Conception d’expériences GEO : hypothèses, variables et méthodes d’attribution

Les quatre phases d’une expérience GEO : hypothèse, contrôle des variables, exécution de l’échantillonnage et décision d’attribution

Conception d’expériences GEO : hypothèses, variables et méthodes d’attribution

Conclusion d’abord : Le GEO (optimisation pour moteurs génératifs) ne peut pas se contenter d’un « on publie l’article et on attend les résultats » : il doit devenir une expérience attribuable. Une expérience GEO valable doit remplir trois conditions : un ensemble fixe de 30 à 50 questions comme référence, une seule variable modifiée à la fois, et une période de référence d’au moins 2 semaines. On juge l’efficacité sur deux seuils fermes, un gain net ≥ 10 points de pourcentage et une expérience menée sur 6 à 8 semaines complètes ; sinon, tout « le taux de citation a augmenté » peut n’être que du bruit dû à une mise à jour de version du modèle ou aux fluctuations générales du secteur.

1. Pourquoi le GEO exige une conception expérimentale plutôt qu’un « on met en ligne et on regarde »

Le SEO traditionnel dispose des pages de résultats des moteurs de recherche : les variations de classement se suivent jour par jour et se comparent aux évolutions des concurrents sur la même période. Le GEO, lui, fait face à des réponses en langage naturel générées par de grands modèles : la même question posée aujourd’hui et demain peut donner une réponse différente ; en changeant d’IP, de compte ou de fuseau horaire, la réponse peut aussi changer. Sans référence fixe ni dispositif de contrôle, le cycle dans lequel les équipes tombent le plus souvent est le suivant : ce mois-ci, les citations augmentent, l’équipe célèbre ; le mois suivant, elles diminuent, et l’on se demande si un article a été mal écrit. Entre les deux, aucune conclusion.

Cela tient à la même difficulté que Attribution des leads: points de contact nombreux, parcours long ; sans conception d’attribution, on ne peut que se fier à l’instinct. La différence, c’est qu’en GEO l’« utilisateur » est le modèle, dont le comportement est plus stable mais moins visible : il faut donc d’autant plus concevoir des expériences contrôlées pour entrouvrir la boîte noire.

Erreur courante	Conséquence	Bonne pratique
Regarder le taux de citation une semaine après avoir modifié le contenu	Échantillon insuffisant, résultats aléatoires	Faire tourner la référence témoin sur 6 à 8 semaines complètes
Modifier en même temps le titre, la structure et les liens externes	Impossible d’attribuer l’effet à une action précise	Ne modifier qu’une seule variable à la fois
Changer d’ensemble de questions à chaque test	Dérive de l’échantillon, tendances non comparables	Ensemble de questions fixe, réutilisé d’un trimestre à l’autre
Ne regarder que si sa propre marque est mentionnée	Passer à côté de l’évolution générale du secteur	Ajouter une requête dans un groupe témoin neutre
Une seule interrogation suffit	L’échantillonnage du modèle est lui-même aléatoire	Exécuter chaque requête 3 fois et retenir le mode

2. Première étape : figer les hypothèses avant le début de l’expérience

Une hypothèse GEO doit pouvoir être réfutée. Une hypothèse valable ressemble à ceci : « Après l’ajout de trois données comparatives chiffrées dans le module FAQ, le taux de citation de la marque sur l’ensemble de questions cibles passe du niveau de référence X % à plus de Y %. » Une hypothèse non valable ressemble à ceci : « On améliore un peu le contenu en espérant que l’IA nous cite davantage. » Cette dernière ne peut pas être réfutée, donc aucune expérience n’est possible.

Pour qu’une hypothèse soit testable, il faut la rattacher à des variables précises. Elles se répartissent en trois catégories : niveau page (titre, structure des H2, réponse en première section, densité des tableaux, balisage Schema), niveau site (maillage interne, fréquence de crawl, transmission de l’autorité entre pages) et niveau externe (sources factuelles citées par des sites tiers, fiches Wikipédia/encyclopédiques, communiqués de presse). Ces trois niveaux ne se mélangent jamais dans une même expérience. Pour construire le jeu de questions, voir Suivi mensuel sur un ensemble de questions fixes et Exploiter les requêtes de la recherche interne.

Type d’hypothèse	Exemple de rédaction	Indicateur mesuré	Durée de test
Hypothèse niveau page	Réponse chiffrée dès la première section : taux de citation +10 points	Taux de citation, position de la première citation	4 à 6 semaines
Hypothèse niveau structure	Ajout d’un tableau comparatif : plus de citations sur les réponses factuelles	Taux de correspondance des réponses structurées	6 à 8 semaines
Hypothèse niveau externe	Ajout de sources factuelles tierces : hausse du taux de mention de la marque	Taux de mention de la marque, taux d’erreur factuelle	8 à 12 semaines
Hypothèse niveau entité	Balisage complet de l’entité organisation : l’IA identifie correctement la raison sociale	Précision de reconnaissance de l’entité	6 à 8 semaines

III. Deuxième étape : contrôle des variables et plan de comparaison

Tout l’art de l’expérimentation consiste à « ne rien changer d’autre ». Un site B2B indépendant génère peu de trafic, ce qui rend difficile un vrai test A/B par répartition (la moitié des visiteurs sur l’ancienne version, l’autre sur la nouvelle). Les tests GEO reposent donc plutôt sur une comparaison en série temporelle : 2 semaines de mesures de référence, puis la modification, puis 6 semaines de mesures, et on compare l’écart avant/après.

Trois facteurs parasites à figer impérativement. Un : le jeu de questions ne bouge pas, pas même la formulation. Deux : l’environnement de collecte ne bouge pas — même région, même état de compte, même créneau horaire le même jour. Trois : on garde des requêtes témoins, quelques requêtes neutres sans lien avec la modification, lancées en parallèle ; si elles bougent aussi, c’est une mise à jour du modèle ou du bruit sectoriel, pas votre fait. Pour la structuration du contenu, voir Contenu en trois niveaux : fait, opinion, affirmation.

Élément à contrôler	Exigence en période de référence	Exigence en période de test	Dérive fréquente
Panel de questions	30 à 50 requêtes, couvrant toutes les catégories	Le même lot, sans ajout ni retrait	Ajouter des requêtes en cours de route pour gonfler les résultats
Environnement de collecte	IP, région, langue et créneau horaire figés	Strictement identique	Mélanger les réseaux maison et bureau
Requêtes témoins	5 à 8 requêtes neutres	Suivi continu	Oublier de définir des requêtes témoins
Version du modèle	Noter le numéro de version en cours	Nouvelle mesure de référence obligatoire en cas de changement de version	Comparer directement après une montée de version majeure
Périmètre des pages	Ne toucher que les pages cibles	Geler toute modification sur les autres pages	Modifier au passage la navigation et les styles du site

IV. Troisième étape : méthode de collecte et quatre indicateurs clés

Une même requête ne se pose jamais une seule fois. Les grands modèles ont un paramètre de température : posée trois fois de suite, la même question peut citer des sources différentes. La méthode standard consiste à poser chaque requête 3 fois, à compter les occurrences de votre domaine dans les réponses, puis à retenir la valeur majoritaire comme résultat de la requête ; il faut au moins 2 occurrences sur 3 pour parler de « citation ». On lance une série à heure fixe chaque semaine, pour éviter que l’écart de trafic entre semaine et week-end ne fausse le jugement.

Quatre indicateurs clés, classés par priorité : taux de citation (part des requêtes cibles dont la réponse mentionne votre domaine), rang de première citation (votre position parmi les sources citées dans la réponse, la première comptant le plus), taux d’apparition du nom de marque (le nom de l’entreprise ou du produit apparaît-il correctement dans la réponse) et taux d’erreur factuelle (la réponse contient-elle des erreurs vous concernant). Pour savoir comment monter le tableau de suivi, voir Tableau de suivi des citations par les moteurs IA.

Indicateur	Intervalle de référence de base	Seuil de progression significative	Outil / méthode de collecte
Taux de citation	5 % à 15 % pour un nouveau site	Progression nette ≥ 10 points	Échantillonnage manuel / via API, question par question
Rang de première citation	3e à 8e position	Part dans le top 3 ≥ 30 %	Ordre d’apparition du domaine dans le texte de la réponse
Taux d’apparition du nom de marque	30 % à 60 %	Progression ≥ 15 points	Correspondance par expression régulière sur la raison sociale / le nom abrégé
Taux d’erreur factuelle	≤ 5 % = sain	Toute hausse déclenche la procédure de correction	Relecture humaine + alerte par mots-clés
Taux d’adoption des réponses	Variable selon le secteur	Hausse sur 3 semaines consécutives en glissement hebdomadaire	Comparaison sur des cycles hebdomadaires fixes

V. Étape 4 : l’analyse d’attribution, écarter le bruit du marché

Une fois l’expérience terminée, regardez d’abord les requêtes du groupe témoin. Si le groupe témoin progresse lui aussi de 5 points, c’est une dérive du marché due à une mise à jour du modèle ou à un pic d’intérêt sectoriel : votre progression nette réelle doit être diminuée d’autant. Progression nette = variation du groupe test moins variation du groupe témoin. L’action n’est jugée efficace que si la progression nette atteint le seuil.

Autre piège fréquent : « corrélation n’est pas causalité ». Par exemple, vous modifiez une page et, au même moment, une actualité du même type que vous paraît dans le secteur : la fréquence à laquelle les réponses IA vous citent augmente, mais elle peut venir de l’actualité et non de votre modification. Dans ce cas, marquez l’expérience comme « à vérifier » et répétez la même modification au cycle suivant pour voir si le résultat se reproduit. Une reproduction vaut vérification, deux reproductions valent conclusion. Pour savoir comment choisir les sources factuelles, voir Sources factuelles externes et réponses IA.

Situation d’attribution	Signal à observer	Traitement de la conclusion
Le groupe test progresse, le groupe témoin ne bouge pas	Progression nette au seuil, reproductible	Action efficace, à généraliser
Le groupe test progresse, le groupe témoin aussi	Dérive synchrone du marché	À réévaluer après déduction, peut être inefficace
Le groupe test progresse, le groupe témoin recule	Prise de parts suspectée	Efficace, surveiller le rang des concurrents
Le groupe test recule, le groupe témoin ne bouge pas	La modification a des effets secondaires	Revenir en arrière et identifier le point de dommage précis
Tout fluctue fortement	Période de mise à niveau du modèle	Suspendre le jugement, attendre la stabilisation de la version

VI. Rythme des expériences : comment planifier en solo

Une petite équipe ne doit pas lancer trois expériences en parallèle. Rythme trimestriel conseillé : une hypothèse principale par trimestre, bouclée en 6 à 8 semaines ; en parallèle, faire tourner chaque semaine le suivi du jeu de questions, sans toucher aux pages cibles en maintenance courante. Réutiliser le même lot de requêtes d’un trimestre à l’autre permet de dégager une tendance annuelle. En travail à plusieurs, pour délimiter la frontière entre production de contenu et intervention humaine sur l’IA, voir Contenu IA et frontière avec l’humain.

Phase	Durée	Action	Livrable
Période de référence	2 semaines	Faire tourner le jeu de questions, noter les quatre indicateurs	Fiche de référence
Période de modification	1 semaine	Déployer une modification à variable unique	Liste des modifications
Période d’observation	4 à 6 semaines	Un cycle par semaine, avec groupe témoin	Tableau de suivi hebdomadaire
Période d’attribution	1 semaine	Déduire la tendance générale, juger le gain net	Fiche de conclusion d’expérience
Période de bilan	1 semaine	Si efficace, on pérennise ; sinon, on archive	Liste d’hypothèses pour le trimestre suivant

FAQ — Questions fréquentes

Combien de temps faut-il faire tourner une expérience GEO au minimum pour conclure ?

6 à 8 semaines, c’est le seuil minimum. Les 2 premières semaines servent de référence, les 4 à 6 suivantes à l’observation, et la dernière à l’attribution. Un résultat de moins de 4 semaines ne vaut que comme indication : il ne permet pas de décider que « cette action fonctionne », car les grands modèles connaissent des variations d’échantillonnage et des mises à jour de version à l’échelle de la semaine. Si votre site a peu de trafic et une faible base de citations, mieux vaut étirer jusqu’à 10 semaines que de conclure sur 2 semaines de données.

Peut-on se passer de groupe témoin et simplement regarder si ça monte après la modification ?

Non. Sans groupe témoin, impossible de distinguer « mon action fonctionne » de « tout le secteur ou la version du modèle progresse ». La solution la moins coûteuse : tirer 5 à 8 requêtes neutres sans lien avec votre modification depuis votre ensemble de questions, et les faire tourner chaque semaine comme groupe témoin. L’ampleur de leur variation simultanée, c’est le bruit : il faut la déduire des résultats de votre groupe expérimental. Ces 5 à 8 requêtes ne demandent aucun investissement en contenu supplémentaire, juste quelques passages en plus.

Peut-on tester deux modifications en même temps dans une même expérience ?

Déconseillé, sauf si les deux modifications sont fortement corrélées et que vous acceptez une attribution floue. Le GEO a déjà un petit échantillon et beaucoup de bruit : si vous changez le titre et ajoutez des backlinks en même temps, même si le résultat monte, vous ne saurez pas lequel a joué, et vous ne pourrez pas reproduire l’opération. La bonne méthode est séquentielle : tester d’abord les modifications au niveau de la page, pérenniser, puis tester le niveau externe. Si les ressources manquent vraiment, assurez-vous au minimum que les deux modifications portent sur des pages différentes, et distinguez-les tant bien que mal par comparaison entre pages.

Comment choisir l’ensemble de questions cibles, et combien de questions prendre ?

30 à 50 questions, c’est le point d’équilibre pour une équipe d’une personne. Les sources par ordre de priorité : les requêtes de la recherche interne du site, les questions fréquentes du service client, les sujets de vos contenus que vous voulez voir cités, les questions des FAQ concurrentes. Répartissez en quatre catégories d’environ un quart chacune : termes de marque, termes produit, termes génériques du secteur, termes de comparaison et de décision. Gardez l’ensemble fixe chaque trimestre ; n’ajoutez pas plus de 10 questions lors de l’apparition d’une nouvelle ligne d’activité, et marquez séparément les échantillons nouveaux et anciens.

Échantillonnage automatique via API ou questions posées manuellement ?

Au début, faites 5 à 10 passages manuels pour comprendre le format, puis passez à l’API en lot. Trois points d’attention : fixez les paramètres de région et le prompt système pour éviter d’être identifié comme bot ; ajoutez un délai aléatoire entre chaque requête ; faites 3 passages et prenez le mode. En manuel pur, 50 requêtes par semaine prennent 2 à 3 heures ; automatisé, on descend à 20 minutes. Pour la méthode d’analyse des logs, voir Analyse des logs de crawlers IA.

Que faire si l’expérience échoue, faut-il revenir en arrière immédiatement ?

D’abord, vérifiez s’il s’agit vraiment d’un échec. Si le groupe témoin baisse en même temps, ou si vous êtes en pleine mise à jour majeure du modèle, ce n’est pas un échec. Confirmez une baisse nette de plus de 5 points et deux semaines consécutives sans remontée, puis revenez en arrière et notez quelle modification a été néfaste. Une expérience ratée a aussi de la valeur : elle élimine une hypothèse. Consigner la conclusion dans la base de rétrospective trimestrielle compte bien plus que de s’obstiner à mettre en ligne une modification sans effet.

Pour conclure

La grande différence entre le GEO et le SEO traditionnel, c’est que son « résultat » se cache dans le langage naturel généré par le modèle, au lieu de s’afficher comme un classement sous forme de chiffres. Justement parce qu’il est invisible, il faut d’autant plus transformer l’expérimentation en processus : un ensemble de questions fixe, des variables contrôlées, une base de référence, un cycle complet, et une déduction de la tendance générale. Sans ces points, l’équipe oscille chaque mois entre « ça s’améliore » et « ça se dégrade », sans aucune conclusion exploitable au bout d’un an.

Pour la mise en œuvre, commencez par la plus petite boucle possible : ce trimestre, ne définissez qu’une seule hypothèse, créez un ensemble de 30 questions, établissez une base de référence sur 2 semaines, modifiez une variable, puis observez pendant 6 semaines. Boucler un cycle complet en un trimestre est bien plus utile que de lancer dix « actions d’optimisation GEO » en parallèle. L’effet cumulé du GEO vient d’une méthode d’expérimentation reproductible, pas de tentatives dispersées.

Une phrase à retenir : optimiser le GEO sans groupe témoin, c’est tirer au panier les yeux bandés — que ça rentre ou non ne tient qu’à la chance, et la prochaine partie repart de zéro.