C'est la fin de la recherche telle que nous la connaissons, et les marketers se sentent bien. Une sorte de.

Depuis plus de deux décennies, le référencement (SEO) était le manuel par défaut pour la visibilité en ligne. Il a engendré toute une industrie de bourreurs de mots-clés, de courtiers en backlinks, d'optimisateurs de contenu et d'outils d'audit, ainsi que des professionnels et des agences pour les faire fonctionner. Mais en 2025, la recherche a commencé à évoluer.loin des navigateurs traditionnels vers les plateformes LLM. Avec l'annonce d'Apple selon laquelle des moteurs de recherche natifs en IA comme Perplexity et Claude seront intégrés dans Safari, le verrouillage de la distribution de Google est en question. La base du marché du SEO de plus de 80 milliards $ vient de se fissurer.

Un nouveau paradigme émerge, non pas guidé par le classement des pages, mais par des modèles linguistiques. Nous entrons dans l'Acte II de la recherche : l'Optimisation des Moteurs Génératifs (GEO).

Des liens aux modèles linguistiques

La recherche traditionnelle était basée sur des liens. GEO est basé sur le langage.

À l'ère du SEO, la visibilité signifiait se classer haut sur une page de résultats. Les classements de pages étaient déterminés par l'indexation des sites en fonction de la correspondance des mots-clés, de la profondeur et de l'étendue du contenu, des backlinks, de l'engagement des utilisateurs et plus encore. Aujourd'hui, avec des LLM comme GPT-4o, Gemini et Claude agissant comme l'interface pour la manière dont les gens trouvent des informations, la visibilité signifie apparaître directement dans la réponse elle-même, plutôt que de se classer haut sur la page de résultats.

Alors que le format des réponses change, la manière dont nous recherchons évolue également. La recherche native d'IA devient fragmentée à travers des plateformes comme Instagram, Amazon et Siri, chacune alimentée par des modèles et des intentions utilisateur différents. Les requêtes sont plus long (23 mots, en moyenne, contre 4), les sessions sont plus profondes (en moyenne 6 minutes), et les réponses varient selon le contexte et la source. Contrairement à la recherche traditionnelle, les LLM se souviennent, raisonnent et répondent avec une synthèse personnalisée et multi-sources. Cela change fondamentalement la façon dont le contenu est découvert et comment il doit être optimisé.

Le SEO traditionnel récompense la précision et la répétition ; les moteurs génératifs privilégient un contenu bien organisé, facile à analyser et riche en signification (pas seulement en mots-clés). Des phrases comme « en résumé » ou le formatage par points de puces aident les LLM à extraire et reproduire efficacement le contenu.

Il convient également de noter que le marché des LLM est fondamentalement différent du marché traditionnel de la recherche en termes de modèle commercial et d'incitations. Les moteurs de recherche classiques comme Google monétisaient le trafic des utilisateurs par le biais de publicités ; les utilisateurs payaient avec leurs données et leur attention. En revanche, la plupart des LLM sont des services payants basés sur des abonnements. Ce changement structurel affecte la manière dont le contenu est référencé : il y a moins d'incitation de la part des fournisseurs de modèles à mettre en avant du contenu tiers, à moins qu'il ne soit complémentaire à l'expérience utilisateur ou renforce la valeur du produit. Bien qu'il soit possible qu'un marché publicitaire émerge éventuellement au-dessus des interfaces LLM, les règles, les incitations et les participants seraient probablement très différents de ceux de la recherche traditionnelle.

En attendant, un signal émergent de la valeur des interfaces LLM est le volume de clics sortants. ChatGPT, par exemple, génère déjà du trafic de référence vers des dizaines de milliers de domaines distincts.

Des classements à la pertinence des modèles

Il ne s'agit plus seulement des taux de clics, mais des taux de référence : à quelle fréquence votre marque ou votre contenu est cité ou utilisé comme source dans les réponses générées par le modèle. Dans un monde de résultats générés par l'IA, le GEO signifie optimiser ce que le modèle choisit de référencer, et pas seulement si ou où vous apparaissez dans la recherche traditionnelle. Ce changement révolutionne notre façon de définir et de mesurer la visibilité et la performance de la marque.

Déjà, de nouvelles plateformes comme Profond, Bonbon, et Rêverie permettre aux marques d'analyser comment elles apparaissent dans les réponses générées par l'IA, de suivre le sentiment à travers les sorties du modèle et de comprendre quels éditeurs influencent le comportement du modèle. Ces plateformes fonctionnent en ajustant finement les modèles pour refléter le langage des invites pertinent pour la marque, en injectant stratégiquement les meilleurs mots-clés SEO et en exécutant des requêtes synthétiques à grande échelle. Les résultats sont ensuite organisés en tableaux de bord exploitables qui aident les équipes marketing à surveiller la visibilité, la cohérence des messages et la part de voix concurrentielle.

Canada Goose a utilisé un tel outil pour obtenir des informations sur la façon dont les LLMs faisaient référence à la marque — pas seulement en termes de caractéristiques du produit comme la chaleur ou l'imperméabilité, mais aussi en termes de reconnaissance de la marque elle-même. Les enseignements étaient moins axés sur la façon dont les utilisateurs découvraient Canada Goose, mais sur le fait que le modèle mentionnait spontanément la marque, un indicateur de la notoriété spontanée à l'ère de l'IA.

Ce type de surveillance devient aussi important que les tableaux de bord SEO traditionnels. Des outils comme AhrefsLe Brand Radar suit maintenant les mentions de marques dans les aperçus AI, aidant les entreprises à comprendre comment elles sont perçues et mémorisées par les moteurs génératifs.Semrush dispose également d'un kit d'outils AI dédié conçu pour aider les marques à suivre la perception à travers les plateformes génératives, optimiser le contenu pour la visibilité AI et réagir rapidement aux mentions émergentes dans les résultats des LLM, un signe que les acteurs SEO traditionnels s'adaptent à l'ère GEO.

Nous assistons à l'émergence d'un nouveau type de stratégie de marque : une stratégie qui prend en compte non seulement la perception du public, mais aussi celle du modèle. La manière dont vous êtes encodé dans la couche d'IA est le nouvel avantage concurrentiel.

Bien sûr, le GEO est encore à son stade expérimental, un peu comme les débuts du SEO. Avec chaque mise à jour majeure du modèle, nous risquons de réapprendre (ou de désapprendre) comment interagir au mieux avec ces systèmes. Tout comme les mises à jour de l'algorithme de recherche de Google ont autrefois poussé les entreprises à se précipiter pour contrer les classements fluctuants, les fournisseurs de LLM ajustent encore les règles derrière ce que leurs modèles citent. Plusieurs écoles de pensée émergent : certaines tactiques de GEO sont assez bien comprises (par exemple, être mentionné dans les documents sources que les LLM citent), tandis que d'autres hypothèses sont plus spéculatives, comme la question de savoir si les modèles privilégient le contenu journalistique par rapport aux médias sociaux, ou comment les préférences évoluent avec différents ensembles d'entraînement.

Leçons de l'ère SEO

Malgré son ampleur, le SEO n'a jamais produit de gagnant monopolistique. Des outils qui ont aidé les entreprises avec le SEO et la recherche de mots-clés, comme Semrush, Ahrefs, Moz, et Similarweb, ont réussi par eux-mêmes, mais aucun n'a capturé la pile complète (ou n'a grandi par acquisition, comme Similarweb). Chacun a sculpté une niche : analyse des backlinks, surveillance du trafic, intelligence des mots-clés ou audits techniques.

Le SEO a toujours été fragmenté. Le travail était réparti entre des agences, des équipes internes et des opérateurs indépendants. Les données étaient désordonnées et les classements étaient déduits, pas vérifiés. Google détenait les clés algorithmiques, mais aucun fournisseur n'a jamais contrôlé l'interface. Même à son apogée, les plus grands acteurs du SEO étaient des fournisseurs d'outils. Ils n'avaient pas l'engagement des utilisateurs, le contrôle des données ou des effets de réseau pour devenir des hubs où l'activité SEO est concentrée. Les données de clics — enregistrements des liens sur lesquels les utilisateurs cliquent en naviguant sur des sites web — sont sans doute la fenêtre la plus claire sur le comportement réel des utilisateurs. Historiquement, cependant, ces données ont été prohibitives à accéder, verrouillées derrière des FAI, des SDK, des extensions de navigateur et des courtiers en données. Cela a rendu la construction d'insights précis et évolutifs presque impossible sans une infrastructure profonde ou un accès privilégié.

GEO change cela.

Comment faire les mentions : L'émergence des outils GEO

Ce n'est pas seulement un changement d'outils, c'est une opportunité de plateforme. Les entreprises GEO les plus convaincantes ne se limiteront pas à la mesure. Elles peaufineront leurs propres modèles, apprenant de milliards de suggestions implicites à travers différents secteurs. Elles posséderont la boucle — l'insight, l'apport créatif, le retour d'information, l'itération — avec une technologie différenciée qui n'observe pas seulement le comportement des LLM, mais le façonne. Elles trouveront également un moyen de capturer les données de clickstream et de combiner des sources de données de première et de troisième partie.

Les plateformes qui réussiront dans le GEO iront au-delà de l'analyse de marque et fourniront l'infrastructure pour agir : générer des campagnes en temps réel, optimiser pour la mémoire du modèle et itérer quotidiennement, alors que le comportement des LLM évolue. Ces systèmes seront opérationnels.

Cela ouvre une opportunité beaucoup plus large que la visibilité. Si le GEO est la façon dont une marque s'assure qu'elle est référencée dans les réponses de l'IA, c'est aussi la manière dont elle gère sa relation continue avec la couche IA elle-même. Le GEO devient le système d'enregistrement pour interagir avec les LLM, permettant aux marques de suivre leur présence, leurs performances et leurs résultats sur les plateformes génératives. Possédez cette couche, et vous possédez le budget qui la soutient.

C'est le potentiel monopolistique : non seulement fournir des informations, mais devenir le canal. Si le SEO était un marché décentralisé, adjacent aux données, le GEO peut être l'inverse — centralisé, piloté par API, et intégré directement dans les flux de travail des marques. En fin de compte, le GEO en lui-même est peut-être le coin le plus évident, surtout alors que nous observons un changement dans le comportement de recherche, mais au fond, c'est vraiment un coin dans le marketing de performance, plus largement. Les mêmes directives de marque et la compréhension des données utilisateurs qui alimentent le GEO peuvent alimenter le marketing de croissance. C'est ainsi qu'une grande entreprise se construit, alors qu'un produit logiciel est capable de tester plusieurs canaux, d'itérer et d'optimiser à travers eux. L'IA permet unmarketeur autonome.

Le timing est important. La recherche commence à peine à évoluer, mais les dollars publicitaires se déplacent rapidement, surtout lorsqu'il y a de l'arbitrage. Dans les années 2000, c'était Google Adwords. Dans les années 2010, c'était le moteur de ciblage de Facebook. Maintenant, en 2025, ce sont les LLM et les plateformes qui aident les marques à naviguer sur la manière dont leur contenu est ingéré et référencé par ces modèles. Dit autrement, la GEO est la compétition pour entrer dans l'esprit du modèle.

Dans un monde où l'IA est la porte d'entrée du commerce et de la découverte, la question pour les marketeurs est : Le modèle se souviendra-t-il de vous ?

Les opinions exprimées ici sont celles des individus cités de AH Capital Management, L.L.C. (« a16z ») et ne reflètent pas les opinions de a16z ou de ses affiliés. Certaines informations contenues ici ont été obtenues auprès de sources tierces, y compris auprès des entreprises de portefeuille des fonds gérés par a16z. Bien qu'elles proviennent de sources considérées comme fiables, a16z n'a pas vérifié de manière indépendante ces informations et ne fait aucune déclaration sur la précision durable des informations ou sur leur pertinence pour une situation donnée. De plus, ce contenu peut inclure des publicités de tiers ; a16z n'a pas examiné ces publicités et n'endosse aucun contenu publicitaire qui y figure.

Ce contenu est fourni à titre d'information uniquement et ne doit pas être considéré comme un conseil juridique, commercial, d'investissement ou fiscal. Vous devriez consulter vos propres conseillers à cet égard. Les références à des titres ou actifs numériques sont uniquement à des fins d'illustration et ne constituent pas une recommandation d'investissement ou une offre de fournir des services de conseil en investissement. De plus, ce contenu n'est pas destiné ni prévu pour être utilisé par des investisseurs ou des investisseurs potentiels, et ne peut en aucun cas être utilisé comme base pour prendre une décision d'investissement dans un fonds géré par a16z. (Une offre d'investissement dans un fonds a16z ne sera faite que par le biais du mémorandum de placement privé, de l'accord de souscription et d'autres documents pertinents de tout fonds et doit être lue dans son intégralité.) Tout investissement ou société de portefeuille mentionné, référencé ou décrit n'est pas représentatif de tous les investissements dans des véhicules gérés par a16z, et il n'y a aucune garantie que les investissements seront rentables ou que d'autres investissements réalisés à l'avenir auront des caractéristiques ou des résultats similaires. Une liste des investissements réalisés par des fonds gérés par Andreessen Horowitz (à l'exclusion des investissements pour lesquels l'émetteur n'a pas donné la permission à a16z de divulguer publiquement ainsi que des investissements non annoncés dans des actifs numériques cotés en bourse) est disponible àhttps://a16z.com/investments/.

Les graphiques et tableaux fournis ici sont uniquement à des fins d'information et ne doivent pas être utilisés comme base pour prendre une décision d'investissement. Les performances passées ne sont pas indicatives des résultats futurs. Le contenu ne s'exprime qu'à la date indiquée. Toute projection, estimation, prévision, objectif, perspective et/ou opinion exprimée dans ces documents est sujette à modification sans préavis et peut différer ou être contraire aux opinions exprimées par d'autres. Veuillez consulter https://a16z.com/disclosures pour des informations supplémentaires importantes.

Avertissement :

1. Cet article est reproduit à partir de [a16z]. Tous les droits d'auteur appartiennent à l'auteur original [a16z]. S'il y a des objections à cette réimpression, veuillez contacter le Gate Learnéquipe, et ils s'en occuperont rapidement.
2. Avertissement de responsabilité : Les vues et opinions exprimées dans cet article sont uniquement celles de l'auteur et ne constituent pas un conseil en investissement.
3. Les traductions de l'article dans d'autres langues sont effectuées par l'équipe de Gate Learn. Sauf mention contraire, la copie, la distribution ou le plagiat des articles traduits est interdit.