Des résultats qui se comptent en Pipeline

Le défi

Absente de toutes les requêtes de sélection

Quand un acheteur demande à ChatGPT « quel SIRH pour une PME de taille moyenne », la liste ne contient que des concurrents. Le point de départ de l'audit était sans appel : sur les requêtes ciblées de sélection, le taux de citation de la marque frôlait zéro — le produit existait, mais l'IA ne le lisait pas et ne lui faisait pas encore confiance.

La méthode

Audit → moteur de contenu → graphe de connaissances

Nous n'avons pas commencé par écrire du contenu : nous avons d'abord chiffré l'écart, puis défini l'ordre d'attaque selon son impact sur le Pipeline.

• Audit GEO en 30 jours : localiser les écarts de citation sur les six moteurs et décortiquer les raisons structurelles qui font citer les concurrents
• Moteur de contenu GEO : reconstruire un contenu citable pour le scénario « choisir un SIRH » — paragraphes de définition, tableaux comparatifs, données originales
• Construction du graphe de connaissances : à l'aide d'entités et de données structurées, ancrer durablement la marque à la catégorie « SIRH » dans l'esprit des moteurs IA

Les résultats

Plus de 40 demandes de démo entrantes par mois

En 6 mois, les citations par les moteurs IA ont progressé de 312 % ; sur les requêtes « recommandation de SIRH », la marque est devenue une réponse permanente de ChatGPT et de Perplexity. Le champ source des formulaires de démo a commencé à afficher « c'est ChatGPT qui vous a recommandés » — pour la première fois, le Pipeline pouvait être attribué directement à la recherche IA.

« Pour la première fois, le champ source de nos demandes de démo affichait : “c'est ChatGPT qui vous a recommandés”. »

Le défi

Des requêtes comparatives monopolisées par les concurrents

Sur les requêtes à forte intention d'achat du type « A vs B » ou « meilleur outil de marketing automation », les réponses de l'IA étaient presque entièrement accaparées par deux concurrents. Au démarrage, la part de réponse n'était que de 11 % — à l'instant même de la décision, la marque ne faisait tout simplement pas partie de la conversation.

La méthode

320 requêtes ciblées + boucle de réécriture de 3 semaines

Les requêtes comparatives se gagnent au corps à corps, position par position ; nous reconquérons chaque terrain à un rythme régulier.

• Cibler 320 requêtes à forte intention d'achat, classées par impact sur le Pipeline et non par volume de recherche
• Le suivi hebdomadaire des citations quantifie l'évolution de la part de réponse de chaque requête ; les écarts entrent automatiquement dans la file de réécriture
• Boucle de réécriture de 3 semaines : diagnostic → réécriture → validation, chaque contenu itéré jusqu'à ce qu'il soit cité

Les résultats

Le coût par SQL divisé par deux

En 6 mois, la part de réponse est passée de 11 % à 58 %, les positions de recommandation clés des requêtes à forte intention reconquises une à une. Le trafic IA arrivait avec l'essentiel de sa recherche déjà fait : le coût par SQL a ainsi été divisé par deux — à budget marketing égal, deux fois plus de leads qualifiés.

« Pour la première fois, j'avais un rapport à montrer au CEO : ces SQL viennent de la recherche IA. »

Le défi

L'angoisse du trafic

Le trafic organique classique reculait trimestre après trimestre, et le premier réflexe de l'équipe était de « récupérer le trafic perdu ». Mais l'audit révélait que le vrai problème n'était pas le volume — c'était l'absence totale de la marque dans les recommandations d'achat de l'IA.

L'insight

Le trafic des recommandations IA est faible, mais la confiance est déjà acquise

Quand un acheteur demande à l'IA de lui recommander un produit, il n'obtient pas dix liens bleus, mais une liste courte, déjà filtrée et déjà comparée. Une marque qui entre dans cette liste récolte une confiance proche d'une « recommandation entre amis » — nous avons donc déplacé le centre de gravité de l'optimisation : non plus « reconquérir des clics », mais « occuper une place dans les recommandations ».

Les résultats

Une vision du trafic GEO où la qualité prime sur la quantité

Sur 90 jours, le trafic amené par les moteurs IA ne représentait qu'une fraction de l'Organic, mais son taux de conversion était 4,7 fois supérieur. Ce cas a changé la façon dont l'équipe mesure le trafic : plutôt que courir après des clics en déclin, mieux vaut occuper une place dans les réponses de l'IA — car chaque visiteur qui arrive le fait déjà en confiance.

« Les clients qui viennent de l'IA ne demandent pas “qui êtes-vous ?”, ils demandent directement “comment je commande ?”. »