Un ambassadeur d’Ahrefs sur l’intégration des grands modèles de langage et pourquoi les relations humaines restent primordiales

Dans le secteur, on observe deux écoles : ceux qui estiment que l’optimisation pour l’IA est une discipline distincte du SEO, et ceux qui pensent que l’intégration dans les LLM n’est rien d’autre que du référencement. Ce débat est, en fin de compte, stérile : quelle que soit la position, l’inclusion dans les LLM fait désormais partie du paysage de la découverte en SEO.

Plutôt que de polémiquer, il est plus utile d’examiner comment se déroulent aujourd’hui les parcours de recherche et où se trouvent les véritables opportunités commerciales.

Pour aborder la question de l’inclusion dans les LLM, j’ai invité Patrick Stox à participer à un nouvel épisode d’IMHO. En tant que conseiller produit, spécialiste du SEO technique et ambassadeur de marque chez Ahrefs, Patrick dispose de données et d’observations permettant d’évaluer ce qui fonctionne réellement aujourd’hui pour apparaître dans les réponses générées par les LLM.

Face à l’essor de l’IA, Patrick reste convaincu qu’Google conserve une position centrale et que les relations humaines demeurent déterminantes.

La version intégrale de l’entretien avec Patrick est accessible via ce lien : entretien IMHO avec Patrick Stox.

Pourquoi Google reste incontournable

Avec l’attention tournée vers ChatGPT, les « résumés IA » et les modes conversationnels, il est tentant de conclure que la recherche classique est condamnée. Patrick, cependant, ne souscrit pas à cette idée : « Je ne parierais pas contre Google », affirme-t-il.

Sa démonstration repose sur un constat simple : la majorité des internautes continuent d’utiliser Google comme point de départ pour leurs recherches. Les outils conversationnels et les LLM intéressent surtout les utilisateurs avancés et les early adopters ; pour le reste du public, la recherche traditionnelle reste la référence.

Les récentes données d’Ahrefs estiment qu’Google capte approximativement 40 % du trafic total dirigé vers les sites web, tandis que les renvois issus des LLM représentent encore une part marginale par comparaison. Même si la part de trafic de Google a légèrement diminué cette année, son emprise reste dominante.

Après avoir testé ChatGPT et Claude à leur lancement, Patrick confie qu’il est revenu vers le mode IA de Google et vers Gemini, estimant que de nombreux utilisateurs feront de même à mesure que ces systèmes s’amélioreront : « Moi-même, je suis retourné chez Google », admet-il. Selon lui, les améliorations continues et la capacité de Google à intégrer d’énormes volumes de données attireront les utilisateurs de nouveau dans son écosystème.

En résumé, même si l’environnement évolue vers des formes hybrides de recherche et de découverte, Google reste une plateforme stratégique pour la visibilité et l’acquisition.

Le défi de l’attribution : difficile de prouver la valeur directe des LLM

De plus en plus de sites enregistrent des renvois venant d’outils basés sur des LLM, mais transformer ces mentions en preuves chiffrées de valeur pour la direction reste complexe. On peut évoquer la notoriété de marque, mais les décideurs (C-Suite) s’intéressent avant tout aux métriques liées au chiffre d’affaires et au retour sur investissement.

Patrick confirme que, si l’on peut compter les mentions et les citations dans les réponses générées par les LLM, ces signaux ne se transforment pas facilement en rapports exploitables au niveau du conseil d’administration : « Vous pouvez mesurer combien de fois vous êtes cité par rapport à vos concurrents… mais pour rendre cela exploitable au niveau business, c’est compliqué. Ce sont des métriques secondaires ou tertiaires. »

À ses yeux, les indicateurs directement liés au revenu restent prioritaires. Cela dit, Ahrefs a déjà observé des signaux intéressants issus du trafic IA. Patrick explique : « Nous avons suivi les inscriptions. En juillet, le trafic issu de la recherche par IA représentait 0,5 % du trafic total, mais il comptait pour 12,1 % de nos conversions. » Depuis, cette part de conversions a diminué à moins de 10 %, alors que la part du trafic issue des LLM a légèrement augmenté.

Ce type de constat illustre deux points : d’une part, le trafic LLM peut être faible en volume mais performant en conversion ; d’autre part, l’attribution demeure fragmentaire et sujette à évolution. Les responsables marketing et data doivent donc définir des cadres de mesure adaptés pour évaluer l’impact réel.

Deux approches efficaces pour apparaître dans les réponses des LLM

Interrogé sur l’investissement d’Ahrefs en faveur de l’inclusion dans les LLM, Patrick explique qu’ils testent plusieurs voies. Selon lui, deux leviers se révèlent déterminants pour la visibilité : la répétition et la différenciation.

La logique de la répétition repose sur la manière dont les LLM synthétisent l’information : ces modèles rendent ce que « l’internet dit ». Pour qu’un thème ou une affirmation soit reconnu dans les réponses IA, il faut que cette idée soit exprimée de façon cohérente et récurrente sur une diversité de sources. Concrètement, cela signifie aligner le message à travers plusieurs pages, domaines et publications afin que le signal soit suffisamment fort pour être retenu par les systèmes d’agrégation.

La différenciation, quant à elle, appelle à produire des éléments uniques et difficiles à trouver ailleurs, notamment des jeux de données originaux ou des études exclusives. Ahrefs a investi de façon soutenue dans des études et analyses propriétaire, y compris dans des langues autres que l’anglais. Ces contributions uniques sont massivement citées et ressortent dans les réponses des modèles parce qu’elles n’ont pas d’équivalent dans le corpus public.

Un troisième point, plus étonnant mais observé dans la pratique, est la performance actuelle des formats « liste » ou listicles. Patrick l’admet sans fard : « J’ai du mal à l’admettre, mais les listicles… ça fonctionne en ce moment. Ce n’est pas forcément pérenne, mais ignorer ce format équivaudrait à se priver d’une visibilité immédiate. »

Pour résumer, la combinaison d’une diffusion large et cohérente du même message (répétition) et de contenus signature reposant sur des données exclusives (différenciation) augmente nettement les chances d’apparaître dans les réponses fournies par les LLM.

L’essor des systèmes agentifs et le risque des environnements fermés

La montée des systèmes « agentifs » (agents autonomes construits sur des LLM) pose une question importante : ces agents tendront-ils à privilégier un petit nombre de partenaires, créant ainsi des écosystèmes fermés où seuls les acteurs majeurs bénéficient des interactions automatisées ?

Patrick souligne que, quand un agent effectue des actions concrètes (réserver un voyage, conclure un achat, interroger une API), il est probable qu’il s’appuie sur des fournisseurs établis : « ChatGPT ne va pas conclure de partenariats avec des acteurs inconnus. Pour réserver un vol, il utilisera des acteurs majeurs ; pour une définition, il consultera un dictionnaire reconnu. »

Ce biais de sélection introduit un risque réel pour les petites entreprises : si un agent décide de « n’utiliser qu’Amazon pour le paiement », un grand nombre de commerces perdront instantanément des ventes. Il n’existe pas à ce stade de parade garantie contre ce phénomène. La stratégie la plus pragmatique consiste à renforcer sa marque et sa présence en ligne afin d’être suffisamment visible et crédible quand ces agents font leurs choix.

Autrement dit, l’objectif est de devenir indispensable dans l’écosystème informationnel : que l’absence d’une marque dans les sources consultées par un agent soit remarquée et pénalisante pour l’agent lui-même.

Les canaux à privilégier au-delà de l’optimisation pour LLM

Un point qu’il est utile de rappeler face à l’enthousiasme suscité par l’IA : tous les canaux historiques conservent une importance majeure. Patrick insiste sur le fait que, même si l’on parle souvent de ChatGPT comme d’un moteur de recherche alternatif, le deuxième moteur de recherche le plus utilisé reste YouTube.

La plateforme vidéo représente une source d’audience et de trafic particulièrement performante pour Ahrefs, qui a investi massivement dans la production de contenu audiovisuel. Patrick recommande de diversifier les formats : vidéos longues pour l’apprentissage approfondi et formats courts pour la découverte et l’engagement de masse.

Les communautés en ligne — Reddit, Slack, Discord, etc. — conservent également une valeur importante, à condition d’adopter une approche authentique. La tentation du spam ou de la promotion agressive sur ces plateformes est forte, mais elle est contre-productive. En revanche, une participation sincère et régulière par des collaborateurs autorisés à représenter l’entreprise peut générer un effet multiplicateur : des réponses utiles, des échanges de qualité et une amplification organique de la marque.

Patrick résume ainsi la logique : les employés constituent une force de recommandation payée par l’entreprise ; les laisser interagir de manière authentique dans les communautés renforce naturellement la visibilité. Cette tactique met l’accent sur la confiance et l’utilité, plutôt que sur des techniques de promotion à court terme.

Si vous lanciez un produit aujourd’hui : où concentrer vos efforts ?

Pour conclure l’échange, j’ai demandé à Patrick où il investirait s’il lançait une startup aujourd’hui. Sa réponse fut immédiate : prioriser les relations.

Dans sa vision, les relations personnelles et professionnelles restent le canal le plus puissant pour accélérer la croissance d’un produit. Plutôt que de se reposer uniquement sur des mécanismes automatisés ou des raccourcis techniques, il privilégierait le développement d’un réseau solide et l’engagement direct avec des personnes influentes ou des partenaires stratégiques.

Après avoir construit des relations solides, les autres investissements clés seraient la production de contenu pour le site web, la création de vidéos sur YouTube et la communication informelle au sein du cercle de connaissances — ce que l’on pourrait résumer comme du marketing « traditionnel » mais bien exécuté.

L’idée principale est que, malgré la révolution technologique, tout revient souvent à des connexions humaines directes : la confiance, la réputation et la recommandation restent des leviers essentiels pour bâtir une entreprise durable.

Dans un monde où la découverte devient de plus en plus automatisée par les LLM et les agents, les marques qui réussiront seront celles qui resteront clairement humaines : compréhensibles, fiables et présentes là où leurs utilisateurs cherchent de l’aide et des réponses.

Le témoignage de Patrick offre plusieurs enseignements opérationnels :

• Continuer à investir dans le SEO traditionnel : malgré l’émergence des LLM, les moteurs historiques conservent une part dominante du trafic.
• Soigner la cohérence du message : la répétition du signal à travers différents supports augmente la probabilité d’être retenu par les modèles d’IA.
• Produire des contenus uniques et datés : les études originales et les jeux de données sont fortement valorisés par les systèmes qui extraient des références uniques.
• Ne pas négliger la vidéo : YouTube est une plateforme clé pour la découverte et la conversion.
• Soutenir la présence communautaire authentique : la participation réelle dans des forums et communautés peut générer une visibilité durable.
• Construire la marque : la notoriété et la crédibilité restent les meilleures défenses contre la création d’écosystèmes fermés par des agents.

Mesures et indicateurs à suivre dans un monde hybride

Pour les équipes marketing et data qui veulent évaluer l’impact des LLM sans tomber dans la spéculation, voici quelques pistes de métriques à suivre (présentées de façon neutre et utilisable quelle que soit la taille de l’organisation) :

• Trafic référent par source : segmenter précisément les visiteurs issus des outils conversationnels, des moteurs traditionnels et des plateformes sociales.
• Taux de conversion par canal : mesurer la performance relative des visites issues des LLM versus les autres canaux.
• Valeur moyenne par conversion : évaluer si les conversions issues des réponses IA génèrent une valeur client différente.
• Métriques d’assistance à la décision : suivre les mentions de la marque dans les réponses IA et corréler ces mentions avec des changements de comportement utilisateur (trafic direct, requêtes de marque, etc.).
• Signal de notoriété : compter les citations, backlinks et reprises d’études uniques — ces indicateurs sont des proxies utiles pour mesurer l’empreinte informationnelle.
• Analyse qualitative : examiner un échantillon d’interactions générées par les agents pour comprendre les chemins de décision, les préférences et les éventuels biais de sélection de fournisseurs.

Ces mesures aident à transformer des tendances qualitatives en éléments quantifiables pour les instances dirigeantes, sans perdre de vue la nature évolutive des systèmes d’IA.

Contenus et formats : comment équilibrer long terme et gains rapides

La tension entre production de valeur pérenne et recherche de visibilité à court terme est réelle. Voici des principes généraux observés dans la pratique :

• Investir dans des actifs durables : guides complets, études propriétaires, outils et contenus evergreen contribuent à une valeur accumulée à long terme.
• Exploiter les formats performants aujourd’hui : si les listicles ou les tutoriels courts génèrent du trafic immédiat, les intégrer dans une stratégie de contenu plus vaste permet d’en maximiser l’efficacité sans sacrifier la qualité.
• Adapter la distribution : multiplier les canaux (site, blog, vidéo, réseaux, communautés) permet d’augmenter les signaux répétés et de toucher différents types d’utilisateurs.
• Documenter les données : publier des analyses chiffrées et des méthodologies renforce la crédibilité et favorise la citation par d’autres éditeurs — une source d’authority recherchée par les LLM.

Cette approche mixte répond à la double contrainte : rester pertinent aujourd’hui tout en construisant des ressources qui continueront d’apporter de la valeur demain.

Considérations techniques pour l’intégration aux systèmes d’IA

D’un point de vue technique, plusieurs éléments facilitent la découverte par les LLM et autres systèmes automatisés :

• Clarté sémantique : structurer l’information avec des titres clairs, des résumés, des définitions et des extraits concis facilite l’extraction de faits et citations par les agents.
• Données structurées : l’utilisation de schémas (schema.org), de métadonnées et d’extraits structurés améliore la lisibilité machine et la capacité des outils à référencer correctement le contenu.
• Accessibilité des sources : rendre les études, les datasets et les méthodes facilement consultables (au moins dans un sommaire) augmente la probabilité d’être cité comme source.
• Confiance et provenance : indiquer les auteurs, les dates et les références renforce la crédibilité au niveau machine et humain.

Ces bonnes pratiques techniques ne garantissent pas l’inclusion, mais elles augmentent les chances d’être interprété correctement et cité par des systèmes automatisés.

Perspectives : coopération homme-machine plutôt que remplacement

Le message transversal du propos de Patrick est clair : l’IA change les modalités de découverte et d’interaction, mais elle ne remplace pas complètement les dynamiques humaines. Les entreprises qui combinent une solide stratégie de marque, une production de contenu différenciante et une maîtrise des fondamentaux techniques du SEO seront les mieux placées pour tirer parti de cet environnement hybride.

En définitive, l’enjeu n’est pas de choisir entre optimiser pour l’IA ou pour les moteurs traditionnels, mais de concevoir des stratégies complémentaires qui améliorent la visibilité, la confiance et la conversion sur tous les points de contact.

L’entretien complet avec Patrick Stox est intégré ci-dessous pour consultation technique et approfondissement :

Remerciements à Patrick Stox pour son temps et ses observations au cours de cet échange dans le cadre d’IMHO (chaîne IMHO).

Ressources supplémentaires :

Featured Image: Shelley Walsh/Search Engine Journal