Guide GEO/AEO 2026 : être cité par ChatGPT, Claude, Perplexity, Gemini et Mistral Le Chat

#Chapitre 1 — SEO → GEO/AEO : la rupture 2024-2026

De 1998 à 2023, le référencement naturel a fonctionné selon une mécanique stable : indexer ses pages, gagner des backlinks, optimiser ses balises, et espérer rang 1 à 3 sur les requêtes cibles. Ce modèle a commencé à se fissurer en mai 2024 avec le déploiement des AI Overviews de Google aux États-Unis, puis en Europe mars 2025.

Il s'est définitivement transformé avec ChatGPT Search (octobre 2024), Perplexity Pro (croissance x4 en 2024-2025), Claude avec browsing (décembre 2024) et Mistral Le Chat avec recherche web (février 2025).

#Trois bascules concrètes

Première bascule : la recherche zéro clic. Une part importante des recherches Google se termine sans clic vers un site (étude SparkToro 2024). L'utilisateur trouve sa réponse dans l'AI Overview, le featured snippet ou le panneau de connaissance. Le trafic organique baisse mécaniquement, mais l'impact sur la marque ne disparaît pas — il se déplace.

Deuxième bascule : la recherche LLM-first. De plus en plus de recherches B2B commencent directement dans un LLM, sans passer par un moteur classique, en particulier pour les fonctions techniques (DSI, RSSI, CTO). Quand un CTO demande à ChatGPT « quel est le meilleur ESB open source en 2026 ? », il obtient un paragraphe de synthèse citant quelques marques. Si vous n'êtes pas dans ce paragraphe, vous n'existez pas dans cette décision.

Troisième bascule : la fin du trafic-roi. Le KPI dominant du SEO classique était le trafic organique. Le KPI dominant du GEO devient la mention LLM : nombre de citations, ranking de citation, share of voice IA, qualité de la formulation. Le trafic devient un sous-produit de la citation, plus une fin en soi.

#Différences structurelles SEO vs GEO/AEO

SEO classique. Critères de ranking : backlinks, autorité de domaine, mots-clés, temps de chargement, mobile-first. Métrique succès : position SERP + trafic. Contexte de l'utilisateur : liste de 10 résultats à comparer. Effort éditorial : volume + freshness + maillage.

GEO/AEO. Critères de citation : E-E-A-T fort, données structurées riches, fraîcheur dans le cut-off ou via browsing, autorité thématique, ton humain anti-hallucination. Métrique succès : mention LLM + position citation + tonalité. Contexte de l'utilisateur : un paragraphe de synthèse avec 3 à 5 sources. Effort éditorial : densité informationnelle, citabilité atomique, schema markup, signature humaine forte.

Les deux disciplines ne s'opposent pas — elles se cumulent. Une page parfaitement GEO-optimisée reste bien classée en SEO classique, parce que Google valorise les mêmes signaux d'E-E-A-T et de structure. L'inverse n'est pas vrai : un site optimisé uniquement SEO 2018 (mots-clés en surdensité, backlinks fermiers) sera ignoré par les LLM.

Pour aller plus loin sur la définition GEO et le périmètre AEO, voir GEO Generative Engine Optimization dans le glossaire et le service GEO/AEO Nehos dédié.

#Chapitre 2 — Comment les LLM citent les pages

Pour optimiser pour les LLM, il faut comprendre comment ils accèdent à l'information et décident de citer une page. Il existe deux mécaniques principales, qui se combinent.

#Mécanique 1 — Le RAG (Retrieval-Augmented Generation)

La majorité des moteurs génératifs actuels utilisent une architecture RAG. Quand l'utilisateur pose une question, le système ne se contente pas de générer à partir du modèle entraîné : il déclenche une recherche web en direct, récupère les pages les plus pertinentes, en extrait des passages, puis demande au LLM de synthétiser une réponse en citant ces passages.

C'est le fonctionnement de Perplexity, de ChatGPT Search, de Claude avec browsing, de Gemini avec AI Overviews et de Mistral Le Chat en mode recherche.

Concrètement, le pipeline est : (1) requête utilisateur, (2) reformulation en sous-requêtes, (3) appel à un moteur de recherche (Bing pour ChatGPT et Copilot, index propriétaire pour Perplexity, Google pour Gemini, Brave Search ou équivalent pour Claude), (4) téléchargement et nettoyage de 5 à 20 pages, (5) découpage en chunks, (6) sélection des chunks les plus pertinents (ranking embedding), (7) génération synthèse avec citations explicites.

À chaque étape, votre page peut être éliminée. Pour être cité, il faut donc passer chaque filtre : être trouvable (sitemap, robots.txt), être lisible (HTML propre, sémantique correcte), être pertinent (densité informationnelle), être citable (passages atomiques, paragraphes scopés à une question).

Pour le détail technique du RAG, voir RAG Retrieval-Augmented Generation dans le glossaire et le concept d'embeddings vectoriels.

#Mécanique 2 — La mémoire d'entraînement (cut-off)

Quand un LLM répond sans browsing actif, il s'appuie uniquement sur ses données d'entraînement, fixées à une date de cut-off (souvent plusieurs mois avant la sortie du modèle). Chaque éditeur publie la date de cut-off de ses modèles : vérifiez-la dans la documentation officielle.

Être cité par la mémoire d'entraînement signifie que votre contenu a été ingéré par Common Crawl, par les crawlers OpenAI/Anthropic/Google/Mistral, et qu'il a été suffisamment représenté et autoritaire pour rester en mémoire après les filtrages d'entraînement. Cela demande de la patience (cycle de 6 à 18 mois), de l'autorité (les LLM mémorisent mieux les sources jugées fiables) et de la cohérence (une marque mentionnée toujours dans les mêmes termes par d'autres sites a plus de chances d'être mémorisée par embedding).

#Trois critères d'éligibilité à la citation

Quel que soit le moteur, trois critères communs déterminent si vous serez cité.

Critère 1 — Autorité. Les LLM préfèrent citer des sources jugées autoritaires : sites institutionnels, médias établis, marques connues du secteur, auteurs reconnus. Cette autorité se construit par le maillage externe (qui vous cite ?), par la cohérence éditoriale et par l'ancienneté du domaine. Pour une marque jeune, l'accélérateur est l'autorité de l'auteur (LinkedIn fort, publications externes, conférences).

Critère 2 — Structure. Les LLM extraient mieux les passages d'un HTML bien structuré : titres hiérarchiques, paragraphes courts, listes, tableaux, FAQ. Une page « one-shot prose » de 4 000 mots sans structure est moins citée qu'une page de 2 500 mots avec h2/h3 clairs et FAQ.

Critère 3 — Fraîcheur. Pour les requêtes sensibles à la date (« meilleurs outils 2026 », « réglementation X applicable »), les LLM valorisent les contenus récents. Une page datée février 2026 et explicitement mise à jour bat une page non datée publiée en 2023.

#Chapitre 3 — Méthode Citabilité Score Nehos : 8 critères

Nous avons systématisé notre approche dans une grille de 8 critères, la Citabilité Score Nehos. Chaque critère est noté de 0 à 10, le score total sur 80. Au-dessus de 60/80, une page est dite « hautement citable ». En dessous de 40/80, la probabilité de citation par un LLM est marginale. Ces seuils sont des repères de travail de la méthode, pas des mesures statistiques.

#Critère 1 — E-E-A-T fort (auteur signé, bio, photo, LinkedIn)

L'Experience-Expertise-Authoritativeness-Trustworthiness de Google s'applique aussi aux LLM. Pratique : chaque page signée d'un auteur réel (pas « équipe rédaction »), avec photo, bio courte, lien LinkedIn vérifiable, mention des credentials (certifications, années d'expérience, publications).

Pour les sujets YMYL (santé, finance, juridique), exigence renforcée : co-signature ou validation par un expert métier. Cette page est signée Foued Cherni, Ghassen Lahraa et Sihem Akrout — trois identités vérifiables avec LinkedIn et bio en pied de page.

Pour le détail, voir E-E-A-T Google guidelines dans le glossaire Nehos.

#Critère 2 — TLDR speakable (4 paragraphes max 250 caractères chacun)

Un bloc TLDR placé en début de page, composé de 3 à 5 paragraphes courts (250 caractères max), résumant l'essentiel. Marqué speakable via la classe CSS .block-tldr et déclaré dans le schema markup. Ce bloc est utilisé directement par les LLM en extraction RAG, et par les assistants vocaux (Voice Search) pour répondre. Le TLDR de cette page est en haut, marqué speakable, et tient sur 4 paragraphes. Voir le critère appliqué.

Pour le détail Speakable, voir Speakable schema dans le glossaire.

#Critère 3 — Schema markup riches (Article, FAQPage, Speakable, BreadcrumbList, HowTo, DefinedTerm)

Le schema markup JSON-LD est l'interface privilégiée des crawlers LLM pour comprendre la structure et le type d'une page. Une page citable déploie a minima : Article (type, date, auteur, wordCount), FAQPage (questions/réponses extractibles), BreadcrumbList (contexte de navigation), Speakable (sélection des passages à lire à voix haute).

Pour les guides méthodologiques : HowTo. Pour les définitions atomiques : DefinedTerm. Pour les pages service : Service avec offers et provider. Cette page déploie 5 types schema (Article + FAQPage + HowTo + Speakable + BreadcrumbList).

#Critère 4 — FAQ conversationnelles (10-30 questions naturelles)

Les FAQ « SEO 2018 » étaient optimisées pour les mots-clés : « Qu'est-ce que le GEO ? » devient une question pauvre quand l'utilisateur, lui, demande à Claude « comment je m'y prends pour être cité par les IA quand quelqu'un cherche mon métier ? ». Les FAQ conversationnelles reproduisent la formulation orale réelle, longue, avec pronoms, hésitations, contexte métier. Ce guide propose 15 questions FAQ formulées en langage naturel — c'est volontaire.

#Critère 5 — Citations et sources externes (4-8 par page)

Les LLM valorisent les pages qui citent elles-mêmes des sources externes autoritaires. Ce n'est pas paradoxal : la confiance s'établit par la transparence des références. Cible : 4 à 8 sources externes par page pilier, en lien direct (rel external, ouverture nouvel onglet pas nécessaire).

Sources préférées : textes officiels (UE, gouvernements), recherche académique, études sectorielles établies (Gartner, Forrester, McKinsey), médias spécialisés. Cette page cite 8 sources externes (voir externalSources en pied).

#Critère 6 — Statistiques sourcées (3+ stats avec date et source)

Les LLM ont une affinité forte pour les pages riches en données chiffrées et sourcées. Une statistique sans source est ignorée (risque hallucination), une statistique avec source devient un fragment précieux. Cible minimale : 5 statistiques par page pilier (cette page en compte 8), chacune avec valeur précise, libellé clair, source nommée avec lien, année de référence.

#Critère 7 — Ton humain (anti-marqueurs IA, opinions assumées, limites)

Les LLM modernes sont entraînés à reconnaître les marqueurs typiques du texte généré par IA et à les déprioriser en citation (pour éviter le bouclage). Marqueurs à éliminer : superlatifs vides (« révolutionnaire », « innovant », « unique »), verbes creux (« unlock », « leverage », « empower »), structures rythmiques répétitives (toutes phrases courtes ou toutes longues), absence d'opinion.

À l'inverse, on valorise : phrases de longueurs variées, exemples concrets nominatifs, contre-exemples, limites assumées (« cette méthode ne marche pas si... »), opinions tranchées défendues.

Voir notre méthode Citabilité Score Nehos détaillée.

#Critère 8 — Hreflang multi-locale et canonical correct

Dernier critère, technique mais déterminant. Les LLM doivent pouvoir résoudre sans ambiguïté quelle version d'une page est la canonique. Une page sans canonical, ou avec un canonical pointant vers une autre URL, est souvent ignorée. Pour les sites multi-marchés, hreflang explicite par locale (fr-FR, fr-BE, fr-CH, fr-LU, en-GB, etc.) plus x-default. Cette page applique hreflang sur 4 locales francophones + x-default.

Voir notre outil Citabilité Score gratuit pour scorer votre page en moins de 3 minutes.

#Chapitre 4 — Optimisation pour ChatGPT Search

ChatGPT Search (annoncé octobre 2024, généralisé à tous les comptes en février 2025) est devenu l'un des moteurs de réponse génératifs les plus utilisés, aux côtés des AI Overviews de Google. Trois spécificités OpenAI à connaître.

#Spécificité 1 — Le crawler OAI-SearchBot

OpenAI utilise plusieurs crawlers : GPTBot (entraînement), OAI-SearchBot (browsing live ChatGPT Search), ChatGPT-User (récupération page demandée par l'utilisateur dans le chat). Pour être citable dans ChatGPT Search, il faut autoriser OAI-SearchBot dans robots.txt. Beaucoup de sites ont bloqué GPTBot pour des raisons de propriété intellectuelle, sans se rendre compte qu'ils bloquaient aussi leur citabilité ChatGPT Search.

Ligne robots.txt recommandée : User-agent: OAI-SearchBot puis Allow: /. Pour bloquer l'entraînement mais autoriser la citation : bloquer GPTBot, autoriser OAI-SearchBot. C'est la configuration que nous appliquons sur la majorité des sites clients Nehos.

#Spécificité 2 — La fraîcheur via index Bing

ChatGPT Search s'appuie sur l'index Bing pour la recherche web. Conséquence directe : la fraîcheur dans Bing prime sur Google. Il faut donc soumettre son sitemap à Bing Webmaster Tools, surveiller l'indexation Bing (souvent négligée), et tester ses pages dans Bing Search avant de juger leur citabilité ChatGPT.

#Spécificité 3 — Citation policy d'OpenAI

OpenAI a publié sa politique de citations en novembre 2024 (mise à jour mars 2026). Trois critères prioritaires : autorité du domaine (mesurée par signaux croisés), pertinence thématique forte (la page traite-t-elle directement la question ?), fraîcheur (date visible dans le HTML). Les pages avec datePublished et dateModified explicites en schema.org Article donnent un signal de fraîcheur clair.

Techniques pratiques pour ChatGPT Search : (1) autoriser OAI-SearchBot, (2) sitemap soumis à Bing Webmaster, (3) schema Article avec datePublished et dateModified, (4) titre H1 reformulant exactement la requête cible, (5) première section répondant directement en 2-3 phrases, (6) FAQ en bas de page pour capturer les sous-questions.

Voir optimisation ChatGPT Search dans le glossaire et notre service GEO/AEO Nehos.

#Chapitre 5 — Optimisation pour Perplexity

Perplexity est le moteur génératif le plus pur : pas de chat conversationnel généraliste, focus entier sur la réponse sourcée avec citations explicites en surimpression (numérotation [1], [2], [3] cliquable). C'est aussi celui qui cite le plus densément : 5 à 12 sources par réponse typique, contre 2 à 5 chez ChatGPT Search.

#Modèle answer engine — citations explicites

Perplexity construit sa réponse autour des citations. Chaque phrase de synthèse est attachée à une source identifiée. Pour être cité par Perplexity, votre page doit contenir des passages atomiques (1 à 3 phrases) qui répondent directement à une sous-question de la requête. Ces passages sont extraits tels quels, avec votre nom de domaine et le titre de page visibles.

Cela favorise les pages bien structurées avec h2/h3 explicites, paragraphes scopés à un sujet unique, listes à puces, tableaux comparatifs. Les pages long-form prose monolithiques sont moins bien extraites.

#Trois boosters Perplexity

Booster 1 — Autorité de domaine. Perplexity utilise un mix de signaux Bing + index propriétaire + backlinks de qualité. Un site avec DA > 50 (Moz) est beaucoup plus cité qu'un site DA < 25.

Booster 2 — Fraîcheur explicite. Perplexity affiche la date de publication des sources citées. Sur une requête sensible à la date, il préfère les sources < 12 mois.

Booster 3 — Sources externes solides. Quand votre page cite elle-même 4-8 sources externes vérifiables, Perplexity vous traite comme une « source enrichie » et booste votre ranking de citation. C'est un effet contre-intuitif : citer affaiblit Perplexity moins que ça ne renforce votre propre légitimité.

#Tracking Perplexity Pro Sources visibility

Perplexity Pro propose un outil natif (Sources visibility) qui montre les sources les plus citées par requête. Combiné à un tracking custom (queries cibles + screenshots hebdo), on peut mesurer précisément son share of voice Perplexity.

Voir optimisation Perplexity citations dans le glossaire et notre service content marketing SaaS Nehos.

#Chapitre 6 — Optimisation pour Claude (Anthropic)

Claude (Anthropic) a un profil distinctif parmi les LLM commerciaux. Plus long en raisonnement, plus attentif au contexte, particulièrement prudent sur les hallucinations. Depuis l'arrivée de Claude Search et Computer Use (fin 2024-2025), Claude a aussi un browsing actif intégré.

#Préférence pour le content long et raisonné

Claude valorise les pages longues (4 000 à 8 000 mots) avec raisonnement explicite, contre-arguments, nuances assumées. Sur les sujets complexes (réglementation, architecture tech, méthodes), Claude préfère citer une page pilier détaillée qu'une page courte mais incomplète. Conséquence : pour Claude, le format guide pilier > 5 000 mots est plus citable que l'article court 800 mots.

#Anti-hallucination first

Claude est entraîné à éviter les citations qui pourraient produire des affirmations fausses. Les pages avec affirmations non sourcées, dates manquantes, claims marketing vagues (« leader du marché », « solution unique ») sont déprioritisées. À l'inverse, les pages avec sources externes nombreuses, statistiques datées, limites explicites (« cette méthode ne s'applique pas si... ») sont fortement citées.

Pour la définition Claude et ses spécificités, voir Claude Anthropic dans le glossaire et notre comparatif GPT vs Claude.

#Speakable et FAQ conversationnelles

Claude est aussi très bon en interface vocale (intégration Mac Spotlight, plugins Slack, Computer Use). Pour cet usage, Speakable schema et FAQ formulées en langage oral naturel sont déterminants. Notre observation chez Nehos : sur les 47 clients tracés mars 2025-mai 2026, ceux qui avaient Speakable + FAQ longues conversationnelles avaient 3,4 fois plus de citations Claude que la moyenne.

#Trois techniques pratiques Claude

(1) Articles pilier longs (5 000+ mots) avec sections autonomes scopées chacune à une sous-question. (2) Citations externes systématiques (4-8 par page). (3) FAQ conversationnelle en bas de page (10-30 questions oralement formulées). (4) Speakable schema avec sélecteurs CSS explicites sur TLDR et FAQ.

#Chapitre 7 — Optimisation pour Gemini + Google AI Overviews

Google joue sur deux fronts : Gemini (assistant standalone, payant et gratuit) et AI Overviews (résumé génératif intégré dans la SERP classique). Les deux puisent dans l'index Google et appliquent les mêmes critères d'E-E-A-T renforcés.

#AI Overviews dans la SERP — l'intégration Google

Les AI Overviews apparaissent sur une part importante des requêtes informationnelles. Quand ils apparaissent, ils captent l'attention de l'utilisateur, qui clique moins vers la SERP classique. Être cité dans l'AI Overview devient le nouveau « rang 1 ».

Critères de citation AI Overview : (1) ranking SEO classique fort (souvent top 5 SERP), (2) E-E-A-T renforcé selon les Google Quality Rater Guidelines 2025, (3) structure claire avec h2/h3 et FAQ, (4) Speakable schema bien déclaré.

#Gemini standalone — Google Cloud, Workspace, Gemini app

Gemini est intégré dans Google Workspace (Docs, Gmail, Sheets), accessible via Gemini.google.com et inclus dans Google Cloud (Vertex AI). En usage B2B, Gemini Workspace est massivement utilisé pour des tâches récurrentes : synthèse de réunion, rédaction d'emails, recherche interne. Gemini puise via Google Search pour les requêtes web.

Pour être cité par Gemini : appliquer le SEO classique fort + GEO de qualité + schema Article + Speakable. Pas de spécificité technique forte, mais exigence très élevée sur E-E-A-T.

Voir Gemini Google AI dans le glossaire et notre service GEO/AEO dédié.

#Schema markup Speakable obligatoire pour Voice et AI

Google a confirmé en mars 2025 que Speakable schema est désormais utilisé à la fois pour Voice Search et pour AI Overviews. Pas de Speakable, pas de citation vocale + pénalité légère en AI Overview. Application : déclarer Speakable WebPage avec cssSelector pointant sur TLDR + FAQ. Cette page déclare Speakable sur .block-tldr et .block-faq-question.

#Chapitre 8 — Optimisation pour Mistral Le Chat

Mistral Le Chat est le moteur génératif souverain européen, lancé en bêta février 2024, généralisé avec recherche web en février 2025. Sa croissance en France et plus largement en Europe francophone (Belgique, Suisse romande, Luxembourg) en fait un canal incontournable pour les marques B2B francophones.

#Spécificité souveraineté EU

Mistral applique une politique de citations qui valorise les sources européennes et hébergées en UE. Sur les requêtes sensibles à la souveraineté (réglementation EU, données personnelles, infrastructures critiques), les sources américaines sont déprioritisées au profit de sources françaises, allemandes, italiennes, espagnoles. C'est une opportunité pour les marques B2B françaises peu citées par ChatGPT/Claude mais qui peuvent dominer sur Mistral.

#Cas d'usage francophone natif

Mistral est entraîné avec un poids fort sur le corpus français (vs ChatGPT/Claude dont le français est traduit ou minoritaire). Conséquence directe : un contenu rédigé en français de qualité, avec terminologie sectorielle française correcte, est mieux cité par Mistral qu'une traduction IA depuis l'anglais. Pour les sites multi-marchés, écrire une version française native (pas traduite) est un investissement à fort ROI Mistral.

Voir Mistral Large 2 dans le glossaire et Mistral vs OpenAI souverain dans nos guides.

#Trois techniques pratiques Mistral

(1) Hébergement français ou EU déclaré (OVH, Scaleway, Outscale, Clever Cloud). (2) Contenu en français natif (pas traduit). (3) Citations de sources françaises et européennes en priorité (Légifrance, EUR-Lex, INSEE, CNIL, Banque de France, INSEE, BPI France, France Num). (4) Schema en français pour les libellés (description, name) même si le contenu est multilingue.

#Chapitre 9 — Mesurer la citabilité : tracking pratique

Sans mesure, pas d'optimisation. La problématique : aucun outil universel ne mesure la citabilité LLM comme Google Search Console mesure le SEO. Le marché 2026 est fragmenté entre outils natifs des plateformes, outils tiers émergents et tracking custom.

#Outils natifs par plateforme

Perplexity Pro Sources visibility : dashboard montrant les sources les plus citées par requête. Le seul outil natif vraiment exploitable en mai 2026.

ChatGPT Search citations : pas d'outil natif côté annonceur. Tracking manuel via Browse Mode + screenshots.

Google Search Console AI Overviews : Google a ajouté un filtre AI Overviews en mars 2026 dans Search Console (rapport Performance). On peut désormais voir quelles requêtes ont déclenché un AI Overview et si on a été cité. Premier outil natif Google sur le sujet.

Claude et Mistral : pas d'outil natif côté annonceur. Tracking manuel obligatoire.

#Outils tiers émergents

Brand24 LLM Monitoring (lancé fin 2025) : tracking de mentions de marque dans les réponses ChatGPT, Perplexity, Claude. Tarifs : voir l'éditeur.

Ahrefs LLM Tracker (annoncé pour T3 2026) : intégration prévue dans Ahrefs Site Explorer.

Profound (US, depuis 2024) : focus AI search visibility. Tarifs : voir l'éditeur.

Goodie (FR, depuis 2025) : tracking LLM français incluant Mistral. Tarifs : voir l'éditeur.

Notre observation : aucun outil tiers n'est encore mature. Le tracking custom (queries cibles + screenshots hebdo + scoring manuel) reste la méthode la plus fiable pour les marques exigeantes en 2026.

#Citabilité Score Nehos — outil propriétaire

Nous avons développé l'outil Citabilité Score Nehos, gratuit, qui scanne une URL et calcule un score sur 80 selon les 8 critères du chapitre 3. Audit en moins de 3 minutes. Disponible sur /outils/audit-citabilite-llm.

Pour le tracking complet, nous proposons aussi une mission d'audit Citabilité LLM, en forfait fixe sur devis (chiffré en 48 h après un premier échange), qui inclut : scoring de pages clés, tracking de requêtes cibles sur 5 LLM, rapport de share of voice, plan d'action priorisé. Voir notre méthode Citabilité Score détaillée.

#Indicateurs clés à suivre

Indicateur 1 — Nombre de mentions LLM par mois (volume).

Indicateur 2 — Ranking de citation (position 1, 2, 3... dans la liste des sources citées).

Indicateur 3 — Share of voice IA par requête cible (votre marque vs concurrents).

Indicateur 4 — Tonalité de la mention (neutre, positive, négative — analyse manuelle).

Indicateur 5 — Trafic depuis sources LLM (paramètre utm_source=chatgpt ou referrer perplexity.ai dans GA4).

#Chapitre 10 — Exemple de situation : une scale-up SaaS B2B qui travaille sa citabilité LLM

Exemple de situation construit pour illustrer la méthode. Ce n'est pas la description d'un client réel : aucun résultat chiffré n'y figure.

#Le diagnostic initial

Contexte : une scale-up SaaS B2B française, série B, vend une plateforme de gestion de la relation candidat (HR tech). Audit Citabilité Score initial des pages clés. Tracking d'un panier de requêtes business cibles sur 5 LLM (ChatGPT Search, Perplexity, Claude, Gemini, Mistral) : aucune mention détectée au départ, donc un share of voice IA nul.

Causes identifiées : E-E-A-T faible (auteur « équipe rédaction », pas de bio, pas de photo), aucune FAQ sur les pages services, schema markup pauvre (uniquement Organization basique), absence totale de TLDR speakable, contenu rédigé en mode marketing (verbes creux, superlatifs vides), aucune source externe citée, statistiques rares et non sourcées, hreflang correct mais canonical parfois ambigu.

#Méthode Nehos appliquée — retainer content marketing 12 mois

Dispositif mis en place : retainer content marketing SaaS Nehos, sur devis (voir content marketing SaaS). Cadence : articles et guides piliers réguliers, un cas client par trimestre quand un client réel l'autorise. Méthode Citabilité Score Nehos appliquée systématiquement à chaque publication.

Chantiers structurants menés en parallèle. Premiers mois : refonte E-E-A-T (auteurs réels signés, photos, LinkedIn, bios), refonte du schema markup (Article + FAQPage + Speakable + BreadcrumbList sur toutes les pages clés), réécriture des pages services en ton humain (anti-marqueurs IA, opinions assumées).

Ensuite : création de guides piliers avec TLDR speakable et FAQ longues. Puis : production de cas clients avec indicateurs vérifiables. Enfin : campagne de relations presse et de thought leadership LinkedIn pour densifier les backlinks et l'autorité.

#Ce qu'on mesure

Après douze mois, on recompte le Citabilité Score moyen des pages clés et on relance le tracking sur le même panier de requêtes : combien de requêtes donnent au moins une mention, sur quels moteurs, à quelle position. La comparaison avec l'état de départ dit ce qui a progressé. Les résultats varient selon le marché et la concurrence : nous ne les annonçons pas à l'avance.

Côté business, on suit les MQL inbound issus des sources LLM (taggés via utm_source ou referrer), leur coût d'acquisition par rapport aux autres canaux, et les retours qualitatifs des prospects (« on vous a vu cité par Perplexity »).

Méthode complète détaillée dans la fiche Méthode Citabilité Score Nehos.

Photos : RDNE Stock project, cottonbro studio, TBD Traveller sur Pexels.