Le débat autour de AEO/GEO tourne souvent autour d’une question simple : s’agit-il d’un sous-ensemble du SEO, d’une discipline à part entière ou simplement d’un autre nom pour du SEO classique ? Il est difficile de trancher parce que chaque argument contient des éléments valables. Une transformation est indéniable : peut-être est-il plus utile d’identifier les points de convergence entre ces approches et d’en tirer une stratégie pratique.

Arguments contre l’idée que AEO/GEO soit distinct

Un grand nombre de spécialistes du SEO estiment que AEO/GEO ne présente pas suffisamment de caractéristiques propres pour mériter d’être qualifié de discipline indépendante. Pour eux, il s’agit surtout d’une continuité des pratiques que l’on retrouve déjà dans le SEO traditionnel.

Par exemple, Harpreet Singh Chatha (profil X) de Harps Digital a récemment publié une liste de mythes sur AEO / GEO à laisser derrière nous en 2025.

Parmi ses observations :

• « L’idée d’un fichier “LLMs.txt »
• Le recours à un expert GEO pour effectuer une “optimisation par chunks”. Le fait de segmenter le texte vise simplement à le rendre lisible.
• Affirmer que AEO / GEO n’ont rien à voir avec le SEO. Demandez à votre spécialiste GEO préféré de citer 25 éléments propres à la recherche par IA qui ne se recoupent pas avec le SEO : vous recevrez peu de réponses.
• Déclarer que le SEO est mort.

Greg Boser, figure historique du SEO depuis 1996 (profil LinkedIn), a partagé une pensée similaire :

« Au fond, l’essentiel de notre métier a toujours été de comprendre comment les humains utilisent la technologie pour trouver des informations.

Plutôt que d’inventer de nouveaux acronymes, on pourrait convenir de remplacer le “E” dans SEO par “Experience”.

Ça éviterait à beaucoup d’écrire des articles sur SEO/GEO/AEO et leur permettrait de se remettre au travail. »

Difficulté à définir clairement AEO/GEO

Un facteur qui alimente le scepticisme est l’incapacité, pour certains promoteurs de AEO/GEO, à expliquer en quoi ces pratiques diffèrent concrètement du SEO. On voit souvent des tactiques présentées comme inédites, auxquelles la communauté répond : « non, ça, c’est du SEO ». Cette confusion nuit à la crédibilité d’un mouvement qui souhaite exister en tant que tel.

En octobre, Microsoft a publié un article de blog sur l’optimisation des contenus pour l’IA où l’entreprise affirmait :

« Il n’existe pas de recette secrète pour être sélectionné par des systèmes d’IA ; le succès commence par un contenu récent, faisant autorité, structuré et sémantiquement clair. »

Le billet rappelle que des fondamentaux du SEO — comme la « crawlabilité, les métadonnées, les liens internes et les backlinks » — restent essentiels, tout en soulignant que ce sont des points de départ. Microsoft ajoute que la recherche assistée par IA délivre des réponses plutôt qu’un simple classement de pages, ce qui modifie la donne.

Selon Microsoft, l’attention se porte désormais sur les fragments de contenu qui sont sélectionnés :

« Dans la recherche par IA, il y a toujours un classement, mais il porte moins sur l’ordre des pages entières que sur les extraits de contenu qui sont retenus pour figurer dans la réponse finale. »

Cela rejoint l’observation de Jesse Dwyer de Perplexity AI au sujet des différences techniques entre la recherche classique et la recherche pilotée par IA :

« La différence majeure réside aujourd’hui entre l’indexation de documents entiers et le traitement “sous-documentaire”.

Avec une approche « AI-first », on indexe des extraits granulaires plutôt que des pages complètes (ce qui n’est pas la même chose que les “featured snippets” connus des praticiens du SEO). »

Microsoft a aussi publié un guide intitulé « From discovery to influence: A guide to AEO and GEO », fortement orienté vers le commerce en ligne. Ce focus n’est pas anodin : le e‑commerce est l’un des domaines qui pourraient tirer le plus de profit des surfaces de AI Search.

En revanche, les sites à vocation purement informationnelle paraissent plus vulnérables : l’émergence d’une Agentic AI susceptible de décontextualiser les contenus les expose au risque d’être réduits à des sources de données, au détriment de la marque et de la valeur ajoutée éditoriale.

Voir aussi : Stop Trying To Make GEO Happen (lien conservé dans l’esprit de la référence)

Pratiques courantes du SEO présentées comme du GEO

Plusieurs techniques avancées par des partisans de GEO sont en réalité des pratiques bien établies du SEO :

• Rédiger des contenus sous forme de réponses
  Les professionnels du SEO travaillent ainsi depuis l’arrivée des featured snippets en 2014.
• Segmenter le texte (“chunking”)
  Structurer le texte en petits paragraphes pour améliorer la lecture sur mobile est une pratique répandue chez les bons rédacteurs depuis longtemps.
• Contenu structuré
  L’utilisation des balises de titres et d’éléments qui clarifient la structure d’une page relève aussi du SEO.
• Données structurées
  L’implémentation de données structurées (schema) est une pratique reconnue du SEO.

Le client dicte souvent l’évolution des services

Une partie des défenseurs de l’idée que GEO existe réellement se positionne comme en phase avec les attentes du marché : ils adaptent leurs offres aux demandes exprimées par les clients. Les professionnels du SEO se retrouvent ainsi face à un dilemme : conserver des méthodes traditionnelles ou répondre à des besoins nouveaux, parfois flous, exprimés par les clients.

Les responsables chez Google affirment que c’est toujours du SEO

Plusieurs voix chez Google — comme Robby Stein (VP Product), Danny Sullivan et John Mueller — rappellent que le SEO reste pertinent. Leur argument est que, sous le capot, les systèmes d’IA s’appuient souvent sur des pages bien classées pour assembler des réponses synthétiques et des liens. Cette position est illustrée par des articles évoquant la minimisation du rôle du GEO chez Google.

De même, le fait qu’OpenAI ait recruté un content strategist capable de s’appuyer sur des compétences de SEO est considéré par certains observateurs comme une preuve que même les acteurs majeurs de l’IA accordent encore une grande valeur aux principes établis du SEO.

Voir aussi : Google Says You Don’t Need AEO Or GEO To Rank In AI Overviews (titre de référence)

L’optimisation ne se limite plus à Google

Manick Bhan (profil LinkedIn), fondateur de la suite Search Atlas, propose une lecture utile : historiquement, SEO signifie “search engine optimization”, mais en pratique, cela a souvent voulu dire « optimisation pour Google ». Google a longtemps défini l’interface, le paradigme de classement, et le modèle mental dominant dans le secteur.

Manick explique que l’écosystème des LLM n’est pas homogène, et que la surface générative de Google elle‑même devient un canal à optimiser.

« Appeler le GEO un simple sous‑discipline du SEO revient à sous‑estimer le bouleversement des modèles de récupération d’informations, » écrit‑il.

« Oui, les tactiques (on‑page, off‑page) restent dans le même univers. Mais les machines pour lesquelles nous optimisons aujourd’hui ne sont pas identiques à celles d’hier. »

Il détaille ensuite plusieurs dimensions où les moteurs de réponses modernes diffèrent :

• Fonctions de récupération d’informations différentes,
• Fusion et pondération des sources distinctes,
• Gestion de la fraîcheur des contenus altérée,
• Assignation de la confiance et de l’autorité faite autrement,
• Déploiement des requêtes et stratégies de couverture différentes,
• Intégration des comportements utilisateurs dans les corpus RAG (Retrieval-Augmented Generation) effectuée différemment.

Même des paramètres techniques apparemment mineurs — calibration des logits, réglage de la température — entraînent des sorties de récupération différentes, d’où des dérives sémantiques et des variations de citations entre moteurs.

Selon lui, ces différences expliquent pourquoi on observe des écarts mesurables et reproductibles dans :

• Les sources récupérées,
• La structure des réponses,
• Les modèles de citation,
• Les cadres sémantiques,
• Le comportement de classement entre LLMs, surfaces en mode AI et résultats classiques de Google.

Conclusion de Manick : humilité et expérimentation priment sur le dogmatisme. Réduire ces évolutions à « juste du SEO » constitue une cécité face à des systèmes déjà distincts et en rapide mutation.

Nous sommes clairement en période de transition

Une des raisons de la résistance contre l’idée que GEO existe peut être la présence, dans le débat public, d’agences ou de consultants peu expérimentés en SEO. Certains sont récents sur le marché et s’emparent du terme GEO pour vendre des services semblables à du SEO basique. Cette situation irrite des praticiens expérimentés qui reconnaissent derrière certains discours un recyclage d’anciennes pratiques.

Cependant, comme l’a souligné Manick, les surfaces de recherche basées sur le chat et l’IA ne ressemblent en rien aux recherches classiques. Ignorer ces différences revient à fermer les yeux sur une transition technologique réelle.

Dans ce contexte, plusieurs tendances méritent d’être analysées pour mieux comprendre les implications pratiques :

1) Fragmentation des stratégies selon les surfaces

Quand on parle d’optimisation pour une surface de type AI Search, il faut distinguer : optimiser pour un assistant conversationnel, optimiser pour une page « AI Mode » intégrée à un moteur ou optimiser pour des API d’agrégation de résultats. Chaque surface a ses propres contraintes (format, longueur des réponses, exigences de citation, latence) et demande des adaptations techniques et éditoriales.

2) Importance accrue des micro‑contenus

Les moteurs orientés LLM favorisent souvent des extraits ciblés : paragraphes concis, définitions claires, listes rapides, tableaux synthétiques. Cela renforce la valeur des micro-contenus bien structurés, qui peuvent être repris comme éléments de réponse.

3) Autorité et provenance : nouveaux critères

La manière dont une surface AI évalue la fiabilité d’une source n’est pas identique au système de signaux du SEO traditionnel (backlinks, signaux sociaux, historique de domaine). Certains modèles privilégient la fraîcheur, d’autres la cohérence factuelle ou la réputation institutionnelle. Comprendre ces nuances devient essentiel pour maintenir la visibilité.

4) Mesure et attribution repensées

Lorsque les réponses sont agrégées et synthétisées, mesurer l’impact d’une page sur le trafic et l’engagement se complique : une page citée comme source d’une réponse peut ne pas générer de clic direct, mais contribuer à la notoriété ou à des conversions hors site. Les professionnels doivent donc imaginer de nouveaux indicateurs et méthodes d’attribution.

Que retenir pour les praticiens du contenu et du SEO ?

Plutôt que de s’affronter autour d’étiquettes, il est plus productif d’adopter une logique d’adaptation :

• Conserver les fondamentaux du SEO : crawlabilité, structure, métadonnées et autorité restent pertinents.
• Compléter ces fondamentaux par des pratiques spécifiques aux surfaces AI : rédaction de fragments autonomes, optimisation des données structurées pour la citation, et mise en place de balises temporelles et de provenance claires.
• Expérimenter : tester des formats courts et des micro‑contenus, suivre la visibilité sur différents moteurs et surfaces et comparer les résultats.
• Documenter et partager : recueillir des cas pratiques, des données d’expérience et des patterns réplicables afin de mieux informer la communauté.

Que peuvent attendre les sites informatifs ?

Les sites d’information s’interrogent : l’émergence de surfaces AI va‑t‑elle réduire leur valeur ? Si certains scénarios sont préoccupants — notamment la disparition de la contextualisation ou de la marque lorsque le contenu est réduit à des fragments — d’autres opportunités apparaissent :

• Améliorer la lisibilité et la traçabilité des informations (source clairement citée, date, auteur),
• Structurer les contenus pour faciliter la réutilisation par des systèmes d’agrégation,
• Fournir des formats complémentaires — jeux de données, résumés, FAQs — qui ajoutent de la valeur dans les réponses synthétiques.

Vers quelle gouvernance éditoriale ?

La montée en puissance des surfaces pilotées par LLM appelle à une réflexion sur la responsabilité éditoriale : comment garantir une juste représentation des faits, préserver la nuance et protéger la propriété intellectuelle lorsque des réponses synthétiques intègrent, citent ou paraphrasent des contenus ?

Les acteurs du web devront envisager des pratiques claires :

• Méta‑données sur la provenance et la licence des informations,
• Politiques de réutilisation transparentes,
• Outils de suivi de citation automatique pour savoir quand et comment un site est utilisé comme source,
• Standards partagés sur la lisibilité des extraits et la couverture thématique.

Conclusion : un champ d’action plus large que des étiquettes

Le débat n’est pas seulement sémantique. Dire que AEO/GEO « n’existent pas » revient à ignorer des transformations technologiques réelles ; affirmer qu’il s’agit d’une pratique totalement nouvelle néglige l’héritage et la valeur des techniques éprouvées du SEO. Il est plus utile d’adopter une posture hybride et pragmatique :

• Maintenir les fondations du SEO,
• Expérimenter et documenter des tactiques adaptées aux surfaces AI,
• Partager les apprentissages entre praticiens pour accélérer la montée en compétence collective.

Qu’on prône la continuité ou la rupture, la situation est claire : nous sommes en transition. Les LLM et les surfaces de réponse changent la manière dont l’information est récupérée et présentée. Le plus grand avantage pour ceux qui produisent du contenu sera d’accompagner ces changements avec méthode, sans sacrifier la qualité ni la rigueur éditoriale.

Image de couverture par Shutterstock/Natsmith1