LLMO : 10 moyens d’être mentionné par ChatGPT et les autres IA

Comme l’a dit Bernard Huang, pen­dant sa prise de parole lors de l’Ahrefs Evolve, “LLMs are the first real­is­tic search alter­na­tive to Google.” :
« Les LLMs sont la pre­mière alter­na­tive crédi­ble à Google pour la recherche. »

Les pro­jec­tions de marché vont dans le même sens :

• Le marché mon­di­al des LLM devrait aug­menter de 36 % entre 2024 et 2030
• La crois­sance des chat­bots devrait attein­dre 23 % d’ici 2030
• Gart­ner prévoit que 50 % du traf­ic des moteurs de recherche aura dis­paru d’ici 2028

Vous pou­vez vous plain­dre que les chat­bots IA réduisent votre part de traf­ic ou s’ap­pro­prient votre pro­priété intel­lectuelle. Ce ne serait pas faux.
Mais dans tous les cas, très bien­tôt, vous ne pour­rez plus les ignorer.

Comme aux débuts du SEO, je pense qu’on s’apprête à entr­er dans une sorte de Far West, où les mar­ques vont tout faire pour s’imposer dans les LLM, par tous les moyens.
Et pour équili­br­er, je m’attends aus­si à voir cer­tains acteurs légitimes, arrivés tôt, rafler la mise.

Apprenez à inté­gr­er les con­ver­sa­tions IA juste à temps pour la ruée vers l’or du LLMO grâce à ce guide SEO x IA.

Comprendre rapidement le LLMO

L’optimisation pour les LLM (Chat­G­PT, Per­plex­i­ty, Claude, Mis­tral AI…) con­siste à pré­par­er l’« univers » de votre mar­que (votre posi­tion­nement, vos pro­duits, vos équipes et les infor­ma­tions qui l’entourent) pour obtenir des men­tions dans un LLM.

Je par­le de men­tions textuelles, de liens, et même de l’intégration native de votre con­tenu de mar­que (par exem­ple des cita­tions, des sta­tis­tiques, des vidéos ou des visuels).

Exemple pour comprendre le LLMO

On va voir un exem­ple concret.

Quand j’ai demandé à Per­plex­i­ty « Qu’est ce qu’un assis­tant de rédac­tion IA », la réponse du chat­bot sour­cait explicite­ment Ahrefs avec 4 liens au-dessus de la ligne de flottaison.

Atten­tion à ne pas con­fon­dre LLM et AI Overviews, même si c’est effec­tive­ment lié.

Voyez le LLMO comme un nou­veau type de SEO. Les mar­ques cherchent active­ment à opti­miser leur vis­i­bil­ité dans les LLM, comme elles le font déjà dans les moteurs de recherche.
En réal­ité, le mar­ket­ing LLM pour­rait devenir une dis­ci­pline à part entière. Har­vard Busi­ness Review va même jusqu’à dire que les SEOs seront bien­tôt appelés des LLMOs.

Les LLM comme Chat­G­PT ne se con­tentent pas de fournir des infor­ma­tions sur les mar­ques, ils les recom­man­dent.

Comme un con­seiller de vente ou un per­son­al shop­per, ils influ­en­cent même les util­isa­teurs à sor­tir leur carte bancaire.

Si les gens utilisent les chat­bot IA pour obtenir des répons­es et acheter, votre mar­que doit apparaître.

Mais c’est loin d’être la seule rai­son pour laque­lle vous devez suiv­re cette tendance.
Voici les avan­tages clés à inve­stir dans le LLMO :

• Vous péren­nisez la vis­i­bil­ité de votre marque.
  Les LLM ne vont pas dis­paraître. Ils devi­en­nent un nou­veau canal majeur pour dévelop­per la notoriété.
• Vous béné­fi­ciez d’un avan­tage de pre­mier entrant (si vous agis­sez vite).
• Vous occu­pez davan­tage d’espace en liens et en cita­tions, ce qui laisse moins de place à vos concurrents.
• Vous vous inté­grez à des con­ver­sa­tions clients per­ti­nentes et personnalisées.
• Vous aug­mentez vos chances que votre mar­que soit recom­mandée dans des con­ver­sa­tions à forte inten­tion d’achat.
• Vous générez du traf­ic de recom­man­da­tion depuis les chat­bots vers votre site.
• Vous améliorez votre vis­i­bil­ité dans la recherche par ricochet.
• Le traf­ic venant des LLM ont un meilleur taux de con­ver­sion que les moteurs de recherche.

Le LLMO et le SEO sont étroitement liés

Les LLM RAG : c’est quoi?

La plu­part des chat­bots qui s’appuient sur des LLM sont des LLM RAG, pour « retrieval aug­ment­ed gen­er­a­tion », qui récupèrent des infor­ma­tions en direct sur inter­net en temps réel (par exem­ple Gemini).

Les LLM qui récupèrent des infor­ma­tions en direct peu­vent citer leurs sources avec des liens et envoy­er du traf­ic de recom­man­da­tion vers votre site, ce qui améliore votre vis­i­bil­ité organique.

Des rap­ports récents mon­trent que Per­plex­i­ty envoie même du traf­ic vers des pub­li­ca­tions qui essaient de le bloquer.

Comment suivre le trafic provenant des chatbots IA facilement ?

Trou­ver la part de votre traf­ic qui provient des LLM comme Chat­G­PT est sim­ple et gratuit :

1. Utilis­er Ahrefs Web­an­a­lyt­ics, l’alternative gra­tu­ite à Google Analytics
2. Dans la vue d’ensemble, scrollez jusqu’aux sources de trafic
3. Cliquez sur “Recherch­es basées sur l’IA”

Pas besoin de regex, juste de 2 clics.

Les LLM peu­vent amélior­er votre traf­ic et votre SEO.
Mais, inverse­ment, votre SEO a aus­si le poten­tiel d’améliorer la vis­i­bil­ité de votre mar­que dans les LLM.

La mise en avant d’un con­tenu dans l’entraînement des LLM est influ­encée par sa per­ti­nence et sa découvrabilité. 

Olaf Kopp, Co-Founder, Aufge­sang GmbH

L’optimisation LLM est un domaine très récent et nos recherch­es sont encore en cours.
Cela dit, j’ai iden­ti­fié plusieurs straté­gies et de tech­niques qui, selon les études disponibles, ont le poten­tiel d’augmenter la vis­i­bil­ité de votre mar­que dans les LLM.
Les voici, sans ordre particulier :

Les LLM inter­prè­tent le sens en analysant la prox­im­ité entre les mots et les expressions.

J’ai vulgarisé le process d’interprétation des LLM :

1. Les LLM pren­nent les mots présents dans les don­nées d’entraînement et les trans­for­ment en tokens. Ces tokens peu­vent représen­ter des mots, mais aus­si des frag­ments de mots, des espaces ou de la ponctuation.
2. Ils traduisent ensuite ces tokens en embed­dings, c’est-à-dire des représen­ta­tions numériques.
3. Puis, ils posi­tion­nent ces embed­dings dans un « espace » sémantique.
4. Enfin, ils cal­cu­lent l’angle de « sim­i­lar­ité cos­i­nus » entre les embed­dings dans cet espace afin d’évaluer leur prox­im­ité ou leur dis­tance séman­tique, et ain­si com­pren­dre leur relation.

Je vous ai perdu ?
Atten­dez, ne partez pas encore, je vous explique avec un exem­ple et des images :

LLMO et clusters thématiques : l’exemple des animaux

Imag­inez le fonc­tion­nement interne d’un LLM comme une carte de clus­ters / cocons. Les sujets thé­ma­tique­ment proches, comme « chien » et « chat », sont regroupés, tan­dis que ceux qui ne le sont pas, comme « chien » et « skate­board », sont plus éloignés.

LLMO et relations presses : l’exemple des chaises ergonomiques

Lorsque vous deman­dez à Claude quelles chais­es sont adap­tées pour amélior­er la pos­ture, il recom­mande les mar­ques Her­man Miller, Steel­case Ges­ture et Humanscale.

C’est parce que ces entités de mar­que présen­tent la prox­im­ité mesurable la plus forte avec le sujet « amélio­ra­tion de la posture ».

Pour être men­tion­né dans des recom­man­da­tions de pro­duits LLM sim­i­laires, à forte valeur com­mer­ciale, vous devez créer des asso­ci­a­tions solides entre votre mar­que et les sujets asso­ciés.

> Inve­stir dans les rela­tions press­es peut vous y aider.

Rien que l’année dernière, Her­man Miller a obtenu 273 pages de men­tions presse liées au terme « ergonomique » dans des médias comme Yahoo, CBS, CNET, The Inde­pen­dent et Tech Radar.

Une par­tie de cette notoriété thé­ma­tique a été générée de manière organique, par exem­ple via des avis :

Une autre provient des ini­tia­tives PR pro­pres à Her­man Miller, comme des com­mu­niqués de presse…

… ain­si que de cam­pagnes de PR ori­en­tées produit…

Cer­taines men­tions sont issues de pro­grammes d’affiliation payants…

Et d’autres de parte­nar­i­ats sponsorisés…

On réca­pit­ule les 7 leviers de la stratégie LLMO de Her­man Miller pour être cité en pre­mier par Claude :

1. Génér­er beau­coup retombées dans des grands médias
2. Inciter les util­isa­teurs à laiss­er des avis
3. Écrire des com­mu­niqués de presse régulièrement
4. Com­mu­ni­quer sur les nou­veautés pro­duit via des con­tenus pour les médias
5. Lancer des cam­pagnes d’affiliation
6. Men­er des parte­nar­i­ats rémunérés dans leur secteur

Toutes ces approches sont des straté­gies légitimes pour ren­forcer la per­ti­nence thé­ma­tique et amélior­er vos chances de vis­i­bil­ité dans les LLM.

Si vous investis­sez dans une cam­pagne RP pilotée par sujets, assurez-vous de suiv­re votre part de voix, vos men­tions web et vos liens pour les thé­ma­tiques clés qui vous impor­tent, par exem­ple « ergonomie ».

Cela vous aidera à iden­ti­fi­er pré­cisé­ment les actions RP les plus effi­caces pour aug­menter la vis­i­bil­ité de votre marque.

Vous pou­vez suiv­re la pro­gres­sion de vos indi­ca­teurs liés aux IA grâce à Brand Radar :

• men­tions web
• traf­ic issu des mentions
• votre part de marché
• Si vous appa­rais­sez dans les AI overviews

On va y revenir un peu plus bas.

En par­al­lèle, con­tin­uez à tester les LLM avec des ques­tions liées à vos thé­ma­tiques pri­or­i­taires et notez toute nou­velle asso­ci­a­tion de sujets.

Si vos con­cur­rents sont déjà cités par l’IA sur des requêtes per­ti­nentes où vous n’apparaissez pas, vous devrez analyser leurs men­tions et réalis­er une analyse con­cur­ren­tielle des écarts.

Vous pour­rez ain­si com­pren­dre leur vis­i­bil­ité, définir des KPI con­crets à attein­dre (par exem­ple le nom­bre de men­tions pour le sujet X) et com­par­er vos per­for­mances aux leurs.

Je vous explique com­ment trou­ver ses écarts de con­tenu dans les IA ici.

J’en ai par­lé plus tôt, cer­tains chat­bots peu­vent se con­necter aux résul­tats web et les citer. Ce proces­sus est appelé RAG, pour « retrieval aug­ment­ed generation ».

Récem­ment, un groupe de chercheurs en IA a mené une étude por­tant sur 10 000 requêtes réelles issues des moteurs de recherche (sur Bing et Google), afin d’identifier les tech­niques les plus sus­cep­ti­bles d’augmenter la vis­i­bil­ité dans des chat­bots RAG comme Per­plex­i­ty ou BingChat.

Pour chaque requête, ils ont sélec­tion­né aléa­toire­ment un site web à opti­miser, puis testé :

• dif­férents types de contenus : 
  • cita­tions,
  • ter­mes techniques
  • sta­tis­tiques…
• dif­férentes caractéristiques : 
  • flu­id­ité,
  • com­préhen­sion
  • ton d’autorité…

Voici leurs résultats :

Les sites qui inclu­ent des cita­tions, des sta­tis­tiques et des sources étaient les plus fréquem­ment référencés par Chat­G­PT et les autres LLMs enrichis par la recherche. Ils ont enreg­istré une aug­men­ta­tion de 30 à 40 % du « Posi­tion adjust­ed word count », autrement dit de la vis­i­bil­ité, dans les répons­es des LLM.

Ces trois élé­ments ont un point com­mun essen­tiel. Ils ren­for­cent l’autorité et la crédi­bil­ité d’une mar­que. Ce sont aus­si des types de con­tenus qui ont ten­dance à génér­er des backlinks.

Les LLM appren­nent à par­tir d’un large éven­tail de sources en ligne. Si une cita­tion ou une sta­tis­tique est régulière­ment men­tion­née, un LLM va très prob­a­ble­ment la partager plus sou­vent dans ses réponses.

Alors, si vous voulez que le con­tenu de votre mar­que appa­raisse dans les LLM, com­plétez le avec avec

• des cita­tions pertinentes
• des sta­tis­tiques propriétaires
• des sources fiables

Et gardez ce con­tenu court et syn­thé­tique. J’ai con­staté que la plu­part des LLM ne four­nissent générale­ment qu’une ou deux phras­es de cita­tions ou de statistiques.

Avant d’aller plus loin, il faut absol­u­ment que je salue 2 pro­fes­sion­nels du SEO excep­tion­nels ren­con­trés lors de notre événe­ment Ahrefs Evolve, qui ont inspiré cette recom­man­da­tion : Bernard Huang et Aley­da Solis.

On a déjà com­pris que les LLM se con­cen­trent sur les rela­tions entre les mots et les expres­sions pour prédire leurs réponses.

Pour s’aligner avec cette logique, vous devez dépass­er la sim­ple approche par mots-clés isolés et analyser votre mar­que à tra­vers le prisme de ses entités.

Analyser comment les LLM perçoivent votre marque

Vous pou­vez auditer les entités (per­son­nes, mar­ques, con­cepts, pro­duits…) asso­ciées à votre mar­que afin de mieux com­pren­dre com­ment les LLM la perçoivent.

Pen­dant Ahrefs Evolve, Bernard Huang, fon­da­teur de Clearscope, a présen­té une méth­ode effi­cace pour analyser vos entités sur les GSE (chat­G­PT, Mis­tral AI…).

Il a essen­tielle­ment repro­duit le proces­sus qu’utilise le LLM de Google pour com­pren­dre et class­er les contenus.

Pour com­mencer, il a établi que Google s’appuie sur « les 3 piliers du rank­ing » pour pri­oris­er les con­tenus : le texte prin­ci­pal (body), le texte d’ancrage et les don­nées d’interaction utilisateur.

Ensuite, à par­tir des don­nées issues du Google Leak, il a émis l’hypothèse que Google iden­ti­fie les entités de la manière suivante :

• Analyse on-page : durant le proces­sus de classe­ment, Google utilise le traite­ment du lan­gage naturel (NLP) pour iden­ti­fi­er les thé­ma­tiques, ou « page embed­dings », présentes dans le con­tenu d’une page. Bernard estime que ces embed­dings aident Google à mieux com­pren­dre les entités.
• Analyse au niveau du site : au cours de ce même proces­sus, Google col­lecte des don­nées sur le site. Là encore, Bernard pense que ces don­nées ali­mentent la com­préhen­sion des entités par Google. Ces don­nées incluent : 
  • Les embed­dings de site : les thé­ma­tiques recon­nues à l’échelle de l’ensemble du site.
  • Le score de focus du site : un indi­ca­teur du niveau de con­cen­tra­tion du site sur un sujet spécifique.
  • Le ray­on du site : une mesure de l’écart entre les thé­ma­tiques des pages indi­vidu­elles et les thé­ma­tiques glob­ales du site.

Pour repro­duire le mode d’analyse de Google, Bernard a util­isé l’API Nat­ur­al Lan­guage de Google afin d’identifier les page embed­dings, ou poten­tielles « entités au niveau de la page », présentes dans un arti­cle d’iPullRank.

Il s’est ensuite tourné vers Gem­i­ni et a posé la ques­tion : « Sur quels sujets iPull­Rank est-il perçu comme faisant autorité ? », afin de mieux com­pren­dre le focus d’entités au niveau du site et d’évaluer le degré d’alignement entre la mar­que et son contenu.

Enfin, il a analysé le texte d’ancrage pointant vers le site d’iPullRank, puisque les ancres indiquent la per­ti­nence thé­ma­tique et con­stituent l’un des trois piliers du ranking.

Si vous souhaitez que votre mar­que appa­raisse naturelle­ment dans des con­ver­sa­tions clients pilotées par l’IA, c’est exacte­ment cette méth­ode que vous devez appli­quer pour auditer et com­pren­dre vos pro­pres entités de marque.

Évaluer votre situation actuelle et définir votre objectif

Une fois que vous con­nais­sez vos entités de mar­que exis­tantes, vous pou­vez iden­ti­fi­er les écarts entre les sujets pour lesquels les LLM vous con­sid­èrent comme légitime et ceux sur lesquels vous souhaitez apparaître.

Il ne vous reste alors qu’à créer de nou­veaux con­tenus de mar­que pour ren­forcer ces associations.

Utiliser des outils de recherche d’entités de marque

Voici 3 out­ils que vous pou­vez utilis­er pour auditer vos entités de mar­que et amélior­er vos chances d’apparaître dans des con­ver­sa­tions LLM per­ti­nentes pour votre marque :

1. Google’s Nat­ur­al Lan­guage API

L’API Nat­ur­al Lan­guage de Google est un out­il payant qui vous mon­tre les entités présentes dans le con­tenu de votre marque.

D’autres chat­bots LLM utilisent des jeux de don­nées d’entraînement dif­férents de ceux de Google, mais il est raisonnable de sup­pos­er qu’ils iden­ti­fient des entités sim­i­laires, puisqu’ils reposent eux aus­si sur le traite­ment du lan­gage naturel.

2. Inlinks’ Enti­ty Analyzer

L’Entity Ana­lyz­er d’Inlinks utilise égale­ment l’API de Google et vous offre quelques analy­ses gra­tu­ites pour com­pren­dre votre opti­mi­sa­tion des entités au niveau du site.

3. Ahrefs’ AI Con­tent Helper

Notre out­il AI Con­tent Helper vous indique les entités que vous ne cou­vrez pas encore au niveau d’une page et vous con­seille sur les actions à men­er pour amélior­er votre autorité thématique.

Selon une étude de Seer Inter­ac­tive, avoir un bon classe­ment dans les moteurs de recherche aug­mente la prob­a­bil­ité qu’une mar­que soit citée dans des répons­es générées par l’IA (on par­le de cette étude à la sec­tion n°9.)

C’est exacte­ment ce que fait Brand Radar, entre autres (telle­ment plus de pos­si­bil­ités!)

Imag­inez si vous pouviez…

• rechercher une thé­ma­tique de mar­que impor­tante et à forte valeur
• décou­vrir com­bi­en de fois votre mar­que est men­tion­née en lien avec cette thé­ma­tique dans les IA
• com­par­er les men­tions de votre mar­que et votre Part de Voix IA à celles de vos concurrents

Brand Radar rend ce work­flow concret.

En quelques sec­on­des, une sim­ple recherche vous per­met d’obtenir un rap­port com­plet sur la vis­i­bil­ité de votre mar­que afin de com­par­er vos per­for­mances dans les LLM.

Vous pou­vez ensuite vous inté­gr­er aux con­ver­sa­tions IA en :

• Analysant et recy­clant les straté­gies des con­cur­rents ayant la plus forte vis­i­bil­ité dans les IA
• Tes­tant l’impact de vos actions mar­ket­ing et PR sur la vis­i­bil­ité dans les IA
• Ren­forçant les straté­gies les plus effi­caces identifiées
• Iden­ti­fi­ant des sites tiers béné­fi­ciant d’une forte vis­i­bil­ité dans les Chat­bots IA et AI Overviews
• Nouant les meilleurs parte­nar­i­ats iden­ti­fiés pour obtenir davan­tage de co-citations

Nous avons vu com­ment vous entour­er des bonnes entités et com­ment rechercher les entités per­ti­nentes. Il est main­tenant temps de par­ler du fait de devenir une entité de mar­que à part entière.
Au moment de la rédac­tion de cet arti­cle, les men­tions et recom­man­da­tions de mar­que dans les LLM dépen­dent forte­ment de votre présence sur Wikipedia, car Wikipedia représente une part sig­ni­fica­tive des don­nées d’entraînement des LLM.

À ce jour, tous les LLM sont entraînés à par­tir du con­tenu de Wikipedia, qui con­stitue presque tou­jours la plus grande source de don­nées dans leurs jeux d’entraînement.

Sele­na Deck­el­mann, Chief Prod­uct and Tech­nol­o­gy Offi­cer, Wiki­me­dia Foundation

Vous pou­vez revendi­quer la page Wikipedia de votre mar­que en respec­tant ces qua­tre principes clés :

• Notoriété : votre mar­que doit être recon­nue comme une entité à part entière. Dévelop­per des men­tions dans des arti­cles de presse, des livres, des pub­li­ca­tions académiques et des inter­views peut vous y aider.
• Véri­fi­a­bil­ité : vos affir­ma­tions doivent être étayées par des sources tierces fiables.
• Neu­tral­ité de point de vue : les pages de votre mar­que doivent être rédigées dans un ton neu­tre et non biaisé.
• Absence de con­flit d’intérêts : assurez-vous que la per­son­ne qui rédi­ge le con­tenu soit impar­tiale vis-à-vis de la mar­que, par exem­ple ni pro­prié­taire ni mar­ke­teur, et qu’elle priv­ilégie des infor­ma­tions factuelles plutôt que promotionnelles.

Une fois votre mar­que listée, il s’agit ensuite de pro­téger cette page con­tre les mod­i­fi­ca­tions biaisées ou inex­actes qui, si elles ne sont pas sur­veil­lées, pour­raient se retrou­ver dans les LLM et dans les con­ver­sa­tions clients.

Un effet sec­ondaire posi­tif du fait d’avoir des pages Wikipedia bien struc­turées est que vous avez davan­tage de chances d’apparaître indi­recte­ment dans le Knowl­edge Graph de Google.
Les Knowl­edge Graphs struc­turent les don­nées d’une manière plus facile à traiter pour les LLM. Wikipedia est donc un levi­er durable en matière d’optimisation LLM.

Si vous cherchez à amélior­er active­ment la présence de votre mar­que dans le Knowl­edge Graph, utilisez l’outil Google Knowl­edge Graph Search de Carl Hendy pour analyser votre vis­i­bil­ité actuelle et son évo­lu­tion. Il affiche des résul­tats pour des per­son­nes, des entre­pris­es, des pro­duits, des lieux et d’autres types d’entités.

Les vol­umes de recherche ne cor­re­spon­dent pas for­cé­ment à la quan­tité de prompts, mais vous pou­vez tout de même exploiter les don­nées de vol­ume pour iden­ti­fi­er des ques­tions de mar­que impor­tantes sus­cep­ti­bles d’apparaître dans les con­ver­sa­tions LLM.

Com­ment trou­ver les ques­tions de mar­que sur Ahrefs ?

Vous pou­vez trou­ver les ques­tions de mar­que en longue traîne dans l’outil Key­words Explor­er, dans le rap­port Ter­mes Correspondants.

• Rechercher une thé­ma­tique pertinente
• Ouvrir l’onglet « Questions »,
• Activ­er le fil­tre « Marque »

Vous obtenez une liste de requêtes aux­quelles répon­dre dans votre contenu.

Surveillez les suggestions des LLM et des moteurs de recherche

Si votre mar­que est déjà bien établie, vous pou­vez même men­er une recherche de ques­tions directe­ment dans un chat­bot IA.

Cer­tains LLM intè­grent une fonc­tion­nal­ité de saisie semi-automa­tique dans leur barre de recherche. En tapant un prompt comme « Est ce que [nom de mar­que]… », vous pou­vez déclencher cette fonc­tion­nal­ité voire même en com­mençant avec le nom de votre mar­que pour voir les sujets actuellement.

Ces sug­ges­tions sont indépen­dantes de l’autocomplétion Google ou des ques­tions Peo­ple Also Ask.

Ce type de recherche reste évidem­ment lim­ité, mais il peut vous fournir des idées sup­plé­men­taires sur les thé­ma­tiques que vous devez cou­vrir pour ren­forcer la vis­i­bil­ité de votre mar­que dans les LLM.

Les entre­pris­es IA restent très dis­crètes sur les don­nées d’entraînement qu’elles utilisent pour affin­er les répons­es des LLM.

Les mécan­ismes internes des grands mod­èles de lan­gage au cœur des chat­bots restent une véri­ta­ble boîte noire.

Adam Rogers, Senior Tech Cor­re­spon­dent, Busi­ness Insider

Voici quelques-unes des sources qui ali­mentent les LLM. Il a fal­lu creuser en pro­fondeur pour les iden­ti­fi­er, et je pense n’avoir fait qu’effleurer le sujet.

Les LLM sont essen­tielle­ment entraînés sur un cor­pus mas­sif de textes issus du web.

Par exem­ple, Chat­G­PT est entraîné sur 19 mil­liards de tokens de con­tenus web et sur 410 mil­liards de tokens provenant des pages du Com­mon Crawl.

Une autre source clé des don­nées d’entraînement des LLM est le con­tenu généré par les util­isa­teurs, et plus pré­cisé­ment Reddit.

« Notre con­tenu est par­ti­c­ulière­ment impor­tant pour l’intelligence arti­fi­cielle. Il con­stitue un socle fon­da­men­tal de l’entraînement de nom­breux grands mod­èles de lan­gage (LLM). »

Red­dit, Dépôt S‑1 auprès de la SEC

Pour ren­forcer la vis­i­bil­ité et la crédi­bil­ité de votre mar­que, il est per­ti­nent de lancer et affin­er une bonne stratégie Reddit.

Si vous souhaitez aug­menter les men­tions de mar­que issues de con­tenus générés par les util­isa­teurs, tout en évi­tant les pénal­ités liées au par­a­site SEO, con­cen­trez-vous sur :

• La créa­tion de com­mu­nautés sans spam de liens
• L’organisation de ses­sions Ask me Any­thing (AMA)
• Le développe­ment de parte­nar­i­ats avec des influenceurs
• L’encouragement de con­tenus générés par les util­isa­teurs autour de votre marque

Ensuite, une fois ces actions mis­es en place, vous devez suiv­re votre pro­gres­sion sur Reddit.

Vous pou­vez le faire avec Ahrefs via Brand Radar dans l’onglet Red­dit tout en com­para­nt votre pro­gres­sion sur Red­dit avec vos concurrents :

Gem­i­ni n’entraînerait théorique­ment pas ses mod­èles à par­tir des prompts ou des répons­es des utilisateurs…

Cepen­dant, le fait de fournir un retour sur ses répons­es sem­ble l’aider à mieux com­pren­dre les marques.
Lors de son excel­lente con­férence à Brighton­SEO, Crys­tal Carter a présen­té l’exemple d’un site, Site of Sites, qui a fini par être recon­nu comme une mar­que par Gem­i­ni grâce à des actions telles que la nota­tion des répons­es et l’envoi de feedback.

Essayez vous aus­si de fournir des retours sur les répons­es générées. C’est par­ti­c­ulière­ment per­ti­nent pour les LLM basés sur la récupéra­tion d’informations en temps réel comme Gem­i­ni, Per­plex­i­ty et Copilot.
Cela pour­rait bien être votre porte d’entrée vers une meilleure vis­i­bil­ité de mar­que dans les LLM.

À l’origine, cette sec­tion por­tait sur l’utilisation du bal­is­age schema pour struc­tur­er votre con­tenu de manière à ce qu’un LLM puisse mieux l’analyser et le com­pren­dre. Cette approche s’appuyait sur les recherch­es que j’avais lues sur le sujet.

Depuis, j’ai décou­vert que ce n’était pas tout à fait exact. Les crawlers IA ne peu­vent pas accéder aux don­nées schema ni, plus large­ment, aux don­nées ren­dues côté client. À l’heure actuelle, ils ne peu­vent crawler que le HTML.

Je recon­nais m’être trompée et je m’excuse de vous avoir induit en erreur.

Voici un excel­lent post d’Elie Berre­by si vous souhaitez une analyse plus tech­nique sur la manière dont les LLM explorent les don­nées sur le web ouvert.

Mais voici pourquoi vous devez absol­u­ment con­tin­uer à tra­vailler votre SEO lorsque vous cherchez à capter ces pré­cieuses men­tions dans les LLM.

En se con­cen­trant sur les secteurs de la finance et du SaaS, Seer Inter­ac­tive a soumis 10 000 requêtes à fort vol­ume de recherche et à forte inten­tion d’achat à l’API GPT-4o d’OpenAI. Ils ont ensuite mesuré la fréquence d’apparition des noms de mar­que dans les réponses.

Ils ont com­plété cette analyse avec des don­nées de SERP issues de Google et Bing.

De fortes cor­réla­tions, autour de 0,65, indiquent que les posi­tions organiques influ­en­cent bien les men­tions dans les LLM. À l’inverse, l’impact des back­links s’avère éton­nam­ment neutre.

Les cor­réla­tions liées aux mots-clés organiques devi­en­nent encore plus fortes lorsque l’équipe de Seer Inter­ac­tive exclut les forums, les réseaux soci­aux et les agré­ga­teurs, afin de se con­cen­tr­er sur des sites ori­en­tés solu­tion, plus sus­cep­ti­bles d’apparaître dans les répons­es des LLM.

La morale est sim­ple : ne sac­ri­fiez pas vos posi­tions organiques au prof­it de la vis­i­bil­ité dans les LLM.

Vos efforts SEO quo­ti­di­ens jouent un rôle majeur dans le développe­ment de la notoriété de votre mar­que auprès des IA.

Dans une étude récente inti­t­ulée Manip­u­lat­ing Large Lan­guage Mod­els to Increase Prod­uct Vis­i­bil­i­ty, des chercheurs de Har­vard ont mon­tré qu’il est tech­nique­ment pos­si­ble d’utiliser le « strate­gic text sequenc­ing » (STS) pour gag­n­er en vis­i­bil­ité dans les LLM.

Ini­tiale­ment conçu pour con­tourn­er les garde-fous de sécu­rité des mod­èles, ce procédé repose sur une opti­mi­sa­tion par essais et erreurs, visant à déclencher cer­tains sché­mas appris par le LLM afin d’influencer ses réponses.

Les résul­tats sont par­lants : dans env­i­ron 40 % des cas testés, l’ajout de séquences opti­misées améliore le classe­ment du pro­duit ciblé. D’autres travaux démon­trent égale­ment que des con­tenus soigneuse­ment conçus, inclu­ant des injec­tions de prompt ou des biais sub­tils, peu­vent manip­uler les recom­man­da­tions de mar­ques, allant jusqu’à faire dépass­er des pro­duits fac­tices à des acteurs établis.

Ces pra­tiques LLMO black hat ne sont plus théoriques. Des cas réels de dén­i­gre­ment et de sab­o­tage de mar­que via l’IA com­men­cent à émerg­er, exposant de nou­velles failles dans les sys­tèmes de recom­man­da­tion des LLM.

Si l’optimisation pour les LLM est dev­enue incon­tourn­able, une réal­ité s’impose : à l’image des débuts du SEO, des acteurs oppor­tunistes chercheront des rac­cour­cis pour capter la vis­i­bil­ité IA. Il devient donc tout aus­si cru­cial de penser stratégie défen­sive et pro­tec­tion de mar­que que performance.

• Croire que le LLMO rem­place le SEO
  Mau­vais pari. Le SEO vous rend décou­vrable. Le LLMO vous rend citable. Si vous sac­ri­fiez vos posi­tions organiques, vous coupez une par­tie de l’alimentation.
• Con­fon­dre LLM, AI Overviews et “recherche IA”
  Même écosys­tème, pas les mêmes règles. Opti­miser “comme pour Google” sans com­pren­dre le for­mat (con­ver­sa­tion, sources, RAG) = beau­coup d’efforts pour peu de mentions.
• Raison­ner “mots-clés” au lieu de raison­ner “entités”
  Les LLM ne “rangent” pas votre mar­que dans un dossier “key­word”. Ils la situent dans une carte de con­cepts. Sans asso­ci­a­tions claires (mar­que ↔ sujet ↔ preuves), vous restez hors champ.
• Faire du con­tenu flou, long et sans preuves
  Les répons­es IA adorent ce qui se cite facile­ment : déf­i­ni­tions nettes, points clés, stats, sources. Un pavé mar­ket­ing sans faits = zéro cita­tion, voire pire, une refor­mu­la­tion tiède.
• Se noy­er dans les fea­tures au lieu d’être ultra clair
  Trop de pail­lettes = pas de posi­tion­nement. Si vous ne savez pas résumer votre valeur en 1–2 phras­es véri­fi­ables, l’IA ne saura pas non plus.
• Miser sur le “fine-tun­ing” pour percer dans les LLM publics
  Coller votre doc dans un Copi­lot et espér­er domin­er Chat­G­PT n’est pas une stratégie. Le fine-tun­ing aide en envi­ron­nement fer­mé, pas pour la vis­i­bil­ité “grand public”.
• Penser que le schema “suf­fit”
  Les crawlers IA ne lisent pas tou­jours ce que vous pensez (et pas for­cé­ment ce qui est ren­du côté client). Pri­or­ité : un HTML lis­i­ble, sta­ble, et des infos faciles à extraire.
• Faire du black hat (STS, prompt injec­tions, manipulations)
  Oui, cer­tains “cheat codes” exis­tent. Non, ce n’est pas durable. Et surtout : vous vous exposez à un retour de flamme (répu­ta­tion, con­fi­ance, plateformes).
• Spam­mer Red­dit / forums façon “par­a­site”
  L’UGC peut aider… mais pas le bruit. Si vous lais­sez une trace de spam, vous gag­nez peut-être une men­tion aujourd’hui et vous perdez votre crédi­bil­ité demain.
• Ne pas mesur­er la vis­i­bil­ité IA (et pilot­er au feeling)
  Sans KPI (men­tions, cita­tions, part de voix IA, traf­ic de recom­man­da­tion), vous ne saurez jamais ce qui marche. Le LLMO est un ter­rain de test permanent.
• Oubli­er la défense de marque
  Dés­in­for­ma­tion, sab­o­tage, pages tiers biaisées : ça arrive déjà. Wikipé­dia, pages de référence, cohérence des infos, mon­i­tor­ing… c’est du LLMO aussi.
• Ignor­er l’expérience on-site après la mention
  Les men­tions finis­sent par envoy­er du traf­ic. Si vos pages citées ne guident pas vers vos pages clés (mail­lage, preuve, con­ver­sion), vous lais­sez l’or dans la rivière.

Tester, tester, tester

Avec le LLMO, rien n’est garan­ti. Les LLM restent en grande par­tie une boîte noire.

Nous ne savons pas pré­cisé­ment quelles don­nées ni quelles straté­gies sont util­isées pour entraîn­er les mod­èles ou déter­min­er l’inclusion des mar­ques. Mais nous sommes habitués, nous les pro­fes­sion­nels du SEO.

Nous tes­terons, rétro­con­cevrons et enquêterons jusqu’à comprendre.

Le par­cours d’achat a tou­jours été com­plexe et dif­fi­cile à mesur­er. Les inter­ac­tions avec les LLM le ren­dent dix fois plus compliqué.

Elles sont mul­ti­modales, rich­es en inten­tions, inter­ac­tives et non déter­min­istes. Elles vont génér­er encore davan­tage de recherch­es non linéaires.

Selon Aman­da King, il faut déjà env­i­ron 30 points de con­tact sur dif­férents canaux avant qu’une mar­que soit recon­nue comme une entité. Avec la recherche IA, ce chiffre ne fera qu’augmenter.

Aujourd’hui, ce qui se rap­proche le plus du LLMO est l’optimisation de l’expérience de recherche, ou SXO.

Réfléchir à l’expérience que vivront vos clients sous tous les angles de votre mar­que est désor­mais cru­cial, d’autant plus que vous avez de moins en moins de con­trôle sur la manière dont ils vous découvrent.

Lorsque, enfin, ces men­tions et cita­tions de mar­que dure­ment acquis­es com­menceront à affluer, vous devrez alors vous pencher sur l’expérience on-site. Cela inclut par exem­ple le fait de lier stratégique­ment les pages fréquem­ment citées par les LLM vers des pages clés afin de redis­tribuer cette valeur sur votre site.

En clair, le LLMO repose sur une con­struc­tion de mar­que réfléchie et cohérente dans le temps. Ce n’est pas un chantier sim­ple, mais il en vaut claire­ment la peine si ces prévi­sions se con­fir­ment et si les LLM finis­sent par dépass­er la recherche tra­di­tion­nelle dans les années à venir.

Et si vous débutez en stratégie LLMO, je ne peux que vous con­seillez de vous appuy­er sur le serveur Ahrefs MCP (une sorte de chat­bot Ahrefs, vous ver­rez) pour avoir des straté­gies GEO qui s’ap­puient sur de vraies données :