Sommaire
Pour Bartosz Góralewicz, une partie de l’audience B2B quitte déjà Google pour ChatGPT, Gemini ou Perplexity. L’enjeu ne se limite plus aux positions SEO, il s’agit d’apparaître dans les réponses des modèles de langage, qui synthétisent le web plutôt que de classer des liens.
Son analyse propose un cadre d’optimisation spécifique pour ces surfaces.
La recherche bascule vers l’IA, surtout en B2B
Sur Onely.com, Bartosz Góralewicz rappelle plusieurs ordres de grandeur. ChatGPT aurait atteint 800 millions d’utilisateurs actifs hebdomadaires en septembre 2025, avec 2,5 milliards de prompts par jour. Les plateformes de recherche IA rassembleraient déjà 378 millions d’utilisateurs actifs, avec une projection à 1,2 milliard d’ici 2031.
Côté moteurs classiques, Gartner anticipe -25 % de volume de recherche traditionnel d’ici 2026. Entre 2024 et 2025, 73 % des sites B2B auraient perdu du trafic organique, avec une baisse moyenne de 34 % des visites issues du SEO.
Selon des données citées par Góralewicz, le trafic issu des LLM reste encore limité mais affiche :
- Des taux de conversion supérieurs (jusqu’à 4,5 % dans certains cas),
- Une croissance mensuelle de 20 à 25 % des visites référées par l’IA,
- Une hausse des conversions LLM quand les conversions SEO reculent.
En B2B, l’adoption serait plus rapide que côté grand public :
- Les acheteurs B2B utiliseraient l’IA de recherche trois fois plus que les consommateurs,
- 90 % des organisations auraient déjà recours à la génération IA dans leur processus d’achat,
- Le trafic généré par les IA représenterait 2 à 6 % du trafic “organique” en B2B, avec une croissance mensuelle supérieure à 40 %.
Le comportement d’achat se transforme en parallèle. D’après les études citées :
- 61 % des acheteurs B2B préfèrent un parcours “sans commercial” dans les premières phases,
- Ils utilisent en moyenne 10 canaux dans leur parcours (contre 5 en 2016),
- 46 % déclarent utiliser l’IA générative pour leurs recherches.
Les visites issues de l’IA arrivent aussi plus “mûres” : ces utilisateurs restent plus longtemps sur les sites et consomment plus de pages. Ils ont déjà reçu une synthèse des options et viennent chercher des preuves, des détails et des confirmations, plus que des explications basiques.
Dans ce contexte, Góralewicz insiste sur la cartographie de parcours basée sur les conversations réelles : les entreprises qui utilisent des approches de journey mapping pilotées par l’IA déclarent, selon les sources qu’il compile, des gains significatifs en satisfaction, rétention, revenus et réduction des coûts marketing.
Comment structurer le contenu pour les LLM
L’auteur rappelle un point de départ : un LLM ne “classe” pas des pages comme un moteur traditionnel, il synthétise des contenus. Le contenu d’une marque peut nourrir la réponse sans générer de clic, voire sans citation explicite.
Il s’appuie notamment sur des travaux de Yext (6,8 millions de citations IA analysées) pour montrer que :
- 86 % des citations proviennent de sources contrôlées par les marques,
- Gemini privilégierait surtout les sites de la marque (plus de la moitié des citations),
- ChatGPT s’appuierait davantage sur annuaires et listings tiers,
- Perplexity favoriserait des répertoires de niche et sources spécialisées.
Pour lui, l’optimisation LLM repose sur plusieurs blocs.
1. Rendre le contenu “extractible”
Les modèles exploitent mieux le contenu :
- Lorsque la réponse principale apparaît dès le début d’une section,
- Quand les textes sont organisés avec titres clairs, listes, tableaux et paragraphes courts,
- Lorsque des schémas de données structurées (FAQ, HowTo…) enrichissent la page.
Les pages structurées ainsi seraient plus souvent reprises dans les AI Overviews et les réponses des LLM.
2. Apporter des données originales et chiffrées
Les contenus avec statistiques, pourcentages, benchmarks et cas chiffrés seraient davantage cités.
Góralewicz cite des chiffres internes et sectoriels : les pages qui intègrent des données propres ou des métriques précises gagneraient en visibilité dans les réponses IA, notamment dans les secteurs SaaS et B2B.
3. Soigner la clarté des entités
Les modèles ont besoin de repères stables :
- Noms de produits identiques partout,
- Paliers de prix cohérents,
- Descriptions de fonctionnalités alignées,
- Positionnement et cible décrits de manière constante.
Des incohérences entre site, fiches produits, profils tiers et contenus éditoriaux augmentent le risque de réponses IA inexactes ou floues.
4. Produire du contenu comparatif et d’alternatives
Les requêtes de type “X vs Y” ou “alternatives à X” alimentent fortement les réponses des LLM. Les contenus qui :
- comparent explicitement une solution à ses concurrentes,
- détaillent les cas d’usage “idéal pour…”,
- mettent en tableau les différences prix / fonctionnalités / contexte,
ont plus de chances d’être utilisés lorsqu’un utilisateur demande à l’IA de comparer des outils.
5. Répondre aux questions réelles plutôt qu’aux mots-clés
L’auteur insiste sur le passage du mot-clé à la question complète.
Les requêtes AI Search sont plus longues (15 à 23 mots en moyenne dans les chiffres qu’il cite), du type :
- “Quel outil de gestion de projet convient à une équipe 100 % remote de 50 personnes avec intégration Slack et budget limité ?”
Il propose d’organiser la stratégie éditoriale autour des questions par étape de parcours (prise de conscience, comparaison et décision), plutôt qu’autour de volumes de recherche.
Les marques qui adoptent des approches orientées psychologie et besoin utilisateur verraient, selon les études rassemblées, de meilleurs taux de conversion que celles qui restent centrées sur les seuls mots-clés.
6. Mesurer la visibilité IA différemment
L’article rappelle que :
- La part des “vues” issues des LLM augmente déjà, même si elle reste faible en volume,
- Une large part des réponses (par exemple dans Gemini) s’affiche sans citation cliquable,
- Les marques sont plus souvent citées via des sites tiers que via leur propre domaine.
Góralewicz préconise de suivre :
- Le trafic référent provenant des principales IA,
- Le comportement de ces visiteurs (conversion et engagement),
- La manière dont les LLM décrivent la marque et ses produits,
- Les contenus le plus souvent repris dans les réponses.
Sur la partie “autorité”, il met en avant un écosystème de signaux : études originales, cas clients détaillés, guides de fond, contenus interactifs, mais aussi présence dans les annuaires spécialisés, médias de référence, podcasts et associations professionnelles.
