Chez cet exportateur de composants électroniques de taille moyenne, les positions sur les mots-clés Google n’avaient pas reculé. Pourtant, les demandes internationales baissaient depuis deux trimestres consécutifs. Après un audit GEO de 30 jours et la correction de quelques points de blocage, elles ont progressé d’environ 40 % au trimestre suivant. Pour la première fois, un acheteur a même écrit : « Je vous ai trouvé sur ChatGPT. » Le problème ne venait pas d’un manque de contenu, mais du fait que les moteurs d’IA ne pouvaient ni extraire ni exploiter les informations sur les produits et leurs performances.
Contexte : des positions stables, mais un pipeline de demandes qui se contracte
Ce client intervient depuis plus de dix ans dans le domaine des composants actifs et des connecteurs, sous sa propre marque. Il cible principalement des sites industriels de petite et moyenne taille en Europe et en Asie du Sud-Est. Son site comporte une version anglaise et des fiches techniques PDF. Sur Google, la plupart de ses catégories de recherche et de ses références figurent en première page. Ses demandes provenaient de trois canaux bien identifiés : Google Search, les cartes de visite recueillies en salon et les recommandations d’anciens clients. Depuis le second semestre 2025, le trafic du site n’avait pas sensiblement évolué, mais le nombre de demandes enregistré dans le tableau de suivi reculait de plus de 20 % chaque trimestre.
Les échanges commerciaux, eux, allaient davantage droit au but. Autrefois, les acheteurs écrivaient : « J’ai trouvé certaines de vos gammes. » Désormais, ils étaient de plus en plus nombreux à engager la conversation après avoir déjà comparé deux ou trois fournisseurs, comme si la présélection avait été faite avant même le premier contact. Une grande partie de ce travail préparatoire se déroule aujourd’hui dans les assistants IA. Un acheteur peut demander à ChatGPT : « Quels connecteurs conformes aux normes européennes, adaptés à cette plage de courant et disponibles en petites séries puis-je retenir ? »
Un audit de 30 jours, trois failles identifiées
L’audit comportait deux volets. Le premier consistait à mesurer la visibilité réelle de l’entreprise dans les principaux moteurs d’IA — ChatGPT, Perplexity, Google AI Overviews et Gemini — puis à utiliser Brand Radar pour suivre un ensemble de requêtes que de véritables acheteurs pourraient formuler avant une prise de contact. Le second portait sur le site et la structure des données : pourquoi un contenu bien référencé sur Google ne remontait-il pas dans les réponses générées par l’IA ? Trois failles sont rapidement apparues.
- Les caractéristiques essentielles étaient enfermées dans des PDF. Courant, tension, température de fonctionnement et dimensions d’encombrement figuraient uniquement dans les fiches techniques, tandis que les pages HTML se limitaient à une brève présentation commerciale. Les moteurs d’IA ne pouvaient donc pas extraire des paramètres comparables ni citer la marque en réponse à une demande telle que « fournisseurs répondant à ces critères ».
- Les pages produits ne comportaient ni données structurées ni paragraphe autonome répondant clairement aux questions clés. Chaque page ressemblait à une brochure succincte. Lorsque l’extraction et la citation demandent trop d’efforts ou présentent trop d’incertitudes, l’IA préfère passer à une autre source.
- Aucune source tierce ne venait confirmer le discours de la marque. Son nom apparaissait à peine dans les médias spécialisés, les annuaires B2B et les comparatifs de référence. Faute de recoupements, les moteurs d’IA hésitaient à l’intégrer à leurs listes de fournisseurs.
Ces trois constats expliquaient le paradoxe. Google continuait à reconnaître l’ancien site grâce à l’autorité de ses liens et à la correspondance des mots-clés. Les moteurs d’IA, eux, recherchent des informations directement lisibles, recoupables et suffisamment fiables pour être citées.
Qu’avons-nous corrigé en 30 jours ?
L’audit ne s’est pas achevé par la simple remise d’un rapport. Nous avons commencé par les trois actions au potentiel le plus élevé. Premièrement, sortir des PDF les caractéristiques essentielles des principales gammes, les publier dans des tableaux HTML lisibles et ajouter des données structurées ainsi qu’un balisage FAQPage. Deuxièmement, rédiger pour chaque catégorie de produits un paragraphe autonome répondant à trois questions : « À qui cette gamme convient-elle ? À qui ne convient-elle pas ? Pour quel usage ? » L’IA pouvait ainsi reprendre une réponse complète. Troisièmement, cibler trois requêtes commerciales en anglais à forte intention, utiliser le moteur de contenu pour produire des articles comparatifs et des cas d’usage, puis enrichir en parallèle les informations sur la marque dans plusieurs annuaires B2B et registres professionnels pertinents.
« Je pensais devoir investir dans un nouveau site. En réalité, ce qui a fonctionné, c’est de rendre lisibles les caractéristiques que nous possédions déjà. »— The client's sales manager.
90 jours plus tard : davantage de demandes, et de meilleure qualité
Le travail ne s’est pas arrêté aux corrections. Nous avons continué à utiliser Brand Radar toutes les deux semaines pour suivre les citations. Les premiers changements sont apparus dans les 30 jours : Perplexity a commencé à citer les pages produits comme sources pour certaines questions techniques, tandis que ChatGPT faisait apparaître le nom de la marque dans ses réponses. L’évolution des demandes commerciales a pris plus de temps, avant de se matérialiser au trimestre suivant.
- Le volume de demandes internationales a progressé d’environ 40 % par rapport au trimestre précédent, avec une hausse sensible du nombre de nouveaux prospects.
- Des mentions telles que « vu sur ChatGPT » ou « trouvé sur Perplexity » ont commencé à apparaître dans les demandes des acheteurs ; elles étaient inexistantes avant l’audit.
- La qualité des demandes s’est améliorée : la part des demandes exploitables — avec des paramètres clairs et des volumes chiffrés — a augmenté, tandis que le temps consacré aux échanges précommerciaux a diminué.
Le lien de cause à effet mérite d’être précisé. Nous n’avons pas augmenté le budget publicitaire, modifié les prix ni changé notre présence en salon par rapport à l’année précédente. La seule variable majeure du trimestre a été de rendre les informations produits lisibles et citables par les moteurs d’IA. La hausse des demandes ne relève donc pas d’un simple effet de mode : le point d’entrée utilisé par les acheteurs pour préparer leur sélection ne se limite plus à Google, il s’étend désormais aux assistants IA.
Cette méthode peut-elle s’appliquer à votre gamme de produits ?
Si vous constatez vous aussi que « les positions Google tiennent, mais les demandes baissent », le problème vient peut-être de votre manque de visibilité dans les réponses des moteurs d’IA. Pour savoir si ChatGPT ou Perplexity exploite vos informations produits — et repérer ce qui manque encore — vous pouvez réserver un diagnostic GEO de 30 minutes. Nous testerons vos véritables requêtes d’achat et vous indiquerons les corrections à traiter en priorité.
