Parmi les plus de 60 000 sites web dont nous suivons quotidiennement les statistiques, ChatGPT génère 8 à 9 fois plus de trafic référent que la 2e plateforme IA, Perplexity.
Le mois dernier, Sam Altman, PDG d’OpenAI, a révélé que plus de 800 millions de personnes utilisaient la plateforme chaque semaine.
Mais c’est quoi les actions nécessaires pour être mentionné et cité dans ses réponses IA ?
Nos dernières recherches sur les requêtes TOFU (top of the funnel) montrent que les articles listes aussi appelés « listicles », « top X » ou « meilleure plateforme pour…» récemment mis à jour constituent le type de page le plus présent dans les sources de ChatGPT, y compris celles où les marques recommandées se classent elles-mêmes en première position.
On a également constaté une corrélation entre le fait qu’une marque soit bien classée dans des articles listes (listicles) tierces et sa présence plus fréquente dans les réponses IA.
Cela signifie-t-il pour autant que vous devriez publier vous-même ces listes sur votre site ? Avant de vous présenter l’approche que nous adoptons, je vais vous parler de l’ensemble des données.
J’ai analysé les réponses de ChatGPT pour 750 requêtes TOFU situées en haut de l’entonnoir de conversion, réparties en trois catégories : logiciels, produits et recommandations d’agences (par exemple, « les meilleures agences CRM à Londres »).
Même si ce chiffre peut sembler modeste, il m’a fallu des dizaines d’heures pour classer manuellement les réponses afin d’en garantir l’exactitude.
Ce que je cherchais : à quelle fréquence les fameux listicles apparaissent-ils comme références pour les réponses de ChatGPT ?
Pour les logiciels, j’ai examiné des requêtes telles que « meilleur logiciel CRM pour les entreprises » et « meilleur logiciel de gestion de projet ».
Pour les produits, j’ai analysé des requêtes telles que « meilleure montre d’entrée de gamme » et « meilleur tapis de course pour la maison ».
Dans la catégorie des agences, j’ai examiné les termes liés aux agences SEO, réseaux sociaux, publicité, autour de l’image de marque, du marketing général et de la conception de sites web…
En matière de SEO traditionnel, on estime que ces termes font l’objet de centaines de milliers de recherches par mois.
Cela dit, il est probable que les termes saisis par les utilisateurs sur Google ne reflètent pas parfaitement ce qui est saisi sur une plateforme de réponses générées par IA (LLM). Malheureusement, les plateformes d’IA ne fournissent pas directement ces données.
J’ai donc testé des requêtes à la fois simples et descriptives dans ces secteurs et n’ai constaté que peu, voire aucun « écart » supplémentaire par rapport au suivi des mêmes requêtes. J’ai approfondi ce sujet dans notre analyse complémentaire ci-dessous, et j’ai l’intention d’y partager d’autres résultats de recherche dans un avenir proche.
Il est également probable qu’un pourcentage notable de recommandations résulte d’une conversation comportant plusieurs requêtes, plutôt que d’une seule requête.
C’est pourquoi je ne me suis pas penché sur les marques les plus recommandées ni sur les domaines les plus cités dans l’ensemble, mais plutôt sur les types de contenus provenant de ces sites.
L’autre objectif de cette étude est d’établir une sorte de benchmark de ce que nous observons de manière générale, auquel nous pourrons nous comparer et nous améliorer au fil du temps.
Note : Pour plus de détails sur cette étude et sa méthodologie, j’ai créé un Google Doc complémentaire dans lequel je partage les enseignements tirés et des pistes de réflexion pour de futures recherches, sur la base de mes conclusions.
Le tableau en dessous présente les types de pages les plus courants que nous avons recensé dans les trois catégories expliquées dans la méthodo : Logiciel, Agence, Produit.
Il inclut à la fois les mentions « auto-promo » et les mentions « par des tiers ».
La plupart des types de pages que nous avons analysés devraient être évidents, mais pour les plus importants d’entre eux, voici quelques précisions supplémentaires :
- Listicle : une liste de recommandations présentée sous forme d’article de blog, comme cet article intitulé « Top 16 des outils GEO pour apparaître sur ChatGPT » rédigé par notre collègue Juliette Begue
- Liste hors blog : des plateformes comme G2 (logiciels) ou Clutch (agences), qui classent les recommandations sans pour autant adopter le format d’un article de blog
- Page d’accueil : des pages générales présentant, par exemple, un service spécifique proposé par une agence ou un marché pour lequel une entreprise SaaS propose une solution. Par exemple, cette page de Siege Media indiquant qu’elle propose des services de conception web.
- Réseaux sociaux : cela englobe des sites tels que Reddit, Quora, Facebook, Instagram et LinkedIn.
Les liens peuvent apparaître directement dans les recommandations ou sous forme de liens vers les sources, qui ont été utilisés pour la recherche mais nécessitent un clic supplémentaire pour être consultés.
Chaque mention provenant de la source elle-même a été classée manuellement.
Pour les mentions provenant de tiers, totalisant plus de 10 000 URL individuelles, nous avons utilisé une approche semi-automatisée.
Nous avons mis en place des dizaines de filtres manuels pour améliorer la précision. Par exemple, le sous-domaine learn.g2.com héberge des types de contenu très différents des pages de catégories G2 standard.
Quant aux URL restantes, nous les avons classées à l’aide du modèle GPT-5 d’OpenAI, en lui fournissant des instructions personnalisées.
Enfin, nous avons pris le temps de passer en revue chaque groupe d’URL et d’améliorer le balisage lorsque cela s’avérait nécessaire, même si nous étions satisfaits de 95 % des résultats obtenus initialement.
Dans certaines catégories, on observe un changement net quant au type de page le plus mis en avant. Les pages d’atterrissage sont souvent citées lorsqu’on recherche le meilleur logiciel ou la meilleure agence, mais apparaissent rarement lors de recherches sur des produits.
Les articles de blog généraux publiés sur les sites web de produits ont obtenu de bien meilleurs résultats que ceux consacrés aux recommandations de logiciels et d’agences.
Pour chacune des catégories concernées, nous avons sélectionné 250 articles listicles parmi les réponses de ChatGPT (750 au total) afin de déterminer à quelle place figurait une marque spécifique lorsque cette liste était utilisée comme source.
Tout ce travail a été effectué manuellement, car l’automatisation n’aurait pas été aussi précise. Par exemple, de nombreuses listes indiquent un certain nombre d’éléments, alors qu’elles en contiennent souvent davantage et n’ont tout simplement pas mis à jour leur titre ou leur en-tête.
L’automatisation permettant de déterminer où une marque figure dans une liste peut s’avérer encore plus complexe. D’autant plus que ces listes ne se présentent pas toujours sous la forme d’une liste claire avec des rubriques numérotées.
Dans l’exemple ci-dessous, vous pouvez voir qu’Asana occupe la première place dans sa propre liste des meilleurs logiciels de gestion de projet :
Dans un article similaire publié sur le site web de Zapier, Asana apparaît en deuxième position parmi les recommandations :
Ces 2 pages étaient utilisées comme source pour les réponses de ChatGPT.
En tenant compte des 750 URLS, voici la répartition des places occupées par les produits, marques ou prestataires de services cités dans les articles liste type « meilleurs X ».
Bien qu’il semble évident qu’un classement élevé augmente le nombre de recommandations, il existe toutefois un certain biais.
Toutes les listes ne comptent pas nécessairement 10 éléments ou plus. Il y aura donc toujours davantage de recommandations dans les premières places d’une liste.
Pour remédier à cela, nous pouvons examiner la répartition des listes et déterminer combien de recommandations se situent dans le tiers supérieur, le tiers central ou le tiers inférieur d’une liste, quelle que soit sa taille.
Comme le montre la répartition globale, on observe toujours une forte tendance en faveur des entreprises et des produits les mieux classés dans la liste correspondante.
J’ai voulu aller plus loin et partager également un graphique axé sur un ensemble distinct de listes comportant au moins 10 éléments. On y constate un résultat moins marqué, mais la tendance va dans le même sens :
D’autres facteurs pourraient entrer en jeu ici, comme l’explique le document complémentaire mentionné plus haut.
On pourrait rapidement aboutir à la conclusion suivante : les grands modèles de langages (LLMs) sélectionnent les premières sections des données qui leur sont fournies, et qu’ils « privilégient » ainsi certaines des recommandations les mieux classées.
J’ai brièvement discuté avec Dan Petrovic, de DEJAN SEO, qui a mené des recherches approfondies dans ce domaine, et il m’a laissé entendre que ce n’était peut-être pas le cas. Certaines de ses analyses révèlent que la quantité de contenu extraite peut varier en fonction du domaine ou de la page d’origine.
Nous continuons à étudier cette question, je m’abstiens donc de tirer une conclusion définitive. Cela dit même sans parler d’IA, il serait logique de vouloir figurer en tête d’une liste de logiciels, de produits ou de prestataires de services recommandés dans votre secteur d’activité.
J’ai prélevé un échantillon représentatif de listicles issus de nos trois catégories et j’ai vérifié leur date de publication ou de dernière mise à jour. Après avoir écarté celles dont la date de publication ou de modification n’était pas clairement indiquée, il me restait une liste propre de 1 100 URLS à analyser.
79,1 % avaient été mises à jour pour la dernière fois en 2025, et 26 % l’avaient été au cours des deux derniers mois seulement.
Ce chiffre prend en compte à la fois les articles publiés pour la première fois et ceux qui ont été modifiés ultérieurement au cours de la période considérée.
Il est intéressant de noter que davantage d’articles ont été mis à jour depuis leur publication (57,1 %) que ceux qui ont été publiés et laissés tels quels.
Le fait de maintenir les articles à jour peut contribuer à améliorer leur référencement dans les moteurs de recherche traditionnels, mais nos données montrent que les assistants IA préfèrent un contenu encore plus récent.
Si l’on prend le temps d’examiner les sources utilisées par ChatGPT, on constate clairement qu’il ne s’agit pas toujours des sites web les plus fiables.
Beaucoup d’entre eux ne présentent aucune trace humaine et semblent avoir été créés presque exclusivement à des fins de création de liens et/ou de citations.
Alors que les critères de qualité devraient être plus élevés si ChatGPT utilise Google et Bing comme sources de référence, notre collègue Louise Linehan a constaté que 28% des pages les plus citées par ChatGPT n’ont aucune visibilité organique.
Mes propres recherches ont montré que de nombreux sites douteux obtiennent de bons résultats sur Bing, mais pas autant sur Google.
Bien que le Domain Rating d’Ahrefs ne soit pas un indicateur parfait de la qualité d’un site, en examinant 1 000 articles liste les plus cités dans chaque catégorie (3 000 au total), j’ai constaté qu’une part importante d’entre eux avait été publiée sur des domaines à faible autorité. Autrement dit, des sites qui ont moins de liens en provenance de sites de haute qualité.
Comme l’a expliqué Glenn Gabe dans son excellent article, les résultats fournis par l’IA de Google devraient poser moins de problèmes en matière de promotion des sites légitimes, mais les autres plateformes de recherche basées sur l’IA devront probablement mettre en place des systèmes plus performants d’évaluation de la confiance et de la qualité à l’avenir.
Je m’attends à ce que la partie gauche de ce graphique diminue au fil du temps.
Bien que cette étude ait principalement porté sur ChatGPT, la place importante accordée à ces articles liste ne se limite pas à la plateforme d’OpenAI.
En effet, ils occupaient une place légèrement plus importante dans les AI Overviews Google :
Et ce n’est pas seulement dans les requêtes situées en haut de l’entonnoir de conversion qu’elles apparaissent.
En examinant les 1 000 pages les plus citées sur chaque plateforme via Brand Radar d’Ahrefs, on constate qu’elles comprennent toutes des articles comparatifs sous forme de listes. Et cela sur un total de plus de 150 millions de requêtes.
La manière dont ChatGPT recommande des agences et des produits diffère de celle qu’il utilise actuellement pour recommander des logiciels.
Lorsque vous recherchez une agence, vous pouvez cliquer directement sur le nom de celle-ci pour faire apparaître une barre latérale et en savoir plus à son sujet.
Malheureusement, dans le cadre de l’analyse des différentes catégories, ce n’est pas toujours le cas.
Comme vous pouvez le voir ci-dessous, il n’y avait pas de lien direct vers le site web de Charle dans la barre latérale, mais un lien vers leur site web figurait dans le texte situé sous leur nom.
En raison de cette incohérence, pour les requêtes axées sur les agences, nous avons décidé de nous concentrer sur le lien associé à une marque, plutôt que sur celui pouvant apparaître dans leur encadré.
Cela ne devrait pas avoir d’impact sur les statistiques concernant les listicles de blogs ou les listicles hors blogs, mais cela nous a peut-être techniquement permis de trouver beaucoup plus de pages d’accueil propriétaires dans notre analyse.
Si les listicles occupaient une place prépondérante dans toutes les sources, lorsque le site web d’une marque figurait en première position parmi les recommandations, une autre page interne avait plus de chances d’apparaître que sa page d’accueil ou sa listicle.
Le tableau ci-dessous présente le pourcentage de requêtes dans lesquelles des mentions de première main sont apparues, par type de page.
Remarque : nous ne nous attendons pas à ce que le total des colonnes atteigne 100 %, car plusieurs types de pages peuvent apparaître dans une même réponse.
Une explication simple au fait que les pages de destination surpassent les articles liste de blog dans les catégories « logiciels » et « agences » est que les entreprises sont bien plus susceptibles d’avoir créé des pages de destination présentant les services et fonctionnalités qu’elles proposent, plutôt que d’avoir rédigé un listicle à des fins auto-promotionnelles.
Bien qu’elles ne constituent pas le type de page le plus répandu, les articles liste auto-promotionnels apparaissent tout de même dans plus d’un tiers des réponses de ChatGPT dans la catégorie « logiciels » lorsque leur éditeur est recommandé.
J’ai constaté qu’elles occupaient une place encore plus importante dans les pages de résultats de Google (SERP) :
Sur 250 pages de résultats de type « meilleur logiciel X », 169 (67,6%) présentaient une liste dans laquelle l’entreprise ayant rédigé l’article se classait elle-même en première position.
Si vous effectuez n’importe quelle recherche du type « meilleure agence [SEO / conception web / image de marque] » sur Google, il y a de fortes chances que vous tombiez sur un classement auto-promotionnel bien positionné.
Dans la catégorie des produits, il était rare de voir apparaître le classement publié sur le blog d’une entreprise, tout simplement parce que de nombreuses entreprises de produits n’en publient pas.
Vous ne verrez pas de page sur Nike.com recommandant Adidas, mais l’entreprise publiera un article sur « Les meilleures baskets d’hiver » et y mettra en avant ses propres modèles tout au long du texte.
La création de pages présentant les marchés que vous desservez et les fonctionnalités que vous proposez n’a rien de nouveau, mais vous devriez vous assurer que ces pages sont pertinentes et à jour.
Toutes les données convergent vers une réponse claire : les agences et les entreprises SaaS devraient publier leurs propres articles liste auto-promotionnels.
D’innombrables marques populaires telles que Shopify, Slack, Salesforce, HubSpot et Superside le font, et cela ne semble présenter aucun inconvénient, que ce soit du point de vue des classements traditionnels ou des citations générées par l’IA.
Il y a également de bonnes raisons d’être fier de ce que l’on crée et d’aider les visiteurs à s’y retrouver sur des marchés très saturés.
Cela dit, les données ne constituent qu’une partie de l’équation.
Au cours de mes propres recherches, j’ai souvent été frustré par les classements que je rencontrais. Beaucoup sont excessivement auto-promotionnels, ou ne proposent tout simplement pas de liens vers les alternatives qu’ils recommandent.
Même si ses remarques visaient à mettre en garde contre les mauvaises expériences utilisateur en général, plutôt qu’à cibler spécifiquement les articles liste à but lucratif, Mark Williams-Cook a soulevé un point très pertinent sur LinkedIn : les signaux négatifs émis par les utilisateurs pourraient finir par vous rattraper à terme.
Ross Hudgens, fondateur de Siege Media, reconnaît l’importance de ces signaux, mais affirme qu’il est possible de mettre sa propre marque en avant tout en continuant à apporter de la valeur.
Wil Reynolds, propriétaire d’une agence que je respecte depuis des années, a un autre point de vue :
Tout professionnel du marketing digne de ce nom sait que le fait de se placer en tête d’un article liste hébergée sur son propre site ne suffit pas à instaurer la confiance auprès des acheteurs.
Ce n’était pas très fréquent, mais j’ai tout de même trouvé des exemples d’entreprises figurant plus bas dans leurs propres classements.
DoorLoop s’est classé 7e dans ce classement des fournisseurs de logiciels de gestion locative.
Même si cela peut paraître louable de la part d’une personne qui n’a aucun lien avec l’entreprise, on peut aussi faire valoir qu’elle ne fait qu’aider les concurrents dans leur propre stratégie marketing.
C’est à vous de décider quelle approche convient le mieux à votre entreprise, mais permettez-moi au moins de vous faire part de notre point de vue actuel.
Chez Ahrefs, notre raisonnement est simple : Nous publierons peut-être davantage d’articles comparatifs à mesure que nous déployons de nouvelles fonctionnalités ou que nous pénétrons de nouveaux marchés, mais ceux-ci continueront de représenter moins de 0,5 % de l’ensemble du contenu de notre blog.
Nous n’allons pas en créer pour chaque outil ou cas d’utilisation potentiel.
Nous ne nous placerons pas toujours en tête du classement, comme c’est déjà le cas ici par exemple.
Nous continuerons à indiquer clairement que c’est Ahrefs qui est recommandé.
Presque toutes les entreprises qui font leur promotion le font à la troisième personne, comme si elles essayaient subtilement de passer sous silence le fait qu’elles parlent de leur propre activité.
Et nous continuerons à proposer des liens directs vers des solutions alternatives afin que les visiteurs puissent se renseigner par eux-mêmes.
L’un des changements que nous apportons à la suite de cette étude consiste à mettre davantage en avant nos réussites.
Dans de nombreux cas, des marques ont été mentionnées dans le cadre d’actualités positives concernant l’entreprise, comme le montre l’exemple ci-dessous concernant Monday.com.
Dans un autre cas, lorsque le logiciel de gestion de salles de sport Kilo a été mentionné, c’était à l’occasion de l’annonce de l’obtention d’un prix décerné par Capterra.
Nous pourrions faire beaucoup mieux dans ce domaine, avec l’avantage supplémentaire de fournir aux grands modèles de langage (LLMS) des commentaires intéressants à associer à toute mention de notre nom.
Notre priorité restera les actions qui nous ont naturellement valu d’être mentionnés dans les listes d’autres acteurs, comme la mise à jour constante de notre produit avec de nouvelles fonctionnalités, le partage de données et de recherches originales, et notre présence active là où se trouve notre public.
C’est toujours agréable de voir des mentions de marques comme Zapier.
Comme nous l’avons fait lorsque nous avons dépensé 400 000 dollars pour organiser un événement, plus d’un million de dollars pour sponsoriser des créateurs, ou encore lorsque nous avons dévoilé comment nous évaluons le potentiel commercial des nouveaux articles de blog, nous vous tiendrons informés de l’évolution de notre approche en matière de visibilité dans les résultats de recherche basés sur l’IA.
Restez à l’écoute pour découvrir les coulisses de ce projet sur lequel je travaille actuellement.
Si vous avez des suggestions pour améliorer la prochaine version de cette étude ou si vous souhaitez que j’approfondisse un sujet en particulier, n’hésitez pas à m’en faire part sur LinkedIn ou X.
