Pour être cité par les IA, publier davantage d’articles ne suffit pas. En 90 jours, ce fabricant de machines-outils a fait passer son taux de citation de 0 à 34 %, sans refondre entièrement son site ni augmenter ses dépenses publicitaires. Le véritable levier a consisté à décomposer les questions posées par les acheteurs aux IA, jusqu’à pouvoir y répondre par des paragraphes clairs et directement exploitables.
Point de départ : une marque pratiquement inexistante dans les réponses des IA
Ce fabricant produit des centres d’usinage CNC à cinq axes, qui représentent 70 % de son chiffre d’affaires. Il travaille principalement avec des moulistes et des fournisseurs haut de gamme d’Asie de l’Est, d’Asie du Sud-Est et d’Europe. Lorsqu’il s’est adressé à Tenten, sa situation était classique : un bon référencement naturel sur Google et plusieurs milliers de visites mensuelles, mais un constat de plus en plus fréquent de la part des prospects étrangers : « J’ai d’abord demandé à ChatGPT. » Or, pendant nos tests, la marque n’apparaissait jamais dans les réponses.
Nous avons défini des scénarios d’achat fixes, puis posé chaque question trois fois à ChatGPT, Perplexity et Gemini. Pour chaque réponse, nous avons relevé si la marque était mentionnée, recommandée ou accompagnée d’un lien. Le premier test de référence a livré un résultat sans ambiguïté : sur 38 questions, aucune citation. À l’inverse, deux concurrents japonais et une entreprise taïwanaise apparaissaient régulièrement sur des requêtes telles que « recommandation d’un équipement pour le moulage en petites et moyennes séries » ou « centre d’usinage cinq axes à Taïwan ».
Nous avons posé 38 questions réelles.
La plupart des sites industriels parlent surtout de l’entreprise elle-même : catalogue, historique, actualités et contenus institutionnels. Ces pages sont peu utiles aux IA, car un acheteur ne leur demande pas en priorité l’année de création d’un fournisseur. La première étape de l’audit GEO consiste donc à recenser les questions réellement posées aux IA tout au long du processus de décision, puis à vérifier si le site propose des réponses suffisamment solides pour être reprises.
Nous avons réparti ces 38 questions en trois niveaux. Cette structure a servi de fil conducteur à tout le programme :
- Niveau situationnel : « Pour des pièces en alliage produites en petites et moyennes séries, faut-il choisir trois ou cinq axes ? » ou « Quelles conditions l’usine doit-elle réunir avant l’installation d’un centre d’usinage 5 axes ? » Ces questions apparaissent lorsque le besoin de l’acheteur est déjà défini.
- Niveau comparatif : « Quelles sont les marques taïwanaises de centres d’usinage à cinq axes ? »
- Niveau spécifications : « Quelle vitesse de broche convient à l’usinage rapide de matériaux durs ? » ou « Que représente concrètement une précision de ±0,005 mm ? » Ces questions techniques interviennent au moment de vérifier la conformité de l’équipement au cahier des charges.
Le site d’origine ne répondait qu’à une petite partie de cette hiérarchie. Les informations disponibles étaient enfouies dans des catalogues au format PDF, difficiles à exploiter pour les IA. Les niveaux situationnel et comparatif — les premiers et les plus souvent soumis aux IA — étaient entièrement absents. Cette lacune structurelle expliquait le taux de citation nul.
Trois actions pour faire progresser le taux de citation en 90 jours
Nous n’avons pas modifié une centaine d’éléments simultanément. Nous avons commencé par les trois actions les plus prioritaires, chacune directement reliée à la liste des questions.
Premièrement, reformuler les réponses pour les IA
Pour chaque question situationnelle ou comparative, nous avons rédigé une réponse de 80 à 150 mots, en donnant la conclusion dès la première phrase. Chaque réponse a été intégrée au texte de la page correspondante, plutôt que dissimulée dans un formulaire ou une vidéo. L’objectif n’était pas d’écrire plus, mais de rendre chaque passage autonome : une seule idée clairement exprimée, compréhensible hors contexte et non enfouie dans une image. Les comparatifs sont également restés honnêtes. En reconnaissant notamment les avantages des équipements Sunrise dans certaines applications exigeantes, le contenu a gagné en crédibilité, et les IA se sont montrées plus enclines à présenter l’entreprise comme une « option plus onéreuse ».
ii. Ajouter des données structurées et des faits vérifiables
Avant de citer une source, une IA cherche à en confirmer la fiabilité. Nous avons donc structuré les caractéristiques produits, les certifications et les cas clients réels, tout en faisant ressortir sur chaque page les faits vérifiables : niveaux de précision, matériaux compatibles et plages de dimensions d’usinage. Les formules marketing vagues, comme « qualité supérieure », ont été supprimées au profit de chiffres précis. Ce contenu plus facile à vérifier par les moteurs d’IA a produit la progression la plus rapide du taux de citation sur les questions liées aux spécifications.
Troisièmement, suivre chaque semaine la visibilité dans les IA et les pages citées
Grâce au suivi de la visibilité dans les IA, nous avons rejoué chaque semaine le même ensemble de 38 questions. Nous avons consigné les requêtes sur lesquelles la marque commençait à apparaître, sa position dans la réponse et la présence éventuelle d’un lien. L’équipe a ainsi cessé de modifier les contenus à l’intuition : lorsqu’une réponse était reprise par une IA, elle était renforcée ; lorsqu’une page ou un paragraphe restait absent, il était retravaillé. En GEO, la vitesse d’itération dépend de la rapidité avec laquelle on observe les résultats — un signal bien plus utile que la seule consultation hebdomadaire de Google Analytics.
Le responsable commercial de l’entreprise l’a résumé ainsi : « Avant, j’avais l’impression d’écrire pour tout envoyer dans un trou noir. Désormais, je vois chaque semaine ce que les IA ont repris et ce qu’elles n’ont pas encore retenu. » L’équipe savait enfin sur quoi travailler ensuite.
Les résultats après 90 jours
Après 90 jours, nous avons relancé le test de référence. Sur les 38 questions d’achat, le taux de citation de la marque par les IA atteignait 34 %. Les meilleurs résultats concernaient les questions les plus techniques, précisément parce que ce niveau était désormais le plus complet. Autre effet observé : une légère hausse du trafic issu du référencement naturel vers le site officiel. Un contenu facile à extraire par les IA répond généralement aussi plus précisément aux intentions de recherche traditionnelles. Surtout, un prospect étranger a déclaré dès le premier appel : « J’ai vu qu’une IA vous recommandait. » Cela ne s’était jamais produit 90 jours auparavant.
Comment reproduire cette méthode ?
Si vous travaillez dans l’industrie ou le SaaS B2B et souhaitez connaître votre taux actuel de citation par les IA, commencez simplement : dressez une liste de 30 à 40 questions que vos clients poseraient réellement à une IA, soumettez-les une à une à ChatGPT et Perplexity, puis comptez le nombre de réponses dans lesquelles votre marque apparaît. Lors de ce premier test, beaucoup d’entreprises découvrent un résultat si faible qu’il les met mal à l’aise. C’est précisément là que se trouve l’opportunité : la plupart de leurs concurrents n’ont pas encore comblé ces lacunes.
Pour aller plus vite, vous pouvez prendre directement rendez-vous pour un diagnostic GEO de 30 minutes. Nous mesurerons votre niveau actuel de citation selon la même méthode, identifierons les principales lacunes et vous indiquerons les trois actions à mener en priorité au cours des 90 jours suivants.
