Avant de commencer :

Les liens entrants ont longtemps constitué l’une des monnaies les plus fiables pour gagner en visibilité dans les résultats de recherche. Avec l’avènement des systèmes de recherche pilotés par l’IA et par les grands modèles de langage (LLM), la manière dont ces **backlinks** influencent la visibilité devient cependant plus difficile à décrypter.

Cette analyse examine si les **backlinks** continuent d’augmenter la visibilité dans les environnements de recherche alimentés par l’IA — par exemple les réponses générées par **ChatGPT**, **Gemini**, **Perplexity** ou les **AI Overviews** de Google — et, le cas échéant, quels types de liens semblent avoir le plus d’impact.

Pour cela, nous avons étudié 1 000 domaines et mis en relation leurs occurrences dans les sorties des modèles d’IA avec plusieurs métriques de profil de liens.

La question centrale : est-ce que les **backlinks** restent une forme de « monnaie » pour obtenir des **mentions** dans les interfaces basées sur les **LLM** ? Si oui, quels leviers de liens sont les plus efficaces ? Voici ce que nos données révèlent.

Quatre enseignements principaux émergent :

1. L’**autorité** issue des **backlinks** aide à gagner en visibilité, mais ce n’est pas l’unique facteur.
2. La qualité des liens prime sur la quantité.
3. Autre surprise : les liens **nofollow** ont un poids réel.
4. Les **image links** peuvent aussi influer sur l’**autorité** perçue.

Ces résultats éclairent la façon dont les modèles d’IA choisissent et citent des sources, et indiquent quels leviers liés aux **backlinks** peuvent être pertinents pour améliorer les **mentions** dans les réponses générées par IA.

Méthodologie employée

Pour cette étude, nous avons croisé les occurrences d’IA pour 1 000 domaines sélectionnés aléatoirement avec des métriques de liens issues du outil AI SEO de Semrush. Les plateformes d’IA analysées comprennent :

• ChatGPT (version sans recherche intégrée).
• ChatGPT avec la fonction Recherche activée.
• Gemini.
• Les **AI Overviews** fournis par Google.
• Perplexity.

(Claude.ai n’a pas été inclus dans ce panel, sa base d’utilisateurs étant davantage orientée vers des tâches génératives que vers la recherche web classique.)

Nous avons mesuré la part de voix (ou Share of Voice, abrégé SoV) et le nombre de **mentions** pour chaque domaine, puis nous avons mis ces mesures en relation avec les métriques de liens suivantes :

• Nombre total de **backlinks**.
• Nombre de domaines référents uniques.
• Liens **follow**.
• Liens **nofollow**.
• Score d’**Authority** (la métrique Authority Score de Semrush, que nous appellerons Ascore ci‑dessous).
• Liens textuels (text links).
• Liens pointant depuis des images (image links).

Pour évaluer la force des relations entre ces variables, nous avons utilisé deux coefficients de corrélation : Pearson et Spearman.

Comprendre les coefficients de corrélation

Si vous connaissez déjà ces concepts, vous pouvez passer à la section suivante. Pour les autres, voici un résumé simple et pragmatique :

Les coefficients de corrélation prennent une valeur comprise entre -1 et +1 et mesurent l’intensité et la direction d’une relation entre deux variables :

• Pearson (r) évalue la force d’une relation linéaire entre deux séries de valeurs. Il est sensible aux valeurs atypiques (outliers) et suppose une relation linéaire.
• Spearman (ρ) se base sur le rang des valeurs et mesure si l’ordre des valeurs d’une variable est systématiquement associé à l’ordre d’une autre. Il capture les relations monotones, pas nécessairement linéaires, et résiste mieux aux outliers.

Une différence notable entre les coefficients Pearson et Spearman indique souvent une relation non linéaire ou l’existence d’un seuil à franchir : l’effet d’une variable sur une autre peut être faible avant un certain point, puis s’accélérer après ce seuil.

Exemple simple : dépenser 500 € par mois en publicité peut n’avoir que peu d’effet sur les ventes, alors qu’un budget mensuel de 5 000 € peut déclencher une croissance continue. De la même manière, certains effets des **backlinks** sur les **mentions** IA apparaissent uniquement au‑delà d’un certain niveau d’**autorité**.

Résultats principaux et interprétation

La première relation examinée reliait le nombre et la qualité des **backlinks** d’un site à sa Share of Voice dans les sorties des modèles IA. Voici les observations clés :

• Le Ascore (Score d’**Authority**) affiche une corrélation modérée avec la SoV : approximativement Pearson ≈ 0,23 et Spearman ≈ 0,36.
• Une **autorité** plus élevée tend à être associée à une **SoV** supérieure, mais l’effet n’est pas linéaire et des seuils sont clairement visibles.
• L’**autorité** contribue à la visibilité IA, mais elle n’explique pas l’ensemble de la variance : le contenu, la notoriété de la marque et d’autres facteurs entrent aussi en jeu.

Autre point important : le nombre de domaines référents uniques a un poids supérieur au simple volume total de **backlinks**. Autrement dit, une diversité de sources de liens est plus bénéfique qu’un grand nombre de liens provenant d’un petit nombre de sites.

Le rôle du Score d’autorité (Ascore)

La relation la plus forte observée dans l’étude concerne le Ascore et le nombre de **mentions** : Pearson ≈ 0,65 et Spearman ≈ 0,57 toutes plateformes confondues. Le Ascore est une mesure composite qui prend en compte le nombre et la qualité des **backlinks**, le trafic organique vers les pages sources et le niveau de spam d’un profil de liens.

Le Score d’Autorité est une métrique composite qui évalue la qualité globale d’un domaine ou d’une page. Plus le score est élevé, plus le poids présumé des liens sortants de ce domaine est important.

Cette métrique ne reflète pas exactement l’algorithme interne des **LLM**, mais nos résultats indiquent que Ascore sert de bon indicateur pour estimer la probabilité d’être cité par les modèles examinés.

Remarques par modèle : la plupart des modèles valorisent cette métrique de manière comparable, mais **ChatGPT** (sans recherche) paraît accorder un poids plus marqué au Ascore que d’autres plateformes. En revanche, **ChatGPT** activé avec Recherche et **Perplexity** semblent la valoriser un peu moins, relativement à la moyenne.

Fait important : la distribution des **mentions** par décile d’**Ascore** montre une augmentation non linéaire — la médiane des **mentions** passe d’environ 21,5 au 8e décile à ~79,0 au 9e décile. Autrement dit, les gains les plus significatifs surviennent en atteignant les déciles supérieurs d’**autorité**.

Les liens « nofollow » pèsent-ils vraiment ?

Une découverte notable : la présence de liens marqués **nofollow** n’élimine pas leur valeur dans le contexte des sorties d’IA. Les corrélations calculées montrent que les **nofollow** ont une association avec les **mentions** proche, voire légèrement supérieure, à celle des liens **follow** sur certaines plateformes.

Corrélations observées :

• Liens **follow** → **mentions** : Pearson 0,334, Spearman 0,504.
• Liens **nofollow** → **mentions** : Pearson 0,340, Spearman 0,509.

Selon les modèles, l’importance relative des **nofollow** varie. Les **AI Overviews** de Google et **Perplexity** accordent en général davantage de poids aux liens « traditionnels » (follow), tandis que **Gemini** et certaines configurations de **ChatGPT** valorisent parfois davantage les **nofollow**.

Hypothèse de travail : il est possible que Google, puis Bing, aient progressivement intégré un usage plus nuancé des signaux provenant des liens **nofollow**, ce qui se répercute dans les sorties de modèles reposant sur leurs données. Cette hypothèse nécessite toutefois des analyses complémentaires pour être confirmée.

Liens d’images vs liens textuels

Nous avons comparé l’effet des **image links** par rapport aux **text links**. Dans plusieurs cas, les liens provenant d’images montrent une corrélation plus forte avec le nombre de **mentions** que les liens textuels.

Corrélations observées :

• **Image links** vs **mentions** : Pearson 0,415, Spearman 0,538.
• **Text links** vs **mentions** : Pearson 0,334, Spearman 0,472.

La dynamique des **image links** est toutefois dépendante du niveau d’**autorité** : dans les déciles d’**Ascore** moyens et élevés, l’effet des images devient significatif et se renforce en haut des déciles. En revanche, pour les domaines aux valeurs d’**Ascore** faibles (déciles 1 et 2), la relation images → **mentions** est faible, voire négative.

En conséquence, si l’objectif est d’accroître les **mentions** sur certaines plateformes (par exemple **Perplexity** ou **ChatGPT** avec Recherche), développer des opportunités de liens via des images peut être particulièrement rentable, à condition d’avoir déjà une base d’**autorité** minimale.

Classement par plateforme pour l’impact des **image links** (corrélations Spearman approximatives) :

• Perplexity et **ChatGPT** (avec recherche) : ≈ 0,55 et 0,53.
• **ChatGPT** et **Gemini** (configurations générales) : ≈ 0,49 – 0,52.
• **Google AI Overviews** : ≈ 0,46.

Implications pratiques pour les responsables SEO et créateurs de contenu

À la lumière des résultats, voici des interprétations et pistes d’action à considérer — sans promesse de recettes miracles, mais comme orientations basées sur la corrélation observée entre profils de liens et visibilité IA.

1) Prioriser la diversité des sources plutôt que le volume pur

Les modèles montrent une préférence pour des profils de liens qui proviennent de nombreux domaines différents. Plutôt que d’augmenter mécaniquement le nombre de **backlinks** depuis quelques sites, chercher à obtenir des liens depuis une plus grande variété de sources paraît plus efficace pour améliorer la SoV IA.

2) Travailler l’**autorité** globale

Comme la relation entre Ascore et **mentions** est non linéaire, les efforts visant à renforcer l’**autorité** (qualité des sources de liens, contenu fiable et partagé, relations publiques numériques, etc.) peuvent produire des gains substantiels lorsque l’on franchit certains paliers. L’important est d’axer la stratégie sur la qualité, pas seulement sur la quantité.

3) Ne pas négliger les liens « nofollow »

Les **nofollow** semblent porter plus de valeur que ce que leur étiquette laisserait penser dans le contexte des sorties d’IA. Ils peuvent être utiles dans une stratégie de visibilité IA, notamment parce qu’ils sont souvent plus faciles à obtenir (citations, mentions éditoriales, annuaires, posts sur des plateformes externes, etc.).

4) Tirer parti des liens d’images quand l’**autorité** est suffisante

Les **image links** peuvent offrir un bon rendement, surtout sur des plateformes comme **Perplexity** et dans des contextes où le visuel sert de repère source. Ils fonctionnent mieux une fois qu’un site possède déjà une base d’**autorité** acceptable.

5) Adapter la tactique selon la plateforme IA

Les modèles n’accordent pas tous le même poids aux signaux de liens. Par exemple, **ChatGPT** (version sans recherche) valorise davantage l’**Ascore**, tandis que **Gemini** et certaines configurations de **ChatGPT** semblent donner plus de poids aux **nofollow**. Une stratégie efficace tiendra compte de la plateforme ciblée si l’objectif est d’augmenter les **mentions** dans les réponses IA spécifiques.

Limites et points à approfondir

Certaines limites doivent être gardées à l’esprit avant d’extrapoler ces résultats :

• Corrélation ≠ causalité : ces analyses montrent des associations mais ne prouvent pas un lien de cause à effet direct. D’autres facteurs (qualité du contenu, intention de recherche, notoriété de marque) interviennent.
• Périmètre d’étude : l’échantillon comprend 1 000 domaines et les mesures proviennent d’un outil tiers (Semrush). Les résultats peuvent varier avec d’autres jeux de données ou méthodes de collecte.
• Évolution des modèles : les **LLM** et les systèmes qui les alimentent évoluent rapidement. Les poids attribués aux signaux (liens, signaux utilisateur, données propriétaires) peuvent changer au fil du temps.
• Métriques agrégées : des mesures comme le Ascore restent des proxys. Les modèles d’IA utilisent peut‑être des signaux plus fins ou différents pour évaluer la fiabilité d’une source.

Conclusion : que retenir ?

Les **backlinks** conservent une influence sur la visibilité dans les environnements de recherche basés sur l’IA, mais leur effet est nuancé. La **qualité** et la diversité des sources comptent davantage que le nombre brut de liens. De façon notable, les **nofollow** et les **image links** démontrent qu’ils peuvent jouer un rôle non négligeable dans l’obtention de **mentions** par les modèles d’IA — surtout une fois qu’un certain niveau d’**autorité** est atteint.

Les responsables SEO doivent donc continuer à bâtir des profils de liens robustes et diversifiés, tout en tenant compte des spécificités des différentes plateformes IA. Les efforts concentrés sur l’amélioration de l’**autorité** et la multiplication des sources de liens de qualité apparaissent comme des orientations prudentes, compte tenu des corrélations observées.

---

Image à la une : Paulo Bobita / Search Engine Journal