Référence
Glossaire GEO.
Des définitions courtes et claires des termes du generative engine optimization et de la recherche IA. Chacune renvoie vers le guide complet.
Concepts GEO
Agent IA
Un agent IA est un système d'IA qui agit pour atteindre un objectif, au lieu de simplement répondre à une question. Là où un chatbot répond, un agent planifie des étapes, utilise des outils (recherche, code, API, navigateur) et mène une tâche en plusieurs étapes à votre place. Les assistants de code, les modes de recherche approfondie et les outils de pilotage d'ordinateur en sont des exemples courants.
Answer Engine Optimization (AEO)
L'Answer Engine Optimization (AEO) consiste à structurer un contenu pour décrocher la réponse directe dans les moteurs de réponses : featured snippets, résultats de recherche vocale et réponses générées par l'IA. Il recouvre presque entièrement le Generative Engine Optimization (GEO) ; les deux désignent le même travail, décrit sous un angle différent.
Balisage Schema.org (données structurées)
Le balisage Schema.org — les données structurées — est du code, généralement en JSON-LD, qui décrit le sens du contenu d'une page pour que les machines puissent l'interpréter. Il ne force aucune citation IA, et Google indique qu'aucun balisage particulier n'est requis pour ses fonctionnalités IA, mais il aide les moteurs à comprendre vos entités et vos contenus.
Citation IA
Une citation IA, au sens de la recherche IA, désigne le fait qu'un moteur de recherche IA reprenne votre page comme source dans sa réponse et y renvoie par un lien. Les citations sont l'unité de base de la visibilité IA : dans un monde sans clic, c'est le fait de figurer parmi les sources citées, et non le positionnement d'un lien bleu, qui rend votre marque visible.
E-E-A-T
E-E-A-T désigne l'expérience, l'expertise, l'autorité et la fiabilité, les quatre qualités que les Search Quality Rater Guidelines de Google utilisent pour juger un contenu. Ce n'est pas un facteur de classement direct, mais les signaux qui le sous-tendent — l'expérience vécue et une crédibilité corroborée ailleurs — sont ceux qui font d'un contenu une source que les moteurs peuvent citer en confiance, y compris dans les réponses IA.
Generative Engine Optimization (GEO)
Le Generative Engine Optimization (GEO) consiste à structurer votre contenu et votre présence de marque pour que les moteurs IA comme ChatGPT, Perplexity ou les AI Overviews (aperçus IA) de Google vous citent, vous reprennent et vous recommandent dans leurs réponses. Là où le SEO se bat pour une place dans les résultats, le GEO vise à faire partie de la réponse générée elle-même.
Part de voix (IA)
La part de voix (share of voice) IA est le pourcentage de réponses IA, sur un ensemble défini de prompts, dans lesquelles votre marque est mentionnée ou citée, face à vos concurrents. C'est ce qui se rapproche le plus d'un indicateur de positionnement dans la recherche IA : non pas une place, mais la fréquence à laquelle vous faites partie de la réponse.
Visibilité IA
La visibilité IA mesure la fréquence et la tonalité avec lesquelles les moteurs IA comme ChatGPT, les AI Overviews (aperçus IA) de Google, Gemini et Perplexity font apparaître votre marque dans leurs réponses. C'est l'équivalent du positionnement à l'ère de l'IA : au lieu de votre place dans une liste de liens, elle indique si l'IA vous mentionne, vous cite ou vous recommande.
Fonctionnement de la recherche IA
Fenêtre de contexte
La fenêtre de contexte désigne la quantité de texte, mesurée en tokens, qu'un modèle de langage peut contenir d'un seul coup : le prompt, les sources récupérées et la réponse qu'il génère lui-même, y compris la chaîne de pensée masquée qu'un modèle de raisonnement produit avant de répondre. Dans la recherche IA, les pages récupérées sont chargées dans cette fenêtre pour que le modèle puisse y ancrer sa réponse.
Fine-tuning
Le fine-tuning consiste à poursuivre l'entraînement d'un modèle pré-entraîné sur un jeu de données plus petit et ciblé, afin qu'il se spécialise sur une tâche, un ton ou un domaine. Le modèle conserve ses connaissances générales mais ajuste ses poids vers vos exemples : c'est ainsi qu'un modèle affiné respecte une voix de marque ou un format de niche que le prompt seul peine à imposer.
Grand modèle de langage (LLM)
Un grand modèle de langage (LLM) est un modèle d'IA entraîné sur d'immenses volumes de texte pour comprendre et générer du langage. Les LLM comme GPT, Gemini ou Claude alimentent les moteurs de recherche IA : ils produisent des réponses à partir des régularités apprises pendant l'entraînement, complétées par les sources récupérées au moment de la requête.
Hallucination IA
Une hallucination IA est une information fausse ou inventée qu'un modèle génère et présente comme un fait. Dans la recherche IA, elle prend la forme d'affirmations erronées, de sources fabriquées ou de détails inexacts sur une marque. La principale parade consiste à ancrer les réponses dans des sources récupérées et citables, d'où l'importance d'un contenu clair et sourcé.
Mixture of Experts (MoE)
Le mixture of experts (MoE) est une architecture de modèle découpée en de nombreux sous-réseaux « experts » plus petits, où une couche de routage n'active que quelques experts par token au lieu de faire tourner le modèle entier à chaque fois. Un modèle peut ainsi contenir un très grand nombre de paramètres tout en gardant un coût de calcul faible par réponse.
Modèle de raisonnement
Un modèle de raisonnement est un grand modèle de langage (LLM) entraîné à dérouler un problème étape par étape avant de donner sa réponse finale. Exemples : les modes de raisonnement de GPT-5.6 (successeurs de la série o, retirée), le mode réflexion de DeepSeek V4 (successeur de R1), Gemini Deep Think et la réflexion adaptative de Claude. Cette réflexion supplémentaire améliore la justesse en mathématiques, en code et en logique à plusieurs étapes, au prix de plus de temps et de tokens.
Poids ouverts (open weights)
Un modèle à poids ouverts est un modèle dont les paramètres entraînés (les poids) sont publiés en téléchargement : vous pouvez l'exécuter et, en général, le fine-tuner, selon sa licence. Ce n'est pas la même chose que l'open source : les poids sont diffusés, mais le code d'entraînement, les données et la recette ne le sont généralement pas, si bien qu'on ne peut ni reproduire ni auditer complètement sa fabrication.
RAG (génération augmentée par récupération)
La RAG (génération augmentée par récupération) est la technique qui sous-tend la plupart des recherches IA : au lieu de répondre uniquement de mémoire, le modèle récupère des documents pertinents au moment de la requête, y ancre la réponse qu'il génère, puis cite les sources utilisées. C'est pourquoi une page à jour, accessible et facile à extraire peut être citée immédiatement.
Recherche sémantique
La recherche sémantique associe un contenu à une requête selon le sens et l'intention plutôt que selon les mots-clés exacts, en comparant les concepts au moyen d'embeddings vectoriels. En pratique, la récupération est hybride : l'appariement sémantique fonctionne en parallèle de l'appariement par mots-clés, d'où la nécessité que les chaînes exactes — noms de produits, références, codes d'erreur — figurent telles quelles sur la page. C'est ce qui permet à un moteur IA de retenir votre page pour une question qui ne reprend pas votre formulation.
Robots d'exploration IA
llms.txt
llms.txt est un fichier markdown placé à la racine d'un site qui donne aux systèmes d'IA une carte sélective de ses contenus les plus importants. En 2026, ce n'est pas un signal de classement pour Google Search ni pour les AI Overviews (aperçus IA), mais Chrome Lighthouse le vérifie désormais dans un audit de navigation agentique (un fichier absent est signalé « Non applicable », il n'est pas compté en échec) — une infrastructure peu coûteuse pour aider les agents IA à parcourir votre site.
robots.txt
Le fichier robots.txt est un fichier texte placé à la racine d'un site qui indique aux robots d'exploration, agent par agent, les chemins qu'ils peuvent ou non récupérer. Pour la recherche IA, c'est le principal levier pour autoriser ou bloquer des robots comme GPTBot, OAI-SearchBot, ClaudeBot et PerplexityBot — Google faisant exception, via l'identifiant de contrôle Google-Extended. La plupart des robots IA légitimes le respectent.