Les internautes ne cherchent plus seulement une enseigne sur Google : ils demandent de plus en plus souvent à une intelligence artificielle où aller. Pour les commerces, la visibilité locale ne consiste plus seulement à être trouvé, mais à être recommandé.
Pendant plus de vingt ans, les entreprises ont cherché à apparaître dans les premiers résultats de Google. Avec l’essor des moteurs conversationnels comme ChatGPT, Gemini, Claude ou les AI Overviews de Google, l’utilisateur obtient désormais directement une réponse, souvent accompagnée de quelques établissements recommandés, sans parcourir une liste de liens.
Selon Google, ses AI Overviews sont utilisées par plus de 2 milliards d’utilisateurs chaque mois, tandis que ChatGPT rassemble plus de 800 millions d’utilisateurs hebdomadaires. L’entreprise indique aussi que les recherches affichant une AI Overview génèrent plus de 10 % d’utilisation supplémentaire sur les requêtes concernées.
Des moteurs de recherche aux moteurs de recommandation
Le changement est d’abord culturel. Un consommateur qui cherchait un magasin de sport comparait plusieurs enseignes, lisait les avis et naviguait entre plusieurs sites. Désormais, il peut demander : « Où acheter des chaussures de running près de chez moi ? » L’IA synthétise alors les informations disponibles et lui recommande directement quelques établissements.
Être bien positionné sur Google ne garantit donc plus d’être cité par une IA, qui doit aussi estimer disposer d’un niveau de confiance suffisant. C’est dans ce contexte qu’émerge le Generative Engine Optimization (GEO), un ensemble de pratiques visant à renforcer la visibilité d’une marque auprès des moteurs génératifs.
Fiabilité et avis : les signaux recherchés par les IA
Le premier signal est la fiabilité des informations locales. Les moteurs conversationnels s’appuient sur les fiches Google Business Profile, les Store Locator, les données structurées des sites ou encore les annuaires spécialisés. Lorsque ces sources concordent, en affichant les mêmes horaires, la même adresse et les mêmes services, le niveau de confiance augmente. À l’inverse, des données contradictoires peuvent fragiliser la crédibilité d’un établissement.
Selon l’auteur, les réseaux d’enseignes présentent souvent ce type d’incohérences : horaires différents selon les plateformes, services manquants, photos obsolètes. Pour une IA, elles constituent surtout un signal d’incertitude.
Le deuxième signal concerne les avis clients. Les modèles de langage analysent leur contenu pour repérer les thèmes récurrents, comme la qualité du conseil, l’accueil, la disponibilité des produits ou la rapidité du service. Ils tiennent aussi compte de la manière dont l’enseigne répond à ses clients. Plus largement, une marque qui publie des contenus locaux et entretient ses fiches envoie davantage de signaux de confiance qu’une présence figée.
Dans les échanges avec les directions marketing et digitales, le défi principal n’est plus seulement de créer de la visibilité, mais de maintenir des informations fiables sur plusieurs dizaines, voire plusieurs centaines de points de vente. Chaque changement d’horaires ou nouveau service doit être répercuté rapidement sur l’ensemble des points de contact.
GEO et SEO local : une complémentarité
Opposer GEO et SEO est, selon l’auteur, une erreur. Les moteurs génératifs produisent leurs réponses à partir des informations disponibles sur le web, ce qui fait du SEO local le socle sur lequel le GEO peut s’appuyer. Là où le référencement cherchait à faire apparaître une enseigne dans une liste, le GEO vise à faire en sorte qu’elle soit jugée la plus crédible pour répondre à la demande d’un utilisateur.
Le référencement local reste la fondation de la visibilité. La capacité à produire des informations fiables, cohérentes et constamment actualisées devient, selon l’auteur, la condition pour être recommandé par les moteurs génératifs.
Product offers are temporarily unavailable.
