GEO, AEO, LLMO : trois acronymes, un seul problème

Trois acronymes circulent pour désigner, au fond, le même problème. GEO. AEO. LLMO. Ils sont apparus à quelques mois d'intervalle, certains les emploient indifféremment, d'autres les définissent de façon mutuellement exclusive, et le seul point d'accord est qu'il faudrait s'en inquiéter.

La version courte, avant la longue : ils décrivent des points de vue qui se recouvrent sur une seule et même situation. Les systèmes d'IA générative répondent aux questions en nommant une poignée de marques, et la plupart des entreprises ignorent si elles en font partie. Tout le reste est du vocabulaire.

Ce que chacun revendique réellement

GEO : Generative Engine Optimization

GEO est le terme dont l'origine est la plus nette. Il vient de la recherche universitaire, pas d'une agence, et a été forgé pour nommer une question précise : dès lors qu'un moteur génératif synthétise une réponse au lieu de renvoyer des liens, qu'est-ce qui rend une source plus susceptible d'être reprise et nommée dans cette synthèse ?

Le cadrage porte sur les moteurs en tant que systèmes : quelque chose qui récupère, résume, puis produit de la prose. Cela couvre ChatGPT, Claude, Gemini et Perplexity, ainsi que les résumés greffés sur la recherche classique. L'unité de succès n'est plus une position : c'est le fait que votre nom figure, ou non, dans un paragraphe où quelques noms seulement tiennent.

AEO : Answer Engine Optimization

AEO est une idée plus ancienne dans des habits neufs. Elle précède la vague des agents conversationnels et désignait l'optimisation pour les extraits enrichis, les assistants vocaux et tout ce qui renvoie une réponse unique plutôt qu'une page d'options. Données structurées, intertitres formulés en questions, réponse directe dès la première phrase d'une section : c'était cela, AEO, avant que quiconque ait entendu parler d'un grand modèle de langage.

Depuis, l'étiquette a été étirée jusqu'à recouvrir les interfaces génératives, d'où sa cohabitation malaisée avec GEO. Lisez attentivement quelqu'un qui emploie le mot et vous devinez lequel des deux il a en tête : la version balisage et extraits, ou la version modèles. Souvent il pense aux deux, sans voir qu'il s'agit de machines différentes.

LLMO : Large Language Model Optimization

LLMO vise le plus étroit et le plus littéral : influencer ce que dit le modèle de langage lui-même, par opposition à ce qu'une couche de récupération lui fournit. La distinction mérite qu'on s'y arrête, car c'est le seul endroit où ces acronymes désignent des mécanismes véritablement distincts.

Un modèle peut vous répondre de deux façons. Il peut répondre à partir de ce qu'il a absorbé pendant son entraînement : aucune source en direct, aucune citation, et ce que vous avez publié la semaine dernière n'a aucune incidence. Ou il peut répondre à partir de documents récupérés au moment de la requête : ce qui se trouve sur le web ouvert à cet instant compte alors énormément. La plupart des systèmes font un peu des deux, et ne vous disent pas quel mode a produit quelle phrase.

Pris au pied de la lettre, LLMO vise le premier mode, et le premier mode est à peu près hors d'atteinte. On ne soumet pas une page aux poids d'un modèle. On ne corrige pas ce qu'il a appris. Quoi que suggère l'acronyme, personne n'optimise un modèle de langage depuis l'extérieur.

Pourquoi ils sont trois

Les trois acronymes se terminent par optimisation. Les trois décrivent une intervention. Aucun ne décrit une mesure. Étrange fondation pour une discipline : l'intervention est précisément la part que personne ne sait encore démontrer maîtriser, tandis que la mesure est à la portée de quiconque accepte de regarder.

L'état honnête des lieux : on peut observer, de façon fiable, ce que les systèmes génératifs disent d'une marque, quelles marques sont nommées à sa place, et comment cela varie selon la plateforme et la langue. Ce que personne ne sait faire, c'est garantir qu'une action donnée y change quoi que ce soit. Le secteur a produit trois noms pour une méthode, et presque rien pour ce dont elle aurait besoin pour fonctionner : un point de départ.

Un marché qui vend la méthode avant d'avoir la mesure vend de la confiance. Les acronymes sont l'emballage.

Le malentendu à désamorcer : GEO n'est pas la géographie

La confusion est partout et mérite d'être tranchée. GEO signifie Generative Engine Optimization. Cela ne veut pas dire géolocalisation, ciblage géographique, résultats cartographiques ni référencement local.

La collision est accidentelle. Le préfixe « géo » désigne la terre depuis fort longtemps, si bien qu'un article intitulé « stratégie GEO pour votre entreprise » peut plausiblement traiter de l'un ou de l'autre sujet, et quantité de textes publiés mélangent les deux. Certains ont été écrits par des gens qui n'ont pas vérifié. D'autres par des machines qui ne savaient pas.

Si un texte de ce domaine se met à parler de fiches d'établissement, d'horaires d'ouverture ou de rayon de proximité, vous lisez du référencement local. C'est une discipline réelle, mais ce n'est pas celle-ci : les deux ne partagent que trois lettres.

Sous les étiquettes, le problème est unique

Retirez le vocabulaire et voici ce qui se passe. Quelqu'un demande à un assistant quel outil ou quel fournisseur envisager. L'assistant ne renvoie pas la liste de tout le monde : il écrit une ou deux phrases et nomme un petit nombre d'entreprises. Pas de deuxième page, pas de « voir plus de résultats ». Les marques absentes n'ont pas perdu de peu : elles n'étaient pas dans la conversation, et celui qui interroge n'a aucun moyen de soupçonner leur existence.

Voilà tout le problème, et aucun acronyme n'y change rien. Les questions à se poser restent les mêmes, quel que soit le mot employé pour la discipline.

• Le système vous nomme-t-il lorsqu'on lui pose la question que vos acheteurs posent réellement, et non celle qui contient déjà votre nom de marque ?
• Vous cite-t-il, avec un lien, ou se contente-t-il de vous mentionner ? Ce sont deux résultats distincts : un modèle peut décrire votre produit avec exactitude sans vous envoyer le moindre visiteur, ce qui rend les outils de mesure d'audience aveugles à ce phénomène.
• Qui est nommé à votre place ? C'est en général la réponse la plus inconfortable, car ce n'est souvent pas le concurrent qui figure sur votre cartographie : les modèles regroupent les marques selon la façon dont le web en parle, pas selon la façon dont vous découpez votre catégorie.
• Dans quelle langue ? La visibilité ne franchit pas les frontières. Une maison que l'assistant recommande sans hésiter en français peut être absente de la même question posée en allemand, parce que le web germanophone en dit moins.

Ce qu'on peut en faire

Vous pouvez tester ces quatre points à la main, gratuitement. Ouvrez un assistant, posez la question qu'un prospect poserait avant même de vous connaître, et lisez qui est nommé. Puis reposez-la : la réponse ne sera pas identique, parce que ces modèles sont probabilistes et qu'une réponse isolée est une anecdote. Traduisez ensuite la question dans chaque langue où vous vendez, et recommencez.

Faites-le honnêtement et vous apprendrez plus en un après-midi que dans tous les acronymes réunis. Vous verrez aussi pourquoi cela ne tient pas à l'échelle : les vérifications nécessaires sont un produit de prompts, de répétitions, de plateformes et de langues, et cela croît plus vite que votre patience.

Cette multiplication est la raison d'être des outils, et c'est la part que PSentry automatise : exécuter un jeu de requêtes sur ChatGPT, Claude, Gemini et Perplexity, dans chaque langue et chaque marché où vous opérez, puis indiquer où vous êtes nommé, où vous êtes cité, et qui est nommé à votre place.

Deux limites énoncées franchement, puisque cet article vient d'accuser toute une catégorie de trop promettre. Les analyses tournent selon un calendrier, deux fois par mois, et non en temps réel. Et mesurer, c'est mesurer : l'outil ne manipule pas ce que disent les modèles, et quiconque prétend le contraire vous doit une démonstration qu'il ne peut pas fournir. Ce que vous obtenez est un point de départ. Vu que le secteur a produit trois acronymes et aucun point de départ, l'ordre semble être le bon.

Questions Fréquentes

Quel acronyme employer devant mon équipe ?

GEO est celui dont l'origine est traçable et le référent le moins ambigu : c'est le choix le plus sûr dans un document destiné à être lu par quelqu'un d'autre. Quel que soit votre choix, définissez-le dès le premier paragraphe. Sans quoi la moitié de vos lecteurs comprendront « géographie ».

Si personne ne peut prouver qu'une intervention fonctionne, tout cela vaut-il la peine ?

Mesurer vaut la peine, car on n'évalue aucune intervention sans point de départ, et ce point de départ manque à peu près partout. La posture raisonnable : savoir où l'on en est, publier des contenus factuels et clairs, et rester sceptique devant quiconque annonce un levier.

AEO est-il devenu obsolète maintenant que GEO existe ?

Pas obsolète : plus ancien, et plus étroit. Le style structuré et direct qu'AEO a toujours prôné est réellement plus facile à réutiliser pour un modèle qu'une prose de positionnement compacte. Ce conseil n'a pas cessé d'être sensé. Il a cessé de suffire.

Pourquoi les réponses changent-elles quand je repose la même question ?

Parce qu'un modèle échantillonne une distribution au lieu de consulter un résultat stocké : le même prompt produit des listes de fournisseurs différentes d'une exécution à l'autre. Ce n'est pas un défaut que l'on corrige par réglage, et c'est pourquoi la répétition, et non la vérification unique, sépare une mesure d'une supposition.