Indexation GEO : comment les LLM décident qui citer

Quand un utilisateur pose une question à ChatGPT ou Perplexity, il ne voit pas dix liens bleus - il voit une réponse. Et dans cette réponse, certaines marques, certains experts, certains contenus sont cités. D'autres n'existent tout simplement pas. Comprendre pourquoi les LLM retiennent certaines sources plutôt que d'autres, c'est la question centrale du GEO en 2026. Et contrairement à ce qu'on lit partout, la réponse n'est pas "écris du bon contenu" - c'est beaucoup plus structurel que ça.

Pourquoi les LLM ne fonctionnent pas comme un moteur de recherche

La première erreur que je vois systématiquement chez les entrepreneurs qui veulent apparaître dans les answer engines : ils pensent en termes de crawl et d'indexation classique. Google indexe vos pages, les LLM non - du moins pas en temps réel. Les modèles comme GPT-4 ou Claude ont été entraînés sur un corpus figé à une date précise. Ce qu'ils "savent" de votre marque dépend de ce qui existait sur le web avant leur date de coupure.

Perplexity et Google AI Overview fonctionnent différemment : ils combinent un moteur de recherche en temps réel avec un LLM pour générer la réponse. Ici, la logique se rapproche davantage du SEO classique - mais avec une couche de sélection supplémentaire que l'algorithme opère pour décider quelles sources méritent d'être synthétisées. C'est cette couche qui change tout.

Pour aller plus loin sur la distinction fondamentale entre ces deux logiques, l'article sur l'impact des answer engines sur le SEO traditionnel pose les bases utiles avant d'aller plus loin.

Les trois signaux que les LLM utilisent pour sélectionner une source

Après avoir analysé des dizaines de réponses générées par différents answer engines sur des sujets B2B, j'ai identifié trois patterns récurrents dans les sources qui sont citées - et aucun des trois ne se résume à "avoir un bon score de domaine".

1. La densité de co-citations sur le web

Un LLM entraîné sur du texte web apprend que certaines entités sont souvent mentionnées ensemble. Si votre marque apparaît régulièrement dans des articles de référence, des threads de discussion sérieux, des newsletters sectorielles - le modèle associe votre nom à un domaine de compétence. Ce n'est pas du PageRank, c'est de la co-occurrence sémantique. Concrètement : être cité dans un article de fond sur un sujet vaut plus que d'avoir dix backlinks depuis des annuaires.

L'implication pratique est contre-intuitive : il vaut mieux être mentionné dans trois articles longs et bien distribués que dans trente articles courts qui n'ont aucune audience. La surface de co-citation compte plus que le volume brut.

2. La cohérence de l'entité sur le web

Les LLM construisent une représentation interne des entités - personnes, marques, concepts. Plus votre entité est définie de façon cohérente sur le web (même nom, même positionnement, même domaine d'expertise répété sur plusieurs supports), plus le modèle peut la "résoudre" avec confiance. À l'inverse, une marque qui change de positionnement tous les six mois, ou un expert dont les biographies varient selon les plateformes, génère une représentation floue - et un modèle incertain n'attribue pas de citation.

C'est exactement pour ça que la cohérence de la Knowledge Graph Entity - au sens de Google - a un effet direct sur la visibilité dans les LLM. Votre fiche Wikipedia si elle existe, votre page Wikidata, vos profils LinkedIn et votre site doivent tous raconter la même histoire.

3. La structure du contenu elle-même

Pour les answer engines qui opèrent en temps réel (Perplexity, AI Overviews), la structure du contenu joue un rôle direct dans la sélection. Un texte qui répond directement à une question, avec des sections clairement délimitées, des définitions explicites et des données factuelles vérifiables, est plus facilement extractible qu'un article narratif dense. Le LLM cherche des passages autonomes - des blocs de texte qui font sens hors contexte.

J'ai testé ce principe en reformattant plusieurs articles existants : ajouter un paragraphe de définition en début de section, expliciter les relations causales ("parce que", "ce qui signifie que"), et structurer les listes avec des labels clairs augmente significativement la probabilité d'extraction. L'article sur la structuration du contenu pour les LLM détaille cette approche avec des exemples concrets.

Le problème de la "fraîcheur" pour les LLM à corpus figé

Voici un angle que peu d'articles GEO abordent franchement : si vous lancez votre marque aujourd'hui, vous n'apparaîtrez pas dans les réponses de ChatGPT-4 - pas parce que votre contenu est mauvais, mais parce que votre marque n'existait pas au moment de l'entraînement du modèle. Ce n'est pas un problème de SEO, c'est un problème de timing d'entraînement.

La stratégie dans ce cas est double : d'abord cibler les answer engines à récupération en temps réel (Perplexity, AI Overviews) où la fraîcheur du contenu compte, et ensuite construire une empreinte web suffisamment dense pour être capturée lors des prochains cycles d'entraînement des grands modèles. OpenAI, Anthropic et Google mettent régulièrement à jour leurs modèles - chaque mise à jour est une nouvelle opportunité d'être "appris".

Cette réalité change radicalement la priorité des actions : publier régulièrement sur des supports indexés et bien distribués devient aussi stratégique que d'optimiser les balises meta. C'est là qu'une plateforme comme ForgR apporte une valeur concrète - en automatisant la génération et la publication régulière d'articles optimisés, elle permet de construire cette empreinte de contenu de façon systématique, sans dépendre d'une équipe éditoriale à plein temps.

Ce que les LLM ne citent jamais - et pourquoi

Autant savoir ce qui élimine une source dès le départ. Les modèles évitent systématiquement :

• Les contenus derrière paywall : si le texte n'est pas accessible au crawl, il n'a pas pu être intégré à l'entraînement et ne peut pas être récupéré en temps réel.
• Les pages sans profondeur factuelle : une page "À propos" ou une landing page commerciale ne contient pas de contenu extractible utile pour répondre à une question.
• Les sources à réputation contestée : les LLM sont entraînés avec des filtres de qualité. Les domaines identifiés comme spam ou à faible fiabilité sont sous-représentés dans le corpus d'entraînement.
• Les contenus trop génériques : si votre article dit exactement ce que disent cent autres articles, le modèle n'a aucune raison de vous citer spécifiquement - il synthétise le consensus sans attribution.

Ce dernier point est le plus important. La citation dans un LLM récompense la spécificité - un chiffre précis, un exemple concret, une position tranchée sur un sujet. Le contenu générique disparaît dans la synthèse ; le contenu distinctif est attribué.

Construire une stratégie d'autorité GEO : par où commencer concrètement

La bonne nouvelle : les leviers sont actionnables, même pour une TPE ou un indépendant. Voici la séquence que j'applique en pratique, dans l'ordre de priorité.

Étape 1 - Définir et stabiliser votre entité

Choisissez un positionnement précis et tenez-y. "Expert en automatisation SEO pour PME B2B" est une entité que le modèle peut apprendre. "Consultant digital polyvalent" ne l'est pas. Déployez ce positionnement de façon identique sur votre site, votre LinkedIn, vos bios invitées, et si possible sur des pages de référence tierces.

Étape 2 - Créer des contenus extractibles sur votre domaine

Publiez des articles qui répondent directement à des questions précises dans votre domaine. Pas des articles de 500 mots sur des sujets larges - des articles de fond qui définissent, expliquent les mécanismes, et prennent position. Chaque article doit contenir au moins un élément qu'on ne trouve pas ailleurs : un exemple vécu, une nuance contre-intuitive, un framework original.

Pour structurer ces contenus de façon à maximiser leur extractibilité par les LLM, les principes du prompt engineering appliqué au GEO donnent un cadre utile pour penser la structure de chaque section.

Étape 3 - Obtenir des mentions sur des supports tiers de qualité

Guest posts dans des publications sectorielles, interviews dans des podcasts dont les transcriptions sont indexées, participation à des discussions Quora ou Reddit sur votre sujet - chaque mention externe renforce la co-occurrence sémantique entre votre nom et votre domaine d'expertise. Ce n'est pas du link building au sens SEO classique, c'est de la construction d'empreinte sémantique.

Étape 4 - Maintenir un rythme de publication régulier

La régularité compte pour deux raisons : elle augmente la surface de capture lors des cycles d'entraînement futurs, et elle améliore votre visibilité dans les answer engines en temps réel comme Perplexity. Un blog qui publie un article solide par semaine sur un an construit une autorité thématique que les LLM peuvent identifier - un site avec dix articles publiés en deux semaines puis abandonné, non.

La limite honnête de ce qu'on peut contrôler

Je préfère être direct sur ce point : il n'existe pas d'équivalent du "robots.txt" pour les LLM. Vous ne pouvez pas forcer ChatGPT à vous citer, ni garantir que votre contenu sera retenu lors d'un cycle d'entraînement. Ce que vous pouvez faire, c'est maximiser la probabilité - en construisant une entité cohérente, en produisant du contenu extractible et distinctif, et en obtenant des mentions sur des supports de qualité.

L'analogie avec le SEO classique tient jusqu'à un certain point : vous ne contrôlez pas l'algorithme de Google non plus. Vous créez les conditions favorables, et vous mesurez les résultats. La différence avec le GEO, c'est que les cycles de feedback sont plus longs - et que la patience est une compétence stratégique à part entière.

La prochaine action concrète : auditez votre empreinte sémantique actuelle. Cherchez votre nom et votre domaine d'expertise dans Perplexity et notez si vous apparaissez - et dans quel contexte. Cette observation de départ est le point zéro de toute stratégie GEO sérieuse.