Quand l'IA rend obsolète le micro-travail humain

Pendant plus de vingt ans, l’acquisition de trafic digital a reposé sur un contrat simple : les moteurs de recherche indexaient le web et redirigeaient l’internaute vers des sites tiers via une liste de liens bleus. Ce modèle touche à sa fin. Avec l’intégration massive de l’intelligence artificielle générative dans les parcours de recherche – Google AI Overviews, ChatGPT, Perplexity, Gemini – l’information n’est plus seulement classée : elle est lue, synthétisée et restituée directement à l’utilisateur sous forme de réponse conversationnelle, souvent sans le moindre clic sortant…

Pour les directions marketing des grands comptes et des ETI qui pilotent des budgets d’acquisition conséquents, ce basculement impose une refonte de la gouvernance de contenu et des indicateurs de performance. Le classement de mots-clés et le volume de trafic organique cèdent progressivement la place à des notions émergentes : la « Share of Model » (part de visibilité au sein des IA) et la fréquence de citation contextuelle.

Formation pour apprendre à créer des formations en ligne

SEO, AEO, GEO : trois strates qui se superposent

Le SEO (Search Engine Optimization) reste la fondation technique : positionner une URL dans une page de résultats pour générer un clic. L’AEO (Answer Engine Optimization), né avec les assistants vocaux et les featured snippets, vise à devenir la réponse unique et extractible à une question factuelle précise. Le GEO (Generative Engine Optimization) est une rupture plus profonde : il s’agit d’influencer la manière dont une IA générative synthétise une réponse complexe à partir de plusieurs sources simultanément, en visant la citation nominale plutôt que le clic.

Le terme GEO a été formellement défini en novembre 2023 par une équipe de chercheurs de Princeton, Georgia Tech et IIT Delhi, dans l’étude fondatrice « GEO: Generative Engine Optimization ». Leurs travaux, testés sur un benchmark de 10 000 requêtes, montrent que l’ajout de statistiques vérifiables dans un contenu augmente sa probabilité de citation par une IA de 30 a 40 %, et que les citations de sources d’autorité produisent l’effet le plus important sur les modèles.

Des chiffres qui rebattent les cartes de l’acquisition

Les données 2025-2026 confirment l’ampleur du basculement. Selon l’analyse de Similarweb publiée en juin 2026 par Limor Barenholtz, Directrice SEO & AI Search (Similarweb, 10 juin 2026), 68 % des recherches Google se terminent désormais sans aucun clic vers un site externe – une hausse de 23 points sur dix ans, largement imputable au déploiement des AI Overviews (plus de 20 % des requêtes mondiales).

L’effet sur les taux de clic est documenté avec précision. Une étude du Pew Research Center portant sur 900 utilisateurs américains, relayée par Danny Goodwin dans Search Engine Land (24 juillet 2025), montre que le taux de clic vers un résultat organique tombé à 8 % en présence d’un AI Overview, contre 15 % en son absence – et que seuls 1 % des visites correspondent à un clic sur les sources citées à l’intérieur même du résumé IA. 26 % des utilisateurs abandonnent purement et simplement leur recherche après avoir lu la synthèse.

Deux autres etudes, également relayées par Search Engine Land (21 avril 2025), quantifient l’impact par secteur : l’agence Amsive, sur 700 000 mots-clés, mesure une baisse moyenne de 15,5 % du CTR organique lorsqu’un AI Overview se déclenche ; Ahrefs, sur 300 000 mots-clés, observe une chute de 34,5 % du CTR pour la position n°1 – historiquement la plus rentable.

Ces tendances confirment, dans une certaine mesure, la prédiction publiée par Gartner en février 2024 : une baisse de 25 % du volume des moteurs de recherche traditionnels d’ici 2026, au profit des chatbots et agents virtuels (Gartner, Alan Antin, 19 février 2024). La réalité 2026 est plus contrastée selon les secteurs, mais la contraction du trafic sortant est bien réelle.

L’enjeu propre aux grands comptes : la gouvernance avant le volume

Pendant des années, les stratégies de « Enterprise SEO » ont mise sur le volume : des milliers d’articles, des pages produits dupliquées par région, des glossaires tentaculaires. Cette logique devient un handicap face aux moteurs génératifs, qui n’indexent pas l’autorité par la quantité de mots publiés mais par la cohérence de l’information ingérée.

Pour une ETI ou un groupe multi-marques, le risque principal est la contradiction : une même offre nommée différemment selon les filiales, des fiches produits obsolètes qui coexistent avec des versions à jour. Une IA entrainée à minimiser les erreurs factuelles écarte systématiquement les sources ambiguës au profit d’un concurrent à l’architecture d’information univoque. Le rôle du SEO en interne évolue donc vers celui d’architecte de la connaissance : garantir une ontologie d’entreprise cohérente, ou chaque produit, chaque marque et chaque filiale est décrit de façon unifiée.

Autre bouleversement : la compression du tunnel de conversion. Un acheteur B2B ne tape plus « qu’est-ce qu’un CRM » – il demande directement à une IA de comparer des solutions selon des critères précis et de trancher entre deux marques. Le contenu autrefois réserve au « milieu » et au « bas » de l’entonnoir (comparatifs, spécifications techniques, retours d’expérience) devient le contenu le plus stratégique, puisque c’est celui que l’IA retient des la première interaction.

Deux cas réels, deux stratégies différentes

Home Depot, étudie en detail par Asif Ali dans Search Engine Land (20 juillet 2026), illustre la domination par la profondeur. Selon les données Semrush Enterprise AIO de février 2026, l’enseigne affiche une part de voix moyenne de 28,9 % sur cinq plateformes IA (Google AI Mode, ChatGPT, ChatGPT Web Search, Perplexity, Gemini), devant tous ses concurrents, avec une position moyenne de 1,08 sur ChatGPT et un score de sentiment positif de 55,68 % – près du double de son concurrent le plus proche, Ace Hardware (~30 %). Cette avance s’appuie sur une fondation SEO massive (près de 20 millions de mots-clés positionnes, contre 12,5 millions pour Lowe’s) et sur un contenu structure autour de l’intention d’achat plutôt que de la simple définition.

Knix, marque de sous-vêtements menstruels analysee par Amy Copadis, montre qu’une ETI peut déjouer des groupes bien plus importants. Sur 20 requêtes d’achat testées via ChatGPT et Google AI Mode, des marques généralistes comme H&M, Uniqlo ou Victoria’s Secret n’apparaissent que deux fois – quand Knix, elle, est citée 29 fois. La marque a structure ses pages produits autour de langage concret et de cas d’usage réels (« leakproof », usage post-partum, fuites) plutôt que d’un vocabulaire générique de catégorie, ce qui correspond exactement à la formulation des requetés des utilisatrices – et donc à ce que l’IA recherche pour construire sa réponse.

Une méthodologie en six étapes

1. Auditer sa visibilité IA actuelle : soumettre 20 à 30 requêtes conversationnelles critiques (objections commerciales, comparatifs) à ChatGPT, Perplexity, Claude et Google AI Overviews pour mesurer sa « Share of Model » et le sentiment associé.

2. Sécuriser l’exploration technique : vérifier que les robots légitimes (GPTBot, PerplexityBot, ClaudeBot, Google-Extended) ne sont pas bloqués par le pare-feu ou le fichier robots.txt, et privilégier le rendu cote serveur pour le contenu stratégique.

3. Structurer le contenu pour l’extraction : répondre en 60 à 80 mots dès le début de chaque section, utiliser des listes, tableaux et données structurées Schema.org (FAQPage, Product, HowTo).

4. Densifier les preuves : remplacer les formulations vagues par des statistiques propriétaires et vérifiables, et des citations de sources d’autorité.

5. Construire l’autorité tierce : la GEO est à 80 % un enjeu de réputation externe (presse spécialisée, forums, plateformes d’avis B2B) – une stratégie de relations publiques numériques ciblée reste indispensable.

6. Mesurer et itérer : suivre la Share of Model et le sentiment dans la durée, et publier des pages de comparaison objectives qui orientent la grille de lecture de l’IA.

En resumé

Avec près de 70 % des recherches qui se terminent sans clic, mesurer le succès d’une stratégie digitale au seul aune du trafic organique devient trompeur. Pour les grands comptes et les ETI, l’enjeu n’est plus de générer des visites, mais de devenir la source que l’intelligence artificielle choisit de citer, comprendre et recommander – ce qui exige moins de volume et davantage de gouvernance, de cohérence et de preuves vérifiables.

A propos de l’auteur

Le Département SEO/AIO de Million Marketing, agence de performance marketing digitale (SEO, SEA, AEO) et studio IA, accompagne des Grands Comptes et ETI sur leurs enjeux d’acquisition.