L’Atlas du GEO Édition française
Expérience de première main
Une définition claire, ses liens avec les autres concepts et des pistes pour aller plus loin.
335concepts & entités
18familles thématiques
734relations entre concepts
et l’état des preuves quand il existe.
01 / La carte
L’archipel du GEO.
Une île par famille, un point par concept.
Choisissez un point pour voir ses relations.
335 concepts, 18 îles Chaque île ouvre sa famille dans le catalogue. Avec une souris, chaque point ouvre un concept et trace ses relations.
Lire la fiche204 fiches sur 336 sont identifiées dans le Knowledge Graph de Google (relevé du 13 novembre 2026). Les autres points sont estompés.
Faites glisser la carte pour la parcourir.
02 / Le point de départ
Le GEO commence par
une bonne compréhension.
La Generative Engine Optimization étudie comment rendre un contenu ou une marque visible dans les réponses des moteurs et assistants d’intelligence artificielle. Elle croise le référencement, la recherche d’information, les modèles de langage et la qualité des sources.
Cet atlas permet de passer d’une notion à l’autre sans perdre le fil. Il distingue ce qu’un éditeur documente, ce qu’une étude a mesuré et ce qui reste à démontrer.
Commencer par la définition du GEO03 / L’explorateur
Suivez votre curiosité.
Un concept, sa définition,
puis les liens qui l’éclairent.
Sélectionnez un nœud pour poursuivre l’exploration.
Comprendre le concept
Expérience de première main
L’expérience de première main provient d’une observation ou d’une pratique directe. Elle se distingue d’une simple compilation d’informations déjà publiées.
Dans la pratique
Montrez ce que vous avez testé, dans quelles conditions et avec quelles limites.
Pour aller plus loin sur ce site
Sources & repères
Les relations de l’atlas sont des liens documentaires ou thématiques. Elles ne représentent pas des facteurs de classement mesurés.
04 / Une question de plus
Explorez aussi
par la conversation.
Demandez une explication, un exemple ou le lien entre deux notions. L’assistant s’appuie sur les fiches et les relations de cet atlas.
Votre point de départ Expérience de première main
Une réponse générée peut comporter des erreurs. Les sources et les fiches vous permettent de la vérifier.
Par quoi souhaitez-vous commencer ?
05 / Le catalogue complet
Aucun concept n’est une île.
335 portes d’entrée,
regroupées en 18 familles.
01Disciplines & périmètre14
- SEO
Le SEO regroupe les pratiques qui rendent un site accessible, compréhensible et pertinent pour les résultats organiques des moteurs de recherche. Il couvre la technique, les contenus et la réputation.
Dans la pratique : Vérifiez l’indexation et la qualité de vos pages avant de chercher à augmenter leurs citations dans les réponses IA.
Relations : SEO fait partie de Marketing de recherche ; SEO vise la visibilité dans Google Search ; SEO repose sur Indexation.
À lire sur le site
- AEO
L’Answer Engine Optimization désigne l’optimisation de contenus pour les systèmes qui fournissent une réponse directe. Le terme recouvre des usages allant des extraits de recherche aux assistants génératifs.
Dans la pratique : Identifiez le type de réponse visé : extrait, réponse vocale, synthèse avec sources ou recommandation de marque.
Relations : AEO prolonge SEO ; AEO vise Réponse directe ; AEO cible Answer Engine.
À lire sur le site
- LLMO
LLMO signifie Large Language Model Optimization. Dans le marketing, cette appellation désigne les démarches visant à améliorer la présence ou la représentation d’une organisation dans les réponses de modèles de langage.
Dans la pratique : Précisez si vous mesurez les connaissances du modèle, ses recherches web ou ses recommandations : ces phénomènes demandent des analyses différentes.
Relations : LLMO cible Grands modèles de langage ; LLMO recoupe AEO ; LLMO recoupe AI Search Optimization.
- AI Search Optimization
L’AI Search Optimization est une appellation générale pour l’optimisation de la présence dans les expériences de recherche utilisant l’intelligence artificielle. Son périmètre varie selon les professionnels.
Dans la pratique : Définissez les interfaces observées et les résultats recherchés plutôt que de vous fier au seul nom de la discipline.
Relations : AI Search Optimization recoupe AEO ; AI Search Optimization prolonge SEO ; AI Search Optimization vise la visibilité dans Recherche ChatGPT.
- Recherche sémantique
La recherche sémantique cherche à rapprocher une demande et des documents par leur sens, au-delà de la présence exacte des mêmes mots. Elle utilise notamment le contexte, les concepts et les relations entre termes.
Dans la pratique : Employez le vocabulaire précis du sujet et explicitez les relations utiles, sans multiplier artificiellement les synonymes.
Relations : Recherche sémantique s’appuie sur Plongements de phrases ; Recherche sémantique interprète Intention de recherche ; Recherche sémantique exploite Graphe de connaissances.
À lire sur le site
- Marketing numérique
Le marketing numérique rassemble les activités de marketing réalisées à travers les canaux et technologies numériques : sites, moteurs, courriels, plateformes et applications.
Dans la pratique : Reliez la visibilité GEO à un objectif concret : demandes qualifiées, découverte d’une offre ou compréhension de votre marque.
Relations : Marketing numérique englobe Marketing de contenu ; Marketing numérique englobe Marketing de recherche ; Marketing numérique fait partie de Stratégie marketing.
- Stratégie numérique
La stratégie numérique organise l’usage des technologies, données et canaux numériques au service des objectifs d’une organisation. Elle porte aussi sur les moyens, les compétences et la gouvernance.
Dans la pratique : Intégrez le GEO à votre système éditorial et à vos données produit, avec des responsables et un rythme de mise à jour.
Relations : Stratégie numérique oriente Marketing numérique ; Stratégie numérique est une forme de Stratégie ; Stratégie numérique intègre Parcours client.
- Stratégie marketing
La stratégie marketing définit les publics prioritaires, la proposition de valeur et les moyens de les atteindre. Elle guide le positionnement, les messages et les choix de canaux.
Dans la pratique : Choisissez les questions IA à suivre à partir des besoins réels de vos clients et de votre positionnement.
Relations : Stratégie marketing est une forme de Stratégie ; Stratégie marketing cadre Marketing de contenu.
- Stratégie
Une stratégie est un ensemble cohérent de choix pour atteindre un objectif avec des ressources limitées. Elle établit des priorités et les arbitrages nécessaires à leur réalisation.
Dans la pratique : Commencez par un public, une situation d’achat et une preuve distinctive avant de multiplier les actions GEO.
Relations : Stratégie doit anticiper Dépendance aux plateformes.
- Marketing de contenu
Le marketing de contenu consiste à publier des informations utiles à une audience afin de développer une relation avec elle. Les formats peuvent être des articles, vidéos, études, outils ou guides.
Dans la pratique : Créez des contenus qui résolvent un problème identifiable et apportent des éléments que d’autres sources pourront vérifier.
Relations : Marketing de contenu produit Guide pratique ; Marketing de contenu produit Étude de cas ; Marketing de contenu répond à Intention de recherche.
À lire sur le site
- Marketing de recherche
Le Search Engine Marketing regroupe les activités marketing liées aux moteurs de recherche. Selon les usages, il englobe SEO et publicité ou désigne surtout les campagnes payantes.
Dans la pratique : Séparez les indicateurs de visibilité organique dans les réponses IA des impressions et conversions issues de la publicité.
Relations : Marketing de recherche s’évalue par Taux de clic ; Marketing de recherche cible Moteur de recherche.
- Recherche conversationnelle
La recherche conversationnelle permet de préciser un besoin par un dialogue. Les questions suivantes peuvent compléter ou modifier le contexte plutôt que repartir d’une requête isolée.
Dans la pratique : Testez des parcours de plusieurs questions : découverte, comparaison, objections puis choix.
Relations : Recherche conversationnelle se déroule en Conversation multi-tour ; Recherche conversationnelle génère Question de suivi ; Recherche conversationnelle est proposée par ChatGPT.
À lire sur le site
- Recherche sans clic
Une recherche sans clic s’achève sans visite d’un site externe depuis la page ou l’interface de résultats. L’utilisateur peut avoir obtenu sa réponse directement, ou interrompu sa recherche.
Dans la pratique : Suivez aussi les mentions et la qualité de représentation de la marque, tout en gardant les conversions comme résultat commercial.
Relations : Recherche sans clic réduit Taux de clic ; Recherche sans clic est amplifiée par Google AI Overviews ; Recherche sans clic complique Attribution marketing.
À lire sur le site
- Optimisation de conversion
L’optimisation de conversion améliore la proportion de visiteurs accomplissant une action utile, comme demander un devis ou acheter. Elle étudie les obstacles, le message et le parcours.
Dans la pratique : Vérifiez que la page citée répond immédiatement à la promesse faite dans la réponse IA.
Relations : Optimisation de conversion améliore Conversion ; Optimisation de conversion s’appuie sur Test A/B ; Optimisation de conversion s’appuie sur Analyse d’audience.
À lire sur le site
02Intelligence artificielle21
- Intelligence artificielle
L’intelligence artificielle est le domaine des systèmes informatiques capables d’exécuter des tâches associées à l’intelligence, comme reconnaître, prédire, raisonner ou générer. Elle ne se limite pas aux chatbots.
Dans la pratique : Distinguez le système qui classe les documents de celui qui rédige la réponse finale.
Relations : Intelligence artificielle englobe Apprentissage automatique ; Intelligence artificielle englobe Traitement du langage naturel.
À lire sur le site
- IA générative
L’IA générative produit de nouveaux contenus à partir de régularités apprises : texte, image, audio ou code. Sa capacité à formuler une réponse ne garantit pas que chaque affirmation soit exacte.
Dans la pratique : Fournissez des informations explicites et vérifiables, puis contrôlez la manière dont les systèmes les restituent.
Relations : IA générative est une branche de Intelligence artificielle ; IA générative s’appuie sur Grands modèles de langage ; IA générative permet Génération de texte.
- Grands modèles de langage
Un grand modèle de langage, ou LLM, est un modèle entraîné sur de vastes ensembles de textes pour traiter et produire du langage. Ses réponses dépendent du contexte reçu et de son mode d’utilisation.
Dans la pratique : Ne confondez pas une information apprise pendant l’entraînement avec une page retrouvée au moment de la question.
Relations : Grands modèles de langage reposent sur Transformer ; Grands modèles de langage sont issus de Préentraînement ; Grands modèles de langage sont limités par Fenêtre de contexte ; Grands modèles de langage peuvent produire Hallucination.
À lire sur le site
- Traitement du langage naturel
Le traitement automatique du langage naturel étudie les méthodes permettant aux machines d’analyser et de produire du langage humain. Il comprend classification, extraction d’entités, traduction et question-réponse.
Dans la pratique : Rédigez des formulations qui permettent d’identifier clairement les sujets, les attributs et les relations décrites.
Relations : Traitement du langage naturel comprend Reconnaissance d’entités ; Traitement du langage naturel comprend Résumé automatique ; Traitement du langage naturel comprend Question-réponse.
À lire sur le site
- Apprentissage automatique
L’apprentissage automatique construit des modèles qui repèrent des régularités dans des données plutôt que d’appliquer uniquement des règles écrites à la main.
Dans la pratique : Lors d’un test GEO, documentez les données observées et les changements de modèle susceptibles d’expliquer un résultat.
Relations : Apprentissage automatique englobe Apprentissage profond.
À lire sur le site
- Apprentissage profond
L’apprentissage profond utilise des réseaux de neurones comportant de nombreuses couches de traitement. Il soutient une grande partie des modèles modernes de langage et de vision.
Dans la pratique : Retenez que le fonctionnement appris d’un modèle n’offre pas une règle de classement simple et directement pilotable.
Relations : Apprentissage profond a produit Transformer ; Apprentissage profond produit Plongements lexicaux.
- Transformer
Le Transformer est une architecture de réseau neuronal fondée notamment sur des mécanismes d’attention. Elle permet de représenter les relations entre éléments d’une séquence et constitue la base de nombreux LLM.
Dans la pratique : Comprenez son rôle dans la modélisation du langage sans en déduire une recette de rédaction fondée sur un nombre magique de mots.
Relations : Transformer repose sur Mécanisme d’attention ; Transformer traite des unités issues de Tokenisation.
À lire sur le site
- Mécanisme d’attention
L’attention est un mécanisme qui pondère l’influence des éléments d’une séquence les uns sur les autres. Dans un modèle de langage, elle participe à la représentation des relations contextuelles.
Dans la pratique : Placez les précisions nécessaires près des affirmations concernées pour qu’un passage reste compréhensible lorsqu’il est extrait.
Relations : Mécanisme d’attention opère dans Fenêtre de contexte ; Mécanisme d’attention pondère des unités issues de Tokenisation.
À lire sur le site
- Tokenisation
La tokenisation découpe un texte en unités manipulables par un modèle. Un token peut correspondre à un mot, une partie de mot, un caractère ou un signe selon le système.
Dans la pratique : Pour un assistant ou un corpus RAG, mesurez la taille en tokens avec le tokenizer du modèle utilisé.
Relations : Tokenisation sert d’unité à Fenêtre de contexte.
- Plongements lexicaux
Un plongement lexical représente un mot sous forme de vecteur numérique. Les relations géométriques entre vecteurs peuvent refléter certains rapprochements linguistiques ou sémantiques.
Dans la pratique : Utilisez cette notion pour comprendre les rapprochements de sens, sans assimiler similarité vectorielle et vérité factuelle.
Relations : Plongements lexicaux précèdent Plongements de phrases ; Plongements lexicaux se comparent par Similarité cosinus.
À lire sur le site
- Plongements de phrases
Un plongement de phrase représente une phrase ou un passage par un vecteur. Il permet de comparer numériquement le sens de questions et de documents.
Dans la pratique : Dans un corpus, gardez des passages suffisamment contextualisés pour qu’ils conservent leur sens une fois vectorisés.
Relations : Plongements de phrases peut représenter les passages pour la Recherche vectorielle ; Plongements de phrases se comparent par Similarité cosinus ; Plongements de phrases sont stockés dans Base vectorielle.
À lire sur le site
- Fenêtre de contexte
La fenêtre de contexte est la quantité maximale de tokens qu’un modèle peut traiter dans une interaction. Elle inclut, selon le système, les instructions, l’historique, les documents et la réponse.
Dans la pratique : Sélectionnez les passages utiles au lieu de transmettre un ensemble volumineux de documents peu pertinents.
Relations : Fenêtre de contexte borne Apprentissage en contexte ; Fenêtre de contexte borne les passages fournis à RAG.
À lire sur le site
- Préentraînement
Le préentraînement est la phase pendant laquelle un modèle apprend des représentations générales à partir d’un vaste corpus. Il précède souvent des phases d’adaptation ou d’alignement.
Dans la pratique : Distinguez les décisions d’accès pour l’entraînement de celles concernant les robots de recherche.
Relations : Préentraînement précède Ajustement fin ; Préentraînement exploite des corpus comme Common Crawl.
- Ajustement fin
L’ajustement fin adapte un modèle préentraîné à une tâche, un style ou un domaine au moyen d’un entraînement supplémentaire. Il modifie les paramètres du modèle.
Dans la pratique : Pour actualiser des faits fréquemment changeants dans votre propre assistant, comparez le besoin d’ajustement fin à celui de récupération documentaire.
Relations : Ajustement fin adapte Grands modèles de langage ; Ajustement fin se distingue de Apprentissage en contexte.
- Apprentissage en contexte
L’apprentissage en contexte désigne la capacité d’un modèle à s’adapter à une consigne ou à des exemples présents dans son entrée, sans modifier ses paramètres pendant l’échange.
Dans la pratique : Ajoutez quelques exemples représentatifs lorsque vous demandez à un assistant d’appliquer une méthode d’analyse.
Relations : Apprentissage en contexte s’obtient par Ingénierie des prompts.
- Alignement des modèles
L’alignement vise à rapprocher le comportement d’un système IA des intentions, valeurs ou contraintes souhaitées. Il peut concerner l’utilité des réponses, la sécurité et le respect des consignes.
Dans la pratique : Définissez les limites de votre assistant : sources autorisées, incertitude, refus d’inventer et périmètre des réponses.
Relations : Alignement des modèles utilise RLHF ; Alignement des modèles cherche à limiter Biais algorithmique ; Alignement des modèles encadre Grands modèles de langage.
- RLHF
Le RLHF utilise des retours humains pour guider l’apprentissage d’un modèle, souvent à travers un modèle de préférence ou de récompense. Il participe à la manière dont un assistant répond.
Dans la pratique : Évaluez une réponse sur sa justesse et ses preuves, pas seulement sur son ton convaincant.
Relations : RLHF est une forme de Ajustement fin ; RLHF s’appuie sur Évaluation humaine.
- Ingénierie des prompts
L’ingénierie des prompts consiste à concevoir les consignes, exemples et contraintes transmis à un modèle pour obtenir une réponse adaptée à une tâche.
Dans la pratique : Conservez les prompts et les paramètres de vos campagnes de mesure pour pouvoir comparer les résultats dans le temps.
Relations : Ingénierie des prompts oriente Génération de texte ; Ingénierie des prompts sert à construire Jeu de prompts.
À lire sur le site
- Génération de texte
La génération de texte est la production automatique d’un énoncé en langage naturel. Un système peut générer à partir d’une consigne, de données structurées ou de documents récupérés.
Dans la pratique : Fournissez une définition, des faits et leurs sources plutôt qu’un discours publicitaire difficile à vérifier.
- Résumé automatique
Le résumé automatique réduit un contenu en conservant les informations jugées essentielles. Il peut reprendre des passages ou reformuler leur sens avec un modèle génératif.
Dans la pratique : Vérifiez qu’un résumé conserve les restrictions, la date et les conditions importantes de votre contenu.
Relations : Résumé automatique est une forme de Génération de texte.
- Modèle multimodal
Un modèle multimodal traite plusieurs types d’information, par exemple texte et image. Selon ses capacités, il peut analyser, relier ou produire ces modalités.
Dans la pratique : Associez les informations importantes d’un visuel à une légende ou un texte accessible qui en explicite le sens.
Relations : Modèle multimodal étend Grands modèles de langage ; Modèle multimodal rend possible Recherche multimodale ; Modèle multimodal rend possible Recherche visuelle.
À lire sur le site
03Recherche & récupération24
- Recherche d’information
La recherche d’information consiste à retrouver, dans une collection, les ressources pertinentes pour un besoin. Elle précède souvent la génération dans un moteur qui s’appuie sur des sources externes.
Dans la pratique : Analysez séparément la découverte du document, sa sélection et son utilisation dans la réponse.
Relations : Recherche d’information s’évalue par Précision & rappel ; Recherche d’information s’évalue lors de TREC.
À lire sur le site
- Moteur de recherche
Un moteur de recherche organise des ressources et les retrouve en réponse à une requête. Ses étapes peuvent comprendre exploration, indexation, sélection et classement.
Dans la pratique : Une page doit pouvoir être découverte et comprise avant d’avoir une chance d’être retenue comme source.
Relations : Moteur de recherche applique Recherche d’information ; Moteur de recherche repose sur Indexation ; Moteur de recherche produit Classement des résultats.
À lire sur le site
- Indexation
L’indexation transforme et organise les documents pour permettre leur recherche ultérieure. Une page explorée par un robot n’est pas nécessairement conservée dans un index.
Dans la pratique : Contrôlez l’état d’indexation des pages prioritaires avec les outils du moteur concerné.
Relations : Indexation construit Index inversé ; Indexation peut être bloquée par noindex.
À lire sur le site
- Index inversé
Un index inversé associe des termes aux documents ou passages qui les contiennent. Cette structure permet de retrouver rapidement des contenus correspondant aux mots d’une requête.
Dans la pratique : Conservez les noms exacts de produits, concepts et références lorsque leur précision compte pour la recherche.
Relations : Index inversé sert à Recherche en texte intégral ; Index inversé est exploité par BM25.
- Recherche en texte intégral
La recherche en texte intégral interroge le contenu textuel des documents. Elle peut combiner correspondance de termes, normalisation linguistique et fonctions de pertinence.
Dans la pratique : Ajoutez les expressions usuelles et les termes techniques pertinents de façon naturelle dans vos explications.
Relations : Recherche en texte intégral utilise BM25.
À lire sur le site
- Recherche vectorielle
La recherche vectorielle retrouve les éléments dont les vecteurs sont proches de celui d’une requête. Elle aide à rapprocher des formulations différentes qui expriment des besoins voisins.
Dans la pratique : Rédigez des sections centrées sur un sujet précis, avec les informations nécessaires à leur compréhension autonome.
Relations : Recherche vectorielle peut s’appuyer sur Base vectorielle ; Recherche vectorielle utilise Plus proches voisins ; Recherche vectorielle utilise Similarité cosinus.
À lire sur le site
- Recherche hybride
La recherche hybride combine plusieurs approches de récupération, souvent lexicale et vectorielle. Elle vise à associer la précision des termes à la proximité de sens.
Dans la pratique : Dans votre assistant, testez des requêtes de noms exacts et des reformulations pour vérifier les deux dimensions.
Relations : Recherche hybride peut combiner la Recherche en texte intégral ; Recherche hybride peut combiner la Recherche vectorielle ; Recherche hybride est souvent suivie de Reclassement (reranking).
À lire sur le site
- BM25
BM25 est une fonction de pertinence lexicale qui prend en compte la fréquence des termes, leur rareté et la longueur des documents. Elle est courante en recherche d’information.
Dans la pratique : Évaluez BM25 sur vos propres questions plutôt que de considérer son score comme une mesure universelle de qualité.
Relations : BM25 sert à calculer un Classement des résultats ; BM25 prolonge TF-IDF ; BM25 sert de référence dans BEIR.
À lire sur le site
- TF-IDF
TF-IDF pondère un terme selon sa fréquence dans un document et sa rareté dans une collection. Il sert notamment à représenter ou comparer des textes.
Dans la pratique : Utilisez-le pour repérer du vocabulaire distinctif, pas pour imposer une densité artificielle de mots-clés.
Relations : TF-IDF pondère les termes pour Recherche en texte intégral.
- Similarité cosinus
La similarité cosinus mesure l’orientation relative de deux vecteurs. Dans la recherche sémantique, elle peut servir à comparer les représentations d’une question et d’un passage.
Dans la pratique : Calibrez les seuils de rapprochement sur des exemples pertinents et non pertinents de votre domaine.
Relations : Similarité cosinus peut comparer des vecteurs TF-IDF.
À lire sur le site
- Plus proches voisins
La recherche des plus proches voisins trouve les points les plus proches d’une requête dans un espace de représentation. Les méthodes approximatives accélèrent le calcul sur de grands corpus.
Dans la pratique : Mesurez le compromis entre rapidité et qualité de récupération lorsque votre base documentaire grandit.
Relations : Plus proches voisins s’appuie sur Similarité cosinus.
À lire sur le site
- Base vectorielle
Une base vectorielle stocke des vecteurs et permet de les rechercher par proximité. Elle peut aussi conserver des métadonnées utiles pour filtrer les documents.
Dans la pratique : Conservez avec chaque passage son URL, sa date, sa langue et son titre pour produire des réponses attribuables.
Relations : Base vectorielle implémente Plus proches voisins ; Base vectorielle sert à RAG.
À lire sur le site
- Classement des résultats
Le classement des résultats ordonne les documents candidats selon leur pertinence estimée. Dans un système génératif, il influence les sources transmises au modèle sans déterminer seul la citation finale.
Dans la pratique : Séparez le rang dans la récupération de la place de la marque dans la réponse rédigée.
Relations : Classement des résultats s’évalue par nDCG ; Classement des résultats s’évalue par MRR ; Classement des résultats peut s’appuyer sur PageRank.
À lire sur le site
- Learning to rank
Le learning to rank apprend à ordonner des résultats à partir de données ou de jugements de pertinence. Il s’applique à des moteurs de recherche et à des systèmes de recommandation.
Dans la pratique : Construisez un jeu d’évaluation comportant des questions et des documents pertinents pour tester votre système.
Relations : Learning to rank applique Apprentissage automatique ; Learning to rank optimise Classement des résultats ; Learning to rank s’évalue par nDCG.
À lire sur le site
- Reclassement (reranking)
Le reranking réordonne un ensemble de documents déjà récupérés avec une analyse supplémentaire de pertinence. Cette seconde étape peut utiliser un modèle plus coûteux que la récupération initiale.
Dans la pratique : Contrôlez si les meilleurs passages arrivent réellement dans le contexte envoyé au générateur.
Relations : Reclassement (reranking) révise le Classement des résultats ; Reclassement (reranking) intervient dans RAG ; Reclassement (reranking) s’évalue sur MS MARCO.
À lire sur le site
- RAG
La génération augmentée par récupération associe un modèle génératif à des informations retrouvées dans des sources externes. Le RAG permet de répondre en s’appuyant sur un corpus accessible au moment de la demande.
Dans la pratique : Publiez des passages autonomes, sourcés et à jour ; pour votre propre assistant, vérifiez aussi la qualité du retrieval.
Relations : RAG utilise un Grands modèles de langage ; RAG combine la génération avec la Recherche d’information ; RAG peut contribuer à l’ Ancrage dans les sources ; RAG est introduit par Article fondateur RAG ; RAG vise à réduire Hallucination.
À lire sur le site
- GraphRAG
GraphRAG désigne des approches qui mobilisent un graphe de relations pour enrichir la récupération et la génération. Le graphe aide notamment à explorer des connexions entre éléments d’un corpus.
Dans la pratique : Utilisez-le lorsque vos questions portent sur des relations entre entités, et comparez son apport à un RAG plus simple.
Relations : GraphRAG utilise un Graphe de connaissances ; GraphRAG est une approche de RAG ; GraphRAG exploite Extraction de relations ; GraphRAG vise Synthèse multi-documents.
- Découpage en passages
Le découpage en passages transforme un document en unités plus petites pour l’indexation ou la récupération. Un bon découpage conserve les limites et le contexte utiles de chaque section.
Dans la pratique : Donnez à chaque section un titre explicite et évitez de séparer un chiffre de son périmètre ou de sa source.
Relations : Découpage en passages peut préparer les documents d’un RAG ; Découpage en passages précède Plongements de phrases ; Découpage en passages est contraint par Fenêtre de contexte.
À lire sur le site
- Expansion de requête
L’expansion de requête ajoute des termes ou concepts à une recherche initiale afin de retrouver davantage de documents pertinents. Elle peut s’appuyer sur des synonymes ou sur des connaissances de domaine.
Dans la pratique : Couvrez les questions liées au besoin principal sans supposer que tous les mots apparentés ont la même intention.
Relations : Expansion de requête améliore le rappel de Recherche en texte intégral ; Expansion de requête se rapproche de Reformulation de requête ; Expansion de requête se rapproche de Query fan-out.
- Query fan-out
Le query fan-out consiste à lancer plusieurs recherches liées à une demande initiale. Google décrit ce mécanisme pour explorer des sous-thèmes et sources dans certaines fonctionnalités IA.
Dans la pratique : Traitez les sous-questions utiles d’un sujet et les critères de décision plutôt que de viser une requête unique.
État des preuves, documenté par l’éditeur : Google indique qu’AI Overviews et AI Mode peuvent lancer plusieurs recherches liées, sur des sous-thèmes et des sources de données, pour construire une réponse.
Relations : Query fan-out est un mécanisme décrit pour Google AI Mode ; Query fan-out est un mécanisme décrit pour Google AI Overviews ; Query fan-out s’appuie sur Reformulation de requête ; Query fan-out alimente Synthèse multi-documents.
À lire sur le site
- Reformulation de requête
La reformulation de requête réécrit une demande pour améliorer sa recherche. Elle peut expliciter un nom, lever une ambiguïté ou transformer une question de suivi en requête autonome.
Dans la pratique : Testez différentes formulations d’un même besoin pour voir si vos contenus restent faciles à retrouver.
Relations : Reformulation de requête clarifie Intention de recherche ; Reformulation de requête intervient dans Conversation multi-tour.
- Ancrage dans les sources
Le grounding consiste à ancrer une réponse dans des informations externes ou vérifiables. Il relie les affirmations du modèle à des éléments de preuve disponibles.
Dans la pratique : Demandez des sources précises et vérifiez qu’elles soutiennent réellement les affirmations auxquelles elles sont associées.
Relations : Ancrage dans les sources produit Citation de source ; Ancrage dans les sources s’évalue par Fidélité aux sources ; Ancrage dans les sources limite Hallucination.
À lire sur le site
- Question-réponse
Le question-réponse est une tâche qui consiste à produire une réponse à une question à partir de connaissances ou de documents. La réponse peut être extraite d’un texte ou générée.
Dans la pratique : Formulez les questions auxquelles chaque page répond et placez une réponse explicite avant les développements.
Relations : Question-réponse s’évalue sur MS MARCO ; Question-réponse peut s’appuyer sur RAG.
À lire sur le site
- Synthèse multi-documents
La synthèse multi-documents rassemble des informations provenant de plusieurs sources dans une réponse commune. Elle doit gérer les redondances, les différences de périmètre et les contradictions.
Dans la pratique : Distinguez clairement ce qui provient de vos résultats propres de ce que vous rapportez depuis d’autres travaux.
Relations : Synthèse multi-documents étend Résumé automatique ; Synthèse multi-documents doit préserver Fidélité aux sources.
04Entités & connaissances20
- Entité nommée
Une entité nommée est un objet identifiable mentionné par un nom : personne, organisation, lieu, produit ou autre élément du monde. Son identité dépasse les mots utilisés pour la désigner.
Dans la pratique : Rendez explicites le nom, le type et les attributs qui permettent de reconnaître votre organisation sans ambiguïté.
Relations : Entité nommée reçoit Identifiant unique.
À lire sur le site
- Reconnaissance d’entités
La reconnaissance d’entités repère et classe dans un texte les mentions de personnes, organisations, lieux ou autres objets. Elle précède souvent leur rapprochement avec une base de connaissances.
Dans la pratique : Utilisez des noms complets et une présentation claire lorsqu’une entité apparaît pour la première fois.
Relations : Reconnaissance d’entités repère des Entité nommée ; Reconnaissance d’entités précède Liaison d’entités.
À lire sur le site
- Liaison d’entités
La liaison d’entités associe une mention textuelle à une identité dans une base de connaissances. Elle cherche par exemple à relier « Apple » à l’entreprise plutôt qu’au fruit.
Dans la pratique : Ajoutez le contexte nécessaire : activité, localisation, site officiel et identifiants fiables.
Relations : Liaison d’entités relie des mentions à une Base de connaissances ; Liaison d’entités nécessite Désambiguïsation ; Liaison d’entités peut cibler Wikidata.
À lire sur le site
- Désambiguïsation
La désambiguïsation détermine le sens pertinent d’un mot ou d’un nom dans son contexte. Elle évite de confondre des homonymes ou plusieurs usages d’une expression.
Dans la pratique : Présentez le domaine et la nature d’un concept dès sa définition, surtout lorsque son nom est ambigu.
Relations : Désambiguïsation s’appuie sur Identifiant unique ; Désambiguïsation est facilitée par sameAs.
- Résolution d’entités
La résolution d’entités rapproche des enregistrements qui désignent le même objet malgré des variantes de nom ou de présentation. Elle vise à éviter doublons et confusions d’identité.
Dans la pratique : Harmonisez raison sociale, marque, adresse et identifiants sur vos principales sources publiques.
Relations : Résolution d’entités peut associer les enregistrements à un Identifiant unique ; Résolution d’entités consolide Base de connaissances ; Résolution d’entités se distingue de Liaison d’entités.
À lire sur le site
- Coréférence
La coréférence relie plusieurs expressions qui désignent la même chose dans un texte, comme « l’entreprise », « elle » et son nom. Elle participe à la compréhension d’un passage.
Dans la pratique : Dans une section destinée à être extraite, répétez le nom utile lorsque le pronom dépend d’un contexte éloigné.
Relations : Coréférence complète Reconnaissance d’entités ; Coréférence facilite Extraction de relations ; Coréférence est une tâche de Traitement du langage naturel.
- Extraction de relations
L’extraction de relations repère les liens exprimés entre entités : fondateur d’une entreprise, lieu d’un événement ou caractéristique d’un produit. Elle peut alimenter des bases structurées.
Dans la pratique : Écrivez explicitement les relations importantes au lieu de les laisser uniquement implicites dans la mise en page.
Relations : Extraction de relations produit Triplet RDF ; Extraction de relations s’appuie sur Reconnaissance d’entités.
- Graphe de connaissances
Un graphe de connaissances représente des entités et les relations qui les unissent. Il permet de parcourir un domaine par ses objets, attributs et connexions.
Dans la pratique : Cartographiez vos offres, experts, sujets et preuves pour repérer les informations absentes ou contradictoires.
Relations : Graphe de connaissances peut être enrichi par l’ Extraction de relations ; Graphe de connaissances est structuré par Ontologie ; Graphe de connaissances relie Entité nommée.
À lire sur le site
- Base de connaissances
Une base de connaissances organise des informations réutilisables sur un domaine. Elle peut contenir des articles, des faits structurés, des procédures ou un graphe d’entités.
Dans la pratique : Attribuez à chaque information une source et une date de révision pour faciliter sa maintenance.
Relations : Base de connaissances peut prendre la forme de Graphe de connaissances ; Base de connaissances alimente RAG.
À lire sur le site
- Ontologie
Une ontologie définit les types d’objets, propriétés et relations utilisés pour représenter un domaine. Elle explicite le sens des catégories et leurs contraintes.
Dans la pratique : Choisissez un vocabulaire stable pour vos produits et concepts avant d’ajouter des relations automatiquement.
Relations : Ontologie étend Taxonomie ; Ontologie structure Web sémantique.
- Taxonomie
Une taxonomie classe des éléments dans un ensemble de catégories, souvent hiérarchisées. Elle facilite l’organisation et la découverte des contenus.
Dans la pratique : Organisez les concepts par besoins et domaines reconnaissables plutôt que par catégories trop nombreuses ou vagues.
Relations : Taxonomie organise Architecture de l’information.
- Web sémantique
Le Web sémantique vise à rendre les données du Web interprétables et interconnectables par les machines. Il s’appuie sur des standards de représentation et d’identification.
Dans la pratique : Utilisez des identifiants et des vocabulaires partagés lorsqu’ils décrivent correctement vos données.
Relations : Web sémantique est promu par W3C ; Web sémantique repose sur RDF ; Web sémantique repose sur Données liées.
À lire sur le site
- Données liées
Les données liées utilisent des identifiants et des relations explicites pour connecter des informations publiées sur le Web. Elles permettent de relier des ressources par des relations comme auteur, organisation, lieu ou produit.
Dans la pratique : Utilisez des relations adaptées aux objets reliés et réservez sameAs aux identités strictement équivalentes.
Relations : Données liées s’expriment en RDF ; Données liées utilisent Identifiant unique.
- RDF
RDF est un modèle de données qui exprime des informations sous forme de relations entre ressources. Il sert de fondation à plusieurs technologies du Web sémantique.
Dans la pratique : Pensez vos données sous la forme « sujet, relation, objet » pour clarifier les faits publiés.
Relations : RDF exprime ses assertions avec des Triplet RDF ; RDF est standardisé par W3C.
- Triplet RDF
Un triplet RDF exprime une affirmation au moyen d’un sujet, d’un prédicat et d’un objet. Par exemple, une organisation a pour site officiel une URL donnée.
Dans la pratique : Associez une preuve et un contexte temporel aux affirmations sensibles de votre graphe.
Relations : Triplet RDF relie des ressources par Identifiant unique ; Triplet RDF compose Graphe de connaissances.
- SPARQL
SPARQL est un langage de requête pour les données RDF. Il permet de retrouver des entités et relations répondant à des conditions précises.
Dans la pratique : Utilisez des requêtes reproductibles pour explorer un graphe, puis contrôlez le sens des résultats obtenus.
Relations : SPARQL interroge des données RDF ; SPARQL interroge Wikidata ; SPARQL est standardisé par W3C.
- Identifiant unique
Un identifiant unique distingue une entité dans un système donné. Un Qid Wikidata, un identifiant produit ou une URI évitent de dépendre uniquement d’un nom variable.
Dans la pratique : Conservez des identifiants stables lors des changements de libellé pour préserver les relations et les liens.
- Google Knowledge Graph
Le Google Knowledge Graph est une base de connaissances utilisée par Google pour représenter des entités et leurs relations. Il est distinct de l’ensemble des pages indexées par Google Search.
Dans la pratique : Vérifiez la cohérence des informations publiques sur votre organisation et corrigez les confusions d’identité à leur source.
Relations : Google Knowledge Graph est un Graphe de connaissances ; Google Knowledge Graph est exploité par Google Search ; Google Knowledge Graph est maintenu par Google.
À lire sur le site
- Wikidata
Wikidata est une base de connaissances collaborative structurée autour d’entités identifiées par des Qid. Ses déclarations peuvent comporter des références, qualifications et plusieurs valeurs.
Dans la pratique : Contrôlez le label, la description et les déclarations d’un item avant de l’utiliser comme lien d’identité.
Relations : Wikidata est un Graphe de connaissances ; Wikidata fournit Identifiant unique ; Wikidata peut être référencé par sameAs.
À lire sur le site
- DBpedia
DBpedia extrait des données structurées à partir de Wikipédia et les rend interrogeables. Ce projet permet de relier des sujets encyclopédiques à un ensemble de propriétés et de catégories.
Dans la pratique : Traitez ses données comme des informations à contextualiser et vérifiez leur correspondance avec l’entité étudiée.
Relations : DBpedia extrait des données de Wikipédia ; DBpedia est un Graphe de connaissances ; DBpedia publie des Données liées.
05Interfaces de recherche IA15
- ChatGPT
ChatGPT est un assistant conversationnel développé par OpenAI. Ses réponses peuvent mobiliser le modèle, des outils et, selon le mode, une recherche de sources externes.
Dans la pratique : Précisez si votre observation utilise la recherche web, et conservez les sources effectivement affichées.
Relations : ChatGPT utilise Grands modèles de langage ; ChatGPT propose Deep Research.
À lire sur le site
- Recherche ChatGPT
La recherche ChatGPT permet à l’assistant de retrouver des informations sur le Web et de les utiliser dans une réponse accompagnée de sources. Elle est distincte des seules connaissances du modèle.
Dans la pratique : Vérifiez l’accès d’OAI-SearchBot et testez les questions pour lesquelles vos pages apportent une réponse identifiable.
Relations : Recherche ChatGPT est une fonction de ChatGPT ; Recherche ChatGPT affiche Citation de source.
À lire sur le site
- Perplexity
Perplexity propose une expérience de recherche conversationnelle qui synthétise des informations et affiche des sources. La sélection des documents dépend de la demande et du mode utilisé.
Dans la pratique : Examinez les pages citées sur vos questions cibles pour comprendre les preuves et formats retenus.
Relations : Perplexity est un Answer Engine ; Perplexity affiche Citation de source.
À lire sur le site
- Google AI Overviews
Les AI Overviews sont des synthèses générées dans Google Search pour certaines recherches. Elles peuvent présenter des liens vers des pages qui étayent ou prolongent la réponse.
Dans la pratique : Travaillez l’accessibilité et la valeur des pages sources, puis observez les requêtes et citations réellement concernées.
État des preuves, documenté par l’éditeur : Google indique qu’aucune exigence supplémentaire ni optimisation spéciale n’est nécessaire pour y apparaître : les bonnes pratiques SEO restent la référence.
Relations : Google AI Overviews produit Synthèse multi-documents ; Google AI Overviews respecte nosnippet ; Google AI Overviews repose sur Gemini.
À lire sur le site
- Google AI Mode
AI Mode est une expérience conversationnelle de recherche de Google qui permet d’explorer des demandes complexes. Elle peut lancer plusieurs recherches liées pour construire la réponse.
Dans la pratique : Testez des comparaisons et questions comportant plusieurs contraintes, en documentant les liens affichés.
État des preuves, documenté par l’éditeur : Google indique qu’aucune exigence supplémentaire ni optimisation spéciale n’est nécessaire pour y apparaître : les bonnes pratiques SEO restent la référence.
Relations : Google AI Mode repose sur Gemini.
À lire sur le site
- Gemini
Gemini désigne notamment l’assistant de Google ainsi qu’une famille de modèles. L’application, les modèles et les fonctionnalités de Google Search constituent des contextes distincts.
Dans la pratique : Indiquez l’interface exacte dans vos mesures afin de ne pas mélanger des résultats provenant de produits différents.
Relations : Gemini est encadré par Google-Extended ; Gemini est conçu par Google DeepMind.
- Microsoft Copilot
Microsoft Copilot est un assistant IA de Microsoft présent dans plusieurs produits et usages. Les réponses et sources disponibles dépendent de l’expérience et des outils activés.
Dans la pratique : Documentez le produit, le compte et le contexte de recherche lorsque vous suivez une marque dans Copilot.
Relations : Microsoft Copilot s’appuie sur Microsoft Bing ; Microsoft Copilot affiche Citation de source.
- Microsoft Bing
Microsoft Bing est le moteur de recherche de Microsoft. Son index et ses services font partie de l’écosystème de découverte et de recherche du Web.
Dans la pratique : Contrôlez vos pages dans Bing Webmaster Tools et la cohérence de vos informations indexées.
- Claude
Claude est une famille de modèles et un assistant développés par Anthropic. Son accès à des sources externes dépend des outils et fonctionnalités disponibles dans l’usage observé.
Dans la pratique : Distinguez une réponse sans recherche d’une réponse construite à partir de sources web ou d’un corpus fourni.
Relations : Claude utilise Grands modèles de langage ; Claude peut se connecter par Model Context Protocol.
- Grok
Grok est un assistant IA associé à l’écosystème xAI. Ses modes de recherche et les informations accessibles peuvent varier selon l’interface utilisée.
Dans la pratique : Conservez la date, le mode et les sources d’une observation avant de comparer la présence d’une marque.
Relations : Grok utilise Grands modèles de langage ; Grok réalise Recherche conversationnelle.
- Mistral Vibe / Le Chat
L’assistant conversationnel de Mistral, connu sous le nom Le Chat et présenté comme Vibe sur la page officielle consultée, permet de travailler avec des modèles et outils IA.
Dans la pratique : Gardez les appellations historiques dans votre veille pour suivre un même produit malgré les changements de nom.
Relations : Mistral Vibe / Le Chat utilise Grands modèles de langage ; Mistral Vibe / Le Chat réalise Recherche conversationnelle.
- You.com
You.com propose des services de recherche et d’assistance utilisant l’IA. Les expériences peuvent combiner recherche de sources, synthèse et outils de travail.
Dans la pratique : Testez les usages pertinents pour votre audience et inspectez les sources, sans supposer une identité avec les résultats Google.
Relations : You.com est un Moteur de recherche ; You.com affiche Citation de source ; You.com réalise Recherche conversationnelle.
- Brave Search
Brave Search est un moteur de recherche développé dans l’écosystème Brave. Il propose des résultats web et des fonctionnalités de réponse assistée par IA.
Dans la pratique : Vérifiez directement les résultats et citations sur les questions qui concernent votre activité.
Relations : Brave Search est un Moteur de recherche ; Brave Search repose sur Indexation.
- Google Search
Google Search est le service de recherche de Google. Il présente différents types de résultats, dont des liens web, des formats enrichis et des fonctionnalités IA.
Dans la pratique : Séparez les performances des pages, les types de requêtes et les expériences de recherche observées.
Relations : Google Search intègre Google AI Overviews ; Google Search intègre Google AI Mode ; Google Search est un Moteur de recherche ; Google Search s’appuie historiquement sur PageRank.
À lire sur le site
- Deep Research
Deep Research désigne des modes de recherche approfondie qui enchaînent plusieurs étapes pour produire une synthèse documentée. Plusieurs éditeurs utilisent cette appellation pour des produits différents.
Dans la pratique : Évaluez la diversité et la fiabilité des sources du rapport, pas uniquement sa longueur ou son nombre de références.
Relations : Deep Research est une forme de Recherche agentique ; Deep Research produit Synthèse multi-documents.
06Organisations & écosystème13
- OpenAI
OpenAI est l’organisation qui développe notamment ChatGPT et des modèles accessibles par API. Elle publie les règles et identifiants de ses robots web.
Dans la pratique : Consultez sa documentation pour distinguer les robots de recherche, d’entraînement et d’accès à la demande.
Relations : OpenAI développe ChatGPT ; OpenAI exploite GPTBot ; OpenAI exploite OAI-SearchBot ; OpenAI exploite ChatGPT-User.
À lire sur le site
Google développe des produits de recherche, de publicité et d’IA. Ses outils destinés aux éditeurs décrivent les conditions d’accès et de présentation des sites dans Search.
Dans la pratique : Utilisez Search Central comme source primaire pour les exigences techniques de Google Search.
Relations : Google propose Google Search ; Google développe Gemini ; Google exploite Googlebot ; Google édite Google Search Console.
- Google DeepMind
Google DeepMind est l’entité de recherche et développement en IA de Google. Ses travaux contribuent notamment aux familles de modèles et aux systèmes de raisonnement.
Dans la pratique : Distinguez une publication scientifique d’une description confirmée du fonctionnement d’un produit de recherche.
Relations : Google DeepMind est une filiale de Google ; Google DeepMind mène des recherches en Apprentissage profond.
- Microsoft
Microsoft développe notamment Bing, Copilot et des services cloud. Ses activités relient recherche web, assistants et outils de productivité.
Dans la pratique : Identifiez le produit concerné avant d’interpréter une évolution annoncée par l’entreprise.
Relations : Microsoft développe Microsoft Copilot ; Microsoft propose Microsoft Bing ; Microsoft exploite Bingbot ; Microsoft édite Bing Webmaster Tools.
- Anthropic
Anthropic développe Claude et publie des recherches et outils liés aux modèles de langage. Son écosystème comprend également le protocole MCP.
Dans la pratique : Consultez les règles propres aux robots et aux produits Anthropic plutôt que de leur appliquer celles d’un autre éditeur.
Relations : Anthropic développe Claude ; Anthropic exploite ClaudeBot ; Anthropic a publié Model Context Protocol.
À lire sur le site
- Mistral AI
Mistral AI est une entreprise française qui développe des modèles, un assistant et des services pour les organisations. Ses produits s’inscrivent dans l’écosystème des usages génératifs.
Dans la pratique : Suivez les fonctions concrètes de recherche et de citation disponibles dans le produit utilisé par votre public.
Relations : Mistral AI développe Mistral Vibe / Le Chat ; Mistral AI développe Grands modèles de langage ; Mistral AI publie des modèles sur Hugging Face.
- xAI
xAI est le nom de l’organisation à l’origine de Grok et de son écosystème de modèles. Il ne faut pas le confondre avec XAI, abréviation de l’intelligence artificielle explicable.
Dans la pratique : Utilisez le site officiel et le contexte du produit pour désambiguïser les mentions de cette organisation.
Relations : xAI organisation associée à Grok ; xAI développe Grands modèles de langage ; xAI concurrence OpenAI.
- Meta AI
Meta AI désigne les activités et produits IA de Meta, dont des assistants et des modèles. L’appellation peut recouvrir une organisation de recherche ou une expérience utilisateur.
Dans la pratique : Précisez le produit observé et son accès aux sources lorsque vous évaluez une présence de marque.
Relations : Meta AI développe Grands modèles de langage ; Meta AI publie des modèles sur Hugging Face ; Meta AI concurrence ChatGPT.
- Brave Software
Brave Software développe notamment le navigateur Brave et Brave Search. L’entreprise, le navigateur et le moteur de recherche sont trois objets distincts.
Dans la pratique : Associez vos observations au moteur de recherche plutôt qu’au seul usage du navigateur.
Relations : Brave Software développe Brave Search ; Brave Software propose une API ; Brave Software met en avant Confidentialité des données.
- Wikimedia Foundation
La Wikimedia Foundation est l’organisation à but non lucratif qui héberge notamment Wikipédia et Wikidata. Les contenus de ces projets sont produits et maintenus par leurs communautés.
Dans la pratique : Respectez les critères éditoriaux de chaque projet ; une fiche encyclopédique n’est pas un support promotionnel.
Relations : Wikimedia Foundation héberge Wikipédia ; Wikimedia Foundation héberge Wikidata ; Wikimedia Foundation publie des Données ouvertes.
- Common Crawl
Common Crawl constitue et met à disposition des archives de pages web explorées à grande échelle. Ses jeux de données sont utilisés dans différents travaux sur le Web et le langage.
Dans la pratique : Ne déduisez pas d’une présence dans une archive qu’un modèle particulier a appris ou citera votre contenu.
Relations : Common Crawl utilise Robot d’indexation ; Common Crawl publie des Données ouvertes.
- Hugging Face
Hugging Face est une plateforme de partage de modèles, jeux de données et applications d’apprentissage automatique. Elle facilite l’accès à des ressources et à leur documentation.
Dans la pratique : Lisez les fiches de modèles et de datasets pour comprendre leurs usages, limites et licences.
Relations : Hugging Face héberge des Grands modèles de langage ; Hugging Face héberge des bancs d’essai comme BEIR.
- W3C
Le W3C est une organisation de normalisation des technologies du Web. Ses standards contribuent à l’interopérabilité, à l’accessibilité et aux données structurées.
Dans la pratique : Privilégiez des formats et comportements web standards pour faciliter l’accès humain et automatisé à vos contenus.
Relations : W3C a normalisé JSON-LD ; W3C a normalisé RDFa.
07Exploration & accès30
- Robot d’indexation
Un robot d’indexation parcourt des pages et leurs liens pour collecter des informations. L’exploration peut servir à la recherche, à l’archivage ou à d’autres usages selon le robot.
Dans la pratique : Identifiez les robots dans vos logs et vérifiez leurs accès aux pages réellement utiles.
Relations : Robot d’indexation alimente Indexation ; Robot d’indexation découvre des URL par Sitemap XML ; Robot d’indexation suit Liens internes.
À lire sur le site
- Googlebot
Googlebot est le nom des robots employés par Google pour explorer le Web. Leur accès participe au processus de découverte et d’indexation de Google Search.
Dans la pratique : Vérifiez robots.txt, réponses HTTP et rendu des pages prioritaires avec les outils Google appropriés.
Relations : Googlebot explore pour Google Search ; Googlebot est un Robot d’indexation ; Googlebot respecte robots.txt ; Googlebot exécute JavaScript & rendu.
À lire sur le site
- Bingbot
Bingbot est le robot d’exploration du moteur Bing. Il découvre et revisite les pages afin d’alimenter les systèmes de recherche de Microsoft.
Dans la pratique : Contrôlez ses passages et les erreurs d’accès, puis utilisez Bing Webmaster Tools pour les problèmes d’indexation.
Relations : Bingbot est un Robot d’indexation ; Bingbot explore pour Microsoft Bing ; Bingbot respecte robots.txt.
À lire sur le site
- OAI-SearchBot
OAI-SearchBot est le robot de recherche d’OpenAI destiné à la découverte de sites pour les fonctions de recherche de ChatGPT. Il est distinct de GPTBot.
Dans la pratique : Décidez de son accès séparément de celui des robots d’entraînement et vérifiez les règles du pare-feu.
État des preuves, documenté par l’éditeur : OpenAI indique que ce robot sert à faire apparaître les sites dans la recherche de ChatGPT ; un changement de robots.txt peut prendre environ 24 heures à être pris en compte.
Relations : OAI-SearchBot explore des pages pour la Recherche ChatGPT ; OAI-SearchBot est un Robot d’indexation ; OAI-SearchBot respecte robots.txt.
À lire sur le site
- GPTBot
GPTBot est le robot d’OpenAI associé à la collecte de contenus pouvant servir à l’entraînement de modèles. Son autorisation ne correspond pas à une garantie de présence dans ChatGPT Search.
Dans la pratique : Gérez l’autorisation d’entraînement en fonction de votre politique de contenu, indépendamment de la recherche.
État des preuves, documenté par l’éditeur : OpenAI indique que bloquer GPTBot signale que le contenu ne doit pas servir à entraîner ses modèles ; ce réglage est indépendant de la recherche.
Relations : GPTBot collecte des contenus pouvant servir au Préentraînement ; GPTBot est un Robot d’indexation ; GPTBot respecte robots.txt ; GPTBot se distingue de OAI-SearchBot.
À lire sur le site
- ChatGPT-User
ChatGPT-User est un agent utilisé pour certaines actions déclenchées par les utilisateurs de ChatGPT. Il peut récupérer une page à la demande plutôt que parcourir automatiquement un site.
Dans la pratique : Distinguez ses requêtes des passages automatiques lorsque vous analysez les logs du serveur.
État des preuves, documenté par l’éditeur : OpenAI indique que cet agent agit à la demande d’un utilisateur, que les règles robots.txt peuvent ne pas s’appliquer et qu’il ne détermine pas la présence dans la recherche.
Relations : ChatGPT-User récupère des pages à la demande dans ChatGPT ; ChatGPT-User se distingue de GPTBot.
À lire sur le site
- PerplexityBot
PerplexityBot est le robot utilisé par Perplexity pour découvrir des pages pouvant apparaître dans ses résultats. Sa documentation le distingue de la collecte pour entraîner des modèles fondamentaux.
Dans la pratique : Vérifiez ses plages IP officielles et son accès avant d’attribuer une absence de citation au contenu.
État des preuves, documenté par l’éditeur : Perplexity indique que ce robot sert à afficher et lier les sites dans ses résultats, et qu’il ne collecte pas de contenu pour entraîner des modèles.
Relations : PerplexityBot explore des pages pour Perplexity ; PerplexityBot est un Robot d’indexation ; PerplexityBot peut être autorisé dans robots.txt.
À lire sur le site
- Perplexity-User
Perplexity-User récupère des pages dans le cadre d’actions demandées par un utilisateur de Perplexity. Son fonctionnement diffère d’un crawl automatisé de découverte.
Dans la pratique : Analysez séparément les accès à la demande et les passages réguliers de PerplexityBot.
État des preuves, documenté par l’éditeur : Perplexity indique que cet agent, déclenché par un utilisateur, ignore généralement les règles robots.txt.
Relations : Perplexity-User récupère des pages à la demande dans Perplexity ; Perplexity-User ignore généralement robots.txt ; Perplexity-User se distingue de PerplexityBot.
À lire sur le site
- ClaudeBot
ClaudeBot est un robot d’Anthropic associé à la collecte de données pour ses modèles. Les accès de recherche et les actions utilisateur peuvent relever d’autres agents identifiés par l’éditeur.
Dans la pratique : Vérifiez la documentation Anthropic à jour avant de modifier vos autorisations pour les différents usages.
État des preuves, documenté par l’éditeur : Anthropic indique que restreindre ClaudeBot exclut les contenus futurs du site de ses jeux de données d’entraînement ; les accès déclenchés par un utilisateur relèvent de Claude-User.
Relations : ClaudeBot est un Robot d’indexation ; ClaudeBot peut être restreint par robots.txt.
- Google-Extended
Google-Extended est un jeton de contrôle destiné à certains usages des contenus par les systèmes IA de Google. Il est distinct du contrôle de Googlebot pour Search.
Dans la pratique : Ne bloquez pas Googlebot en pensant limiter uniquement l’entraînement d’une IA.
État des preuves, documenté par l’éditeur : Google indique que ce jeton encadre l’entraînement de Gemini et l’ancrage dans ses applications, sans effet sur l’inclusion ni le classement dans Google Search.
Relations : Google-Extended est un jeton de robots.txt ; Google-Extended n’affecte pas l’inclusion dans Google Search.
- robots.txt
Le fichier robots.txt expose aux robots des règles d’accès à des chemins d’un site. Il agit sur l’exploration et ne remplace ni une authentification ni toutes les directives d’indexation.
Dans la pratique : Testez les règles pour chaque agent et évitez les blocages involontaires des pages ou ressources indispensables.
État des preuves, documenté par l’éditeur : OpenAI et Perplexity documentent des jetons robots.txt distincts pour chacun de leurs robots, réglables indépendamment.
Relations : robots.txt énonce des règles d’exploration pour un Robot d’indexation ; robots.txt se distingue de noindex ; robots.txt peut signaler Sitemap XML.
À lire sur le site
- Sitemap XML
Un sitemap XML liste les URL que l’éditeur souhaite faire découvrir aux moteurs, avec éventuellement des dates de modification. Il constitue une aide à la découverte, pas une garantie d’indexation.
Dans la pratique : N’y conservez que les URL canoniques accessibles et des dates de modification fidèles aux changements réels.
Relations : Sitemap XML aide à découvrir les URL avant leur Indexation ; Sitemap XML peut indiquer Date de mise à jour ; Sitemap XML liste des URL canonique.
À lire sur le site
- IndexNow
IndexNow est un protocole qui permet de signaler à des moteurs participants qu’une URL a été ajoutée, modifiée ou supprimée. Il accélère la notification d’un changement.
Dans la pratique : Déclenchez les notifications lors d’une modification effective, sans les confondre avec une promesse de classement.
Relations : IndexNow notifie Microsoft Bing ; IndexNow complète Sitemap XML ; IndexNow se suit dans Bing Webmaster Tools.
- URL canonique
Une URL canonique est la version de référence choisie pour un contenu accessible sous plusieurs adresses. Le lien rel=canonical exprime une préférence que le moteur interprète avec d’autres signaux.
Dans la pratique : Alignez liens internes, sitemap et canonique sur la même URL pour réduire la dispersion des versions.
Relations : URL canonique aide à désigner la version de référence d’un Contenu dupliqué ; URL canonique se distingue de Redirection HTTP.
À lire sur le site
- Redirection HTTP
Une redirection HTTP indique au navigateur ou au robot qu’une ressource se trouve à une autre adresse. Les codes 301 et 308 signalent notamment un déplacement permanent.
Dans la pratique : Mettez à jour les liens internes vers la destination finale et évitez les chaînes de redirections.
Relations : Redirection HTTP utilise Code de statut HTTP ; Redirection HTTP préserve la valeur de Backlink.
À lire sur le site
- Code de statut HTTP
Un code de statut HTTP décrit le résultat d’une requête : succès, redirection ou erreur. Il aide les clients et robots à interpréter l’état d’une ressource.
Dans la pratique : Vérifiez que les pages importantes renvoient un statut cohérent avec leur contenu et ne cachent pas une erreur sous un code 200.
Relations : Code de statut HTTP renseigne Robot d’indexation ; Code de statut HTTP est consigné dans Fichier journal.
À lire sur le site
- JavaScript & rendu
JavaScript peut produire ou modifier le contenu d’une page dans le navigateur. Tous les robots ne l’exécutent pas avec les mêmes capacités ni les mêmes délais.
Dans la pratique : Comparez le HTML initial et le rendu pour vérifier que les informations essentielles restent accessibles aux robots visés.
Relations : JavaScript & rendu peut retarder Indexation ; JavaScript & rendu se contrôle avec Screaming Frog SEO Spider.
À lire sur le site
- Rendu côté serveur
Le rendu côté serveur produit le HTML de la page avant son envoi au navigateur. Il permet de livrer directement du contenu sans attendre son assemblage par JavaScript.
Dans la pratique : Rendez côté serveur les définitions, liens et données essentielles d’une page publique lorsque c’est adapté à votre architecture.
Relations : Rendu côté serveur réduit la dépendance à JavaScript & rendu ; Rendu côté serveur facilite l’accès de Robot d’indexation ; Rendu côté serveur livre HTML sémantique.
À lire sur le site
- HTML sémantique
Le HTML sémantique utilise des éléments correspondant au rôle du contenu, comme titres, listes, tableaux et articles. Il aide les navigateurs et technologies d’assistance à comprendre la structure.
Dans la pratique : Choisissez les balises selon le sens du contenu et gardez une hiérarchie de titres cohérente.
Relations : HTML sémantique structure Tableau de données ; HTML sémantique porte Texte alternatif ; HTML sémantique facilite Découpage en passages.
À lire sur le site
- Liens internes
Un lien interne relie deux ressources d’un même site. Il sert à la navigation, à la découverte des pages et à la compréhension des relations entre contenus.
Dans la pratique : Reliez un concept à son explication la plus pertinente avec une ancre descriptive, sans multiplier les doublons.
Relations : Liens internes matérialise une partie de Architecture de l’information ; Liens internes distribuent PageRank ; Liens internes structurent Cluster thématique.
À lire sur le site
- Architecture de l’information
L’architecture de l’information organise les contenus, catégories et parcours d’un site. Elle aide les personnes et les systèmes de recherche à trouver et comprendre ce qui est publié.
Dans la pratique : Vérifiez qu’un visiteur peut passer du sujet général au concept précis puis à une preuve ou un exemple.
Relations : Architecture de l’information s’exprime par BreadcrumbList.
À lire sur le site
- CDN
Un réseau de diffusion de contenu, ou CDN, distribue des ressources depuis plusieurs points de présence. Il peut améliorer la livraison des pages et appliquer des règles de cache ou de sécurité.
Dans la pratique : Contrôlez que ses protections et caches n’empêchent pas les robots autorisés de recevoir le bon contenu.
Relations : CDN peut inclure Pare-feu applicatif ; CDN peut bloquer Robot d’indexation ; CDN produit Fichier journal.
- Pare-feu applicatif
Un pare-feu applicatif, ou WAF, filtre les requêtes adressées à une application web. Ses règles peuvent bloquer des attaques mais aussi des robots légitimes.
Dans la pratique : Validez l’identité des robots avant d’ajuster les règles, et examinez les codes de blocage dans les logs.
Relations : Pare-feu applicatif peut filtrer les requêtes d’un Robot d’indexation ; Pare-feu applicatif peut bloquer PerplexityBot ; Pare-feu applicatif s’audite par Analyse des logs.
À lire sur le site
- Fichier journal
Un fichier journal enregistre des événements techniques, comme les requêtes reçues par un serveur. Un log d’accès peut inclure URL, date, statut et agent utilisateur.
Dans la pratique : Conservez un historique exploitable pour distinguer absence d’exploration et échec de récupération.
Relations : Fichier journal enregistre le passage de Robot d’indexation.
À lire sur le site
- Meta robots
Les directives meta robots donnent des indications sur l’indexation et la présentation d’une page. Elles peuvent être placées dans le HTML ou transmises par l’en-tête X-Robots-Tag.
Dans la pratique : Auditez les directives effectives des pages publiques, notamment après une migration ou une ouverture de préproduction.
Relations : Meta robots porte noindex ; Meta robots porte nosnippet ; Meta robots porte max-snippet.
À lire sur le site
- noindex
La directive noindex demande à un moteur compatible de ne pas indexer une page. Pour la découvrir, le robot doit généralement pouvoir accéder à la ressource.
Dans la pratique : Ne combinez pas aveuglément noindex et blocage robots.txt si votre objectif est de faire lire la directive au moteur.
État des preuves, documenté par l’éditeur : Google cite noindex parmi les contrôles qui limitent les informations affichées dans la recherche, fonctionnalités IA comprises.
Relations : noindex nécessite une exploration autorisée par robots.txt.
À lire sur le site
- nosnippet
La directive nosnippet demande à Google de ne pas afficher d’extrait textuel ou d’aperçu vidéo pour une page. Elle intervient aussi dans l’usage de contenus par certaines fonctionnalités IA de Search.
Dans la pratique : Évaluez les conséquences de cette restriction sur la présentation de vos pages avant de la généraliser.
État des preuves, documenté par l’éditeur : Google cite nosnippet parmi les contrôles qui limitent les informations affichées dans la recherche, fonctionnalités IA comprises.
Relations : nosnippet se distingue de data-nosnippet.
- data-nosnippet
L’attribut data-nosnippet désigne des portions de page à exclure des extraits de Google Search. Il permet de cibler un passage sans retirer toute la page de l’index.
Dans la pratique : Appliquez-le seulement aux éléments dont vous souhaitez limiter la reprise, puis contrôlez le rendu et l’exploration.
État des preuves, documenté par l’éditeur : Google cite data-nosnippet parmi les contrôles qui limitent les informations affichées dans la recherche, fonctionnalités IA comprises.
Relations : data-nosnippet s’applique à des éléments de HTML sémantique ; data-nosnippet limite l’extrait repris par Google AI Overviews.
- max-snippet
La directive max-snippet fixe une limite de longueur pour les extraits textuels présentés par Google. Sa valeur concerne les possibilités de présentation du contenu.
Dans la pratique : Choisissez la restriction en fonction du contenu à protéger et vérifiez ses effets sur les formats de recherche.
État des preuves, documenté par l’éditeur : Google cite max-snippet parmi les contrôles qui limitent les informations affichées dans la recherche, fonctionnalités IA comprises.
Relations : max-snippet limite la longueur d’extrait dans Google Search ; max-snippet se distingue de nosnippet.
- Paywall
Un paywall limite l’accès à un contenu, généralement aux abonnés ou aux utilisateurs autorisés. L’accès des robots dépend des choix techniques et éditoriaux du site.
Dans la pratique : Définissez précisément ce qui est public, accessible aux robots ou réservé aux abonnés, puis testez ces trois situations.
Relations : Paywall limite l’accès de Robot d’indexation ; Paywall peut être balisé avec Article ; Paywall se distingue de Cloaking.
À lire sur le site
08Données structurées21
- Schema.org
Schema.org est un vocabulaire partagé pour décrire des objets et contenus du Web avec des types et propriétés. Il peut être exprimé notamment en JSON-LD, microdonnées ou RDFa.
Dans la pratique : Décrivez fidèlement ce qui est visible sur la page ; aucun balisage spécial ne garantit une citation dans une réponse IA.
État des preuves, effet non démontré : Google indique qu’aucune donnée structurée spéciale n’est à ajouter pour ses fonctionnalités IA. L’effet du balisage sur les citations n’est établi par aucune source primaire.
Relations : Schema.org peut être exprimé en JSON-LD ; Schema.org est un vocabulaire du Web sémantique ; Schema.org définit Organization ; Schema.org peut être exprimé en Microdonnées ; Schema.org peut être exprimé en RDFa.
À lire sur le site
- JSON-LD
JSON-LD est un format JSON permettant d’exprimer des données liées. Sur une page web, il sert souvent à publier des informations structurées sans les disperser dans le HTML visible.
Dans la pratique : Validez la syntaxe et gardez les valeurs synchronisées avec le contenu réellement présenté aux lecteurs.
État des preuves, effet non démontré : Le format sert les résultats enrichis de la recherche. Google indique qu’aucun balisage spécial n’est requis pour ses fonctionnalités IA.
Relations : JSON-LD encode des Données liées ; JSON-LD est le format recommandé par Google Search.
À lire sur le site
- Microdonnées
Les microdonnées ajoutent des attributs au HTML afin d’associer des propriétés structurées aux éléments d’une page. Elles constituent une autre manière d’utiliser des vocabulaires comme Schema.org.
Dans la pratique : Évitez que le balisage intégré au HTML et un éventuel JSON-LD fournissent des valeurs contradictoires.
Relations : Microdonnées s’intègrent à HTML sémantique ; Microdonnées se distinguent de JSON-LD.
À lire sur le site
- RDFa
RDFa enrichit le HTML avec des attributs exprimant des relations et propriétés RDF. Les données structurées sont ainsi attachées aux éléments du document.
Dans la pratique : Choisissez une méthode de balisage que votre équipe peut maintenir de manière cohérente.
Relations : RDFa s’intègre à HTML sémantique ; RDFa exprime du RDF.
À lire sur le site
- Organization
Organization est le type Schema.org qui décrit une organisation : entreprise, association ou institution. Il peut préciser son nom, son URL, son logo et ses relations.
Dans la pratique : Utilisez un identifiant stable pour l’organisation et des liens sameAs seulement vers ses profils ou identités réels.
Relations : Organization peut déclarer sameAs ; Organization décrit Marque ; Organization a pour sous-type LocalBusiness.
À lire sur le site
- Person
Person est le type Schema.org décrivant une personne. Il permet notamment de relier un auteur à ses œuvres, affiliations et informations biographiques.
Dans la pratique : Reliez chaque auteur à une page de présentation qui rend son identité et son domaine d’expertise vérifiables.
Relations : Person décrit Auteur ; Person peut déclarer sameAs ; Person est défini par Schema.org.
À lire sur le site
- Article
Article est un type Schema.org pour un article, avec des sous-types adaptés à certains contenus. Il permet de décrire titre, auteur, publication et autres caractéristiques.
Dans la pratique : Renseignez des auteurs et dates exacts plutôt que de changer artificiellement la date à chaque affichage.
Relations : Article déclare Auteur ; Article déclare Date de publication ; Article déclare Date de mise à jour.
À lire sur le site
- Product
Product est le type Schema.org décrivant un produit ou service proposé. Il peut porter des identifiants, caractéristiques et liens vers des offres.
Dans la pratique : Exposez des attributs précis et cohérents entre la fiche visible, les données structurées et le flux marchand.
Relations : Product peut décrire les mêmes articles qu’un Flux produit ; Product contient Offer ; Product peut porter AggregateRating ; Product peut porter Review.
À lire sur le site
- Offer
Offer décrit une offre commerciale portant sur un produit ou service, avec notamment prix, devise et disponibilité. L’offre est distincte de l’objet proposé.
Dans la pratique : Mettez à jour le prix et la disponibilité depuis une source de données commune à tous vos canaux.
Relations : Offer indique Prix produit ; Offer indique Stock & disponibilité ; Offer est défini par Schema.org.
À lire sur le site
- Review
Review décrit un avis ou une évaluation portant sur un objet identifié. Il peut relier le texte de l’avis à son auteur et à sa note.
Dans la pratique : Indiquez clairement qui évalue quoi et respectez les règles du moteur pour l’éligibilité aux résultats enrichis.
Relations : Review décrit Avis client ; Review alimente AggregateRating.
À lire sur le site
- AggregateRating
AggregateRating décrit une note agrégée calculée à partir de plusieurs évaluations. Elle doit correspondre à un ensemble identifiable d’avis ou de notes.
Dans la pratique : Affichez le nombre d’évaluations et une note cohérente avec les données réelles et visibles.
Relations : AggregateRating résume Avis client.
À lire sur le site
- LocalBusiness
LocalBusiness décrit un établissement ou commerce local dans Schema.org. Il permet notamment d’exprimer adresse, coordonnées, horaires et activité.
Dans la pratique : Maintenez les mêmes informations pratiques sur votre site et sur les fiches d’établissement externes.
Relations : LocalBusiness déclare Adresse & coordonnées ; LocalBusiness sert Référencement local.
À lire sur le site
- FAQPage
FAQPage décrit une page comportant des questions fréquentes et les réponses proposées par son éditeur. Son existence ne garantit pas l’affichage d’un résultat enrichi.
Dans la pratique : Publiez des réponses utiles et visibles avant d’ajouter le balisage correspondant.
État des preuves, effet non démontré : Google indique qu’aucune donnée structurée spéciale n’est à ajouter pour ses fonctionnalités IA. Un effet de ce balisage sur les citations n’est établi par aucune source primaire.
Relations : FAQPage balise FAQ ; FAQPage est défini par Schema.org ; FAQPage structure Question-réponse.
À lire sur le site
- BreadcrumbList
BreadcrumbList décrit un fil d’Ariane sous forme de liste ordonnée. Il exprime le chemin de navigation d’une page dans l’organisation du site.
Dans la pratique : Faites correspondre les données structurées au parcours de navigation réellement présenté.
Relations : BreadcrumbList est défini par Schema.org ; BreadcrumbList s’exprime en JSON-LD.
- Dataset
Dataset décrit un jeu de données dans Schema.org. Il peut documenter son contenu, son créateur, sa licence et ses moyens d’accès.
Dans la pratique : Ajoutez une méthodologie, une période de collecte et un dictionnaire des variables pour rendre vos données réutilisables.
Relations : Dataset décrit Données ouvertes ; Dataset décrit Tableau de données ; Dataset est défini par Schema.org.
- sameAs
La propriété sameAs relie une entité à une autre URL qui en établit l’identité. Elle ne signifie pas simplement que deux pages parlent du même sujet.
Dans la pratique : Vérifiez chaque cible : un article voisin ou un résultat homonyme ne constitue pas un lien d’identité.
Relations : sameAs peut documenter une Liaison d’entités ; sameAs peut pointer vers Wikipédia.
À lire sur le site
- about
La propriété about indique le sujet principal d’un objet ou contenu dans Schema.org. Elle sert à déclarer de quoi traite un document.
Dans la pratique : Réservez-la aux sujets réellement centraux et ne transformez pas le balisage en liste de mots-clés.
Relations : about est une propriété de Schema.org ; about désigne Entité nommée ; about se distingue de mentions.
À lire sur le site
- mentions
La propriété mentions indique les entités évoquées par un contenu sans nécessairement en être les sujets principaux. Elle complète la distinction entre thème central et référence secondaire.
Dans la pratique : Ne déclarez que des entités effectivement présentes et correctement désambiguïsées.
Relations : mentions est une propriété de Schema.org ; mentions désigne Entité nommée.
À lire sur le site
- Identifiants produit (GTIN)
Le GTIN est un identifiant normalisé qui distingue un article commercial. Le GTIN-13 est notamment encodé dans un code EAN-13, et le GTIN-12 dans un code UPC-A.
Dans la pratique : Utilisez les identifiants attribués au produit exact, y compris sa variante, sans en inventer.
Relations : Identifiants produit (GTIN) peut identifier l’article décrit par Product ; Identifiants produit (GTIN) servent de Identifiant unique.
À lire sur le site
- Flux produit
Un flux produit transmet de manière structurée les informations d’un catalogue : identifiants, titres, prix, disponibilité, images et liens. Il alimente des services marchands ou comparateurs.
Dans la pratique : Automatisez sa mise à jour à partir du catalogue de référence et surveillez les erreurs de validation.
Relations : Flux produit contient Identifiants produit (GTIN) ; Flux produit transmet Prix produit ; Flux produit transmet Stock & disponibilité.
À lire sur le site
- Google Merchant Center
Google Merchant Center permet de fournir et gérer des données produit destinées aux expériences commerciales de Google. La qualité du catalogue dépend des attributs et de leur actualisation.
Dans la pratique : Alignez les données envoyées avec les pages d’atterrissage et corrigez les différences de prix ou de stock.
Relations : Google Merchant Center reçoit des Flux produit ; Google Merchant Center alimente Recherche de produits ; Google Merchant Center est édité par Google.
À lire sur le site
09Contenus & preuves27
- Intention de recherche
L’intention de recherche est le besoin que l’utilisateur tente de satisfaire à travers une requête. Une même formulation peut recouvrir information, comparaison, achat ou accès à une ressource.
Dans la pratique : Choisissez le format et le niveau de détail de la page en fonction du besoin, pas seulement du mot-clé.
Relations : Intention de recherche se décline en Requête informationnelle ; Intention de recherche se décline en Requête navigationnelle ; Intention de recherche se décline en Requête transactionnelle.
À lire sur le site
- Couverture thématique
La couverture thématique représente l’étendue et la profondeur avec lesquelles un site traite un domaine. Elle inclut les sujets, sous-questions et relations nécessaires à sa compréhension.
Dans la pratique : Repérez les questions importantes sans réponse et les pages qui répètent le même contenu sans ajouter de valeur.
Relations : Couverture thématique s’organise en Cluster thématique ; Couverture thématique répond à Query fan-out ; Couverture thématique traite Question de suivi.
À lire sur le site
- Cluster thématique
Un cluster thématique regroupe des contenus liés à un même sujet autour de pages et de liens cohérents. Il aide à articuler vue générale et approfondissements.
Dans la pratique : Attribuez un besoin principal à chaque page et reliez les approfondissements sans créer de doublons artificiels.
Relations : Cluster thématique peut suivre Taxonomie.
À lire sur le site
- Clarté rédactionnelle
La clarté rédactionnelle permet au lecteur de comprendre les informations, leur logique et leurs limites. Elle dépend du vocabulaire, des phrases et de l’organisation du texte.
Dans la pratique : Définissez les termes techniques à leur première occurrence et placez l’information importante avant ses détails.
État des preuves, mesuré en banc d’essai : L’étude teste la fluidité et la simplification du texte et mesure un gain, inférieur à celui des citations et des statistiques.
Relations : Clarté rédactionnelle facilite Découpage en passages ; Clarté rédactionnelle soutient Réponse directe ; Clarté rédactionnelle est testée dans Article fondateur GEO.
À lire sur le site
- Définition
Une définition établit le sens d’un terme ou les caractéristiques qui distinguent un concept. Elle permet de le reconnaître et de le différencier des notions voisines.
Dans la pratique : Commencez par la catégorie du concept puis sa différence essentielle, avec un exemple si nécessaire.
Relations : Définition est une forme de Réponse directe ; Définition aide à la Désambiguïsation ; Définition répond à Requête informationnelle.
À lire sur le site
- Réponse directe
Une réponse directe traite explicitement la question posée sans obliger le lecteur à reconstituer la conclusion. Elle peut être courte tout en conservant les conditions importantes.
Dans la pratique : Placez une réponse autonome au début de la section, puis développez preuves, exceptions et méthode.
Relations : Réponse directe sert Question-réponse.
À lire sur le site
- FAQ
Une FAQ rassemble des questions fréquentes et leurs réponses. Elle est utile lorsqu’elle reprend de véritables hésitations ou difficultés rencontrées par les utilisateurs.
Dans la pratique : Utilisez les questions des clients, du support et des commerciaux plutôt qu’une liste générique produite pour remplir la page.
Relations : FAQ regroupe des Réponse directe ; FAQ anticipe Question de suivi.
À lire sur le site
- Guide pratique
Un guide pratique explique comment accomplir une tâche à travers des étapes, prérequis et critères de réussite. Il doit permettre au lecteur d’agir.
Dans la pratique : Décrivez les entrées nécessaires, les étapes et le résultat attendu, avec des exemples vérifiables.
Relations : Guide pratique répond à Requête informationnelle ; Guide pratique peut refléter Expérience de première main.
- Comparatif
Un comparatif évalue plusieurs options selon des critères communs. Sa valeur repose sur la méthode, le périmètre et les preuves qui justifient les différences présentées.
Dans la pratique : Publiez les critères, la date de vérification et les éventuels liens commerciaux ou conflits d’intérêts.
Relations : Comparatif répond à Investigation commerciale ; Comparatif sert Comparaison de produits ; Comparatif s’appuie sur Tableau de données.
À lire sur le site
- Étude de cas
Une étude de cas analyse une situation concrète, ses actions et ses résultats. Elle fournit un exemple situé plutôt qu’une preuve universelle.
Dans la pratique : Précisez le contexte, la période, les données de départ et les facteurs qui limitent la généralisation.
Relations : Étude de cas apporte Expérience de première main ; Étude de cas constitue Preuve sociale.
À lire sur le site
- Recherche originale
Une recherche originale produit des observations, données ou analyses nouvelles. Elle peut prendre la forme d’un test, d’une enquête ou d’une étude de corpus.
Dans la pratique : Publiez la méthode et les données exploitables qui permettent à un lecteur de vérifier vos conclusions.
Relations : Recherche originale produit Statistiques sourcées ; Recherche originale apporte Information gain ; Recherche originale devient Source primaire.
À lire sur le site
- Statistiques sourcées
Une statistique sourcée est une donnée chiffrée accompagnée de son origine, de son périmètre et de sa période. Ces précisions déterminent ce que le chiffre permet réellement d’affirmer.
Dans la pratique : Reliez chaque chiffre important à sa source primaire et indiquez son échantillon ou son dénominateur.
État des preuves, mesuré en banc d’essai : Dans GEO-bench, l’ajout de statistiques figure parmi les méthodes les mieux classées. Le gain varie selon les domaines et n’est pas garanti hors de ce cadre.
Relations : Statistiques sourcées sont testées dans Article fondateur GEO ; Statistiques sourcées renvoient à Source primaire ; Statistiques sourcées se présentent en Tableau de données.
À lire sur le site
- Citation de source
Une citation de source attribue une information à un document ou à un auteur. Elle permet au lecteur de retrouver et contrôler l’élément invoqué.
Dans la pratique : Placez la référence près de l’affirmation qu’elle soutient et pointez vers le document précis.
État des preuves, mesuré en banc d’essai : Dans GEO-bench, citer ses sources figure parmi les méthodes les mieux classées. L’étude annonce jusqu’à 40 % de visibilité en plus, avec des écarts selon les domaines.
Relations : Citation de source peut renvoyer à Source primaire ; Citation de source est comptée dans Taux de citation ; Citation de source est testée dans Article fondateur GEO ; Citation de source s’appuie sur Référence bibliographique.
À lire sur le site
- Citation verbatim
Une citation verbatim reproduit les mots exacts d’une personne ou d’un document. Elle se distingue d’une reformulation ou d’une synthèse.
Dans la pratique : Conservez le sens et le contexte de la formulation originale, indiquez l’auteur et limitez la reprise à ce qui est utile.
État des preuves, mesuré en banc d’essai : Dans GEO-bench, l’ajout de citations textuelles figure parmi les méthodes les mieux classées. Le gain varie selon les domaines et n’est pas garanti hors de ce cadre.
Relations : Citation verbatim est testée dans Article fondateur GEO ; Citation verbatim doit rester fidèle à Source primaire ; Citation verbatim peut reprendre Expert.
- Référence bibliographique
Une référence bibliographique rassemble les informations qui identifient un document : auteur, titre, date, publication et identifiant ou URL. Elle facilite sa traçabilité.
Dans la pratique : Pour un article scientifique, conservez le DOI ou l’identifiant arXiv et la version consultée.
Relations : Référence bibliographique identifie Source primaire ; Référence bibliographique est courante sur arXiv.
- Source primaire
Une source primaire fournit directement les éléments étudiés : documentation de l’éditeur, données originales, texte officiel ou publication de recherche. Elle se distingue d’un commentaire secondaire.
Dans la pratique : Remontez à la source de l’affirmation avant de la reprendre dans votre contenu.
À lire sur le site
- Vérification des faits
La vérification des faits confronte une affirmation aux éléments disponibles pour évaluer sa justesse. Elle examine aussi le contexte, la date et la qualité des sources.
Dans la pratique : Vérifiez séparément les chiffres, citations et affirmations causales, même lorsqu’ils apparaissent dans une réponse bien rédigée.
Relations : Vérification des faits contrôle l’ Exactitude factuelle ; Vérification des faits s’appuie sur Source primaire ; Vérification des faits lutte contre Désinformation.
À lire sur le site
- Fraîcheur du contenu
La fraîcheur d’un contenu désigne son adéquation avec l’état actuel du sujet. Une date récente n’a de valeur que si les informations ont été effectivement contrôlées ou modifiées.
Dans la pratique : Révisez en priorité les prix, fonctionnalités, règles et résultats qui évoluent rapidement.
Relations : Fraîcheur du contenu se signale par Date de mise à jour ; Fraîcheur du contenu compte pour Temporalité de la requête ; Fraîcheur du contenu se notifie par IndexNow.
À lire sur le site
- Auteur
L’auteur est la personne ou organisation responsable de la production d’un contenu. Son identification aide à comprendre l’origine et la responsabilité des informations publiées.
Dans la pratique : Affichez une signature réelle et un moyen de consulter les compétences ou travaux pertinents de l’auteur.
Relations : Auteur apporte du contexte pour évaluer l’ E-E-A-T ; Auteur se présente dans Biographie d’auteur.
À lire sur le site
- Biographie d’auteur
Une biographie d’auteur présente l’identité, le parcours et les compétences de la personne qui signe un contenu. Elle donne au lecteur un contexte pour apprécier sa contribution.
Dans la pratique : Mettez en avant des expériences vérifiables en rapport avec les sujets traités.
Relations : Biographie d’auteur documente Expert ; Biographie d’auteur peut renvoyer par sameAs.
À lire sur le site
- Date de publication
La date de publication indique le moment où un contenu a été rendu public. Elle permet d’interpréter une information dans son contexte historique.
Dans la pratique : Conservez la date initiale et distinguez-la clairement des révisions ultérieures.
Relations : Date de publication se distingue de Date de mise à jour ; Date de publication éclaire Temporalité de la requête.
- Date de mise à jour
La date de mise à jour indique une révision d’un contenu déjà publié. Elle doit refléter une modification ou une vérification substantielle, pas un simple affichage dynamique.
Dans la pratique : Expliquez les changements importants lorsque leur nature peut influencer la lecture ou la décision.
- Tableau de données
Un tableau de données organise des valeurs en lignes et colonnes avec des intitulés explicites. Il facilite la comparaison quand les éléments partagent les mêmes dimensions.
Dans la pratique : Indiquez unités, période et source, et utilisez de vrais en-têtes de tableau accessibles.
Relations : Tableau de données facilite Comparaison de produits.
À lire sur le site
- Transcription
Une transcription transforme un contenu oral en texte. Elle rend les informations d’un audio ou d’une vidéo consultables, recherchables et plus faciles à citer.
Dans la pratique : Relisez les noms, chiffres et termes techniques, puis ajoutez des repères temporels utiles.
Relations : Transcription rend exploitable Podcast ; Transcription rend exploitable YouTube ; Transcription complète Texte alternatif.
À lire sur le site
- Texte alternatif
Le texte alternatif décrit la fonction ou le contenu pertinent d’une image pour les personnes qui ne la voient pas. Il est généralement porté par l’attribut alt.
Dans la pratique : Décrivez ce que l’image apporte réellement à la page et évitez d’y accumuler des mots-clés.
Relations : Texte alternatif décrit une image pour Robot d’indexation.
- Information gain
L’information gain désigne ici l’apport d’information nouvelle ou distinctive d’un contenu par rapport à ce que le lecteur trouve déjà. Il ne correspond pas à un score GEO universel accessible.
Dans la pratique : Ajoutez une méthode, une observation, un exemple ou une donnée qui répond mieux au besoin que les contenus existants.
Relations : Information gain se distingue de Contenu dupliqué ; Information gain est apporté par Expérience de première main.
À lire sur le site
- Documentation technique
La documentation technique explique le fonctionnement, les interfaces ou l’usage d’un produit et de ses composants. Elle peut servir de source précise pour des réponses opérationnelles.
Dans la pratique : Fournissez des exemples à jour, des prérequis et des versions clairement identifiées.
Relations : Documentation technique est souvent rédigée en Markdown ; Documentation technique est le cas d’usage initial de llms.txt ; Documentation technique est hébergée sur GitHub.
10Autorité & réputation17
- E-E-A-T
E-E-A-T regroupe expérience, expertise, autorité et fiabilité dans les consignes d’évaluation de qualité de Google. Ce cadre ne constitue pas un score unique publiquement mesurable.
Dans la pratique : Montrez qui produit le contenu, sur quelles preuves il repose et comment ses informations peuvent être vérifiées.
Relations : E-E-A-T valorise Expérience de première main ; E-E-A-T valorise Expert ; E-E-A-T vise Fiabilité ; E-E-A-T est issu des consignes d’évaluation de Google Search.
À lire sur le site
- Expert
Un expert possède des connaissances ou une expérience approfondies dans un domaine précis. Son expertise doit être appréciée par rapport au sujet traité.
Dans la pratique : Documentez les compétences pertinentes avec des réalisations, qualifications ou travaux consultables.
À lire sur le site
- Expérience de première main
L’expérience de première main provient d’une observation ou d’une pratique directe. Elle se distingue d’une simple compilation d’informations déjà publiées.
Dans la pratique : Montrez ce que vous avez testé, dans quelles conditions et avec quelles limites.
À lire sur le site
- Fiabilité
La fiabilité est la possibilité de s’appuyer raisonnablement sur une information ou une source. Elle dépend notamment de l’exactitude, de la traçabilité et de la cohérence.
Dans la pratique : Corrigez les erreurs publiquement et gardez un processus de contrôle pour les affirmations importantes.
Relations : Fiabilité repose sur Vérification des faits ; Fiabilité repose sur Transparence.
À lire sur le site
- Réputation
La réputation correspond aux perceptions et jugements associés à une personne ou une organisation. Elle se construit à partir de ses actions, des témoignages et des informations diffusées.
Dans la pratique : Examinez les sources qui décrivent votre organisation et traitez les incohérences à leur origine.
Relations : Réputation se construit par Avis client ; Réputation se construit par Média acquis ; Réputation prend en ligne la forme de Réputation en ligne.
À lire sur le site
- Marque
Une marque identifie une offre ou une organisation et porte un ensemble d’associations dans l’esprit de ses publics. Elle peut être nommée sans que son site soit cité.
Dans la pratique : Suivez séparément la présence du nom, les attributs associés et les liens vers vos pages.
Relations : Marque se mesure par Notoriété de marque ; Marque est recherchée par Requête de marque.
À lire sur le site
- Notoriété de marque
La notoriété de marque mesure sa reconnaissance ou sa connaissance par un public. Elle est distincte de la réputation, qui concerne le jugement porté sur cette marque.
Dans la pratique : Reliez les observations IA à vos autres indicateurs de notoriété plutôt qu’à un seul taux de citation.
Relations : Notoriété de marque génère Requête de marque ; Notoriété de marque se reflète dans Taux de mention.
À lire sur le site
- Mention de marque
Une mention de marque est l’apparition de son nom ou d’une variante identifiable dans un contenu. Elle n’implique ni lien cliquable ni recommandation favorable.
Dans la pratique : Distinguez mention, recommandation et citation de source dans votre protocole de suivi.
Relations : Mention de marque est comptée dans Taux de mention ; Mention de marque se distingue de Backlink ; Mention de marque se distingue de Citation de source.
À lire sur le site
- Backlink
Un backlink est un lien provenant d’un autre site et pointant vers une ressource. Il peut apporter découverte, trafic et contexte sur la page citée.
Dans la pratique : Cherchez des liens éditorialement justifiés vers des ressources utiles et contrôlez leur contexte.
Relations : Backlink entre dans la structure de liens utilisée par PageRank ; Backlink peut être obtenu par Relations presse ; Backlink se mesure avec Ahrefs.
À lire sur le site
- PageRank
PageRank est une méthode d’évaluation des pages fondée sur la structure des liens entre elles. Le poids d’un lien dépend notamment de la structure du graphe auquel il appartient.
Dans la pratique : Ne confondez pas un score commercial d’autorité de domaine avec le calcul interne d’un moteur.
À lire sur le site
- Relations presse
Les relations presse organisent les échanges avec les journalistes et médias afin de rendre des informations accessibles et compréhensibles. Elles s’appuient sur un intérêt éditorial.
Dans la pratique : Proposez des faits, données et interlocuteurs qui aident réellement à traiter un sujet.
Relations : Relations presse génèrent Média acquis ; Relations presse visent Presse.
- Média acquis
Un média acquis est une visibilité obtenue par la reprise, la recommandation ou la couverture d’un tiers, sans achat direct de cet emplacement. Il se distingue des canaux détenus et publicitaires.
Dans la pratique : Suivez les publications qui reprennent votre travail et la manière dont elles en décrivent les résultats.
Relations : Média acquis produit Mention de marque.
- Avis client
Un avis client rapporte l’expérience ou l’évaluation d’une personne ayant utilisé un produit ou service. Son contexte, son authenticité et sa représentativité comptent.
Dans la pratique : Facilitez des retours authentiques et répondez aux problèmes documentés plutôt que de fabriquer des avis.
Relations : Avis client peut contribuer à Preuve sociale ; Avis client est un Contenu utilisateur.
À lire sur le site
- Contenu utilisateur
Le contenu utilisateur est produit par des personnes extérieures à l’éditeur principal : avis, questions, commentaires ou publications communautaires. Il apporte des expériences et formulations variées.
Dans la pratique : Organisez la modération et la traçabilité des contributions pour limiter erreurs, spam et faux témoignages.
Relations : Contenu utilisateur abonde sur Reddit ; Contenu utilisateur abonde sur Forum.
- Preuve sociale
La preuve sociale désigne l’influence des expériences et choix d’autrui sur une décision. Témoignages, avis et cas clients peuvent en fournir des exemples.
Dans la pratique : Présentez des preuves authentiques et contextualisées, avec l’accord des personnes concernées.
Relations : Preuve sociale renforce Réputation.
À lire sur le site
- Cohérence de l’identité
La cohérence de l’identité consiste à décrire une même organisation de façon compatible entre ses sources : nom, activité, coordonnées, experts et offres. Elle réduit les ambiguïtés.
Dans la pratique : Comparez votre site, vos profils officiels et les pages tierces importantes pour repérer les contradictions.
Relations : Cohérence de l’identité s’appuie sur sameAs ; Cohérence de l’identité concerne Adresse & coordonnées ; Cohérence de l’identité facilite Résolution d’entités.
À lire sur le site
- Réputation en ligne
La gestion de réputation en ligne suit et traite les informations qui influencent la perception d’une organisation sur le Web. Elle comprend veille, réponse et correction de faits inexacts.
Dans la pratique : Priorisez les erreurs factuelles visibles et les causes des insatisfactions plutôt que leur seul affichage dans les moteurs.
Relations : Réputation en ligne se lit dans Avis client ; Réputation en ligne influence Sentiment associé à la marque.
11Mesure & expérimentation27
- Visibilité dans les réponses
La visibilité dans les réponses IA est la présence observable d’une marque, d’un produit ou d’une source dans un ensemble de réponses. Elle dépend du panel de questions et du protocole de collecte.
Dans la pratique : Définissez votre panel, vos répétitions, vos moteurs et vos critères de présence avant de comparer les résultats.
Relations : Visibilité dans les réponses se décompose en Taux de mention ; Visibilité dans les réponses se décompose en Taux de citation ; Visibilité dans les réponses se compare par Part de voix.
À lire sur le site
- Taux de mention
Le taux de mention est la proportion des réponses observées qui nomment une marque ou entité donnée. Son sens dépend du nombre et de la sélection des réponses testées.
Dans la pratique : Publiez le dénominateur, la période et les variantes de nom reconnues par le comptage.
Relations : Taux de mention se calcule sur Jeu de prompts.
À lire sur le site
- Taux de citation
Le taux de citation est la proportion des réponses observées qui renvoient à une source définie. Il se distingue du taux de mention du nom de la marque.
Dans la pratique : Précisez si vous comptez une URL, un domaine ou une organisation, et dédupliquez les citations d’une même réponse.
Relations : Taux de citation se calcule sur Jeu de prompts.
À lire sur le site
- Part de voix
La part de voix exprime la présence relative d’une marque dans un ensemble comparé. En GEO, elle peut être construite à partir des mentions ou citations d’un panel de réponses.
Dans la pratique : Explicitez le calcul : part des réponses, part des marques citées ou part de toutes les mentions ne sont pas équivalentes.
Relations : Part de voix compare Marque ; Part de voix se calcule sur Jeu de prompts.
À lire sur le site
- Position dans la réponse
La position dans la réponse indique où apparaît une marque ou source dans le texte généré. La première mention, une liste ordonnée et une note de source correspondent à des formes différentes.
Dans la pratique : Conservez la structure de la réponse et évitez de réduire toutes les présentations à un classement unique.
Relations : Position dans la réponse est exposée à Biais de position ; Position dans la réponse complète Taux de mention ; Position dans la réponse est mesurée dans Article fondateur GEO.
- Sentiment associé à la marque
L’analyse de sentiment cherche à caractériser la tonalité ou l’opinion exprimée à propos d’une cible. Elle peut distinguer positif, négatif et neutre, avec des limites sur les nuances.
Dans la pratique : Relisez les réponses importantes et séparez le sentiment global du texte de celui associé à votre marque.
Relations : Sentiment associé à la marque complète Taux de mention ; Sentiment associé à la marque reflète Réputation.
À lire sur le site
- Exactitude factuelle
L’exactitude factuelle est la conformité d’une affirmation aux faits vérifiables. Une réponse peut sembler précise tout en contenant des chiffres, dates ou attributions incorrects.
Dans la pratique : Contrôlez chaque affirmation déterminante contre une source appropriée et à jour.
Relations : Exactitude factuelle se distingue de Fidélité aux sources.
- Fidélité aux sources
La fidélité aux sources indique si une réponse respecte les informations contenues dans les documents utilisés. Elle ne prouve pas que ces documents sont eux-mêmes exacts.
Dans la pratique : Vérifiez à la fois le soutien apporté par la source et la fiabilité de cette source.
Relations : Fidélité aux sources est mesurée par RAGAS.
- Couverture des citations
La couverture des citations mesure la part des affirmations accompagnées de références. Elle renseigne sur l’attribution, mais pas à elle seule sur la qualité des preuves.
Dans la pratique : Évaluez aussi si chaque référence soutient l’affirmation précise à laquelle elle est attachée.
Relations : Couverture des citations complète Taux de citation ; Couverture des citations vérifie Ancrage dans les sources ; Couverture des citations s’apprécie par Évaluation humaine.
- Trafic référent IA
Le trafic référent IA correspond aux visites attribuables à des liens issus d’interfaces IA lorsque cette provenance est transmise et observable. Certaines visites échappent à cette identification.
Dans la pratique : Conservez une liste de domaines référents et interprétez les volumes comme une mesure partielle de l’exposition.
Relations : Trafic référent IA se mesure dans Google Analytics ; Trafic référent IA se mesure dans Matomo ; Trafic référent IA peut provenir de Recherche ChatGPT.
À lire sur le site
- Taux de clic
Le taux de clic rapporte le nombre de clics à un nombre d’affichages mesurés. Il dépend de la définition d’une impression et du contexte où le lien apparaît.
Dans la pratique : Ne comparez des CTR que lorsque le dénominateur et la surface de diffusion sont comparables.
Relations : Taux de clic se lit dans Google Search Console.
À lire sur le site
- Conversion
Une conversion est une action définie comme utile pour l’activité : achat, demande de contact, inscription ou autre objectif. Elle relie la visibilité à un résultat observable.
Dans la pratique : Choisissez des conversions qui reflètent la valeur réelle pour votre activité et vérifiez leur déclenchement.
Relations : Conversion est attribuée par Attribution marketing ; Conversion se mesure dans Google Analytics.
- Conversion assistée
Une conversion assistée implique plusieurs interactions avant l’action finale. Une découverte par une réponse IA peut contribuer au parcours sans être le dernier point de contact mesuré.
Dans la pratique : Croisez les données de parcours et les retours commerciaux au lieu d’attribuer toute la valeur au dernier clic.
Relations : Conversion assistée est une forme de Conversion ; Conversion assistée relève de Attribution marketing ; Conversion assistée peut suivre Trafic référent IA.
- Attribution marketing
L’attribution marketing répartit le crédit d’une conversion entre les interactions qui l’ont précédée. Les modèles d’attribution produisent des lectures différentes d’un même parcours.
Dans la pratique : Documentez le modèle utilisé et les canaux dont les interactions restent invisibles.
Relations : Attribution marketing retrace Parcours client.
- Analyse d’audience
L’analyse d’audience mesure l’usage d’un site ou service : visites, interactions, parcours et conversions. Elle dépend de l’instrumentation et des conditions de collecte.
Dans la pratique : Vérifiez la qualité du suivi avant de conclure qu’une action GEO a modifié le comportement des visiteurs.
À lire sur le site
- Analyse des logs
L’analyse des logs examine les événements enregistrés par les serveurs. En SEO et GEO, elle aide à comprendre le passage des robots, les erreurs et les ressources demandées.
Dans la pratique : Regroupez les requêtes par agent vérifié, URL et statut pour repérer les obstacles d’accès.
Relations : Analyse des logs analyse des Fichier journal ; Analyse des logs révèle le passage de GPTBot ; Analyse des logs révèle Code de statut HTTP.
À lire sur le site
- Jeu de prompts
Un jeu de prompts est un ensemble documenté de questions utilisées pour tester ou mesurer un système IA. Sa composition détermine les situations représentées par les résultats.
Dans la pratique : Équilibrez questions de découverte, comparaison et décision, avec des formulations issues de besoins clients réels.
Relations : Jeu de prompts peut être constitué par Échantillonnage ; Jeu de prompts doit couvrir Intention de recherche ; Jeu de prompts doit préciser Langue.
À lire sur le site
- Échantillonnage
L’échantillonnage sélectionne une partie d’un ensemble pour l’étudier. En GEO, il concerne notamment les questions, moments de collecte et répétitions de réponses.
Dans la pratique : Distinguez un panel ciblé de questions stratégiques d’un échantillon prétendant représenter tout le marché.
Relations : Échantillonnage expose à Biais de sélection ; Échantillonnage conditionne Intervalle de confiance.
À lire sur le site
- Variabilité des réponses
La variabilité des réponses désigne les différences observées entre plusieurs exécutions ou contextes d’un système. Les sources, formulations et recommandations peuvent changer.
Dans la pratique : Répétez les questions et notez le modèle, la date, la localisation et les options actives.
Relations : Variabilité des réponses impose de répéter Jeu de prompts ; Variabilité des réponses élargit Intervalle de confiance ; Variabilité des réponses dépend de Personnalisation.
- Reproductibilité
La reproductibilité est la possibilité de retrouver des résultats cohérents en répétant une méthode documentée. Elle nécessite de connaître les données et conditions d’exécution.
Dans la pratique : Archivez prompts, réponses, paramètres et sources pour permettre un contrôle ultérieur.
Relations : Reproductibilité doit tenir compte de la Variabilité des réponses ; Reproductibilité exige Jeu de prompts ; Reproductibilité est une exigence de Recherche originale.
- Test A/B
Un test A/B compare des variantes dans des conditions conçues pour isoler leur effet. Une répartition aléatoire et un protocole défini renforcent la validité de la comparaison.
Dans la pratique : Évitez d’attribuer un changement de citations à une réécriture si le moteur, le panel ou la période ont aussi changé.
Relations : Test A/B compare une variante avec un Groupe témoin ; Test A/B s’interprète avec Intervalle de confiance.
- Groupe témoin
Un groupe témoin fournit une référence qui ne reçoit pas le traitement étudié, ou reçoit une condition de comparaison. Il aide à distinguer un effet spécifique d’une évolution générale.
Dans la pratique : Dans une expérience de contenu, préservez des pages comparables sans modification pour suivre la tendance commune.
Relations : Groupe témoin neutralise Saisonnalité ; Groupe témoin renforce Reproductibilité.
- Intervalle de confiance
Un intervalle de confiance exprime l’incertitude d’une estimation statistique selon une méthode et un niveau définis. Sa largeur dépend notamment de l’échantillon et de sa variabilité.
Dans la pratique : Présentez l’incertitude des taux observés plutôt qu’un pourcentage isolé donnant une impression de précision excessive.
À lire sur le site
- Saisonnalité
La saisonnalité désigne des variations récurrentes liées à des périodes du calendrier. Elle peut modifier les besoins, le volume de recherche et les conversions.
Dans la pratique : Comparez des périodes cohérentes avec votre activité et annotez les événements commerciaux ou médiatiques importants.
Relations : Saisonnalité fausse Test A/B ; Saisonnalité affecte Taux de clic.
- Précision & rappel
La précision mesure la proportion de résultats retrouvés qui sont pertinents ; le rappel mesure la proportion des éléments pertinents effectivement retrouvés. Ces deux critères évaluent un système de récupération.
Dans la pratique : Constituez des exemples de référence pour détecter à la fois les résultats hors sujet et les informations manquées.
Relations : Précision & rappel évaluent Reconnaissance d’entités ; Précision & rappel sont mesurés par RAGAS.
- nDCG
Le nDCG évalue un classement en tenant compte de la pertinence graduée des résultats et de leur position. Il normalise le score par rapport à un classement idéal.
Dans la pratique : Utilisez-le pour comparer des méthodes de recherche sur un jeu annoté, pas comme score direct de visibilité d’une marque.
Relations : nDCG est la métrique de BEIR.
- MRR
Le MRR moyenne l’inverse du rang du premier résultat pertinent pour chaque requête. Il convient aux situations où trouver rapidement une bonne réponse constitue le principal objectif.
Dans la pratique : Vérifiez que cette métrique correspond au besoin avant de l’appliquer à une synthèse nécessitant plusieurs sources.
Relations : MRR est la métrique de MS MARCO ; MRR évalue Question-réponse.
12Requêtes & contextes15
- Requête informationnelle
Une requête informationnelle vise à comprendre un sujet ou obtenir un fait. Elle peut prendre la forme d’une définition, d’une explication ou d’une méthode.
Dans la pratique : Proposez une réponse claire, puis les preuves et approfondissements nécessaires au niveau de connaissance du lecteur.
Relations : Requête informationnelle peut déclencher Google AI Overviews.
À lire sur le site
- Requête transactionnelle
Une requête transactionnelle exprime l’intention d’effectuer une action, comme acheter, réserver ou télécharger. Elle implique souvent des conditions précises de prix, disponibilité ou accès.
Dans la pratique : Fournissez des informations à jour et un parcours qui permet de réaliser l’action sans ambiguïté.
Relations : Requête transactionnelle mène à Conversion ; Requête transactionnelle concerne Recherche de produits.
À lire sur le site
- Investigation commerciale
L’investigation commerciale correspond à la recherche d’informations pour comparer des options avant une décision. Elle porte sur les critères, différences, usages et limites.
Dans la pratique : Expliquez pour qui une offre convient, les alternatives et les situations où elle est moins adaptée.
Relations : Investigation commerciale précède Requête transactionnelle ; Investigation commerciale consulte Avis client.
À lire sur le site
- Requête de marque
Une requête de marque contient le nom d’une organisation, d’une offre ou d’un produit identifié. Elle peut concerner navigation, réputation, comparaison ou support.
Dans la pratique : Séparez les recherches qui vous nomment déjà des questions où le système doit découvrir quelles marques recommander.
Relations : Requête de marque s’oppose à Requête hors marque.
À lire sur le site
- Requête hors marque
Une requête hors marque exprime un besoin sans nommer une organisation particulière. Elle permet d’observer les marques que le système sélectionne spontanément.
Dans la pratique : Construisez un panel de besoins et contraintes clients pour mesurer votre présence au-delà de votre seul nom.
Relations : Requête hors marque sert à mesurer Part de voix ; Requête hors marque compose Jeu de prompts.
À lire sur le site
- Longue traîne
La longue traîne regroupe des requêtes spécifiques dont chacune est peu fréquente mais qui représentent collectivement une part importante des recherches. Elles expriment souvent des contextes détaillés.
Dans la pratique : Couvrez les situations utiles avec des contenus précis sans créer une page pour chaque variation mineure de formulation.
Relations : Longue traîne se rapproche de Recherche conversationnelle ; Longue traîne est couverte par Couverture thématique ; Longue traîne alimente Jeu de prompts.
À lire sur le site
- Question de suivi
Une question de suivi prolonge une demande précédente en ajoutant une précision, une objection ou une comparaison. Sa signification peut dépendre de l’historique du dialogue.
Dans la pratique : Testez ce qui se passe après une première recommandation : prix, limites, alternatives et preuves.
Relations : Question de suivi prolonge Conversation multi-tour.
- Conversation multi-tour
Une conversation multi-tour comporte plusieurs échanges dont le contexte se construit progressivement. Les réponses ultérieures peuvent dépendre d’informations données au début.
Dans la pratique : Conservez l’historique lorsque vous comparez des parcours conversationnels, car une question isolée ne reproduit pas la même situation.
- Personnalisation
La personnalisation adapte un résultat ou une expérience à un utilisateur ou à son contexte. Elle peut dépendre de préférences déclarées, d’un historique ou d’autres signaux disponibles.
Dans la pratique : Documentez le compte et les préférences utilisés pendant vos observations et distinguez tests standardisés et usages réels.
Relations : Personnalisation s’appuie sur Localisation géographique ; Personnalisation s’appuie sur Langue ; Personnalisation soulève des enjeux de Confidentialité des données.
- Localisation géographique
La localisation géographique indique le lieu associé à une recherche ou à un utilisateur. Elle peut modifier les offres, établissements et informations pertinents.
Dans la pratique : Mesurez séparément les zones de chalandise importantes et fournissez des coordonnées exactes sur vos pages locales.
Relations : Localisation géographique oriente Référencement local ; Localisation géographique contribue à Variabilité des réponses.
À lire sur le site
- Langue
La langue conditionne les formulations, sources et attentes d’une recherche. Une traduction conserve rarement à elle seule toutes les nuances culturelles et terminologiques d’un marché.
Dans la pratique : Publiez une version réellement adaptée au public visé, avec ses exemples et sa terminologie.
Relations : Langue conditionne Recherche multilingue.
À lire sur le site
- Recherche multilingue
La recherche multilingue retrouve ou rapproche des informations écrites dans plusieurs langues. La langue d’une question et celle des sources citées ne sont pas nécessairement identiques.
Dans la pratique : Observez la langue des sources retenues avant de décider quels contenus traduire en priorité.
Relations : Recherche multilingue s’appuie sur Plongements de phrases ; Recherche multilingue est une branche de Recherche d’information.
À lire sur le site
- Temporalité de la requête
La temporalité d’une requête exprime le moment auquel l’information doit correspondre : actualité, situation historique ou période future. La pertinence dépend alors de la date des faits.
Dans la pratique : Précisez les périodes couvertes et distinguez données actuelles, historiques et prévisionnelles.
Relations : Temporalité de la requête interagit avec Saisonnalité.
- Parcours client
Le parcours client rassemble les étapes et interactions qui conduisent une personne de l’identification d’un besoin à l’usage d’une solution. Les assistants peuvent intervenir à plusieurs de ces étapes.
Dans la pratique : Associez vos contenus aux questions de découverte, comparaison, achat et utilisation plutôt qu’au seul début du parcours.
Relations : Parcours client aboutit à Conversion ; Parcours client passe par Investigation commerciale.
13Sources & espaces de publication17
- Site web officiel
Un site officiel est une ressource publiée ou reconnue par l’organisation qu’il représente. Il constitue souvent la première source pour ses produits, engagements et coordonnées.
Dans la pratique : Créez une source de référence claire pour les informations que les tiers doivent pouvoir confirmer.
Relations : Site web officiel est une Source primaire ; Site web officiel peut déclarer Organization.
- Wikipédia
Wikipédia est une encyclopédie collaborative organisée autour d’articles sourcés. Ses règles de neutralité et d’admissibilité la distinguent d’un annuaire commercial.
Dans la pratique : Corrigez les erreurs selon les règles communautaires et déclarez les conflits d’intérêts lorsque vous contribuez.
Relations : Wikipédia est liée à Wikidata ; Wikipédia exige Citation de source ; Wikipédia est une source courante de Préentraînement.
À lire sur le site
Reddit est une plateforme de communautés où les utilisateurs publient, commentent et discutent. Ses échanges peuvent documenter expériences, problèmes et opinions.
Dans la pratique : Étudiez les questions et retours authentiques de votre audience ; évitez toute participation promotionnelle dissimulée.
Relations : Reddit est un Forum ; Reddit apporte Expérience de première main.
- Stack Overflow
Stack Overflow est un site de questions-réponses destiné principalement à la programmation. Les réponses évaluées par la communauté peuvent devenir des références sur des problèmes techniques.
Dans la pratique : Utilisez les échanges pour comprendre les difficultés concrètes et publiez des réponses vérifiables lorsque vous contribuez.
Relations : Stack Overflow est un Forum ; Stack Overflow héberge Question-réponse ; Stack Overflow héberge Contenu utilisateur.
- Quora
Quora est une plateforme de questions-réponses sur de nombreux sujets. La qualité et l’expertise varient selon les contributions.
Dans la pratique : Vérifiez l’identité, la date et les preuves d’une réponse avant de la traiter comme une source fiable.
Relations : Quora héberge Question-réponse ; Quora héberge Contenu utilisateur ; Quora se rapproche de Stack Overflow.
- YouTube
YouTube est une plateforme de publication et de recherche de vidéos. Les vidéos, descriptions et transcriptions offrent plusieurs formes d’accès à leur contenu.
Dans la pratique : Structurez vos vidéos avec titres, chapitres et transcriptions fidèles pour rendre leurs informations retrouvables.
Relations : YouTube appartient à Google ; YouTube héberge Contenu utilisateur.
À lire sur le site
LinkedIn est un réseau professionnel réunissant profils, organisations et publications. Il peut documenter une identité professionnelle et des prises de parole de secteur.
Dans la pratique : Gardez les informations d’activité et d’expertise cohérentes avec votre site officiel.
Relations : LinkedIn appartient à Microsoft ; LinkedIn peut être référencé par sameAs ; LinkedIn héberge Contenu utilisateur.
- GitHub
GitHub héberge des projets logiciels, leur code, leur documentation et leurs échanges de développement. Un dépôt public peut fournir des preuves directement inspectables.
Dans la pratique : Documentez installation, usages, licence et versions pour que le projet soit compréhensible au-delà de son code.
Relations : GitHub appartient à Microsoft ; GitHub affiche des fichiers Markdown.
- arXiv
arXiv est une archive de prépublications scientifiques. Les textes qu’elle héberge peuvent avoir plusieurs versions et ne sont pas tous évalués par les pairs.
Dans la pratique : Vérifiez la version, la date et le statut de publication avant de présenter un résultat comme établi.
Relations : arXiv diffuse Article fondateur GEO ; arXiv diffuse Article fondateur RAG.
- PubMed
PubMed est un service de recherche de références bibliographiques biomédicales. Il facilite l’accès aux résumés et liens de publications, sans garantir à lui seul la qualité de chaque étude.
Dans la pratique : Évaluez le type d’étude, sa méthodologie et son contexte avant d’en tirer une conclusion de santé.
Relations : PubMed référence Information de santé ; PubMed fournit Référence bibliographique ; PubMed donne accès à Source primaire.
- Presse
La presse produit des informations journalistiques, enquêtes et analyses. Elle peut offrir une vérification indépendante ou une mise en contexte, selon le travail réalisé.
Dans la pratique : Reliez les affirmations à l’article précis et distinguez enquête, tribune, communiqué repris et contenu sponsorisé.
Relations : Presse produit Média acquis ; Presse peut imposer Paywall ; Presse pratique Vérification des faits.
À lire sur le site
- Forum
Un forum est un espace de discussion organisé en sujets et réponses. Il rend visibles les questions, expériences et difficultés d’une communauté.
Dans la pratique : Repérez les besoins récurrents puis répondez avec des ressources utiles, sans fabriquer de faux témoignages.
Relations : Forum apporte Expérience de première main.
- Blog
Un blog publie des contenus généralement organisés en articles datés. Il peut couvrir actualité, analyses, méthodes et retours d’expérience.
Dans la pratique : Maintenez les articles de référence et fusionnez les doublons plutôt que de publier uniquement pour augmenter le volume.
Relations : Blog sert Marketing de contenu ; Blog publie Guide pratique ; Blog expose Auteur.
À lire sur le site
- Podcast
Un podcast est une série de contenus audio distribués à la demande. Il peut apporter entretiens, analyses et retours d’expérience de première main.
Dans la pratique : Accompagnez chaque épisode d’un résumé, des sources et d’une transcription relue lorsque c’est possible.
Relations : Podcast relève de Marketing de contenu ; Podcast peut inviter Expert.
À lire sur le site
- Données ouvertes
Les données ouvertes sont accessibles et réutilisables selon des conditions explicites. Leur utilité dépend aussi du format, de la documentation et de la qualité.
Dans la pratique : Publiez la licence, la méthode de collecte et les limites avec le fichier de données.
Relations : Données ouvertes se publient sous Licence de contenu.
- Dépôt institutionnel
Un dépôt institutionnel archive et diffuse les productions d’une institution, notamment des travaux de recherche. Il fournit souvent des métadonnées et des versions consultables.
Dans la pratique : Recherchez la version appropriée et conservez son identifiant stable dans vos références.
Relations : Dépôt institutionnel conserve Recherche originale ; Dépôt institutionnel diffuse PDF ; Dépôt institutionnel se rapproche de arXiv.
Le PDF est un format de document conçu pour préserver une présentation. Son contenu peut être un texte accessible ou une image nécessitant une reconnaissance de caractères.
Dans la pratique : Fournissez une version textuelle accessible et vérifiez que titres, tableaux et liens restent exploitables.
Relations : PDF complique Découpage en passages ; PDF peut être exploré par Robot d’indexation.
14Applications & formats16
- Commerce électronique
Le commerce électronique regroupe les transactions et parcours commerciaux effectués en ligne. La recherche de produits y mobilise caractéristiques, prix, stock, livraison et confiance.
Dans la pratique : Maintenez des fiches précises et des données produit cohérentes sur tous les canaux de diffusion.
Relations : Commerce électronique s’appuie sur Flux produit ; Commerce électronique s’appuie sur Product.
À lire sur le site
- Recherche de produits
La recherche de produits vise à identifier des articles répondant à un besoin ou à des contraintes. Elle peut combiner usage, budget, caractéristiques et disponibilité.
Dans la pratique : Décrivez les situations d’usage et attributs discriminants de chaque produit, au-delà de son nom commercial.
Relations : Recherche de produits précède Comparaison de produits ; Recherche de produits est étudiée par E-GEO.
À lire sur le site
- Comparaison de produits
La comparaison de produits met en regard plusieurs options selon des critères communs. Elle aide à choisir lorsque les avantages varient selon les usages.
Dans la pratique : Indiquez des critères mesurables, des limites et les conditions dans lesquelles chaque option convient.
Relations : Comparaison de produits s’appuie sur Prix produit.
À lire sur le site
- Référencement local
Le référencement local améliore la découverte d’une activité pour des recherches liées à une zone géographique. Il repose notamment sur les informations d’établissement et la pertinence locale.
Dans la pratique : Alignez vos coordonnées, zones desservies, horaires et pages locales avec la réalité de votre activité.
Relations : Référencement local s’appuie sur Adresse & coordonnées.
À lire sur le site
- Google Business Profile
Google Business Profile permet de gérer la fiche d’un établissement dans les services Google concernés. Elle décrit notamment son activité, ses coordonnées et ses horaires.
Dans la pratique : Actualisez les informations pratiques et traitez les avis ou modifications inexactes selon les procédures Google.
Relations : Google Business Profile fait partie des supports du Référencement local ; Google Business Profile affiche Avis client ; Google Business Profile publie Adresse & coordonnées.
À lire sur le site
- Adresse & coordonnées
Les coordonnées permettent d’identifier et de contacter une organisation : adresse, téléphone, courriel et autres points de contact. Leur cohérence contribue à éviter les confusions.
Dans la pratique : Affichez les coordonnées officielles et distinguez les établissements qui ont des adresses ou horaires différents.
À lire sur le site
- Stock & disponibilité
Le stock et la disponibilité indiquent si une offre peut être obtenue dans les conditions annoncées. Ces informations peuvent évoluer rapidement selon le produit et le lieu.
Dans la pratique : Synchronisez catalogue, flux et fiche publique pour éviter qu’un assistant recommande une offre indisponible.
Relations : Stock & disponibilité conditionne Commerce agentique.
À lire sur le site
- Prix produit
Le prix produit est le montant demandé pour une offre, avec une devise et des conditions. Taxes, quantité, abonnement ou frais peuvent modifier la comparaison.
Dans la pratique : Précisez le périmètre du prix et évitez les écarts entre la page, le balisage et le flux marchand.
À lire sur le site
- Commerce B2B
Le B2B concerne les relations commerciales entre organisations. Les décisions y impliquent souvent plusieurs interlocuteurs, des contraintes métiers et des cycles longs.
Dans la pratique : Publiez des preuves adaptées aux différents rôles : utilisateur, expert technique, acheteur et décideur.
Relations : Commerce B2B allonge Parcours client ; Commerce B2B s’appuie sur Étude de cas ; Commerce B2B s’appuie sur Documentation technique.
- Tourisme
Le tourisme regroupe des services et expériences liés au déplacement et au séjour. Les recommandations dépendent fortement de la période, du lieu et des préférences.
Dans la pratique : Précisez saison, accès, disponibilité et conditions pour rendre les informations utiles à une recommandation contextualisée.
Relations : Tourisme dépend de Saisonnalité ; Tourisme mobilise Référencement local ; Tourisme s’appuie sur Avis client.
- Information de santé
L’information de santé traite de sujets médicaux, de prévention ou de soins. Des erreurs peuvent influencer des décisions ayant des conséquences importantes.
Dans la pratique : Faites relire les affirmations sensibles par des personnes compétentes et citez des références médicales appropriées.
Relations : Information de santé exige Fiabilité ; Information de santé exige Expert.
À lire sur le site
- Information financière
L’information financière porte sur les produits, marchés, coûts ou décisions économiques. Sa validité dépend notamment de la date, du pays et des hypothèses retenues.
Dans la pratique : Indiquez le contexte, les risques et la date de vérification sans transformer une généralité en recommandation personnalisée.
Relations : Information financière exige Fiabilité ; Information financière exige Fraîcheur du contenu ; Information financière exige Source primaire.
À lire sur le site
- Recherche vocale
La recherche vocale permet d’exprimer une demande oralement. La transcription et la restitution audio peuvent modifier la façon dont la question est formulée et comprise.
Dans la pratique : Testez les formulations naturelles et fournissez des réponses qui restent intelligibles sans support visuel.
Relations : Recherche vocale appelle Réponse directe ; Recherche vocale relève de Recherche conversationnelle ; Recherche vocale sert Référencement local.
- Recherche visuelle
La recherche visuelle utilise une image pour retrouver ou identifier des informations. Elle peut concerner un objet, un produit, un lieu ou des contenus ressemblants.
Dans la pratique : Publiez des images nettes et des informations textuelles permettant d’identifier précisément ce qu’elles montrent.
Relations : Recherche visuelle est une forme de Recherche multimodale ; Recherche visuelle sert Recherche de produits.
- Recherche multimodale
La recherche multimodale combine plusieurs formes d’entrée, comme une image accompagnée d’une question textuelle. Elle met en relation les informations portées par chaque modalité.
Dans la pratique : Faites correspondre textes, légendes, attributs produit et visuels pour éviter les contradictions.
Relations : Recherche multimodale est proposée par Gemini.
À lire sur le site
- Systèmes de recommandation
Un système de recommandation propose des éléments susceptibles de convenir à un utilisateur ou à un contexte. Il peut utiliser des contenus, comportements ou préférences.
Dans la pratique : Exposez clairement les usages, contraintes et caractéristiques qui permettent de comparer votre offre aux besoins exprimés.
Relations : Systèmes de recommandation reposent sur Personnalisation ; Systèmes de recommandation créent Boucle de rétroaction ; Systèmes de recommandation utilisent Plus proches voisins.
15Recherche & benchmarks18
- Article fondateur GEO
« GEO: Generative Engine Optimization » est l’article de Pranjal Aggarwal et ses coauteurs qui formalise le GEO et propose un cadre expérimental de visibilité. Soumis en 2023, il a été accepté à KDD 2024.
Dans la pratique : Lisez la méthode et les conditions de l’étude avant d’étendre ses résultats à tous les moteurs actuels.
Relations : Article fondateur GEO introduit GEO-bench ; Article fondateur GEO a pour coauteur Pranjal Aggarwal ; Article fondateur GEO a pour coauteur Vishvak Murahari ; Article fondateur GEO a pour coauteur Tanmay Rajpurohit ; Article fondateur GEO a pour coauteur Ashwin Kalyan ; Article fondateur GEO a pour coauteur Karthik Narasimhan ; Article fondateur GEO a pour coauteur Ameet Deshpande ; Article fondateur GEO a été présenté à ACM SIGKDD ; Article fondateur GEO associe Université de Princeton ; Article fondateur GEO associe IIT Delhi.
À lire sur le site
- GEO-bench
GEO-bench est le benchmark présenté dans l’article fondateur GEO. Il réunit des requêtes et sources destinées à comparer des méthodes d’optimisation dans un cadre expérimental.
Dans la pratique : Distinguez un gain mesuré sur ce banc d’essai d’un résultat reproductible sur votre propre marché.
Relations : GEO-bench évalue Visibilité dans les réponses.
À lire sur le site
- Pranjal Aggarwal
Pranjal Aggarwal est l’un des auteurs de l’article « GEO: Generative Engine Optimization ». Son nom est associé à l’introduction du cadre et du benchmark présentés dans cette publication.
Dans la pratique : Consultez la publication originale pour attribuer correctement les méthodes et résultats.
Relations : Pranjal Aggarwal est affilié à IIT Delhi ; Pranjal Aggarwal a contribué à GEO-bench.
- Vishvak Murahari
Vishvak Murahari est coauteur de l’article fondateur GEO. Il fait partie de l’équipe qui y étudie la visibilité des contenus dans les réponses de moteurs génératifs.
Dans la pratique : Attribuez les résultats à l’équipe et à l’étude concernée plutôt qu’à une règle générale sans contexte.
Relations : Vishvak Murahari est affilié à Université de Princeton ; Vishvak Murahari a contribué à GEO-bench.
- Tanmay Rajpurohit
Tanmay Rajpurohit est coauteur de « GEO: Generative Engine Optimization ». La publication contribue à définir un cadre d’étude de la visibilité dans les réponses génératives.
Dans la pratique : Gardez la référence bibliographique complète lorsque vous reprenez une méthode issue du papier.
Relations : Tanmay Rajpurohit a contribué à GEO-bench.
- Ashwin Kalyan
Ashwin Kalyan figure parmi les coauteurs de l’article fondateur GEO. Son nom appartient à l’équipe scientifique de cette publication, pas à un signal de classement.
Dans la pratique : Utilisez les noms des chercheurs pour retrouver les travaux originaux et leurs éventuels prolongements.
Relations : Ashwin Kalyan a contribué à GEO-bench.
- Karthik Narasimhan
Karthik Narasimhan est un chercheur en intelligence artificielle et coauteur de l’article fondateur GEO. Ses travaux s’inscrivent notamment dans le traitement du langage et les systèmes apprenants.
Dans la pratique : Distinguez l’affiliation et le rôle indiqués dans une publication de leur évolution ultérieure.
Relations : Karthik Narasimhan est affilié à Université de Princeton ; Karthik Narasimhan a contribué à GEO-bench.
- Ameet Deshpande
Ameet Deshpande est coauteur de l’article « GEO: Generative Engine Optimization ». Le chercheur concerné est identifié par ses travaux et sa page universitaire, afin d’éviter un homonyme.
Dans la pratique : Vérifiez l’auteur par la publication et son profil de recherche plutôt que par le seul premier résultat sur son nom.
Relations : Ameet Deshpande est affilié à Université de Princeton ; Ameet Deshpande a contribué à GEO-bench.
- Université de Princeton
L’université de Princeton est une université américaine de recherche associée à plusieurs auteurs du papier fondateur GEO. Une affiliation situe un travail sans valider toutes les interprétations qui en sont tirées.
Dans la pratique : Citez l’étude précise et ses auteurs plutôt qu’une formule vague du type « une étude de Princeton prouve que ».
- IIT Delhi
L’Indian Institute of Technology Delhi est un établissement indien d’enseignement supérieur et de recherche. Il figure dans le contexte institutionnel de l’article fondateur GEO.
Dans la pratique : Vérifiez les affiliations de la version citée lorsque vous présentez l’origine d’un travail scientifique.
Relations : IIT Delhi a collaboré avec Université de Princeton.
- ACM SIGKDD
ACM SIGKDD est le groupe de l’ACM consacré à la découverte de connaissances et à l’exploration de données. La conférence KDD accueille des travaux dans ce domaine, dont le papier GEO en 2024.
Dans la pratique : Distinguez l’acceptation à une conférence des conclusions commerciales extrapolées à partir d’un article.
Relations : ACM SIGKDD couvre Apprentissage automatique ; ACM SIGKDD couvre Systèmes de recommandation.
- Article fondateur RAG
« Retrieval-Augmented Generation for Knowledge-Intensive NLP Tasks » présente une approche combinant mémoire paramétrique et récupération documentaire pour des tâches de langage. Patrick Lewis et ses coauteurs l’ont publié en 2020.
Dans la pratique : Utilisez ce travail pour comprendre l’architecture RAG sans supposer que tous les assistants emploient exactement la même implémentation.
Relations : Article fondateur RAG associe la récupération à Génération de texte.
- BEIR
BEIR est un benchmark de recherche d’information qui rassemble plusieurs jeux de données et domaines. Il sert notamment à évaluer la généralisation des systèmes de récupération.
Dans la pratique : Testez vos méthodes sur des tâches variées et complétez le benchmark par des questions propres à votre corpus.
Relations : BEIR évalue Recherche vectorielle ; BEIR inclut MS MARCO.
- MS MARCO
MS MARCO est un ensemble de données et de tâches de recherche d’information issu de l’écosystème Microsoft. Il sert à entraîner et évaluer des modèles de recherche et de classement.
Dans la pratique : Vérifiez la tâche, la version et le domaine du jeu utilisé avant de comparer des scores.
Relations : MS MARCO a été publié par Microsoft.
- TREC
TREC est une série d’évaluations et de conférences consacrées à la recherche d’information. Ses campagnes organisent des tâches, corpus et jugements de pertinence partagés.
Dans la pratique : Inspirez-vous de protocoles d’évaluation documentés pour construire un test reproductible de votre moteur.
Relations : TREC a utilisé MS MARCO ; TREC repose sur Évaluation humaine.
- RAGAS
RAGAS est un cadre d’évaluation des systèmes de génération augmentée par récupération. Il propose des méthodes pour examiner des dimensions comme la pertinence et la fidélité des réponses.
Dans la pratique : Complétez les scores automatisés par une vérification humaine sur les cas importants ou ambigus.
Relations : RAGAS permet d’évaluer RAG.
- Évaluation humaine
L’évaluation humaine repose sur des personnes qui jugent les résultats selon des critères définis. Elle est utile pour les nuances, erreurs métier et situations mal couvertes par des métriques automatiques.
Dans la pratique : Fournissez une grille, des exemples et un mode de résolution des désaccords entre évaluateurs.
Relations : Évaluation humaine sert de référence à Exactitude factuelle.
- E-GEO
E-GEO est un banc d’essai de recherche consacré au GEO dans le commerce électronique. Il étudie la visibilité de produits à partir de demandes et de fiches marchandes dans un cadre expérimental.
Dans la pratique : Examinez les conditions du benchmark avant de transposer ses résultats à votre catalogue ou à une plateforme commerciale.
Relations : E-GEO applique le GEO à Commerce électronique ; E-GEO s’inscrit à la suite de Article fondateur GEO.
16Risques & limites20
- Hallucination
Une hallucination est une réponse IA qui présente comme vraie une information incorrecte ou non étayée. Elle peut concerner un fait, une citation, une source ou une relation inventée.
Dans la pratique : Vérifiez les affirmations décisives et autorisez explicitement votre assistant à dire que les sources ne suffisent pas.
Relations : Hallucination peut dégrader l’ Exactitude factuelle.
- Biais algorithmique
Un biais algorithmique est une tendance systématique d’un système à produire des résultats déséquilibrés ou injustifiés pour certains groupes ou situations. Il peut provenir des données et de la méthode.
Dans la pratique : Variez les contextes du panel et inspectez qui est absent ou mal représenté dans les réponses.
Relations : Biais algorithmique peut provenir de Préentraînement ; Biais algorithmique appelle Transparence.
- Biais de sélection
Le biais de sélection apparaît lorsque les données étudiées ne représentent pas correctement l’ensemble auquel on veut généraliser. Un panel choisi pour favoriser une marque peut produire un résultat trompeur.
Dans la pratique : Définissez les critères de sélection des questions avant d’observer les réponses.
Relations : Biais de sélection fausse Jeu de prompts ; Biais de sélection menace Reproductibilité.
À lire sur le site
- Biais de position
Le biais de position désigne l’influence de la place d’un élément sur son exposition ou son évaluation. Les premiers résultats peuvent recevoir plus d’attention indépendamment de leur qualité.
Dans la pratique : Variez l’ordre des options dans vos tests et analysez séparément présence et position.
Relations : Biais de position affecte Classement des résultats ; Biais de position affecte Taux de clic.
- Désinformation
La désinformation consiste à diffuser intentionnellement des informations fausses ou trompeuses. Elle se distingue d’une simple erreur involontaire.
Dans la pratique : Contrôlez les sources initiales et les chaînes de reprise avant d’amplifier une affirmation sensible.
Relations : Désinformation peut passer par Empoisonnement des données ; Désinformation menace Fiabilité.
- Injection de prompt
Une injection de prompt tente de faire suivre à un modèle des instructions introduites dans un contenu non fiable, par exemple une page récupérée. Elle peut détourner la tâche prévue.
Dans la pratique : Traitez les documents consultés comme des données et limitez les actions et sources autorisées de votre assistant.
Relations : Injection de prompt peut détourner les instructions d’un Agent IA ; Injection de prompt menace Recherche agentique ; Injection de prompt peut viser RAG.
- Empoisonnement des données
L’empoisonnement des données altère un corpus ou des données d’apprentissage pour influencer le comportement d’un système. Il peut viser la qualité, la sécurité ou les recommandations.
Dans la pratique : Contrôlez la provenance des données, les permissions d’écriture et les modifications inhabituelles de votre corpus.
Relations : Empoisonnement des données peut affecter les données du Préentraînement ; Empoisonnement des données peut viser RAG ; Empoisonnement des données dégrade Exactitude factuelle.
- Spam de référencement
Le spam de référencement regroupe des pratiques conçues pour manipuler les résultats au détriment de leur utilité. Il peut inclure production trompeuse, liens artificiels et contenus sans valeur.
Dans la pratique : Évaluez chaque action par l’information réellement apportée au lecteur et les règles de la plateforme concernée.
Relations : Spam de référencement inclut Bourrage de mots-clés ; Spam de référencement inclut Cloaking ; Spam de référencement est sanctionné par Google Search.
À lire sur le site
- Bourrage de mots-clés
Le bourrage de mots-clés consiste à répéter artificiellement des termes pour tenter d’influencer un classement. Il dégrade souvent la lisibilité et la qualité de l’information.
Dans la pratique : Remplacez la répétition par des explications, exemples et attributs utiles du sujet.
État des preuves, mesuré en banc d’essai : Dans l’étude, le bourrage de mots-clés ne fait pas mieux que la version de référence : la méthode héritée du SEO ne se transpose pas.
Relations : Bourrage de mots-clés est testé dans Article fondateur GEO ; Bourrage de mots-clés nuit à Clarté rédactionnelle.
À lire sur le site
- Cloaking
Le cloaking présente des contenus différents aux robots et aux utilisateurs pour tromper les systèmes de recherche. Il se distingue d’adaptations techniques légitimes qui préservent le même sens.
Dans la pratique : Vérifiez la cohérence entre ce qu’un robot reçoit et ce qu’un visiteur peut réellement consulter.
Relations : Cloaking trompe Robot d’indexation.
À lire sur le site
- Contenu dupliqué
Un contenu dupliqué est identique ou très proche d’un autre contenu accessible sous une autre URL. Les duplications peuvent être techniques, éditoriales ou issues de syndication.
Dans la pratique : Choisissez une version de référence et clarifiez les URL, liens et conditions de republication.
Relations : Contenu dupliqué complique Indexation.
À lire sur le site
- Manipulation de citations
La manipulation de citations cherche à obtenir ou afficher des références qui ne reflètent pas honnêtement les preuves disponibles. Une citation peut être hors sujet, inventée ou trompeusement attribuée.
Dans la pratique : Contrôlez la pertinence de la source et le soutien exact qu’elle apporte à l’affirmation.
Relations : Manipulation de citations vise Taux de citation ; Manipulation de citations s’apparente à Spam de référencement ; Manipulation de citations peut passer par Injection de prompt.
- Boucle de rétroaction
Une boucle de rétroaction se produit lorsque les résultats d’un système influencent ses entrées futures. Dans l’information en ligne, des reprises successives peuvent amplifier une erreur ou une préférence.
Dans la pratique : Conservez les sources originales pour distinguer une preuve indépendante d’une reprise circulaire.
Relations : Boucle de rétroaction peut mener à Effondrement du modèle ; Boucle de rétroaction amplifie Biais algorithmique.
- Effondrement du modèle
L’effondrement du modèle décrit des dégradations étudiées lorsque l’apprentissage repose de façon récursive sur des données générées par des modèles. Les conditions et effets dépendent du protocole.
Dans la pratique : Préservez la diversité et la provenance des données et ne remplacez pas automatiquement toutes les observations humaines par des synthèses IA.
Relations : Effondrement du modèle menace Préentraînement ; Effondrement du modèle souligne la valeur de Provenance des données.
- Droit d’auteur
Le droit d’auteur encadre les droits portant sur les œuvres originales. Les possibilités de reproduction et de réutilisation dépendent du droit applicable, des exceptions et des autorisations.
Dans la pratique : Vérifiez les conditions de réutilisation des textes, images et bases de données que vous publiez ou intégrez à un assistant.
Relations : Droit d’auteur encadre Préentraînement ; Droit d’auteur fonde Licence de contenu ; Droit d’auteur motive le blocage de GPTBot.
À lire sur le site
- Provenance des données
La provenance des données décrit leur origine et les transformations qu’elles ont subies. Elle permet de retracer comment un fait ou un résultat a été obtenu.
Dans la pratique : Conservez URL source, date de collecte et méthode de transformation avec chaque donnée importante.
Relations : Provenance des données soutient Transparence ; Provenance des données facilite Vérification des faits.
À lire sur le site
- Licence de contenu
Une licence de contenu précise les permissions et conditions d’utilisation accordées par un titulaire de droits. L’accès public à une page ne signifie pas une réutilisation sans restriction.
Dans la pratique : Documentez les licences des sources et les obligations de mention, partage ou limitation d’usage.
Relations : Licence de contenu complète robots.txt.
À lire sur le site
- Confidentialité des données
La confidentialité des données concerne les règles et moyens qui limitent l’accès et l’utilisation d’informations personnelles ou sensibles. Elle s’applique aussi aux questions envoyées à un assistant.
Dans la pratique : Collectez le minimum nécessaire et expliquez clairement le traitement des messages et des données utilisateurs.
Relations : Confidentialité des données encadre Analyse d’audience.
- Transparence
La transparence rend compréhensibles les sources, méthodes, intérêts et limites d’un contenu ou service. Elle permet au lecteur d’évaluer ce qu’il peut raisonnablement en déduire.
Dans la pratique : Signalez les partenariats, les méthodes de sélection et les incertitudes qui peuvent influencer une recommandation.
- Dépendance aux plateformes
La dépendance aux plateformes apparaît lorsqu’une activité repose fortement sur les règles, distributions ou données d’un service tiers. Un changement peut modifier brusquement la visibilité.
Dans la pratique : Conservez vos contenus, données et relations clients dans des formats exportables et diversifiez les points d’accès à votre expertise.
Relations : Dépendance aux plateformes s’accroît avec Recherche sans clic ; Dépendance aux plateformes se réduit par Site web officiel.
À lire sur le site
17Outils d’observation10
- Google Search Console
Google Search Console renseigne les éditeurs sur l’indexation et les performances de leur site dans Google Search. Ses rapports ont des périmètres et règles de comptage propres.
Dans la pratique : Analysez requêtes et pages en tenant compte des limites de segmentation des expériences IA documentées par Google.
Relations : Google Search Console observe des performances de Google Search.
À lire sur le site
- Bing Webmaster Tools
Bing Webmaster Tools fournit aux éditeurs des informations sur la présence de leur site dans Bing. Il aide notamment à examiner indexation, exploration et performance.
Dans la pratique : Vérifiez les URL prioritaires et les problèmes signalés, puis rapprochez les observations des logs du serveur.
Relations : Bing Webmaster Tools observe des performances de Microsoft Bing.
- Google Analytics
Google Analytics mesure les interactions et parcours sur les sites et applications instrumentés. Il permet notamment de suivre des événements et conversions selon la configuration retenue.
Dans la pratique : Vérifiez les référents IA et les conversions utiles sans considérer la provenance mesurée comme exhaustive.
Relations : Google Analytics est un outil de Analyse d’audience.
- Matomo
Matomo est une solution d’analyse d’audience pouvant être utilisée dans différentes configurations d’hébergement. Elle mesure visites et événements selon les réglages mis en place.
Dans la pratique : Documentez la configuration et les règles d’attribution avant de comparer ses chiffres à ceux d’un autre outil.
Relations : Matomo est un outil de Analyse d’audience ; Matomo préserve Confidentialité des données.
- Piano Analytics
Piano Analytics est une solution d’analyse des usages numériques fondée sur des événements et propriétés. Elle permet de construire des rapports adaptés aux parcours et objectifs suivis.
Dans la pratique : Définissez des événements pour les actions utiles de la page et contrôlez leur qualité de collecte.
Relations : Piano Analytics est un outil d’ Analyse d’audience ; Piano Analytics mesure Conversion ; Piano Analytics se compare à Google Analytics.
- Screaming Frog SEO Spider
Screaming Frog SEO Spider est un logiciel d’exploration de sites utilisé pour auditer URL, statuts, métadonnées, liens et contenus. Il fournit une vue technique du site parcouru.
Dans la pratique : Croisez le crawl avec les logs et l’indexation réelle : un audit de site ne reproduit pas à lui seul le comportement de chaque moteur.
Relations : Screaming Frog SEO Spider est un Robot d’indexation ; Screaming Frog SEO Spider contrôle URL canonique.
- Ahrefs
Ahrefs est une plateforme d’analyse SEO connue notamment pour ses données de liens, mots-clés et sites. Ses indicateurs sont des mesures propres à son corpus et à ses méthodes.
Dans la pratique : Utilisez ses scores pour comparer dans un cadre constant, sans les assimiler aux signaux internes des moteurs.
Relations : Ahrefs exploite un Robot d’indexation ; Ahrefs se compare à Semrush.
À lire sur le site
- Semrush
Semrush est une plateforme de recherche et de suivi marketing couvrant notamment SEO et concurrence. Les fonctions disponibles dépendent des produits et offres utilisés.
Dans la pratique : Vérifiez la source, la date et le périmètre des données avant de les intégrer à une décision GEO.
Relations : Semrush analyse Backlink ; Semrush suit Classement des résultats.
À lire sur le site
- Sistrix
Sistrix est une plateforme d’analyse de visibilité et de données SEO. Ses indices résument des observations selon un panel et une méthode propres.
Dans la pratique : Interprétez un indice comme un indicateur comparatif, pas comme une mesure de tout le trafic ou de toutes les réponses IA.
Relations : Sistrix suit Classement des résultats ; Sistrix se compare à Semrush ; Sistrix mesure la visibilité dans Google Search.
- Ubersuggest
Ubersuggest est un outil de recherche de mots-clés, d’analyse de sites et de suivi SEO. Ses données et fonctionnalités sont à interpréter dans leur périmètre de collecte.
Dans la pratique : Complétez l’analyse de mots-clés par les questions et besoins qui apparaissent dans les conversations de vos clients.
Relations : Ubersuggest suggère des requêtes de Longue traîne ; Ubersuggest se compare à Semrush ; Ubersuggest sert SEO.
18Agents & pistes émergentes10
- Agent IA
Un agent IA poursuit un objectif en choisissant et en exécutant des étapes, souvent avec des outils. Son autonomie dépend des capacités, permissions et contrôles définis.
Dans la pratique : Exposez des informations et actions claires, avec des garde-fous adaptés aux conséquences de chaque opération.
Relations : Agent IA utilise Appel d’outil ; Agent IA s’appuie sur Grands modèles de langage.
À lire sur le site
- Recherche agentique
La recherche agentique fait intervenir un système qui planifie et enchaîne des recherches, vérifications et actions pour satisfaire un besoin. Elle dépasse une récupération unique de documents.
Dans la pratique : Rendez les informations actionnables : critères, conditions, identifiants et liens vers l’étape suivante.
Relations : Recherche agentique est menée par Agent IA ; Recherche agentique peut enchaîner Query fan-out.
À lire sur le site
- Appel d’outil
L’appel d’outil permet à un modèle de demander l’exécution d’une fonction structurée, comme une recherche ou une consultation de catalogue. L’application reste responsable de la validation et de l’exécution.
Dans la pratique : Validez les paramètres et exposez seulement les outils nécessaires au parcours prévu.
Relations : Appel d’outil invoque API.
À lire sur le site
- Model Context Protocol
Le Model Context Protocol standardise la connexion d’applications IA à des outils, ressources et données. Il facilite l’intégration mais ne constitue pas un facteur de référencement en soi.
Dans la pratique : Décrivez précisément les capacités et permissions de vos outils pour permettre un usage fiable par les agents.
Relations : Model Context Protocol peut standardiser l’exposition d’outils utilisés par un Appel d’outil.
À lire sur le site
- API
Une API est une interface qui permet à des logiciels d’échanger des données ou de demander des opérations selon un contrat. Elle peut rendre un catalogue ou une fonction accessible à un assistant.
Dans la pratique : Documentez paramètres, formats, erreurs et limites d’accès pour que l’intégration reste prévisible.
Relations : API est décrite par Documentation technique.
- Commerce agentique
Le commerce agentique fait intervenir des agents pour rechercher, comparer ou accomplir certaines étapes d’un achat. Il nécessite des informations et autorisations adaptées aux transactions.
Dans la pratique : Fiabilisez données produit, disponibilités et conditions avant d’automatiser des actions commerciales.
Relations : Commerce agentique est une forme de Commerce électronique ; Commerce agentique est mené par Agent IA ; Commerce agentique s’appuie sur Flux produit.
À lire sur le site
- llms.txt
llms.txt est une proposition de fichier destiné à orienter les systèmes IA vers les informations utiles d’un site. Il ne remplace ni le site accessible ni les règles de robots et n’offre pas de garantie de citation.
Dans la pratique : Considérez-le comme une aide documentaire éventuelle et mesurez son usage réel avant de lui attribuer un effet SEO.
État des preuves, effet non démontré : Le fichier reste une proposition. Google indique qu’aucun fichier destiné aux IA n’est nécessaire pour apparaître dans ses fonctionnalités IA.
Relations : llms.txt utilise le format Markdown ; llms.txt se distingue de robots.txt ; llms.txt n’est pas requis par Google AI Overviews.
À lire sur le site
- Markdown
Markdown est un format de texte léger qui représente titres, listes, liens et autres structures avec une syntaxe simple. Il est courant dans les documentations et échanges avec des modèles.
Dans la pratique : Proposez une version textuelle propre lorsque cela facilite l’accès à votre documentation, sans supprimer le contexte essentiel.
À lire sur le site
- WebMCP
WebMCP est une initiative visant à permettre aux pages web d’exposer des actions structurées aux agents via le navigateur. Ce domaine concerne l’interaction avec les sites plus que leur seul classement.
Dans la pratique : Choisissez des actions utiles, limitées et vérifiables, et prévoyez leur fonctionnement pour les utilisateurs humains.
Relations : WebMCP vise à exposer des actions web à un Agent IA ; WebMCP s’inspire de Model Context Protocol ; WebMCP est discuté au sein du W3C.
À lire sur le site
- Answer Engine
Un answer engine est un système qui fournit une réponse à une question plutôt qu’une simple liste de ressources. Cette réponse peut être extraite, calculée ou générée.
Dans la pratique : Rendez vos informations compréhensibles et attribuables afin qu’une réponse puisse les utiliser sans en perdre le sens.
Relations : Answer Engine réalise Question-réponse.
À lire sur le site
06 / La méthode
Comprendre les liens.
Garder les nuances.
L’atlas rassemble des concepts, des organisations, des technologies, des métriques et des usages. Les identités sont rapprochées de Wikidata lorsqu’une correspondance pertinente a été retenue. Les relations entre concepts sont rédigées et typées pour cet atlas : hiérarchie, dépendance, production, mesure, contrôle, risque, preuve, usage ou distinction.
Une relation signifie « ces notions s’éclairent l’une l’autre ». Elle ne prouve ni une causalité, ni un effet sur le classement, ni l’utilisation systématique d’une technologie par un moteur. Les pratiques et les plateformes évoluent : cet atlas est un travail éditorial vivant.
L’indice de preuve
24 fiches portent un indice de preuve. Il dit ce qu’une source primaire établit, et rien de plus. Les autres fiches n’en portent pas : aucune source primaire relue ne permet de trancher.
- Documenté par l’éditeur
- Le fonctionnement est décrit dans une documentation officielle. Cela n’établit pas un effet sur la visibilité.
- Mesuré en banc d’essai
- Un effet a été mesuré dans une étude publiée, dans un cadre expérimental. Il n’est pas garanti ailleurs.
- Effet non démontré
- Aucune source primaire n’établit d’effet sur les citations ou la visibilité.
Le relevé Knowledge Graph
Au 13 novembre 2026, 204 des 336 fiches correspondent à une entité identifiée du Knowledge Graph de Google : 175 identifiants confirmés par l’API, 14 déclarés dans Wikidata seulement, 15 retrouvés par leur nom exact puis relus. Identifiants relevés dans Wikidata (propriétés P646 et P2671), vérifiés un par un auprès de l’API Knowledge Graph Search de Google ; les fiches sans identifiant ont été cherchées par leur nom exact.
Être une entité reconnue n’est pas un facteur de visibilité démontré : le relevé décrit le vocabulaire que Google a déjà consolidé.
Consulter les sources fondatrices
- Étude fondatrice GEO
- Google : fonctionnalités IA et sites web
- Article fondateur RAG
- Documentation Microsoft GraphRAG
- Vocabulaire Schema.org
- Documentation des robots OpenAI
- Documentation des robots Perplexity
- Proposition llms.txt
- RAGAS : article de recherche
- E-GEO : benchmark e-commerce
- Mistral Vibe (anciennement Le Chat)
- Ameet Deshpande : site du chercheur
- Attention Is All You Need
- W3C : données liées
- W3C : modèle RDF
- Site officiel xAI
- Article BEIR
- Microsoft : MS MARCO
- Site officiel TREC
- Proposition WebMCP
- Anthropic : robots et réglages pour les sites
- Google : robots d'exploration courants
- RFC 9309 : protocole d'exclusion des robots
- Protocole Sitemaps
- Documentation IndexNow
- RFC 9110 : sémantique HTTP
- Google : bases du SEO JavaScript
- Google : balise meta robots
- Google : contenu payant et données structurées
L’atlas se lit aussi sans interface : édition texte (Markdown) et données complètes (JSON).
Un atlas conçu par Julien Gourdon, pour celles et ceux qui veulent comprendre la recherche avant de chercher à l’optimiser.