Dans une analyse publiée par Search Engine Land, Rob Tindula examine sept discours récurrents sur les effets de l’intelligence artificielle sur le SEO. Directeur SEO chez NP Digital et spécialiste du SEO technique, du contenu et de l’analyse de données, il s’appuie sur des études, des tests et des résultats observés chez des clients.
1. « L’IA fait disparaître la recherche classique »
Le rapport State of Search Q2 2026 de Datos repose sur des données de navigation recueillies aux États-Unis et en Europe. La recherche IA et la recherche classique progressent à un rythme proche d’un trimestre à l’autre.
Sur ordinateur aux États-Unis, les clics vers des résultats qui n’appartiennent pas à Google ont pourtant atteint leur niveau le plus bas depuis avril 2025.
2. « Le zéro clic empêche toute progression du trafic organique »
Un client local de Rob Tindula a enregistré un record mensuel de clics organiques en juillet 2026. La hausse provenait du blog et des pages de services, uniquement sur des requêtes hors marque.
L’auteur précise que les entreprises locales appartiennent à une catégorie de risque différente face aux réponses générées. Ce résultat ne peut donc pas être étendu à tous les secteurs.
3. « Un contenu entièrement généré par IA ne peut pas se positionner »
Rob Tindula a publié quatre articles entièrement générés par IA entre mars et septembre 2025. Ils ont reçu une légère relecture humaine, sans réécriture manuelle, et conservaient encore leurs positions au moment de son bilan.
L’auteur attribue ces résultats à la qualité des informations fournies au modèle. Les sujets reposaient sur une expertise, des données originales ou un angle propre au site. Il distingue ces articles des textes génériques, sans apport original ou conçus pour accumuler des mots-clés.
4. « Le fichier llms.txt améliore la visibilité dans les réponses IA »
Google indique que llms.txt n’a aucun effet positif ou négatif sur la visibilité et les classements dans son moteur, y compris dans ses fonctionnalités génératives.
Une analyse citée par Tindula a suivi dix sites pendant 90 jours avant l’ajout du fichier, puis 90 jours après. Elle compte huit sites sans changement mesurable. Les deux hausses observées coïncidaient avec d’autres actions, dont la publication de ressources, une campagne de relations presse et des corrections techniques.
5. « Les crawlers IA savent exécuter JavaScript comme un navigateur »
Profound a étudié des milliards de requêtes issues des logs de plusieurs sites à fort trafic. Les crawlers utilisés pour l’exploration directe par les assistants n’exécutent pas le JavaScript. Les index de Google ou de Bing peuvent néanmoins leur donner accès à des pages déjà rendues.
Profound recommande de placer le contenu présent dans le HTML initial, notamment grâce au rendu côté serveur. Rob Tindula rapporte aussi que ChatGPT lui a résumé une page dépendante de JavaScript à partir d’un autre article accessible, sans avoir consulté la page demandée.
6. « Le faible trafic référent montre que les IA apportent peu de visites »
L’étude AI Mention Effect de Profound analyse plus de deux millions de conversations et les parcours de navigation associés aux États-Unis, entre janvier et juin 2026. Elle porte sur ChatGPT, Gemini et les AI Overviews.
Après une mention introduite par l’assistant, le taux de visite du site de la marque atteint environ 1,5 fois le niveau attendu pour ChatGPT et 2,5 fois pour Gemini. Les chercheurs ont comparé les sept jours suivants avec le comportement antérieur des mêmes utilisateurs.
Ces visites sont rarement immédiates. L’étude en compte seulement 20,5 % dans l’heure et 42 % dans les 24 heures. Pour ChatGPT, 2,47 % comportaient un paramètre de provenance identifiable dans les données partielles de juin. Profound mesure des visites, pas des conversions, dans une étude qui n’est pas randomisée.
7. « Les outils d’IA peuvent remplacer une équipe SEO »
Une étude de NP Digital compare les audits réalisés par treize spécialistes du SEO sur cinq sites avec ceux produits par des outils d’IA. Chaque crawl était limité à 1 000 pages. Les systèmes automatisés ont relevé 259 erreurs contre 83 pour les humains, avec seulement 74 problèmes communs aux deux méthodes.
Les outils ont surtout repéré des erreurs techniques ou répétitives. Les spécialistes ont relevé des problèmes qui exigeaient une lecture du contexte. Rob Tindula signale aussi des limites dans la hiérarchisation des recommandations, la recherche de mots-clés et l’analyse de l’intention.
