Ces dernières années, l’intelligence artificielle (IA) est devenue un outil incontournable qui révolutionne de nombreux domaines, de la R&D à la psychologie en passant par l’ingénierie. Depuis le lancement de ChatGPT (GPT-3.5) en 2022, l’essor des LLM (Large Language Models) a profondément transformé notre manière d’accéder à l’information. Une question essentielle a alors émergé : comment garantir la visibilité et la fiabilité des informations fournies par les LLMs ? Dans cet article, Alcimed explore ce domaine en pleine évolution et s’intéresse aux méthodes permettant de mieux comprendre comment les LLMs accèdent à l’information et l’utilisent.
Le Generative Engine Optimization (GEO) consiste à optimiser les contenus en ligne afin d’améliorer leur visibilité sur les plateformes d’intelligence artificielle générative (ChatGPT, Gemini, Claude, etc.).
Son nom s’inspire du Search Engine Optimization (SEO), qui vise à améliorer le positionnement des contenus sur les moteurs de recherche traditionnels tels que Google.
Le GEO et le SEO poursuivent un objectif commun : accroître la visibilité au sein des systèmes numériques d’accès à l’information. Ils partagent donc plusieurs caractéristiques, dont :
La principale différence réside dans le fait que le SEO repose sur la récupération de l’information. Les mots-clés constituent donc un levier majeur de visibilité : lorsqu’un site web contient de nombreux mots-clés correspondant à une requête, il a davantage de chances d’être bien positionné.
Dans le cadre du GEO, la pertinence d’un mot-clé dépend davantage de son contexte. En effet, le GEO repose sur la génération d’informations : la pertinence est désormais déterminée par la capacité du contenu à répondre sémantiquement à l’intention de la requête.
À mesure que les moteurs de recherche basés sur l’IA générative gagnent en popularité1ChatGPT Statistics (March 2026) – Daily & Monthly Active Users https://www.demandsage.com/chatgpt-statistics/, le trafic web traditionnel tend à diminuer. À titre d’exemple, plus d’un quart des professionnels de santé au Royaume-Uni déclarent utiliser des moteurs d’IA générative pour les aider à suggérer des traitements à leurs patients2Generative artificial intelligence in primary care: an online survey of UK general practitioners https://informatics.bmj.com/content/31/1/e101102.
Découvrez comment nous pouvons vous accompagner dans vos projets liés à l’IA en santé >
Ces outils fournissent généralement des réponses directement dans leur interface, réduisant ainsi le besoin pour les utilisateurs de consulter des sites web externes. C’est précisément dans ce contexte que le GEO devient essentiel.
Une stratégie GEO efficace permet aux contenus d’une marque d’apparaître directement dans les réponses générées par l’IA, accompagnés de leurs sources de référence. Cela inclut notamment des recommandations médicales fiables et pertinentes lorsque cela est nécessaire, renforçant ainsi la crédibilité et la pertinence des informations présentées.
Avec l’augmentation de l’usage de l’IA générative, gagner en visibilité dans les réponses produites par les LLM est en train de devenir un avantage concurrentiel majeur et constitue probablement la principale source de visibilité des entreprises à l’avenir.
Le GEO repose sur un ensemble d’éléments interconnectés qui influencent les résultats produits par les systèmes génératifs. Examinons les principaux leviers qui façonnent la visibilité des contenus au sein de ces systèmes.
Les LLM génèrent leurs réponses mot par mot, en sélectionnant chaque terme selon sa probabilité d’apparition. Ainsi, lorsqu’un contenu est formulé d’une manière proche de celle utilisée par les LLMs, ces derniers sont davantage susceptibles de le considérer comme pertinent et de le mobiliser dans leurs réponses.
Comme évoqué précédemment, cela implique l’adoption d’un ton conversationnel et l’apport d’un niveau de contexte suffisant. Structurer les contenus sous forme de questions-réponses, par exemple à travers des FAQ, permet également d’optimiser leur pertinence en reproduisant les schémas de réponse des LLM.
Associer une marque aux thématiques pertinentes à travers plusieurs sources web fiables (sites de marque, revues scientifiques, réseaux sociaux, recommandations cliniques, etc.) renforce ces associations aux yeux des LLMs. À mesure que les modèles rencontrent de façon répétée des informations cohérentes et faisant autorité, ils sont davantage susceptibles de mettre en avant des contenus précis et fiables sur le sujet concerné.
Par exemple, dans le secteur de la santé, la présence cohérente d’un médicament aux côtés d’une pathologie dans des recommandations médicales reconnues et des sources faisant autorité contribue à améliorer la qualité des réponses générées par l’IA sur ses indications et ses usages.
Cela influence également la façon dont les produits sont présentés dans les recommandations générées par l’IA. Par exemple, en mars 2026, pour une requête relative aux vaccins contre le méningocoque, certains LLMs formulaient des recommandations plus favorables à l’égard de MenQuadfi de Sanofi et de Nimenrix de Pfizer que de Menveo de GSK3GPT 5.3 model answer to the prompt “What’s the best ACWY vaccine against meningitis”, March 2026.
Une stratégie solide de relations publiques numériques constitue donc un levier essentiel pour renforcer ces associations, en diffusant des contenus variés sur plusieurs plateformes.
Contrairement à un utilisateur humain, lorsqu’un LLMs analyse une URL, il n’interprète pas la page telle qu’elle est affichée à l’écran mais examine directement son code source. C’est sur cet aspect que le GEO et le SEO se rapprochent le plus : la structure technique du site (le code) doit être optimisée.
Par exemple, les images doivent être enrichies de métadonnées pertinentes, telles qu’un texte alternatif décrivant leur contenu. De même, les titres et sous-titres doivent être clairement hiérarchisés grâce à l’utilisation de balises HTML adaptées.
Bien entendu, les informations publiées doivent également être régulièrement mises à jour afin de préserver la qualité du contenu.
Les LLMs sont souvent décrits comme des « boîtes noires », ce qui rend difficile la compréhension des mécanismes reliant une requête à la réponse générée. De nouveaux modèles sont également lancés très régulièrement. À l’heure actuelle, la meilleure façon d’évaluer une stratégie GEO consiste donc à tester des prompts dans différents LLMs et à analyser régulièrement la qualité des réponses obtenues.
Pour une marque donnée l’évaluation repose sur trois facteurs clés : la perception de la marque dans les réponses générées par l’IA, sa fréquence d’apparition pour différentes requêtes et son positionnement face aux acteurs concurrents. Dans le cadre d’évaluations plus spécialisées portant sur la qualité de l’information médicale, la pertinence des sources citées ainsi que l’exactitude des données quantitatives, telles que les posologies, constituent également des critères essentiels.
Tout comme Google a transformé la recherche d’information et conduit à l’émergence du SEO, les moteurs de recherche génératifs deviennent aujourd’hui une composante centrale de cet écosystème. Cette évolution fait du GEO un investissement stratégique plutôt qu’une simple tendance passagère.
Les tendances récentes indiquent une croissance rapide4Data on AI models. (n.d.). Epoch AI. https://epoch.ai/data/ai-models?view=graph&tab=notable du nombre d’utilisateurs ainsi que de la taille des modèles. Cela signifie que les stratégies GEO évoluent elles aussi quotidiennement.Toutefois, à mesure que les technologies progressent, notamment avec des architectures de type « Mixture of Experts » (MoE), cette croissance commence à se stabiliser. Par ailleurs, la disponibilité de nouvelles données destinées à l’entraînement des modèles devrait progressivement atteindre un plateau, contribuant ainsi à une stabilisation graduelle des stratégies GEO.
Face à la multiplication des contenus générés par l’IA, certaines inquiétudes émergent⁵ quant au risque que les modèles « s’entraînent sur leurs propres productions », ce qui pourrait entraîner une homogénéisation du langage et une diminution de la diversité des contenus.
Les fournisseurs de LLMs sont pleinement conscients de ces enjeux et disposent d’équipes dédiées à la surveillance du comportement des modèles et au maintien de la qualité des réponses générées.
Il est donc très peu probable que les LLMs disparaissent de notre quotidien, ce qui renforce la pertinence et la nécessité du GEO sur le long terme.
Comme évoqué dans la section consacrée à l’évaluation des stratégies GEO, l’un des aspects fondamentaux du GEO réside dans sa capacité d’adaptation permanente.
Les modèles étant régulièrement réentraînés, il est essentiel d’analyser fréquemment les réponses qu’ils produisent et d’ajuster, lorsque cela est nécessaire, les contenus publiés.
Par ailleurs, différents modèles peuvent s’appuyer sur différents moteurs de recherche, tels que Google ou Bing, et même changer de moteur d’une version à l’autre. Cela peut avoir un impact direct sur la qualité des évaluations réalisées.
Le Generative Engine Optimization devient un élément clé des stratégies déployées par les entreprises pour s’adapter à l’utilisation croissante des LLMs dans la recherche d’information. Plusieurs approches permettent d’atteindre cet objectif, tout en gardant à l’esprit qu’une stratégie SEO solide constitue le socle indispensable d’une stratégie GEO performante. Toutefois, les moteurs de recherche demeurent relativement opaques dans leur fonctionnement et des entreprises comme OpenAI font régulièrement évoluer le comportement de leurs LLMs. Il est donc essentiel de suivre et d’ajuster régulièrement sa stratégie GEO, au moins jusqu’à ce que les modèles eux-mêmes atteignent une plus grande stabilité. Si vous avez un projet lié au GEO et souhaitez en discuter avec l’équipe Nautilus, n’hésitez pas à nous contacter !
À propos de l’auteur,
Nicolas, Data Scientist au sein de l’équipe Nautilus d’Alcimed en France.
Data - IA
5 Opportunités pour le LLMS et l'IA générative dans la R&D pharmaceutique Opportunité n°1 : Augmenter l’efficacité de la découverte de médicaments Comme l’ont montré des ...
Data - IA
Évolution des publications et des brevets liés à l'IA Au cours de la dernière décennie, l'IA a connu une croissance exponentielle. Bénéficiant d'une forte dynamique de recherche et des ...
Cross-sectoriel
Un environnement scientifique sous pression : pourquoi l’IA devient indispensable ? Les laboratoires évoluent dans un contexte de croissance continue de l’activité analytique. Le marché ...