La semaine dernière, j’ai publié la plus vaste étude d’utilisabilité portant sur AI Mode. Elle a montré comment les personnes interagissent avec cette nouvelle interface de recherche :

Les utilisateurs regardent d’abord le texte de AI Mode dans 88 % des cas, négligent les icônes de lien et cliquent rarement vers l’extérieur.

Cette semaine, pour la deuxième partie, j’examine ce qui est mesurable, ce qui relève de l’hypothèse et ce qui pourrait évoluer concernant la **visibilité**, la **confiance** et la **monétisation** dans AI Mode.

Si vous souhaitez des précisions sur la méthodologie ou les résultats initiaux, consultez l’étude précédente : Notre étude sur le comportement des utilisateurs dans AI Mode pour vous remettre dans le contexte.

Allons directement au cœur du sujet.

Quels éléments de AI Mode peut-on « optimiser » ?

Avant d’approfondir des résultats additionnels que je n’ai pas pu développer la semaine dernière, remettons-nous d’accord sur les différentes opportunités de visibilité offertes par AI Mode pour une marque.

On distingue plusieurs types d’apparitions possibles, qui ne servent pas la même finalité :

• Liens textuels intégrés (ou liens en ligne) : un hyperlien inséré directement dans le texte généré par AI Mode qui, le plus souvent, ouvre un panneau latéral à droite permettant d’explorer la source ; rarement, un tel lien peut s’ouvrir dans un nouvel onglet vers une page externe.
• Icônes de lien : une petite icône grise qui, au survol ou au clic, affiche les citations dans la colonne de droite.
• Panneau latéral des citations / sidebar : liste de liens externes (avec vignette) que AI Mode utilise pour formuler sa réponse ; visible dans la colonne de droite. L’icône de lien peut « mélanger » cet ordre lorsqu’on l’active.
• Packs Shopping : éléments similaires aux carrousels produits de la recherche organique classique, apparaissant dans le panneau gauche à l’intérieur de la réponse de AI Mode.
• Packs locaux : équivalents aux packs locaux accompagnés d’une carte intégrée dans la recherche classique ; ils s’affichent aussi dans le volet gauche du texte produit par AI Mode.
• Carte marchand (Merchant card) : lorsque l’utilisateur sélectionne un article dans un Pack Shopping, une carte détaillée du marchand s’affiche pour inspection.
• Fiche Google Business Profile (GBP) : lorsqu’un élément issu d’un pack local est cliqué, la fiche GBP peut s’ouvrir pour fournir davantage d’informations sur l’établissement.
• Carte intégrée (Map embed) : carte locale intégrée affichant des solutions pertinentes dans la zone recherchée.

Notre étude d’utilisabilité a rassemblé des données provenant de 37 participants qui ont réalisé sept tâches de recherche distinctes, soit 250 tests uniques offrant des enseignements solides sur la manière dont les personnes circulent entre ces différents éléments de AI Mode.

Les résultats montrent que certaines opportunités de visibilité sont nettement plus influentes que d’autres — et pas toujours celles que l’on suppose.

Pour être franc : je ne prétends pas encore connaître la recette exacte pour figurer systématiquement dans chacune de ces zones de AI Mode (je poursuis activement cette recherche au fur et à mesure du déploiement mondial et de l’adoption par les utilisateurs).

Nous manquons collectivement de données suffisantes, à ce stade, pour énoncer des tactiques infaillibles et reproductibles permettant d’obtenir une visibilité récurrente dans les systèmes de recherche à base de chat IA.

Cependant, ce que l’on peut affirmer avec confiance, c’est que des pratiques SEO solides et une autorité de marque globale influencent les résultats d’apparition dans AI Mode et dans les résumés générés par l’IA.

La confiance de la marque est le facteur d’influence numéro un dans AI Mode

Si j’insiste sans cesse sur ce point depuis plusieurs mois — que la confiance de la marque et l’autorité pèsent davantage dans AI Mode et les aperçus IA — c’est parce que les données le confirment et que cet aspect est souvent sous-estimé.

Comme dans la première étude UX sur les AI Overviews publiée en mai 2025, l’analyse de AI Mode confirme aussi :

Lorsque AI Mode devient un jeu d’influence, la **confiance** est le levier qui pèse le plus sur les décisions des utilisateurs.

L’objectif pour une organisation est double : s’assurer que la marque soit (1) **reconnue et fiable par sa cible** et (2) **visible dans le texte produit par AI Mode**.

Concrètement, comment cela se traduit-il dans nos observations ?

Les participants ont réalisé ces sept tâches :

1. Qu’est-ce que les gens disent au sujet de Liquid Death, la marque de boissons ? Ces boissons vous attirent-elles ?
2. Vous devez choisir entre l’Oura Ring 3 et l’Apple Watch 9 pour suivre votre sommeil. Lequel prendriez-vous et pourquoi ?
3. Vous comparez les avantages d’une carte pro Ramp vs une carte Brex pour une petite entreprise. Laquelle paraît la plus adaptée ? Qu’est-ce qui inciterait une entreprise à changer de carte : les frais, les conditions d’éligibilité, ou les récompenses ?
4. Dans la zone « Ask Anything » de AI Mode, saisissez : « Aidez-moi à acheter un sac en toile imperméable. » Choisissez celui qui répond le mieux à vos besoins (sac photo, cabas, sac de voyage, etc.).
   • Rendez-vous ensuite sur la page du vendeur. Ajoutez l’article au panier et terminez la tâche à ce stade sans poursuivre.
5. Comparez les applications d’apprentissage des langues payantes et gratuites. Seriez-vous prêt à payer et dans quelle situation ? Quel produit choisiriez-vous ?
6. Vous rendez visite à un ami dans une grande ville et hésitez entre : 1) une salle d’arcade réalité virtuelle ou 2) un showroom domotique intelligent. Quelle est la ville de visite ?
7. Vous travaillez sur un petit bureau où les câbles sont en désordre. Dans « Ask anything », entrez : « Les câbles encombrent mon bureau. Que puis‑je acheter aujourd’hui pour y remédier ? » Choisissez le produit qui vous semble le plus adapté et ajoutez‑le au panier sur le site externe pour conclure la tâche.

Voici des extraits de propos d’utilisateurs au moment de choisir des produits :

« Si je devais choisir, je prendrais probablement Duolingo parce que je l’ai déjà utilisé… Je ne suis pas très sûr des autres. »

« D’accord, on prend REI, c’est une marque fiable. »

« Je ne connais pas la marque… du coup, je suis hésitant. »

« J’ai plus confiance en Rosetta Stone. »

Sauf pour des biens utilitaires très simples (comme des organiseurs de câbles), où le prix et la disponibilité gouvernent la décision, la marque joue un rôle central.

Les réactions des participants étaient fortement conditionnées par leur familiarité avec le produit et par le degré de complexité de la catégorie.

Pour des articles simples et connus — par exemple un organiseur de câbles ou un sac en toile — les utilisateurs s’appuyaient sur leurs connaissances antérieures et prenaient des décisions rapidement, même si la réponse de AI Mode manquait de détail.

En revanche, pour des catégories moins familières ou plus abstraites — comme Liquid Death, les applications de langues ou Ramp vs Brex — l’hésitation augmentait et les participants repartaient souvent vers des marques qu’ils connaissaient déjà.

Notre étude montre que en l’absence de familiarité à la marque, les acheteurs se tournent par défaut vers des marketplaces — ou poursuivent la lecture de la réponse sans cliquer vers l’extérieur.

Autre point crucial : dans la quasi-totalité des tâches (221 sur 248, soit environ 89 %), le texte généré par AI Mode a été la première chose remarquée et examinée par les participants.

Il est essentiel de retenir cela.

Ce constat suggère que le texte de AI Mode constitue de loin le point d’entrée le plus visible, nettement plus impactant que les éléments visuels.

Liens textuels intégrés vs icônes : les premiers l’emportent

Récemment, Robby Stein, VP Product Search chez Google, indiquait sur X :

« Nous avons observé que les utilisateurs préfèrent et cliquent davantage sur les liens intégrés dans les réponses de AI Mode, car ils ont plus de contexte sur ce qu’ils vont consulter. »

Les données de notre étude expliquent pourquoi Google a choisi cette approche.

Pour clarifier les termes :

• Les liens textuels intégrés sont les URL cliquables présentes directement dans le corps du texte généré par AI Mode.
• L’icône grise est ce que nous appelons l’icône de lien dans cette étude.
• Le riche extrait affiché à droite est désigné comme le panneau latéral ou la sidebar.

Nous avons constaté que les liens textuels intégrés génèrent environ 27 % de clics en plus que le panneau latéral de citations.

Explication possible : les liens intégrés apparaissent directement dans une phrase que l’utilisateur cherche à vérifier, tandis que l’icône de lien semble déconnectée et exige un changement de contexte. Les gens ont tendance à cliquer sur du texte ou un élément affiché directement plutôt que sur une petite icône abstraite.

Si Google décide d’augmenter l’utilisation de ces liens textuels intégrés par défaut, cela pourrait mécaniquement accroître le nombre de sorties vers des sites externes depuis AI Mode.

La conclusion principale :

Obtenir une citation dans une icône de lien est probablement moins avantageux qu’apparaître sous la forme d’un lien textuel intégré dans le corps du texte.

Je souligne ce point parce que de nombreux SEOs et marketeurs risquent d’estimer — à tort — que toute présence dans les citations du panneau latéral représente une victoire majeure. Notre étude indique que l’impact réel d’une mention limitée à l’icône de lien est faible sur le comportement des visiteurs.

Cela ne signifie pas qu’une visibilité organique soit sans valeur ; simplement que la forme d’apparition compte énormément.

Les packs locaux, les cartes et les fiches GBP : données encore insuffisantes

Autre observation importante : seulement 9,6 % des tâches valides ont affiché un pack local, et la fiche Google Business Profile (GBP) était quasi absente dans la plupart des scénarios testés.

Plus précisément, seulement 3 % des tâches ont montré une fiche GBP sous quelque forme que ce soit.

Cependant, quand elles apparaissaient, les fiches GBP jouaient un rôle curieux mais significatif pour l’engagement sur la page de résultats : les utilisateurs les parcouraient rapidement, mais cliquaient souvent dessus.

La présence d’une fiche semblait concurrencer efficacement les liens externes et les cartes marchand, qui étaient utilisés moins fréquemment dans les mêmes contextes.

Il convient toutefois de noter : une seule tâche du panel était explicitement orientée géographiquement. Nous avons donc besoin de davantage de données pour confirmer des tendances comportementales sur des requêtes à intention locale. Néanmoins, ces premiers résultats suggèrent qu’une fiche GBP bien optimisée pourrait devenir très précieuse si elle est exposée dans AI Mode.

Bonne nouvelle pour le e‑commerce : les tâches shopping génèrent la majorité des clics externes

Dans le mémo de la semaine précédente, j’ai souligné :

Les clics externes sont rares et surtout transactionnels. La médiane des clics externes par tâche était zéro. Oui : zéro. Et 77,6 % des sessions n’ont eu aucune visite externe.

Je vais ici nuancer ce constat. Il ne s’agit pas d’affirmer que les utilisateurs ne cliquent jamais, mais plutôt que le comportement dépend fortement de l’intention : transactionnelle ou informationnelle.

Lorsque la tâche était liée à un achat, la probabilité d’un clic externe était de fait très élevée — dans notre panel, elle atteignait 100 % pour les tâches shopping (les participants devaient mener toutes les étapes jusqu’à l’ajout au panier).

Les Packs Shopping sont apparus dans 26 % des tâches de l’étude. Lorsqu’ils étaient présents, ils ont été cliqués 34 fois sur 65 apparitions.

Rappel : dans le protocole, les participants devaient accomplir toutes les étapes menant à la sélection d’un produit et à son ajout au panier, imitant le comportement d’un utilisateur à fort intent d’achat dans un contexte réel.

Par contraste, pour des tâches à but informationnel, les visites sur des sources externes étaient quasiment nulles dans l’ensemble des cas étudiés.

On a observé des séquences récurrentes pour les tâches liées à l’achat :

• Packs Shopping cliqués → ouverture de la carte marchand (28 occurrences).
• Lien textuel intégré cliqué → ouverture de la carte marchand (17 occurrences).
• Clic uniquement sur le panneau latéral droit (15 occurrences).

Les Packs Shopping attirent davantage l’attention quand l’utilisateur cherche à acheter — probablement parce qu’ils contiennent des images : principe UX bien connu, les utilisateurs cliquent là où il y a une image.

Les questions conversationnelles deviennent la norme — et révèlent un comportement intéressant

La montée des recherches conversationnelles depuis l’apparition de ChatGPT et de systèmes similaires est bien documentée. Notre étude sur AI Mode confirme cette évolution et met en lumière une dynamique particulière.

Sur 250 tâches, 88,8 % des requêtes initiales étaient formulées comme des questions de type chatbot (phrases conversationnelles), tandis que 11,2 % ressemblaient davantage à des requêtes traditionnelles ou mots‑clés classiques. Nous avons analysé seulement la requête initiale, pas les éventuels suivis.

Cela montre que les utilisateurs se tournent massivement vers des formulations conversationnelles plutôt que vers le langage succinct des recherches d’autrefois.

La donnée singulière observée : les personnes qui formulent leur requête de façon conversationnelle sont plus susceptibles de cliquer hors de AI Mode pour vérifier les sources ou approfondir l’information.

Deux hypothèses expliquent ce comportement :

• Les utilisateurs « expérimentés » des environnements IA pourraient être plus enclins à vérifier les informations en cliquant vers des sources externes.
• Rédiger une question détaillée induit une intention plus précise et une attitude de recherche plus méthodique : l’utilisateur souhaite alors s’assurer de la véracité ou de l’adéquation de la réponse en consultant des sources extérieures.

Notre jeu de données n’établit pas de causalité tranchée entre la formulation conversationnelle et le taux de clics externes, mais la corrélation est suffisamment notable pour influencer la façon dont on segmente les personas de recherche et conçoit les stratégies de contenu.

---

Image mise en avant : Paulo Bobita / Search Engine Journal