Être trouvé ne suffit plus : la recommandation IA se joue ailleurs

Depuis le 22 juillet, les internautes français peuvent obtenir une réponse de Google sans cliquer sur un lien, grâce aux Aperçus IA. Pour une marque, l’enjeu est désormais d’être recommandée dans ces réponses. Cette recommandation dépend largement de ce que les médias et d’autres sources disent d’elle, au-delà de son propre site.

Par Benoît Rousseau, Directeur Innovation & Produit, Performics. Tribune réalisée dans le cadre de Future of Search & GEO.

Nous n’avons jamais vu, sur aucun autre levier, autant de membres de Comex s’intéresser d’aussi près à un sujet marketing. Cette visibilité est une chance, mais elle est à double tranchant. Quand le sujet est compris, les dirigeants deviennent des sponsors qui donnent des moyens. Quand il ne l’est pas, ils mettent sous pression une science qui vient de naître, sur des techniques que personne ne maîtrise encore. Aussi bien du côté agences qu’annonceurs, nous sommes tous en phase de R&D. La pression peut accélérer et financer cette recherche ; elle devient contre-productive dès qu’elle réclame des certitudes que personne n’a encore.

Faites le test : demandez à votre IA préférée quel aspirateur robot acheter. Quelques instants plus tard, dans une nouvelle conversation, reposez-lui la même question. La liste de marques a de bonnes chances de changer. SparkToro a organisé l’exercice à grande échelle, près de 3 000 fois sur ChatGPT, Claude et les IA de Google, et la liste n’était identique que dans moins d’un cas sur cent. Exiger de ses équipes une « position dans ChatGPT ou Google AI Overview », c’est leur demander de mesurer quelque chose qui n’existe pas. Ce qui se mesure, c’est une fréquence : combien de fois, sur des centaines de questions répétées, l’IA cite la marque et la recommande.

Encore faut-il distinguer les deux. Être cité se gagne largement avec un SEO moderne et rigoureux, des pages lisibles par les robots, des réponses aux vraies questions des clients, des informations cohérentes partout. Être recommandé est une autre affaire. Ma conviction est qu’un modèle conseille une marque lorsque plusieurs sources qu’il juge fiables racontent la même histoire à son sujet. Votre site plaide, les autres sites témoignent.

« Pour être recommandée par une IA, une marque doit aussi faire autorité au-delà de son propre site. »

Ces sources extérieures à la marque occupent une place centrale dans les réponses des IA. Muck Rack a analysé plus de 25 millions de liens cités par ChatGPT, Claude et Gemini : 84 % renvoient à des contenus que les marques n’ont ni publiés ni payés, et le journalisme en représente à lui seul plus d’un quart. Les éditeurs, déjà confrontés au recul du trafic venu de Google, se retrouvent au cœur de la recommandation. Ce sont les partenaires naturels des marques, à condition de les traiter comme tels, avec des contenus qui servent d’abord leurs lecteurs, rémunérés, et signalés comme sponsorisés quand ils le sont.

Chez Performics, c’est ce que nous appelons le GEI, pour Generative Engine Influence. Le netlinking permettait de renforcer l’autorité d’un site par l’obtention de liens. Le GEI vise à asseoir la crédibilité d’une marque par des mentions et des recommandations dans des sources de confiance, grâce à des contenus utiles et des partenariats transparents.

Aux dirigeants qui s’emparent du sujet, je suggère de commencer par trois questions à leurs équipes, avant tout objectif chiffré. Que disent les IA de notre marque, et d’où le tiennent-elles ? Sur quels besoins de nos clients recommandent-elles nos concurrents plutôt que nous ? Que devons-nous améliorer sur notre site et quels partenariats médias développer pour être davantage recommandés ?

Comme le SEO avant lui, le GEO se construit par l’expérimentation et la mesure. Pour les marques, l’opportunité est d’élargir leur stratégie au-delà de leur site, en nouant des relations durables avec les médias et les éditeurs, et en renforçant leur présence sur les réseaux sociaux, les plateformes d’avis et au sein des communautés. Il ne s’agit plus seulement de convaincre un algorithme, mais aussi de gagner en crédibilité dans les sources qui orientent les recommandations des IA.

Sources :

SparkToro et Gumshoe.ai, « AIs are highly inconsistent when recommending brands or products », janvier 2026.
Muck Rack, Generative Pulse, « What Is AI Reading? », édition de mai 2026.