation. Au lieu de combattre la limite de la donnée, vous en tirez parti.

Le rapport Gen-AI vous donne des impressions par page ? Transformez-les en signaux par cluster. La page est un capteur. Le cluster, l’indicateur. On passe d’une vision granulaire à une vision architecturale.

Trois étapes :

• Mapper chaque URL à un bloc sémantique via une regex documentée
• Agréger les métriques par bloc, jamais par URL seule
• Comparer les blocs entre eux pour allouer le budget de contenu

Le reporting par bloc change la conversation. On ne demande plus « cette page est-elle positionnée ? ». On demande : « ce territoire sémantique gagne-t-il en citations, en clics, en conversions ? ». À celle-là, on peut répondre, même avec des données imparfaites.

Et vous, votre prochain rapport Search Console, vous l’interprétez avec quoi : la foi ou les logs ?

Stéphane Jambu

Ingénieur SEO & IA

Je forge des systèmes de croissance / IA / Neurosciences | 650+ clients · 80 témoignages LinkedIn · 30 ans d’expertise · 15 ans de systèmes qui tournent sans moi.

Suivre sur LinkedIn