Le vice‑président produit pour la recherche chez Google a confirmé que les actions de PR (relations publiques) peuvent aider à être mieux recommandé dans certains scénarios impliquant l’**IA**. Il a aussi expliqué de manière accessible le fonctionnement de la recherche pilotée par **IA** et ce sur quoi les créateurs de contenu doivent se concentrer pour rester utiles et visibles auprès des utilisateurs.
Les relations publiques favorisent les recommandations par l’IA
Un point saillant de l’interview est l’idée que le fait d’être cité par d’autres sites peut augmenter la probabilité d’apparaître dans les recommandations générées par l’**IA**. Robby Stein n’a pas présenté cela comme un facteur de classement traditionnel, mais comme une conséquence du mécanisme de recherche que l’**IA** emploie, similaire à la façon dont un humain effectuerait des vérifications pour établir une recommandation.
Sa réponse s’inscrivait dans le cadre de la question sur ce que les entreprises devraient privilégier si elles veulent être proposées par un chat ou une réponse d’**IA**.
Ce qu’il décrit correspond à une technique que l’on peut qualifier de « dérivation de requêtes » : pour construire une réponse, le système émet plusieurs recherches sur Google (des « questions qu’il pose ») afin de rassembler des sources.
En substance, il a indiqué :
Robby Stein a expliqué que l’**IA** adopte une approche proche de celle d’un être humain lorsqu’elle cherche des informations. Si une entreprise apparaît dans des listes reconnues ou dans des articles publics largement consultés, ces mentions servent souvent de points d’entrée pour l’**IA** lorsqu’elle identifie des options à recommander.
La présentatrice du podcast, Marina Mogilko, a évoqué l’idée que cela renforce l’importance d’investir en PR, ce à quoi Stein a acquiescé.
Il a ajouté que, de facto, c’est cohérent avec ce que l’on ferait pour qu’un utilisateur humain sache à quelle entreprise s’adresser : rechercher des sources et des mentions externes aide à établir la crédibilité.
Autrement dit, pour déterminer si une entreprise mérite d’être proposée, l’**IA**, comme un humain, consulte le web pour repérer quelles structures sont recommandées par d’autres. Plusieurs retours d’expérience montrent d’ailleurs que non seulement les systèmes de Google mais aussi des modèles comme ChatGPT renvoient parfois des réponses de type « recommandations » qui citent ou renvoient à des sites ayant listé des entreprises. L’observation partagée par l’animatrice — que certaines personnes n’aperçoivent pas les articles issus des efforts de PR mais que l’**IA** les détecte et les intègre dans ses réponses — a été confirmée par Stein.
Selon Stein, la façon dont les modèles d’**IA** opèrent implique qu’ils utilisent des recherches web comme outil de vérification et accumulation d’informations, ce qui rend visible les mentions publiques.
Les bonnes pratiques de contenu restent essentielles pour être visible via l’IA
Stein a ensuite déplacé le propos sur la nature du contenu qui performe bien auprès des modèles d’**IA** : il a souligné que les principes fondamentaux restent les mêmes. Un contenu qui est utile, clair et structuré a plus de chances d’être retenu, que l’utilisateur final soit une personne ou un système d’**IA**.
Il a résumé l’idée ainsi :
Il a expliqué que l’optimisation consiste à produire des informations pertinentes et compréhensibles pour un sujet donné. Quand l’**IA** effectue une recherche pour répondre à une requête, elle identifie les pages les plus pertinentes pour cette question et les injecte dans son « contexte ». Quand le modèle génère ensuite une réponse et fournit des liens pour approfondir, ces sites apparaissent plus souvent dans les références.
La conclusion pratique est simple : un travail soigné sur la qualité du contenu profite à la fois au référencement classique et aux réponses fournies par l’**IA**. Les meilleures pratiques éditoriales — clarté, pertinence, structure, sources fiables — restent donc prioritaires.
La présentatrice a ensuite abordé le sujet des avis, en mentionnant que certaines personnes en paient pour en obtenir. Plutôt que d’analyser précisément l’effet des avis payés sur les réponses d’**IA**, Stein a repris l’analogie humaine : si des avis utiles et crédibles existent, ils peuvent être pris en compte, mais il est difficile d’isoler un seul facteur parmi tous ceux qui influencent la pertinence.
Stein a reconnu la complexité : des avis réellement utiles peuvent contribuer, mais il est délicat de pointer un élément unique. En réalité, il a recommandé de garder une perspective globale basée sur les pratiques fiables — les mêmes critères que l’on utiliserait en recherchant une information via Google.
Visibilité dans l’IA : des recouvrements avec le SEO, mais des différences
La question suivante portait sur la ressemblance entre l’optimisation pour l’**IA** et le SEO traditionnel. Stein a confirmé qu’il y a une grande intersection entre les deux, tout en précisant que la nature des interrogations change : la recherche organique classique repose beaucoup sur des requêtes basées sur des mots‑clés, alors que l’usage de l’**IA** privilégie des échanges plus conversationnels et souvent plus complexes.
Il a expliqué :
Il a observé qu’il existe un fort chevauchement, mais qu’un point notable est la complexité et la spécificité des questions posées à l’**IA**. Les personnes demandent souvent des procédures détaillées, des conseils d’achat ou des recommandations de choix de vie. Ceux qui créent du contenu dans ces domaines gagneraient à étudier les cas d’utilisation de l’**IA** et à adapter leur offre en conséquence.
Autrement dit, optimiser pour l’**IA** demande, en plus des bonnes pratiques du SEO, une compréhension approfondie des types de demandes que les utilisateurs adressent aux assistants conversationnels et aux générateurs de réponses. Les contenus « how‑to », comparatifs détaillés, guides d’achat et analyses contextualisées sont des exemples d’éléments susceptibles d’être valorisés dans ce contexte.
Comprendre les usages réels de l’IA par les internautes
Le débat s’est élargi pour rappeler que la recherche évolue au‑delà du texte : elle devient multimodal, c’est‑à‑dire qu’elle combine différentes modalités d’information — texte, image, voix, vidéo. Cette évolution invite à observer comment les gens interagissent avec les systèmes d’**IA**, afin d’adapter la stratégie de visibilité.
La présentatrice a demandé si des outils comme Google Trends restaient utiles pour comprendre ces usages. Stein a confirmé que oui, et a rappelé que Google Trends est souvent sous‑utilisé, tout en mentionnant d’autres ressources au sein de l’écosystème Google (les estimations du réseau publicitaire, la Search Console, etc.) pour mesurer l’intérêt des internautes sur des sujets précis.
Il a mentionné que Google Trends fournit des données quasi‑temps réel sur ce qui suscite l’attention, que les outils publicitaires donnent des estimations de trafic, et que la combinaison de ces sources permet de comprendre les tendances émergentes, notamment pour des requêtes longues, spécifiques et multimodales (requêtes utilisant des images, la voix, ou des conversations en direct).
Pour les professionnels du SEO et les responsables marketing, cela implique d’aller au‑delà d’une simple recherche de mots‑clés : il faut analyser les intentions (intent) derrière les recherches et les formats (par ex. recherche vocale, image, questions longues) afin d’anticiper la visibilité dans des environnements d’**IA** variés.
Deux axes à retenir :
- Les requêtes longues et très spécifiques : les utilisateurs posent de plus en plus de questions détaillées, parfois en langage naturel, et attendent des réponses complètes et actionnables.
- Les contextes multimodaux : l’usage d’images, de la voix et de la vidéo pour rechercher des informations progresse, ce qui élargit le périmètre du travail d’optimisation (par ex. image SEO, balisage sémantique, transcriptions vidéo).
Ces tendances signifient que les sites doivent s’interroger : si un utilisateur formule une requête orale très précise, ou soumet une image, est‑ce que mon site ou mon client est en mesure d’apparaître dans les résultats ? L’optimisation des images, la structuration des contenus et la clarté des instructions vont gagner en importance.
Google prévoit d’élargir la visibilité des comportements de recherche
La conversation a aussi abordé la volonté de Google de rendre à terme plus visibles les tendances de recherche, non seulement pour les annonceurs mais pour tous les acteurs concernés par la transformation de la recherche. Fournir des signaux supplémentaires sur ce que les utilisateurs cherchent permettra aux créateurs de contenu et aux entreprises de mieux s’adapter.
Stein a déclaré qu’à l’avenir, l’entreprise souhaite partager davantage d’aperçus sur les grandes tendances de recherche, afin d’aider une audience plus large que les seuls annonceurs à comprendre les évolutions d’usage. Les systèmes devront progressivement refléter ces nouvelles manières de chercher.
Cela suggère qu’une partie de la stratégie pour rester visible dans un monde où l’**IA** oriente les réponses passera par la capacité des acteurs à surveiller et interpréter ces nouvelles métriques lorsque Google les rendra disponibles.
Voir l’interview, repère à 13:30 :
Implications pratiques pour les entreprises et les créateurs
À partir des éléments partagés par Stein, plusieurs implications opérationnelles se dégagent pour les organisations qui cherchent à optimiser leur visibilité auprès d’outils d’**IA** et de moteurs de recherche :
- Travailler les mentions externes (PR) : les citations sur des sites influents ou des listes sectorielles servent de signaux de crédibilité. Les campagnes de relations publiques qui génèrent des contenus publics référencés augmentent la probabilité d’être « trouvable » par un modèle d’**IA**.
- Prioriser la qualité du contenu : la clarté, l’utilité et la structure sont essentielles. Les pages qui répondent précisément à des questions complexes sont mieux positionnées pour être intégrées au contexte d’un modèle.
- Documenter les cas d’usage : comprendre et analyser comment les utilisateurs posent des questions à l’**IA** aide à produire des contenus adaptés — tutoriels détaillés, comparatifs, guides d’achat, FAQ riches et scénarisées.
- Adopter une approche multimodale : optimiser les images, fournir des transcriptions pour les vidéos, structurer les données (schema.org), et penser aux réponses vocales pour capter les utilisateurs qui cherchent par voix ou par image.
- Utiliser les outils analytiques : combiner Google Trends, Search Console, et les estimations d’audience des campagnes publicitaires pour identifier les sujets et formats en croissance.
Le rôle des avis et de la confiance
Sur la question des avis, Stein a rappelé que les systèmes d’**IA** cherchent des éléments utiles et fiables. Les avis authentiques et détaillés peuvent donc contribuer, mais l’algorithme ne se base pas sur un seul critère isolé. La lutte contre les pratiques frauduleuses ou les avis achetés reste importante, tant pour la confiance des utilisateurs que pour la solidité des signaux pris en compte par un modèle.
Concrètement, les entreprises doivent favoriser :
- Des mécanismes d’obtention d’avis transparents et vérifiables ;
- La mise en valeur d’avis riches en détails (ex. retours d’expérience documentés) plutôt que des notes génériques ;
- La surveillance des sources qui citent la marque afin de détecter et corriger d’éventuelles pratiques douteuses.
Mesurer l’impact et adapter sa stratégie
Dans un univers de recherche perturbé par l’émergence de réponses pilotées par IA, mesurer l’impact de ses actions devient plus complexe mais aussi plus nécessaire. Quelques pistes :
- Analyser les performances via la Search Console pour repérer les requêtes longues et en croissance ;
- Suivre les impressions et clics sur des contenus conçus pour répondre à des questions détaillées ;
- Observer les changements dans le trafic organique après des campagnes de PR ou après avoir obtenu des mentions sur des sites influents ;
- Tester des formats multimodaux (galeries d’images, vidéos courtes, FAQ structurées) et mesurer la conversion ou l’engagement générés par ces pages.
Il faudra peut‑être revoir les KPI : au‑delà des mots‑clés, monitorer des métriques liées à la pertinence (taux de rebond, temps de lecture, actions entreprises après consultation) donnera une meilleure idée de l’utilité réelle du contenu.
Limites et précautions
Il est important de nuancer : même si les mentions externes et la qualité du contenu augmentent la probabilité d’apparaître dans les réponses d’**IA**, il n’existe pas de recette magique ni de « facteur unique » garantissant l’apparition dans toutes les réponses. Les modèles combinent de multiples signaux et requièrent des sources variées et fiables pour générer des recommandations.
Aussi, les comportements des modèles d’**IA** évoluent rapidement. Les pratiques qui fonctionnent aujourd’hui devront être réévaluées régulièrement, et il est prudent d’éviter les stratégies qui visent uniquement à exploiter des failles temporaires plutôt qu’à fournir une réelle valeur aux utilisateurs.
Stratégies concrètes recommandées
Voici quelques actions concrètes, alignées sur les éléments évoqués par Stein, que les équipes marketing et contenu peuvent mettre en chantier :
- Cartographier les requêtes longues et scénarios d’usage : identifier les questions complexes que les utilisateurs posent et produire des réponses structurées et approfondies.
- Soutenir des efforts de PR visant les listes sectorielles, médias spécialisés et sites à forte autorité pour obtenir des mentions publiques vérifiables.
- Optimiser techniquement les pages pour le multimodal : métadonnées, balises ALT, transcriptions, données structurées.
- Créer des contenus « pillar » (guides complets) qui peuvent servir de référence pour des réponses longues et contextuelles.
- Mesurer et itérer : combiner données de la Search Console, Google Trends et analytics pour ajuster les priorités.
Conclusion : capitaliser sur la crédibilité et la clarté
Les enseignements clés sont simples et opérationnels : continuer à produire un contenu de qualité, soigner sa visibilité via des mentions externes pertinentes (PR), et s’adapter aux formats émergents (requêtes longues, multimodal). Dans ce paysage, la confiance et la lisibilité restent des atouts majeurs. Les équipes doivent combiner tactiques éprouvées du SEO avec une veille active des usages d’**IA** pour maintenir et améliorer leur visibilité.
Image de couverture par Shutterstock/Krot_Studio
