Pour ce fabricant de connecteurs de précision, la commande à six chiffres n’a commencé ni sur un salon professionnel, ni par une démarche commerciale, ni sur la première page de Google. Tout est parti d’une question posée dans Perplexity par un ingénieur achats nord-américain : « Quels fournisseurs à Taïwan peuvent produire des connecteurs en petites séries ? » L’IA a cité le nom de l’entreprise. Trois mois plus tôt, elle ne figurait dans aucune réponse à cette même question. Entre-temps : un audit GEO, puis trois mois de mise en œuvre.
Avant l’audit : une excellente usine, mais invisible pour l’IA
Cette entreprise fabrique des connecteurs de précision depuis 20 ans. Ses tarifs, ses certifications et ses délais de livraison la placent parmi les meilleures de son secteur, et ses clients étrangers lui restent fidèles. Le problème se situe en amont de cette fidélisation. Ses nouveaux clients viennent presque tous des salons professionnels ; son site ne sert guère que de vitrine. Or, depuis deux ans, les pratiques des acheteurs internationaux évoluent : beaucoup ne commencent plus par Google, mais demandent à ChatGPT ou Perplexity de leur proposer des fournisseurs capables de répondre à un besoin précis. Dans ces réponses, l’entreprise était tout simplement absente.
Au départ, le dirigeant était sceptique. Nous avons donc interrogé sur place les principaux moteurs d’IA avec trois questions clés directement tirées de ses gammes de produits. Sa marque n’a jamais été mentionnée, tandis que deux concurrents plus petits, mais plus rigoureux dans leurs contenus, revenaient régulièrement. C’est à ce moment-là qu’il a choisi de commencer par un audit, plutôt que d’investir immédiatement dans la publicité.
30 jours d’audit, trois lacunes mises au jour
Un audit GEO ne cherche pas à produire un classement artificiel. Il vérifie si les moteurs d’IA comprennent votre entreprise et s’ils sont susceptibles de la citer. Après 30 jours d’analyse, les difficultés de ce fabricant tenaient à trois lacunes précises — toutes corrigibles :
- Des contenus impossibles à extraire : les pages produits accumulaient références de modèles et adjectifs marketing, sans répondre aux véritables questions des acheteurs — quantités minimales de commande, délais de personnalisation, périmètre des certifications ou secteurs adaptés. Faute de réponses claires et autonomes, l’IA ne pouvait pas utiliser le site comme source.
- Une identité illisible pour les machines : le site officiel ne comportait presque aucune donnée structurée. Sans schémas Organization et Project, les moteurs avaient du mal à confirmer l’identité, l’origine et la crédibilité de l’entreprise.
- Un taux de citation de la marque proche de zéro : notre suivi de la visibilité dans l’IA portait sur huit requêtes d’achat stratégiques. Résultat initial : 0/8 mention de la marque, les concurrents occupant tout l’espace de réponse.
Combler les lacunes : transformer l’expertise en réponses exploitables par l’IA
Une fois la direction fixée, la mise en œuvre est restée simple. Nous n’avons pas refait l’ensemble du site ; nous avons concentré les efforts aux bons endroits. Première étape : réécrire les principales pages produits sous forme de blocs de questions-réponses autonomes. Chaque bloc commence par la conclusion, puis précise les critères et les cas d’usage, afin que l’IA puisse l’extraire proprement dans son intégralité. Deuxième étape : compléter les structures Organization et Project pour permettre aux machines d’identifier l’entreprise et ses capacités. Troisième étape : utiliser le moteur de contenu GEO pour traiter les questions réellement posées lors des recherches. Les sujets ne portaient plus sur « notre savoir-faire exceptionnel », mais sur « comment choisir des connecteurs en petites séries » ou « quels critères vérifier pour des connecteurs médicaux ».
Les contenus ont été entièrement réécrits et balisés. Les trois principales gammes de produits ont été traitées dès le premier mois, puis de nouvelles réponses ont été ajoutées toutes les deux semaines. Rien de magique ici : il s’agissait de transformer l’expertise déjà présente dans l’usine en informations lisibles par l’IA et utiles aux acheteurs. Les techniciens détenaient la matière la plus précieuse, mais ce savoir restait jusque-là enfermé dans les devis, les e-mails et les échanges téléphoniques. Il n’était jamais devenu un actif susceptible d’être cité.
Le suivi de la visibilité dans l’IA rend les progrès mesurables
La visibilité ne se devine pas : elle se mesure. Chaque semaine, notre dispositif de suivi vérifiait si la marque était citée pour huit questions stratégiques dans ChatGPT, Perplexity et les AI Overviews de Google. Au 30e jour, le taux de citation était passé de 0/8 à 3/8 ; après 60 jours, il atteignait 5/8 ; au bout de trois mois, il s’était stabilisé à 6/8. Pour deux séries de questions, les réponses renvoyaient directement vers la FAQ du site officiel. Ce résultat n’est pas un indicateur abstrait dans un rapport de trafic. Il répond à une question très concrète : lorsque votre prospect interroge une IA, celle-ci mentionne-t-elle votre entreprise ?
Comment la commande est-elle arrivée ?
Le parcours jusqu’à la commande est parfaitement identifiable. Un acheteur nord-américain cherchait dans Perplexity un fournisseur asiatique. L’IA a repris un passage d’un guide de sélection de fournisseurs et fourni un lien vers le site officiel. Il a cliqué, consulté la FAQ, trouvé la quantité minimale et le délai de réalisation des échantillons, puis rempli immédiatement le formulaire de demande. Comme le site répondait déjà à toutes ses questions essentielles, une grande partie du travail de mise en confiance était faite avant même le premier échange. L’équipe commerciale a ensuite pris le relais pendant les 30 jours suivants : réalisation d’un échantillon, devis, puis règlement de la facture. Le dirigeant résume la situation simplement :
« Un salon professionnel nous coûtait autrefois plusieurs centaines de milliers de dollars. Avec cette commande, le client est venu directement vers nous et nous faisait déjà confiance — parce que ce que l’IA lui avait présenté correspondait exactement à ce que nous avions publié en ligne. »
Peut-on reproduire ce résultat ?
Oui, à une condition : l’entreprise doit disposer d’un véritable savoir-faire. Ici, l’audit n’a rien inventé ; il a fait émerger une expertise enfouie et l’a reformulée dans un langage lisible par l’IA. Si le produit ne tient pas ses promesses, les résultats ne dureront pas. À Taïwan, de nombreux fabricants B2B maîtrisent des technologies de haut niveau tout en restant invisibles dans l’IA. Ce qui leur manque n’est pas la compétence, mais la couche d’information qui permet aux machines de les reconnaître. L’intérêt d’un audit est précisément d’indiquer où se trouvent les lacunes et de déterminer si l’investissement est pertinent, avant de consacrer un budget aux contenus ou à la publicité.
Lorsque votre client demande à une IA « Quels fournisseurs peuvent répondre à ce besoin ? », votre nom apparaît-il dans la réponse ? Pour le savoir, vous pouvez réserver un diagnostic GEO de 30 minutes. Nous utiliserons vos propres gammes de produits et testerons quelques questions en direct — les réponses sont généralement sans équivoque.
