Selon l’article publié par Ahrefs et rédigé par l’auteur Ryan Law (source : https://ahrefs.com/blog/geo-is-just-seo/), il apparaît clairement que l’optimisation pour les grands modèles de langage (appelée parfois GEO ou LLMO par certains spécialistes) n’est finalement rien d’autre, ou presque, que du SEO classique.
En effet, l’auteur explique que les éléments favorisant la visibilité dans les moteurs de recherche traditionnels (comme Google ou Bing) sont généralement les mêmes que ceux qui améliorent votre visibilité auprès des modèles de langage tels que ChatGPT. Il distingue principalement trois voies essentielles pour booster sa présence et son autorité auprès des LLM :
1. Augmenter sa visibilité dans les ensembles de données d’entrainement : Ceci revient à créer du contenu pertinent et structuré, mentionné par des sources tierces de qualité.
2. Être présent sur les sources utilisées par les modèles pour fournir des réponses mises à jour ou « groundées » (comme l’index Bing utilisé par ChatGPT).
3. Utiliser des méthodes dites adversariales (qui s’apparentent en réalité à du SEO « black hat » ou trompeur), bien qu’elles soient risquées et à déconseiller.
Ryan Law souligne également une nuance intéressante : les mentions de marque sans lien hypertexte (« unlinked mentions ») influencent davantage les LLM que les moteurs de recherche classiques. En effet, les moteurs de recherche valorisent principalement les backlinks, alors que les LLM s’appuient aussi sur les mentions simples pour définir la pertinence et le contexte d’une marque.
Par ailleurs, certains types de contenus traditionnellement peu impactants sur le trafic SEO, comme les documents PDF et les pages principales du site (accueil, page à propos, tarifs, etc.), gagnent en importance auprès des modèles d’IA. À contrario, les pages de type listes ou répertoires se retrouvent plutôt pénalisées en matière de visibilité LLM.
Enfin, l’auteur évoque aussi que les contenus structurés directement à destination des grands modèles pourraient devenir une pratique courante et que les plateformes comme GitHub, auparavant négligées en SEO, prennent une nouvelle importance stratégique puisqu’elles sont souvent intégrées dans les corpus d’entrainement des intelligences artificielles.
Personnellement, je suis assez aligné avec l’avis de l’auteur. En faisant du SEO depuis longtemps, j’ai toujours cru que l’essence du métier était justement d’optimiser la visibilité envers les humains et les algorithmes quels qu’ils soient. Cette évolution vers des modèles d’intelligence artificielle ne fait que renforcer l’importance d’une stratégie SEO qualitative basée sur la pertinence sémantique et contextuelle plutôt que sur l’optimisation technique artificielle à outrance.
Je pense également qu’il n’est pas nécessaire de créer un nouveau concept marketing (GEO ou autre) pour ce qui demeure au fond une pratique SEO déjà existante et familière aux professionnels du métier. Au lieu de multiplier les termes, on ferait mieux de continuer à affiner notre compréhension de la sémantique, du contexte et des besoins réels des utilisateurs pour fournir la meilleure information possible.
Et vous, pensez-vous que l’optimisation pour les LLM nécessite une discipline ou une stratégie vraiment distincte du SEO, ou êtes-vous aussi d’accord avec l’auteur de l’article pour dire que GEO est, finalement, « juste du SEO » ?
0 commentaire