Sommaire
Une revue de 45 travaux publiés entre 2023 et 2026 montre que le GEO ne se résume pas à obtenir davantage de citations dans les réponses IA. Les effets les mieux établis concernent les contenus déjà récupérés par les moteurs, tandis que l’impact sur la visibilité organique, le trafic et les conversions reste peu démontré.
Olivier Martinez, auteur affilié à Sciences Po, a passé en revue 45 études consacrées au Generative Engine Optimization, publiées ou acceptées entre novembre 2023 et juillet 2026. Son travail distingue les études évaluées par les pairs, les publications acceptées mais à paraître et les preprints.
L’objectif est notamment de préciser ce que les recherches actuelles permettent réellement d’établir sur le GEO, alors que les méthodes, les métriques et les niveaux de preuve restent très différents d’une étude à l’autre.
Le GEO ne correspond pas à un classement unique
Dans un moteur de recherche classique, la visibilité est principalement associée à la récupération d’une page et à sa position dans les résultats.
Les moteurs génératifs ajoutent plusieurs étapes. Une page peut être explorée et indexée, récupérée, rerankée, intégrée au contexte du modèle, utilisée dans sa réponse, citée ou non, puis éventuellement générer un clic ou une conversion.
La revue décrit donc une chaîne de visibilité complète allant de l’activation de la recherche jusqu’au comportement de l’utilisateur.
Une source peut par exemple être récupérée sans être citée, être citée sans contribuer réellement à la réponse ou influencer celle-ci sans recevoir de lien.
Pour Olivier Martinez, la visibilité doit être décomposée entre découvrabilité, exposition dans le contexte, citation, importance dans la réponse, absorption de l’information, fidélité et résultat économique.
Cette distinction explique pourquoi une amélioration observée à une étape ne garantit pas une amélioration sur l’ensemble du parcours.
Le fameux gain de 40 % avait une portée limitée
L’étude fondatrice du GEO, publiée en 2024, est souvent associée à l’idée qu’une optimisation pourrait augmenter la visibilité d’un contenu jusqu’à 40 %.
La revue rappelle précisément ce que mesurait cette expérience.
Les cinq premiers résultats Google étaient déjà fournis au modèle. Les chercheurs modifiaient ensuite l’un de ces documents afin d’observer son poids dans la réponse générée.
L’ajout de citations, de statistiques ou de citations textuelles pouvait augmenter la place occupée dans la réponse. La meilleure progression atteignait environ 41 % sur une métrique tenant compte de la quantité de texte attribuée à la source et de sa position.
Ce résultat ne mesurait cependant ni la récupération organique d’une page, ni une hausse du trafic de 40 %, ni davantage de conversions.
Le contenu était déjà présent dans le contexte transmis au modèle. L’expérience démontrait donc qu’une modification pouvait influencer l’utilisation d’une source déjà récupérée.
Les facteurs les mieux établis par les études
Parmi les différents facteurs étudiés depuis 2023, la pertinence entre la requête et le contenu et la position dans le contexte du modèle ressortent comme les deux leviers les plus robustes.
Une étude portant sur 252 000 essais, six LLM et dix-huit facteurs les identifie notamment comme les principaux déterminants de la première citation.
La revue classe les principaux facteurs ainsi :
- Pertinence requête-contenu : niveau de preuve fort ;
- Position dans le contexte : niveau de preuve fort ;
- Chiffres, définitions, comparaisons et autres informations extractibles : niveau de preuve modéré à fort ;
- Récence, prix et dates : niveau de preuve modéré, selon le type de requête ;
- Structure du texte : niveau de preuve modéré mais variable ;
- Fluidité et simplification : niveau de preuve faible à modéré ;
- Ton autoritaire : niveau de preuve faible et instable ;
- Bourrage de mots-clés : effet nul ou négatif ;
- Formatage seul et recettes fixes : résultats qui se généralisent mal.
Les travaux convergent donc surtout sur la pertinence du contenu et sa position parmi les sources récupérées. Les autres leviers dépendent davantage du moteur, de l’intention et du contexte expérimental.
Les techniques GEO dépendent fortement du contexte
La revue invite à la prudence avec les listes de techniques présentées comme universelles.
C-SEO Bench a testé différentes transformations sur six domaines, environ 1 900 requêtes et 16 360 documents. Sur 54 combinaisons entre méthodes et domaines, seules trois produisent un résultat significativement positif dans l’expérience principale.
Aucune n’est positive sur la tâche de questions-réponses.
D’autres travaux arrivent à une conclusion proche. Certaines techniques fonctionnent dans un environnement ou pour une intention particulière, mais leurs résultats varient fortement ailleurs.
Plusieurs systèmes récents abandonnent d’ailleurs les recettes fixes pour adapter les modifications au contexte, à l’intention ou au modèle utilisé.
La compétition constitue une autre limite. Lorsque plusieurs acteurs appliquent la même stratégie, les gains individuels peuvent diminuer. Une technique efficace lorsqu’elle est peu utilisée peut perdre son avantage lorsqu’elle se généralise.
Une optimisation peut améliorer la citation et dégrader la récupération
SAGEO Arena apporte l’un des résultats les plus importants de la revue, car son protocole réintroduit la récupération et le reranking des documents.
L’expérience porte sur 171 003 documents et 2 700 requêtes.
Lorsque seul le corps d’une page est optimisé, la présence moyenne dans le top 20 diminue d’environ 9 %. Après reranking, la présence dans le top 10 recule de 16 % et les citations finales de 6 %.
Une modification peut donc améliorer un contenu après récupération tout en réduisant ses chances d’atteindre cette étape.
Ce résultat distingue deux effets souvent confondus : la probabilité qu’une page soit récupérée et la probabilité d’être citée ensuite.
Une optimisation favorable à la seconde peut produire un résultat global négatif si elle détériore la première.
Les moteurs IA ne partagent pas les mêmes sources
Les études menées sur des moteurs commerciaux montrent également des différences importantes entre les plateformes.
Une analyse de Google Search, AI Overviews et Gemini portant sur 11 500 requêtes mesure des niveaux de similarité compris entre 0,11 et 0,18 au niveau des URL.
Une autre étude constate que 53 % des domaines cités dans Google AI Overviews ne figurent pas dans le top 10 organique et que 27 % sont absents des cent premiers résultats.
Ces observations montrent un faible chevauchement des sources entre certaines surfaces.
La revue rejette ainsi l’idée d’un classement GEO universel. Une page visible dans Google Search peut être absente d’une réponse générative, tandis qu’une source présente dans Perplexity peut ne pas apparaître dans ChatGPT.
Les résultats doivent donc être associés à un moteur, un mode de recherche, une période et un ensemble de requêtes précis.
La mesure de la visibilité reste instable
Les réponses génératives présentent également une variabilité importante entre deux exécutions.
Une étude menée pendant 45 jours sur quatre moteurs obtient des scores quotidiens de similarité des sources compris autour de 0,34 à 0,42.
D’autres travaux montrent que de petites reformulations changent les sources utilisées par les AI Overviews davantage que dans la recherche Google traditionnelle.
La revue recommande donc de ne pas mesurer un prompt une seule fois. Les tests doivent intégrer plusieurs formulations, plusieurs répétitions, différentes périodes et plusieurs moteurs.
Les réponses sans recherche web ou sans citation doivent également être conservées dans les mesures. Elles représentent un résultat à part entière, et non une donnée à supprimer.
Le trafic et les conversions restent peu documentés
La littérature devient beaucoup plus limitée lorsqu’il s’agit de mesurer les effets commerciaux du GEO.
Une étude portant sur le trafic référent de ChatGPT observe une forte progression après une intervention AEO. Mais le trafic des pages non traitées avait lui aussi fortement augmenté avec la croissance générale de la plateforme.
L’analyse contrôlée suggère un effet supplémentaire, sans parvenir à établir une causalité suffisamment solide.
Une autre étude menée par Pinterest rapporte une hausse de 20 % du trafic après le déploiement d’un système d’optimisation, mais la revue estime que plusieurs informations méthodologiques manquent pour généraliser ce résultat.
À ce stade, les preuves sur le trafic restent faibles et celles reliant les scores de citation aux conversions ou au chiffre d’affaires sont encore plus limitées.
Ce que la recherche établit aujourd’hui
La conclusion de la revue distingue clairement les résultats solides des affirmations qui restent à démontrer.
Les travaux disponibles montrent avec un niveau de preuve élevé qu’un contenu déjà récupéré peut influencer sa position, sa citation ou son utilisation dans une réponse.
La pertinence avec la requête et la position dans le contexte figurent également parmi les constats les mieux établis.
En revanche, parmi les 45 études examinées, aucune technique ne démontre un effet causal stable et durable sur la découvrabilité organique à travers plusieurs plateformes.
Les données permettant de relier directement une optimisation GEO aux clics, aux conversions ou au chiffre d’affaires restent encore plus limitées.
Pour Olivier Martinez, cette situation ne remet pas en cause l’existence du GEO. Elle délimite plutôt ce que la recherche permet aujourd’hui d’affirmer et ce qui reste encore à démontrer.
