Se faire citer par les moteurs génératifs : ce qui remplace le référencement

Pendant vingt ans, la question posée à un site marchand a été stable : comment figurer dans les premières positions d’une liste de liens. L’apparition des réponses synthétisées — AI Overviews chez Google, la recherche web de ChatGPT, Perplexity — déplace le problème sans le supprimer. La liste existe toujours, mais elle est de plus en plus souvent précédée d’un texte qui répond à la question posée et qui cite ses sources. La question n’est plus seulement d’être classé. Elle est d’être cité.

Cette bascule s’accompagne d’un vocabulaire promotionnel qu’il convient de traiter avec méfiance. On lit beaucoup de choses sur l’optimisation pour moteurs génératifs, dont une proportion substantielle relève de la conjecture présentée comme méthode. Le présent essai s’en tient à ce qui est vérifiable : ce que les systèmes de récupération font mécaniquement, ce que les fournisseurs documentent explicitement, et ce que l’observation des journaux serveur permet de constater. Le reste est signalé comme incertain.

Le changement d’unité : du document au passage

Un moteur de recherche classique indexe des documents et les classe. Un système de génération augmentée par récupération procède différemment : il découpe les documents en fragments, calcule une représentation vectorielle de chacun, retrouve les fragments les plus proches de la question posée, puis demande à un modèle de langage de rédiger une réponse à partir de ces fragments — en citant ceux qu’il a effectivement utilisés.

La conséquence pratique est considérable et largement sous-estimée. L’unité de compétition n’est plus la page, c’est le paragraphe. Un paragraphe qui perd son sens lorsqu’on l’extrait de son contexte ne sera pas retenu, quelle que soit la qualité de la page qui l’héberge.

Trois défauts d’écriture disqualifient mécaniquement un passage.

L’anaphore non résolue. Un paragraphe qui commence par cette approche présente trois avantages ne dit rien de compréhensible une fois isolé. Quelle approche ? Le fragment est inexploitable. La correction consiste à renommer le sujet à intervalles réguliers, y compris au prix d’une répétition qui aurait paru maladroite dans une prose destinée à une lecture linéaire.

La dépendance à la structure visuelle. Une information portée par un tableau, un encadré ou une infographie sans équivalent textuel disparaît de la représentation vectorielle. Ce qui n’est pas écrit en toutes lettres n’existe pas pour le système de récupération.

La dilution factuelle. Un paragraphe de rhétorique générale ne contient aucune information susceptible de répondre à une question. Les passages effectivement cités sont ceux qui portent des chiffres, des seuils, des dates, des conditions explicites. La densité factuelle est le premier prédicteur d’extractibilité.

Le balisage structuré, et la nuance qu’on oublie de mentionner

Le balisage JSON-LD conserve une valeur réelle, mais pas celle qu’on lui prête généralement.

Il faut d’abord évacuer un malentendu répandu. Le type FAQPage ne produit plus de résultat enrichi dans les pages de résultats Google pour la quasi-totalité des sites : depuis août 2023, cet affichage est réservé aux sites gouvernementaux et de santé reconnus comme faisant autorité¹. Continuer à vendre l’implémentation d’une FAQ balisée comme un gain de surface dans la page de résultats relève, en 2026, de l’argument périmé.

Sa valeur s’est déplacée. Une paire question-réponse balisée explicitement est un fragment déjà découpé, déjà qualifié, déjà associé à une intention de recherche formulée en langage naturel. Là où le découpage automatique d’un texte long produit des fragments dont les frontières sont arbitraires, le balisage FAQPage livre au système de récupération une unité sémantique propre. C’est pour cette raison qu’il conserve son intérêt — et pour aucune autre.

Le même raisonnement s’applique aux autres types. Article avec un datePublished et un author explicites permet la datation d’une information, ce qui compte pour les questions dont la réponse évolue. Organization avec un tableau sameAs complet permet de rattacher une affirmation à une entité identifiable plutôt qu’à un domaine anonyme. BreadcrumbList expose la position d’une page dans une hiérarchie thématique.

Le fichier llms.txt : utile, mais pas pour la raison annoncée

La proposition llms.txt consiste à publier, à la racine d’un domaine, un fichier en Markdown qui décrit le site et pointe vers ses ressources de référence². L’analogie avec robots.txt est trompeuse et il faut la désamorcer immédiatement.

robots.txt fonctionne parce qu’un écosystème entier de robots a convenu de le respecter, et parce que son non-respect est publiquement constatable. llms.txt ne dispose d’aucun de ces deux appuis : ce n’est pas une norme adoptée par les principaux fournisseurs de modèles, et rien ne contraint personne à le lire. Le publier en attendant un effet mécanique sur la citation relève de la pensée magique.

Reste que je le recommande, pour une raison indirecte. L’exercice de rédaction contraint à formuler en quelques centaines de mots ce que le site est, à qui il s’adresse, ce qu’il propose et où se trouve l’information faisant autorité sur chaque sujet. Cette clarification bénéficie ensuite à tout le reste : aux méta-descriptions, aux résumés d’articles, au balisage Organization. Le coût est d’une heure. L’espérance de gain est incertaine mais strictement positive.

L’autorité d’entité, qui remplace l’autorité de domaine

Un système qui synthétise une réponse doit arbitrer entre des sources contradictoires. Le signal qu’il mobilise n’est pas un score global de domaine, mais la cohérence de l’entité qui parle.

Concrètement, cela se construit par la convergence de trois éléments. Le balisage Organization doit déclarer un sameAs exhaustif vers l’ensemble des profils publics de la marque, chacun de ces profils devant à son tour pointer vers le domaine. La dénomination, l’adresse et les coordonnées doivent être strictement identiques partout où elles apparaissent — une variation d’orthographe entre le site, un annuaire professionnel et un profil social suffit à fragmenter l’entité en plusieurs entités faibles. Et l’auteur des contenus doit être une personne nommée, avec une page qui lui est propre et un historique de publication cohérent, plutôt qu’une signature institutionnelle anonyme.

Un moteur génératif ne cite pas la page la mieux optimisée. Il cite le passage dont il peut vérifier qu’il répond à la question, et l’entité dont il peut établir qu’elle a qualité pour l’affirmer.

Ce qui ne sert plus à rien

L’honnêteté commande d’énumérer aussi ce que cette bascule périme.

La densité de mots-clés. La récupération vectorielle travaille sur le sens, pas sur la fréquence lexicale. Répéter une expression cible dégrade la lisibilité sans améliorer la représentation.

Les pages satellites à faible substance. Produire cinquante variantes d’une même page pour couvrir cinquante formulations d’une requête était une tactique efficace contre un moteur lexical. Contre un système qui synthétise, ces pages se cannibalisent dans l’espace vectoriel sans qu’aucune n’atteigne la densité factuelle nécessaire pour être citée.

Le contenu produit en volume par génération automatique non encadrée. Sans donnée propriétaire ni expertise vérifiable, il n’apporte aucun élément qu’un modèle ne puisse produire lui-même. Il n’y a aucune raison de citer une source qui n’ajoute rien.

Mesurer, plutôt que supposer

C’est le point où la plupart des démarches s’arrêtent, et c’est celui qui distingue une méthode d’une conviction. Trois mesures se complètent.

Les journaux serveur. GPTBot, ClaudeBot, PerplexityBot et Google-Extended s’identifient dans les en-têtes. L’analyse des journaux établit factuellement quels robots passent, à quelle fréquence, et surtout quelles URL ils consultent réellement. C’est la seule donnée non conjecturale disponible, et elle est gratuite.

Les requêtes tests. Une liste de quinze à trente questions sur lesquelles la marque devrait légitimement figurer, exécutées manuellement chaque mois sur les principaux moteurs, avec archivage des réponses. La méthode est artisanale ; elle est aussi la seule qui observe directement le résultat qui compte.

Le trafic référent. Les visites en provenance des domaines de ces moteurs restent modestes en volume, mais leur intention est nettement plus qualifiée que la moyenne : l’utilisateur qui clique après avoir lu une synthèse a déjà filtré. Segmenter ce trafic et suivre son taux de conversion vaut mieux que suivre son volume.

La position que je défends

L’optimisation pour moteurs génératifs n’est pas une discipline nouvelle qui remplacerait le référencement. C’est le même travail, déplacé d’un cran : rendre une information vérifiable, datée, attribuée, et compréhensible hors de son contexte d’origine. Les sites qui avaient investi dans la substance plutôt que dans la manipulation lexicale n’ont presque rien à changer. Les autres découvrent qu’ils n’avaient pas de contenu, seulement des pages.

C’est aussi pourquoi je reste prudent sur les promesses chiffrées en la matière. Personne ne dispose aujourd’hui d’un modèle causal fiable reliant une intervention technique à un taux de citation. Ce qu’on peut faire, en revanche, est parfaitement défini : rendre les passages autonomes, baliser explicitement, unifier l’entité, et instrumenter la mesure pour cesser de raisonner à l’aveugle.

Le volet découvrabilité du Diagnostic Stack couvre exactement ce périmètre : audit d’extractibilité passage par passage sur les pages à enjeu, vérification du balisage et de la cohérence d’entité, analyse des journaux de robots génératifs, et mise en place du protocole de requêtes tests que le client exécute ensuite en autonomie.

---

Footnotes

1. Google Search Central, FAQ structured data : developers.google.com/search/docs/appearance/structured-data/faqpage. La restriction de l’affichage aux sites gouvernementaux et de santé faisant autorité a été annoncée en août 2023 et demeure en vigueur au moment de la rédaction. ↩

2. Proposition llms.txt : llmstxt.org. Convention proposée en 2024, sans adoption formelle par les principaux fournisseurs de modèles à la date de rédaction. ↩