B2B / marques
Les signaux classiques semblaient bons : les marques étaient trouvées, les pages pertinentes étaient indexées, il y avait du trafic organique. Mais à la question de savoir ce qu'un client potentiel voit lorsqu'il soumet son besoin à Google ou à un système d'IA, cela n'apportait pas de réponse. Simply Dom a construit un cadre de mesure qui distingue ces différentes formes de visibilité — par marque, langue, marché, intention et environnement.
La situation
La question de départ semblait simple : quelle est, au juste, la visibilité de nos marques ?
Il y avait assez de signaux classiques pour y apporter rapidement une réponse rassurante. Le site était trouvé, les noms de marque généraient des résultats, les pages produits et catégories figuraient dans Google, et des points de vente externes faisaient également remonter les marques.
Sauf que cette question unique s'est révélée être, en réalité, deux questions. Quelle est notre visibilité dans les résultats de recherche classiques ? Et : que se passe-t-il lorsque quelqu'un formule ce même besoin commercial comme une question posée à un système d'IA ?
Sur cette seconde question, l'aperçu SEO existant n'apportait pas de réponse fiable.
L’enjeu commercial
Le problème n'était pas un manque de données. Il y en avait au contraire beaucoup : Search Console, classements, trafic du site, mentions externes, pages produits, revendeurs et autres sources. À cela s'ajoutaient de nouvelles observations issues des AI Overviews, de l'AI Mode, de ChatGPT et d'autres systèmes.
Le premier risque était de jeter tous ces signaux dans le même sac et d'en tirer une conclusion générale — « nous sommes bien visibles » — sans savoir où, pour quelle question, ni face à qui.
Le second risque résidait dans la méthode de mesure elle-même. Un seul résultat positif dans une IA ne prouve pas grand-chose. Mais un pourcentage inventé de toutes pièces, basé sur un nombre arbitraire de prompts, ne prouve pas non plus grand-chose en soi.
Avant de pouvoir mesurer, il fallait donc d'abord définir ce qui constituait une observation valide.
Les choix
La Search classique et les environnements IA n'ont pas été traités comme un seul canal moyenné. Google Search est resté un environnement de mesure à part entière, les fonctionnalités IA de Google ont été examinées séparément, et les autres systèmes d'IA ont chacun reçu leurs propres observations.
La question commerciale est passée avant l'outil. Quelles intentions de recherche comptent réellement — notoriété de marque, sélection de produit, comparaison, conseil d'achat, information technique, recherche d'un fournisseur ? Pour quelle marque, dans quelle langue, sur quel marché ?
Ce n'est qu'ensuite que les questions de test ont été construites.
Pour chaque essai, on n'a pas seulement enregistré si la marque propre apparaissait, mais aussi quelles autres marques étaient citées, quelles sources étaient visibles, et quel type de réponse le système donnait.
Les hypothèses ont aussi simplement été nommées comme telles. Un nombre d'essais choisi est une convention de travail, pas une loi de la nature. Une répartition linguistique est un choix méthodologique, pas un poids scientifiquement prouvé. Et un « visibility score » inventé maison ne devient pas officiel simplement parce qu'il est suivi d'un signe pourcentage.
Mon rôle
Mon rôle n'a pas commencé par « optimiser le SEO », mais par clarifier ce que nous voulions réellement savoir.
J'ai cartographié les marques, les marchés, les langues et les intentions de recherche commerciales, et j'ai recherché ce que Google et les autres plateformes documentent eux-mêmes officiellement sur la manière dont leurs expériences de recherche et d'IA traitent les sites web et les sources.
Les affirmations issues d'outils et de documentations fournisseurs ont, autant que possible, été ramenées à leur source d'origine.
J'ai ensuite construit le cadre de mesure : des questions de test regroupées par intention, des environnements strictement séparés, avec enregistrement des mentions, des concurrents et des sources utilisées.
Là où une observation n'était pas suffisamment reproductible pour y accrocher une conclusion, elle n'a pas non plus été présentée comme plus solide qu'elle ne l'était.
Et la méthodologie elle-même a été remise en question avec la même rigueur que le résultat.
Un étalon de mesure arbitraire ne devient pas meilleur parce qu'on l'utilise avec beaucoup de précision.
L’exécution
Le résultat n'était pas un chiffre GEO magique, mais une image exploitable : une matrice par marque, langue, marché, intention et environnement de recherche.
On y voyait où la marque elle-même apparaissait, quels concurrents revenaient, quelles sources propres et externes jouaient un rôle, et où la Search classique était solide alors que d'autres environnements l'étaient moins clairement.
Ce qui est surtout ressorti, ce sont des lacunes concrètes sur lesquelles il était possible d'agir. Parfois cela concernait l'accessibilité technique, parfois la structure ou le contenu d'une page. Parfois, il manquait tout simplement une source claire autour d'une question à laquelle les clients cherchent bel et bien une réponse. Et parfois, l'information externe sur la marque s'est révélée au moins aussi déterminante que ce qui figurait sur le site propre.
Il n'en a pas résulté une liste générique d'optimisations GEO, mais une liste de priorités : agir d'abord là où l'observation et la pertinence commerciale se rejoignent.
Ensuite, remesurer avec le même étalon.
C'est seulement à ce moment-là qu'on peut distinguer si quelque chose change réellement — ou si l'on regarde simplement un autre instantané.
Délibérément écarté
Aucune déclaration affirmant que le SEO est mort.
Aucune promesse qu'une balise schema pousse une marque dans une réponse d'IA.
Pas de construction de centaines de pages autour de fan-out queries supposées.
Pas de présentation d'un unique prompt ChatGPT comme une étude de marché.
Pas de nombre minimal d'essais inventé maison, ensuite qualifié de « scientifique ».
Pas de pondérations arbitraires pour comprimer Google, ChatGPT et le reste en un seul pourcentage impressionnant.
Et aucune recommandation formulée simplement parce que « le GEO est important maintenant ».
D'abord mesurer, ensuite voir où se situe la différence, et seulement après décider si quelque chose doit changer, et quoi.