Glossaire GEO / AEO / LLMO

Définitions : visibilité IA, Answer Share, GEO, AEO, LLMO. Tout le vocabulaire pour être cité par les principaux assistants IA du marché.

Maîtrisez le vocabulaire de la visibilité IA et de l'optimisation pour les moteurs de réponse. Tous les termes essentiels pour comprendre comment être cité par les principaux assistants IA du marché.

Termes du Glossaire

GEO (Generative Engine Optimization)
Stratégie d'optimisation visant à améliorer la visibilité IA d'une marque dans les réponses générées par les moteurs de recherche IA comme ChatGPT, Perplexity ou Claude. Contrairement au SEO classique, le GEO se concentre sur la façon dont les LLM synthétisent et citent les sources pour construire leurs réponses. Une agence GEO comme citabl.ai accompagne les entreprises dans cette transition vers la visibilité sur les assistants IA. Termes liés: AEO, LLMO, Visibilité IA
AEO (Answer Engine Optimization)
Discipline complémentaire au GEO, l'AEO (Answer Engine Optimization) vise à optimiser le contenu pour qu'il soit sélectionné et cité par les moteurs de réponse IA. L'objectif est d'être visible dans les IA génératives comme ChatGPT ou Perplexity lorsqu'un utilisateur pose une question. L'accompagnement AEO implique l'optimisation des Answer Surfaces : FAQ, guides, comparatifs et help centers. Termes liés: GEO, Answer Surfaces, Visibilité sur ChatGPT
LLMO (Large Language Model Optimization)
Le LLMO (Large Language Model Optimization) désigne l'ensemble des techniques permettant d'améliorer la visibilité LLM d'une marque. Cela inclut l'optimisation du contenu, des sources tierces et des signaux d'autorité pour influencer positivement la façon dont les modèles de langage comme GPT-4 ou Claude recommandent une marque. Une agence LLMO analyse les patterns de citation et agit sur les leviers pertinents. Termes liés: GEO, AEO, Visibilité LLM
Visibilité IA
La visibilité IA (ou visibilité AI) mesure la capacité d'une marque à être citée, recommandée ou mentionnée positivement par les assistants IA génératives. Contrairement à la visibilité SEO traditionnelle mesurée en rankings, la visibilité IA s'évalue via des métriques comme l'Answer Share ou le Citation Share. Être visible dans les IA devient crucial car 33% des recherches passent désormais par ChatGPT. Termes liés: Answer Share, Citation Share, GEO
Visibilité sur ChatGPT
La visibilité sur ChatGPT désigne la présence et la qualité des mentions d'une marque dans les réponses de ChatGPT (OpenAI). Pour améliorer votre visibilité sur ChatGPT, il faut optimiser vos Answer Surfaces, renforcer vos signaux d'autorité et structurer votre contenu pour être cité par les IA. ChatGPT utilise des sources web, Wikipedia, et des données structurées pour construire ses réponses. Termes liés: Visibilité sur Claude, Visibilité sur Perplexity, Answer Surfaces
Visibilité sur Claude
La visibilité sur Claude (Anthropic) représente la capacité d'une marque à être mentionnée dans les réponses de l'assistant Claude. Claude se distingue par son approche éthique et sa capacité à analyser de longs documents. Pour être cité par Claude, il est essentiel de disposer de sources fiables, de documentation technique de qualité et de preuves tangibles d'expertise. Termes liés: Visibilité sur ChatGPT, Visibilité sur Perplexity, GEO
Visibilité sur Perplexity
La visibilité sur Perplexity est cruciale car ce moteur de recherche IA cite explicitement ses sources. Perplexity combine recherche web en temps réel et synthèse IA. Pour améliorer votre visibilité sur Perplexity, vos pages doivent être bien indexées, votre contenu doit être factuel et vos sources tierces doivent valider votre expertise. Perplexity privilégie les contenus récents et autoritaires. Termes liés: Visibilité sur ChatGPT, Citation Share, Answer Surfaces
Être cité par les IA
Être cité par les IA signifie que votre marque, produit ou service est mentionné dans les réponses générées par ChatGPT, Claude, Perplexity ou d'autres assistants IA. Pour être visible dans les IA et obtenir des citations, il faut travailler sur plusieurs axes : optimisation des Answer Surfaces, présence sur les sources tierces (Wikipedia, médias, reviews) et structuration du contenu. C'est l'objectif principal du GEO/AEO. Termes liés: Answer Share, GEO, AEO
Answer Surfaces
Les Answer Surfaces sont les contenus que les assistants IA utilisent pour construire leurs réponses : FAQ, guides pratiques, comparatifs, help centers, documentation technique. Optimiser vos Answer Surfaces est essentiel pour améliorer votre visibilité sur les principaux assistants IA. Answer Engine Studio (citabl.ai) se spécialise dans l'optimisation de ces surfaces pour maximiser les citations IA. Termes liés: AEO, Visibilité IA, GEO
Sources tierces
Les sources tierces sont les sites web externes que les IA consultent pour valider et enrichir leurs réponses : Wikipedia, médias spécialisés, sites de reviews (G2, Capterra, Trustpilot), comparateurs, forums. La présence et la qualité des mentions sur ces sources tierces influencent directement votre visibilité IA. Le GEO inclut l'optimisation de ces sources pour être cité par les IA. Termes liés: Wikipedia, Reviews, Visibilité IA
LLM (Large Language Model)
Un LLM (Large Language Model) est un modèle d'intelligence artificielle entraîné sur de vastes corpus de texte pour comprendre et générer du langage naturel. GPT-4 (OpenAI), Claude (Anthropic), Gemini (Google) et LLaMA (Meta) sont des exemples de LLM. La visibilité LLM désigne la capacité d'une marque à être recommandée par ces modèles. L'optimisation LLMO vise à influencer positivement ces recommandations. Termes liés: LLMO, ChatGPT, Claude, Perplexity
AE (Answer Engine)
Un Answer Engine (AE) est un moteur de réponse basé sur des modèles de langage (LLM) qui fournit directement des réponses synthétiques aux utilisateurs, sans afficher une liste de liens comme les moteurs de recherche traditionnels. ChatGPT, Perplexity et Claude sont des exemples d'Answer Engines. Le GEO et l'AEO visent à optimiser la visibilité des marques dans ces moteurs de réponse. Termes liés: GEO, AEO, LLMO
La recherche IA (AI Search) désigne une nouvelle génération de recherche reposant sur des modèles génératifs plutôt que sur des classements de liens. L'AI Search analyse une requête, interroge plusieurs sources et génère une réponse structurée. Optimiser pour l'AI Search nécessite une approche GEO/AEO adaptée aux moteurs de réponse. Termes liés: Answer Engine, GEO, AEO
AER (Answer Engine Results)
Les Answer Engine Results (AER) correspondent aux réponses générées par les moteurs de réponse IA. Contrairement aux SERP du SEO classique, les AER présentent une synthèse directe incluant des citations, recommandations et comparaisons. Être présent dans les AER est l'objectif principal du GEO et de l'AEO. Termes liés: Answer Engine, SERP, GEO
AI-generated Answers
Les AI-generated Answers sont les réponses produites automatiquement par les modèles de langage à partir de multiples sources. Elles constituent le format principal des moteurs de réponse IA. Optimiser pour ces réponses implique de structurer le contenu et les sources afin d'être cité par les LLM. Termes liés: Answer Engine, RAG, GEO
AI Mode (Google AI Mode)
AI Mode est la nouvelle interface de recherche conversationnelle de Google, intégrant directement un assistant IA dans les résultats de recherche. Contrairement aux AI Overviews (résumés en haut de page), AI Mode propose une expérience de type chatbot où l'utilisateur peut poser des questions de suivi. Pour les marques, être visible dans AI Mode nécessite une stratégie GEO/AEO combinant optimisation des Answer Surfaces et présence sur les sources tierces autoritaires. Termes liés: AI Overviews, AI Search, GEO, Answer Surfaces
AI Overviews (Google SGE)
Les AI Overviews (anciennement SGE - Search Generative Experience) sont les résumés générés par l'IA de Google affichés en haut des résultats de recherche. Ils synthétisent les informations de multiples sources pour répondre directement à la requête de l'utilisateur. Pour être cité dans les AI Overviews, il faut optimiser ses contenus avec des données structurées, des réponses claires et une autorité thématique reconnue. Termes liés: AI Mode, GEO, Answer Surfaces, Structured Data
Google Zero
Google Zero désigne le phénomène où les recherches Google ne génèrent plus de clics vers les sites web, car les réponses sont directement fournies par les AI Overviews et les featured snippets. Ce scénario 'zéro clic' pousse les marques à diversifier leurs canaux de visibilité et à investir dans le GEO/AEO pour être citées par les IA, indépendamment du trafic organique traditionnel. La stratégie consiste à transformer la citation IA en levier de notoriété et de conversion. Termes liés: AI Overviews, Visibilité IA, GEO, Answer Share
Answer Share
L'Answer Share mesure la proportion de réponses IA dans lesquelles votre marque apparaît par rapport à vos concurrents sur un ensemble de requêtes stratégiques. C'est l'équivalent du Share of Voice en SEO, adapté à la visibilité IA. Un Answer Share de 40% signifie que sur 10 requêtes pertinentes, votre marque est citée dans 4 réponses. Cette métrique est au cœur du Pilotage GEO proposé par citabl.ai. Termes liés: Citation Share, Position Share, Visibilité IA
Citation Share
Le Citation Share analyse la qualité et le positionnement des citations de votre marque dans les réponses IA. Il mesure si vous êtes cité en première position, comme recommandation principale, ou simplement mentionné parmi d'autres alternatives. Un Citation Share élevé indique que les IA vous positionnent favorablement face à la concurrence. Termes liés: Answer Share, Position Share Top 3, GEO
LLM Visibility Score
Le LLM Visibility Score est un indicateur synthétique mesurant la visibilité d'une marque dans les réponses générées par les LLM. Il combine plusieurs métriques comme l'Answer Share, le Citation Share et la position moyenne dans les réponses IA. Ce score permet de suivre l'évolution de la visibilité IA dans le temps. Termes liés: Answer Share, Citation Share, Visibilité IA
Prompt Coverage
Le Prompt Coverage mesure la capacité d'une marque à apparaître dans les réponses IA sur un ensemble de prompts stratégiques. Une couverture élevée indique que la marque est régulièrement citée sur les requêtes clés de son marché. Le Prompt Coverage est une brique essentielle du monitoring GEO. Termes liés: Answer Share, GEO, LLMO
Position Share (Top 1 / Top 3)
Le Position Share analyse la position occupée par une marque dans les réponses IA, notamment en Top 1 ou Top 3 des recommandations. Cette métrique permet d'évaluer non seulement la présence, mais aussi la dominance d'une marque face à ses concurrents dans les moteurs de réponse. Termes liés: Citation Share, Answer Share, GEO
SOV (Share of Voice)
Le Share of Voice (SOV) mesure la part de visibilité d'une marque par rapport à ses concurrents sur un ensemble de requêtes. En visibilité IA, le SOV est adapté sous forme d'Answer Share ou de Citation Share pour refléter la présence dans les réponses générées par les LLM. Termes liés: Answer Share, Citation Share, Visibilité IA
Visibility Gap (IA)
Le Visibility Gap IA désigne l'écart entre la visibilité réelle d'une marque dans les réponses IA et celle de ses concurrents. Identifier ce gap permet de prioriser les actions GEO/AEO afin de combler le retard ou de renforcer un avantage existant. Termes liés: Visibilité IA, Answer Share, GEO
Competitive Prompt Set
Un Competitive Prompt Set est un ensemble de prompts représentatifs des requêtes concurrentielles d'un marché. Il sert de base pour analyser la visibilité IA, comparer les marques et mesurer l'Answer Share. Ce set est utilisé dans les audits et le pilotage GEO. Termes liés: Prompt Coverage, Answer Share, GEO
RAG (Retrieval-Augmented Generation)
Le RAG (Retrieval-Augmented Generation) est une approche qui combine recherche d'information (retrieval) et génération de réponse par un LLM. Le modèle récupère d'abord des documents pertinents (site web, help center, base de connaissances), puis s'appuie dessus pour générer une réponse plus factuelle. Le RAG est central pour la qualité des réponses dans les moteurs de réponse IA et influence directement la capacité d'une marque à être citée. Termes liés: Answer Surfaces, Embedding, Visibilité IA
Embedding (Représentation vectorielle)
Un embedding est une représentation vectorielle d'un texte, d'une page ou d'un document, utilisée pour effectuer des recherches sémantiques. Les embeddings permettent de retrouver des contenus similaires en sens, même si les mots diffèrent. Dans les systèmes de type RAG et dans l'AI Search, la qualité des embeddings et du contenu source impacte la visibilité et les citations d'une marque. Termes liés: RAG, Vector DB, Semantic Search
Vector DB (Vector Database)
Une Vector Database (Vector DB) est une base de données conçue pour stocker et interroger des embeddings. Elle permet de retrouver rapidement les documents les plus proches sémantiquement d'une requête. Les moteurs de réponse IA et les systèmes RAG utilisent souvent des Vector DB pour sélectionner les sources qui alimentent la réponse, ce qui rend la structuration du contenu critique. Termes liés: Embedding, RAG, Semantic Search
La recherche sémantique (Semantic Search) vise à retrouver des contenus pertinents en fonction du sens, et non uniquement des mots-clés exacts. Elle s'appuie généralement sur des embeddings et des vecteurs. Dans l'AI Search, une bonne recherche sémantique permet de sélectionner des sources pertinentes, augmentant la probabilité d'être cité par les IA. Termes liés: Embedding, Vector DB, AI Search
Context Window (Fenêtre de contexte)
La fenêtre de contexte (Context Window) représente la quantité maximale d'information qu'un LLM peut prendre en compte simultanément (en tokens). Plus le contexte est long, plus le modèle peut analyser de documents, mais cela impose aussi de structurer et hiérarchiser l'information. Pour la visibilité IA, les contenus clairs, structurés et bien segmentés augmentent les chances d'être intégrés au contexte et cités. Termes liés: Token, RAG, Answer Surfaces
Token (LLM Token)
Un token est une unité de texte utilisée par les LLM pour traiter et générer du langage (morceau de mot, mot ou ponctuation). Les tokens déterminent la taille du contexte, le coût de traitement et parfois la qualité de la réponse. Comprendre la logique token/contexte aide à produire des contenus plus lisibles par les IA, notamment pour la documentation technique et les help centers. Termes liés: Context Window, LLM (Large Language Model), RAG
Prompt Injection
La prompt injection est une attaque consistant à insérer des instructions malveillantes dans le contenu afin d'influencer le comportement d'un LLM (ex: détourner la réponse, exfiltrer des informations, ignorer des règles). Les systèmes RAG et les moteurs de réponse IA doivent se protéger contre ces attaques. Pour les marques, cela renforce l'importance de sources fiables et de contenus maîtrisés. Termes liés: RAG, Grounding, LLM (Large Language Model)
Hallucination (LLM Hallucination)
Une hallucination est une réponse générée par un LLM qui semble plausible mais contient des informations fausses ou non vérifiables. Les hallucinations surviennent notamment lorsque le modèle manque de sources fiables ou de contexte pertinent. Les stratégies GEO/AEO cherchent à réduire ce risque en améliorant la qualité des sources et des Answer Surfaces pour favoriser des réponses factuelles et des citations correctes. Termes liés: Grounding, RAG, Answer Surfaces
Grounding (Ancrage factuel)
Le grounding (ancrage factuel) désigne l'ensemble des techniques qui contraignent un LLM à s'appuyer sur des sources vérifiables plutôt que sur sa seule génération. Le RAG est une forme de grounding. Pour la visibilité IA, plus vos contenus sont structurés, factuels et facilement récupérables, plus les moteurs de réponse peuvent s'y ancrer et vous citer. Termes liés: RAG, Hallucination, Citation Share
Fine-tuning (Ajustement de modèle)
Le fine-tuning est une méthode qui consiste à ré-entraîner un modèle de langage sur des données spécifiques afin d'améliorer ses performances sur un domaine donné. Contrairement au RAG (qui apporte des sources au moment de la réponse), le fine-tuning modifie le comportement du modèle. Dans une stratégie de visibilité IA, le fine-tuning concerne rarement les marques directement, mais il explique certaines différences de recommandations entre modèles. Termes liés: LLMO, RAG, LLM (Large Language Model)
Structured Data (Données structurées)
Les données structurées (Structured Data) sont des informations formatées selon un standard (souvent Schema.org) afin d'aider les moteurs de recherche et les systèmes d'IA à comprendre le contenu d'une page. Elles améliorent l'interprétation des entités, des produits, des FAQ et des articles, et peuvent augmenter la probabilité d'être cité dans les réponses IA. Termes liés: Schema.org, JSON-LD, Entity-based SEO
Schema.org
Schema.org est un vocabulaire standard de données structurées utilisé par les moteurs de recherche pour interpréter le contenu d'une page (produits, avis, articles, FAQ, organisations, etc.). Dans une stratégie GEO/AEO, Schema.org facilite la compréhension des contenus et renforce l'ancrage factuel (grounding) des moteurs de réponse IA. Termes liés: Structured Data, JSON-LD, Knowledge Graph
JSON-LD (JavaScript Object Notation for Linked Data)
JSON-LD est un format recommandé pour intégrer des données structurées (Schema.org) dans une page web. Il permet de décrire clairement des entités, relations et attributs (ex: Product, FAQ, Article). Un balisage JSON-LD propre améliore l'interprétation par Google et peut contribuer à une meilleure utilisation des informations par les moteurs IA. Termes liés: Schema.org, Structured Data, Entity-based SEO
Entity-based SEO
L'Entity-based SEO est une approche qui optimise un site autour d'entités (marques, produits, concepts, personnes) et de leurs relations, plutôt que uniquement autour de mots-clés. Les moteurs de recherche et les LLM raisonnent fortement en entités. Structurer vos pages et votre maillage interne autour d'entités augmente la clarté, l'autorité thématique et la probabilité d'être cité. Termes liés: Knowledge Graph, Schema.org, Topical Authority
Knowledge Graph
Un Knowledge Graph est une représentation structurée d'entités et de relations (ex: entreprise → produit → catégorie → bénéfice). Google et de nombreuses IA s'appuient sur des graphes d'entités pour comprendre et relier l'information. Pour la visibilité IA, renforcer votre présence d'entité (site, docs, sources tierces) améliore la cohérence des recommandations. Termes liés: Entity-based SEO, NER, Sources tierces
NER (Named Entity Recognition)
La Named Entity Recognition (NER) est une technique qui identifie automatiquement des entités dans un texte (marques, personnes, lieux, produits, organisations). Les moteurs IA et les systèmes de recherche sémantique utilisent la NER pour comprendre le contenu et le relier à des entités connues. Des contenus clairs et structurés facilitent cette reconnaissance. Termes liés: Knowledge Graph, Entity-based SEO, Embedding
E-E-A-T (Experience, Expertise, Authoritativeness, Trust)
E-E-A-T désigne un ensemble de critères de qualité utilisés par Google pour évaluer la fiabilité d'un contenu : expérience, expertise, autorité et confiance. Même si les LLM ne reprennent pas exactement ces critères, ils favorisent eux aussi les sources perçues comme fiables. Améliorer l'E-E-A-T renforce donc à la fois le SEO classique et la visibilité IA. Termes liés: Topical Authority, Sources tierces, Visibilité IA
Topical Authority
La Topical Authority mesure la capacité d'un site à être reconnu comme référence sur un sujet grâce à une couverture complète, structurée et cohérente. Pour GEO/AEO, l'autorité thématique aide les moteurs IA à identifier votre marque comme source légitime à citer sur un domaine précis. Termes liés: Entity-based SEO, E-E-A-T (Experience, Expertise, Authoritativeness, Trust), Internal Linking
Content Freshness
La fraîcheur du contenu (Content Freshness) correspond au fait que les informations d'une page sont récentes, mises à jour et alignées sur l'état réel du produit/marché. Les moteurs IA comme Perplexity valorisent souvent des contenus récents. Maintenir des pages et docs à jour augmente les chances d'être utilisé et cité dans les réponses IA. Termes liés: Visibilité sur Perplexity, Structured Data, Crawl Budget
Canonical URL
Une canonical URL indique la version principale d'une page lorsqu'il existe plusieurs URLs similaires ou dupliquées. Elle aide Google à consolider l'indexation et évite la dilution SEO. Une canonical claire facilite aussi l'attribution des citations et la compréhension des sources par les moteurs IA. Termes liés: Internal Linking, Crawl Budget, SERP
Internal Linking (Maillage interne)
Le maillage interne (Internal Linking) est l'ensemble des liens entre les pages d'un site. Il structure la navigation, distribue l'autorité SEO et aide les moteurs à comprendre la hiérarchie des contenus. Pour la visibilité IA, un maillage interne cohérent renforce la clarté des entités et des sujets couverts. Termes liés: Topical Authority, Entity-based SEO, Answer Surfaces
Crawl Budget
Le crawl budget représente les ressources que les moteurs de recherche allouent à l'exploration de votre site. Si un site est très volumineux ou mal structuré, certaines pages importantes peuvent être moins souvent crawled et mises à jour. Optimiser le crawl budget améliore la fraîcheur d'indexation et peut indirectement renforcer la visibilité dans les moteurs IA. Termes liés: Content Freshness, Canonical URL, Structured Data
llms.txt
Le fichier llms.txt est un standard émergent permettant aux sites web de fournir aux LLM un résumé structuré de leur contenu, similaire au robots.txt pour les crawlers. Placé à la racine du site (/llms.txt), il décrit l'entreprise, ses offres, ses pages clés et ses ressources de façon lisible par les modèles de langage. Adopter llms.txt améliore la compréhension de votre site par les IA et augmente vos chances d'être correctement cité. Termes liés: GEO, Structured Data, Visibilité IA, Answer Surfaces
robots.txt
Le fichier robots.txt est un fichier placé à la racine d'un site web qui indique aux robots d'exploration (crawlers) quelles pages ils peuvent ou ne peuvent pas explorer. Pour la visibilité IA, il est crucial de ne pas bloquer les bots des assistants IA (GPTBot, ClaudeBot, PerplexityBot) afin qu'ils puissent accéder à vos contenus et les citer dans leurs réponses. Termes liés: llms.txt, Crawl Budget, Visibilité IA
Answer Engine Studio
Answer Engine Studio est le concept développé par citabl.ai pour désigner une approche intégrée de l'optimisation pour les moteurs de réponse IA. Combinant expertise GEO, AEO et LLMO, Answer Engine Studio accompagne les entreprises SaaS et E-commerce dans leur stratégie de visibilité IA. L'objectif : transformer les marques invisibles en références incontournables citées par les principaux assistants IA du marché. Termes liés: GEO, AEO, LLMO, citabl.ai
Foundation Program
Le Foundation Program est l'offre d'accompagnement GEO de citabl.ai sur 4 mois. Il comprend un diagnostic complet de votre visibilité IA, l'identification des quick wins, l'implémentation des optimisations prioritaires et le suivi des résultats. Ce programme pose les bases d'une stratégie GEO/AEO durable pour améliorer votre visibilité sur ChatGPT, Claude et Perplexity. Termes liés: Pilotage GEO, Agence GEO, Accompagnement AEO
Pilotage GEO
Le Pilotage GEO est l'accompagnement mensuel proposé par citabl.ai après le Foundation Program. Il inclut le monitoring continu de votre visibilité IA, l'ajustement des stratégies selon les évolutions des LLM, l'extension à de nouvelles catégories/pays et le reporting des métriques (Answer Share, Citation Share). C'est l'équivalent d'un accompagnement SEO pour la visibilité sur les IA. Termes liés: Foundation Program, Answer Share, Agence GEO
Agence GEO
Une agence GEO (Generative Engine Optimization) est une agence spécialisée dans l'optimisation de la visibilité des marques auprès des IA génératives. Contrairement aux agences SEO traditionnelles, une agence GEO travaille sur les signaux spécifiques aux LLM : sources tierces, Wikipedia, reviews, documentation technique. citabl.ai est une agence GEO française pionnière, aussi appelée agence AEO ou agence LLMO. Termes liés: Agence AEO, Agence LLMO, Accompagnement GEO
Accompagnement AEO
L'accompagnement AEO désigne le service d'aide aux entreprises pour optimiser leur présence dans les moteurs de réponse IA. Cet accompagnement comprend l'audit de visibilité IA, la stratégie de contenu pour les Answer Surfaces, l'optimisation des sources tierces et le suivi des performances. L'accompagnement AEO de citabl.ai s'adapte aux spécificités SaaS et E-commerce. Termes liés: Accompagnement GEO, Foundation Program, Agence AEO

Prêt à améliorer votre visibilité IA ?

Découvrez où vous en êtes avec notre diagnostic gratuit. Nous analysons votre présence sur ChatGPT, Claude et Perplexity.

Demander un diagnostic