Être cité par les IA : ce que la technique peut faire, et ce qu’elle ne peut pas faire

28 Juil 2026
Un résultat Gemini qui montre le bon positionnement de l'agence Scopika comme expert wordpress

« Ajoutez ce script et l’IA vous citera » : le nouveau boniment

Depuis que ChatGPT, Perplexity, Google AI Overviews ou Claude sont devenus des points d’entrée vers l’information, un nouveau discours commercial a fleuri chez une partie des agences web : le GEO, ou Generative Engine Optimization. Sur le principe, rien à redire — optimiser la manière dont un contenu est structuré pour qu’une IA puisse le lire, le comprendre et le citer est une démarche légitime, prolongement naturel du SEO.

Le problème commence quand cette démarche technique se transforme en promesse magique : « Ajoutez ce balisage JSON-LD et les IA vous citeront », « Créez une page llms.txt et ChatGPT vous recommandera », « Optimisez vos méta-données et votre marque apparaîtra dans les réponses de Claude ». Ce discours confond deux choses très différentes : les conditions techniques nécessaires pour qu’une IA puisse lire un contenu, et les raisons pour lesquelles une IA choisit de faire confiance à ce contenu et de le citer.

Le premier point relève de la plomberie. Le second relève de la réputation — et ne s’achète pas avec une prestation d’agence de trois semaines qui ne concernera dans ce temps là court que la plomberie, nécessaire.

Cet article fait le tri : quels sont les vrais prérequis techniques, et surtout, quels sont les leviers qui construisent une autorité réelle aux yeux d’une IA.

Les prérequis techniques : nécessaires, mais pas suffisants

Avant de parler de confiance, il faut parler d’accessibilité. Un contenu invisible ne peut être cité par personne, IA comprise.

Ces prérequis sont réels et documentés :

  • Accessibilité aux robots d’indexation IA. Les agents comme GPTBot, ClaudeBot ou PerplexityBot doivent pouvoir crawler le site sans blocage inutile dans le robots.txt, et sans dépendre d’un rendu JavaScript côté navigateur qu’ils n’exécutent pas toujours correctement.
  • Contenu servi en HTML lisible, avec une hiérarchie de titres claire (H1, H2, H3), des réponses formulées dès le début des paragraphes, des listes et des tableaux plutôt que de longs blocs de prose.
  • Données structurées (schema.org / JSON-LD) — balisage Article, FAQPage, Organization, Person — qui aident les modèles à identifier sans ambiguïté qui parle, de quoi, et avec quelle légitimité déclarée.
  • Fraîcheur du contenu. Les modèles génératifs pondèrent davantage les pages mises à jour récemment ; un contenu qui ne bouge plus depuis des années perd progressivement en probabilité de citation.
  • Densité factuelle : des chiffres sourcés, des données vérifiables, plutôt que des affirmations vagues ou du remplissage.

Ces éléments augmentent la « retrievability » (récupérabilité hum) d’un contenu — sa capacité à être trouvé, extrait et correctement compris par un modèle. C’est un travail réel, mesurable, qui a sa place dans une stratégie digitale. Mais il faut être honnête sur ce qu’il fait : il rend un contenu citable techniquement. Il ne dit rien de la raison pour laquelle un modèle choisirait ce contenu plutôt qu’un autre sur le même sujet, ni pourquoi il ferait confiance à la marque qui le publie plutôt qu’à une autre.

C’est précisément là que le discours commercial dérape : il vend le prérequis comme s’il était le levier décisif.

Ce qui donne réellement confiance dans une marque, une entreprise, aux yeux d’une IA : la cohérence entre ce que vous dites et ce que les autres disent de vous.

Un modèle de langage ne « croit » pas une entreprise sur parole parce qu’elle s’est auto-décrite comme experte dans sa propre méta-description, là où le SEO et le travail de linking pouvait faire illusion. Comme un humain qui se renseigne avant un achat, il évalue une marque à travers un faisceau de signaux externes, indépendants et convergents. C’est ce faisceau qui constitue l’autorité réelle — celle qui ne se simule pas.

Alors quels sont ces signaux (à travailler avec ou sans nous)  ?

La cohérence des mentions à travers le web.
Les modèles ne se limitent pas aux liens entrants classiques : ils analysent aussi les mentions non-cliquables — le fait qu’une marque soit citée, dans des contextes cohérents et répétés, sur des sites indépendants les uns des autres. Une entreprise mentionnée régulièrement dans la presse spécialisée, des forums, des comparatifs indépendants ou des études de cas construit une légitimité thématique que ni un backlink acheté ni un balisage technique ne peuvent reproduire.

La reconnaissance par des sources tierces de référence.
Wikipédia est aujourd’hui la source la plus citée par plusieurs moteurs génératifs, Reddit occupe une place similaire pour d’autres. Apparaître dans une fiche Wikidata, être mentionné dans des pages Wikipédia sourcées, ou être discuté sur des plateformes communautaires où les utilisateurs échangent librement, pèse plus lourd que n’importe quelle page « À propos » optimisée.

Les avis et la preuve sociale vérifiable.
Un volume d’avis cohérent et récent sur des plateformes indépendantes (Google, Trustpilot, G2, Avis Vérifiés selon le secteur) fonctionne comme un signal de réputation que les IA intègrent, exactement comme elles intègrent des signaux de consensus factuel : plusieurs sources indépendantes qui racontent la même chose sur une marque renforcent la probabilité que cette information soit reprise comme fiable.

La corroboration croisée de l’information.
Un modèle génératif privilégie une information répétée de façon cohérente par plusieurs sources indépendantes  à une information affirmée une seule fois, même en grand format, sur le site de la marque elle-même. Une entreprise qui ne parle que d’elle-même, sur son propre site, reste une source unique — et une source unique inspire structurellement moins confiance qu’un ensemble de sources qui se recoupent. Comme dans la vraie vie (si 10 personnes vous conseillent un Kiné contre 1 pour un autre… sauf à avoir l’esprit aventurier, vous choisirez le Kiné populaire).

La transparence et la vérifiabilité.
Auteurs identifiés, expertise démontrée, sources citées, méthodologie explicite : ces éléments ne sont pas décoratifs, ils permettent au modèle — comme au lecteur humain — d’évaluer la fiabilité d’une affirmation plutôt que de la prendre pour argent comptant.

Ce que cela change concrètement

Aucune de ces conditions ne se coche en modifiant le code source d’un site. Elles se construisent par un travail de fond, largement identique à ce qui fait la réputation d’une marque dans le monde réel : relations presse, présence dans des communautés pertinentes, sollicitation active d’avis clients, publication d’expertise vérifiable, cohérence du discours à travers tous les canaux où la marque est mentionnée.

Le SEO technique et le balisage structuré restent (très) utiles — ils garantissent qu’une fois cette confiance construite, elle est correctement transmise et lisible par les IA. Mais présenter cette couche technique comme le levier principal de citation revient à confondre l’emballage et le contenu. Une agence qui promet une citation par les IA en échange d’un audit technique de quelques milliers d’euros vend, au mieux, un prérequis ; au pire, une promesse qu’aucune mise à jour de balisage ne peut tenir seule.

L’autorité, pour une IA comme pour un humain, se construit notemment dans le regard des autres — pas dans le code de son propre site.

Pour aller plus loin

Ces ressources détaillent les aspects techniques du GEO (balisage, structure, fraîcheur du contenu) évoqués dans la première partie de cet article ; elles restent utiles à consulter en gardant à l’esprit la distinction entre prérequis technique et autorité réelle développée ici.