Le 22 juillet 2026, après près de trois ans d’attente, Google a activé les AI Overviews (Aperçus IA) et le Mode IA en France. Le déploiement, mené progressivement sur mobile comme sur desktop, a mis fin à l’un des derniers grands suspenses du SEO français : la France était l’un des derniers marchés majeurs à ne pas encore voir ses pages de résultats transformées par la génération de réponses.
Les premiers chiffres sont tombés vite, et ils sont sans ambiguïté. Selon une étude d’Ahrefs portant sur 963 domaines suivis dans la Search Console, neuf jours seulement après le lancement, les sites les plus exposés aux AI Overviews (plus de 20 % de leurs requêtes déclenchant un résumé IA) ont perdu 23,1 % de taux de clic. À l’échelle du panel complet, près d’un site sur deux a vu ses clics quotidiens reculer de plus de 10 %, et les domaines en .fr sont proportionnellement plus touchés que la moyenne.
Plus inquiétant encore : cet effet ne s’atténue pas avec le temps, il s’aggrave. À l’échelle mondiale, la baisse de CTR pour la position 1 sur les requêtes concernées par un AI Overview est passée de 34,5 % au printemps 2025 à 58 % fin 2025, selon les mêmes analyses d’Ahrefs. Être numéro un dans les résultats classiques ne garantit plus le clic — et ce que l’on observe aujourd’hui sur la visibilité de marque dans ChatGPT préfigure vraisemblablement ce qui attend Google demain.
La vraie question de rentrée n’est donc plus « faut-il faire du GEO ? » — la réponse est actée depuis longtemps. Elle est : qu’est-ce que l’arrivée d’AI Overviews en France change concrètement à une discipline que beaucoup pratiquent déjà pour ChatGPT ou Perplexity ? Les signaux qui font qu’un contenu est repris sont-ils les mêmes d’un moteur à l’autre ? C’est ce que cet article décortique.
Ce que l’arrivée d’AI Overviews change, et ne change pas, par rapport à ce que l’on sait déjà du GEO
Rien de radicalement nouveau n’apparaît avec ce lancement français : les praticiens du GEO qui travaillaient déjà la visibilité dans ChatGPT, Perplexity ou Gemini disposent d’un socle de bonnes pratiques directement transposable. Structurer un contenu en blocs de réponse autonomes, soigner le balisage schema.org, couvrir un sujet sous plusieurs angles plutôt que sur un seul mot-clé : ces réflexes restent valables. Google lui-même le rappelle dans sa documentation — il n’existe pas d’optimisation propriétaire pour apparaître dans les Aperçus IA, les bonnes pratiques de SEO classique continuent de s’appliquer.
Ce qui change, en revanche, c’est l’échelle et la brutalité de l’impact, parce que le canal touché est le plus fréquenté du web francophone. Un test d’exposition à AI Overviews qui ferait perdre 20 % de CTR sur ChatGPT reste indolore pour un site qui ne recevait de toute façon presque aucun trafic de ce canal. Le même choc appliqué à Google, qui capte l’essentiel des recherches informationnelles en France, se traduit immédiatement en perte de revenus publicitaires, de leads ou de ventes. Le GEO cesse d’être une discipline expérimentale et anticipatoire pour devenir un sujet de trésorerie.
Autre différence structurelle : Google ne remplace pas ses liens organiques, il les recompose autour d’un résumé. Les Aperçus IA s’accompagnent toujours d’un ensemble de sources cliquables, et Google affirme même que ces fonctionnalités élargissent la diversité des pages exposées par rapport à une recherche classique. Dans les faits, être cité dans le résumé devient une forme de visibilité à part entière, distincte du clic — un logiciel qui a l’habitude d’être invisible dans ChatGPT (où il n’y a souvent aucun lien à cliquer) doit au contraire réapprendre à optimiser pour la citation ET pour le clic simultanément sur Google.
Comment ces moteurs sélectionnent réellement leurs sources : fan-out, récupération, recomposition
Le changement de paradigme technique tient en un mécanisme : le query fan-out, ou « déploiement de requête ». Plutôt que de traiter une question comme une chaîne de caractères unique à faire correspondre à des pages indexées, le Mode IA et les Aperçus IA la décomposent en sous-thèmes, puis lancent simultanément plusieurs recherches distinctes sur chacun d’eux, avant de recomposer une réponse unifiée à partir des résultats obtenus. Une question sur le désherbage d’une pelouse peut ainsi déclencher, en coulisses, des recherches séparées sur les herbicides, les méthodes sans produits chimiques et la prévention de la repousse.
Ce mécanisme explique pourquoi une page qui répond bien à une seule intention de recherche ne suffit plus à sécuriser sa visibilité : le moteur ne cherche plus « la meilleure page pour cette requête », il cherche des fragments de réponse pertinents pour chacune des sous-requêtes qu’il a lui-même générées. Google indique d’ailleurs que les requêtes tapées dans le Mode IA sont en moyenne trois fois plus longues qu’une recherche classique, signe que les usages eux-mêmes évoluent vers des questions plus complexes, multi-facettes.
Trois étapes se succèdent donc à chaque interrogation : le fan-out (éclatement de la requête initiale en sous-intentions), la récupération (recherche et extraction d’information pertinente pour chaque sous-requête, sur le web ouvert, le Knowledge Graph ou des bases spécialisées comme le Shopping Graph) et la recomposition (synthèse de l’ensemble en une réponse cohérente, avec attribution des sources). Ce n’est pas propre à Google : ChatGPT, Perplexity, Gemini et Claude appliquent des logiques de décomposition de requête assez similaires lorsqu’ils doivent aller chercher de l’information sur le web. C’est précisément ce terrain commun qui rend une stratégie GEO transposable d’un moteur à l’autre, moyennant quelques ajustements.
Ce qui rapproche et ce qui distingue les signaux attendus par Google et par les autres IA génératives
Le socle commun est large. Sur tous les moteurs génératifs, un contenu a plus de chances d’être repris s’il répond à une intention précise en quelques phrases autonomes et vérifiables, s’il est structuré de façon à isoler clairement une réponse par sous-thème (titres, listes, tableaux), et s’il s’appuie sur des données factuelles datées plutôt que sur des généralités. La fraîcheur du contenu, la présence de données chiffrées originales et la clarté de la structure jouent en faveur de la citation, que l’on parle d’AI Overviews, de ChatGPT Search ou de Perplexity.
Les divergences tiennent surtout à la source d’où provient l’information et au poids relatif accordé aux différents signaux. Google puise très majoritairement dans son propre index de recherche : un contenu qui n’est pas correctement indexé et positionné dans la recherche classique a très peu de chances d’être repris par les Aperçus IA, qui restent adossés à l’infrastructure de recherche existante. ChatGPT et Perplexity, à l’inverse, s’appuient sur des combinaisons de web live, de partenariats éditoriaux et, pour ChatGPT, sur les connaissances internalisées du modèle lors de son entraînement — ce qui signifie qu’un contenu peut y être « connu » et cité sans jamais bien se positionner sur Google.
Le poids de la marque diffère aussi. Les IA conversationnelles, moins ancrées dans une logique de positionnement par mots-clés, semblent accorder une importance disproportionnée à la réputation globale d’une marque telle qu’elle apparaît sur l’ensemble du web — avis clients, mentions presse, forums, réseaux sociaux — même en dehors du site propriétaire. Google, lui, continue de croiser cette réputation de marque avec des signaux plus classiques de SEO technique et d’autorité de domaine. Concrètement, cela signifie qu’une stratégie GEO efficace pour ChatGPT sans travail SEO sous-jacent peut rester invisible dans les Aperçus IA, et inversement, qu’un excellent positionnement Google ne garantit pas d’être repris par une IA conversationnelle si la marque n’est pas suffisamment mentionnée ailleurs sur le web.
votre entreprise est-elle citée ?
Vérifiez dès maintenant avec un audit !
Les signaux de confiance et d’autorité : quels contenus sont sélectionnés, quelles marques sont mentionnées
Les moteurs génératifs, Google inclus, évitent de citer une source unique et non corroborée sur des sujets sensibles — santé, finance, droit — par crainte de propager une information erronée à grande échelle. Ils privilégient les contenus dont les affirmations sont recoupées par plusieurs sources indépendantes : un chiffre ou une affirmation qui n’apparaît que sur un seul site, même bien écrit, a moins de chances d’être repris qu’une donnée corroborée par trois ou quatre publications distinctes. C’est un changement de logique important par rapport au SEO classique, où être la source originale d’une information suffisait souvent à en tirer un bénéfice de positionnement.
L’auteur redevient également un signal de poids. Une page qui indique clairement qui écrit, avec quelles qualifications, et qui s’inscrit dans un site dont l’expertise éditoriale est reconnue (E-E-A-T dans le vocabulaire de Google) a plus de chances d’être jugée fiable par un système qui doit choisir, parmi des milliers de candidats, la poignée de sources qu’il va citer nommément. À l’inverse, les contenus produits en masse, peu différenciés, sans expertise identifiable, sont statistiquement sous-représentés dans les réponses génératives — y compris lorsqu’ils sont bien positionnés dans les résultats classiques.
Enfin, la marque elle-même agit comme un filtre. Une entreprise dont le nom revient régulièrement dans des comparatifs indépendants, des avis, des articles de presse ou des discussions de forums construit une forme de légitimité que le moteur peut s’appuyer pour la citer, même quand la page qu’il affiche en source n’est pas celle de la marque elle-même. Une étude de Seer Interactive citée par plusieurs analyses du marché français montre que les marques citées dans un Aperçu IA captent davantage de clics organiques que des concurrents non cités positionnés sur la même page — la citation devient donc un actif à part entière, distinct du positionnement.
Les 4 C de la mention dans les réponses IA : un cadre applicable dès votre prochaine feuille de route
Pour transformer ces constats en plan d’action, quatre critères — les 4 C — permettent d’auditer un contenu ou un site sous l’angle de sa « citabilité » par les moteurs génératifs.
Couverture. Le contenu répond-il à l’ensemble des sous-intentions qu’un moteur pourrait générer autour du sujet, et pas seulement à la requête principale ? Cartographier le fan-out probable d’une thématique — les sous-questions qu’un système poserait en la décomposant — permet d’identifier les angles morts d’un contenu qui se limite à une seule intention.
Clarté. L’information est-elle extractible sans effort ? Des réponses autonomes, formulées en quelques phrases directement exploitables, des titres qui annoncent explicitement ce qu’ils traitent, des données présentées sous forme de listes ou de tableaux plutôt que noyées dans de longs paragraphes : c’est ce qui facilite le travail de récupération et de recomposition du moteur.
Corroboration. L’affirmation centrale du contenu est-elle recoupée ailleurs sur le web, par des sources tierces indépendantes ? Un chiffre isolé, même exact, pèse moins qu’une donnée confirmée par plusieurs publications. Cela implique de penser la diffusion d’un contenu au-delà du site propriétaire — relais presse, réseaux, cités par des pairs.
Crédibilité. Le site et son auteur envoient-ils des signaux suffisants d’expertise reconnue — mentions légales claires, pages auteur documentées, historique éditorial cohérent, marque présente et discutée sur l’ensemble du web ? C’est ce socle qui fait basculer un contenu du statut de candidat possible à celui de source effectivement citée.
Aucun de ces quatre critères ne remplace les fondamentaux du SEO technique — indexation propre, performance, maillage interne restent la condition d’entrée pour être seulement éligible au fan-out de Google. Mais c’est leur combinaison qui détermine, une fois cette porte franchie, si un contenu devient une simple ligne dans l’index ou une source effectivement mentionnée dans la réponse que lira l’utilisateur.
