GEO n'est pas SEO : la nouvelle bataille des IA génératives
Pourquoi une destination peut cumuler les positions Google sans jamais être suggérée par ChatGPT, et ce que la génération de réponses change au métier marketing.
L'histoire commence par un chiffre qui dérange. Sur une destination française bien référencée sur Google, positionnée dans les premiers résultats sur ses requêtes cibles, l'observation directe des réponses générées par ChatGPT, Perplexity, Gemini et Claude a révélé que la destination n'apparaissait dans que quatre situations sur dix quand le voyageur ne la nommait pas. Sur les six autres, elle n'existait tout simplement pas dans l'univers cognitif du moteur.
Ce chiffre a un nom : la découvrabilité générative. Il n'existe dans aucun tableau de bord SEO, dans aucun rapport Semrush, dans aucun outil de veille éditoriale. Il ne se lit ni sur Google Search Console ni sur Google Analytics. Il ne se déduit d'aucune donnée d'audience classique. Et pourtant, il gouverne désormais la moitié de la phase d'inspiration du voyageur.
Ce qui a changé entre 2020 et 2026
En 2020, le voyageur ouvrait Google. Il tapait « où partir dans le sud de la France ». Il obtenait dix liens bleus. Chaque destination du bassin méditerranéen se battait pour occuper l'une de ces positions. Les métiers du marketing digital tournaient autour du CTR, de la balise title, du maillage interne et du netlinking.
En 2026, le voyageur ouvre ChatGPT. Il tape la même question. Il obtient un paragraphe composé, avec trois ou quatre destinations nommées, deux ou trois arguments par destination, éventuellement des liens sources en fin de réponse. Chaque destination du bassin méditerranéen se bat désormais pour occuper l'une de ces mentions. Le CTR n'existe plus. Le classement n'existe plus. La position n'existe plus. Ce qui compte, c'est la présence dans la réponse composée.
Cette différence n'est pas technique. Elle est structurelle. Un moteur de recherche classe. Un moteur génératif compose. Un moteur qui classe permet de vérifier son résultat en observant sa position. Un moteur qui compose oblige à observer directement ce qu'il dit, réponse par réponse, moteur par moteur.
Pourquoi les outils SEO ne suffisent pas
Les outils SEO mesurent des positions sur des mots-clés. Ils s'appuient sur le crawl du web, sur les liens entrants et sur les signaux traditionnels d'autorité. Ils sont excellents pour ce qu'ils font. Ils ne mesurent rien de ce qui se passe dans une conversation avec une IA générative pour trois raisons.
La position dans un moteur de recherche est discrète (rang 1, 2, 3…). La présence dans une réponse générative est continue (0 % à 100 % des observations sur une même question, selon le moteur, l'itération et le contexte).
D'abord, les IA génératives ne lisent pas seulement les résultats du moteur. Elles combinent leur mémoire d'entraînement, un stock de connaissances internes, et éventuellement une recherche en temps réel. Ce que Google renvoie à la question ne dicte plus ce que ChatGPT en fait.
Ensuite, la même question posée trois fois à ChatGPT produit trois réponses différentes, parfois substantiellement. Cette variabilité rend inopérante la logique de « la position ». Elle impose une logique d'observation répétée et de mesure statistique.
Enfin, les IA modernes ne divulguent jamais leur fenêtre de raisonnement complète. Elles fournissent un résultat. On observe le résultat. On ne peut ni auditer ni reproduire le processus interne. La seule mesure valable devient externe, comportementale, appliquée sur des batchs assez larges pour être significatifs.
Ce que GEO propose comme cadre
Le Generative Engine Optimization pose une méthode différente. Il ne cherche pas à optimiser un rang. Il vise à mesurer et améliorer la représentation d'une entité dans les réponses composées par les IA.
Trois leviers structurent le travail. Le premier est la structure sémantique du site : balises H1/H2 explicites, schema.org, FAQ structurées, fichier llms.txt à la racine du domaine. Ces éléments donnent aux crawlers génératifs une carte du site facile à digérer. Ils ne remplacent pas le contenu, ils le rendent lisible.
Le deuxième levier est la qualité et la stabilité des sources tierces. Les IA composent leurs réponses en pondérant des sources : Wikipédia, presse voyage, sites institutionnels, avis d'utilisateurs, réservoirs de contenu généré. Une destination absente ou mal représentée dans ces sources est absente ou mal représentée dans les réponses. Le travail éditorial ne concerne plus seulement le site officiel, mais l'ensemble de l'écosystème documentaire de la destination.
Le troisième levier est l'existence d'un vocabulaire canonique que les IA reprennent. Les moteurs génératifs apprennent des cooccurrences. Une destination systématiquement décrite avec les mêmes mots-clés (« patrimoine templier », « slow tourisme », « festival de musique baroque ») finit par être associée à ces mots dans le stock de connaissances des IA. Ce qui est cité de façon récurrente devient l'identité de la destination pour la machine.
Mesurer avant d'optimiser
Une évidence : on ne peut pas optimiser ce qu'on ne mesure pas. Or, mesurer la représentation générative demande une méthode dédiée. Poser dix fois la question « où partir dans le sud de la France » à ChatGPT et compter les mentions ne suffit pas. Il faut couvrir un corpus représentatif d'intentions de voyageur (inspirationnel, comparatif, pratique), interroger plusieurs moteurs pour éviter le biais d'un seul outil, répéter les mesures pour estimer la stabilité inter-itération.
C'est exactement le cœur du protocole Destination Intelligence. 70 questions × 4 moteurs × 3 répétitions = 840 observations par vague. Chaque question relève d'une catégorie explicite (branded, unbranded, comparative). Chaque moteur est interrogé indépendamment. Chaque itération est lancée à 24 heures d'écart pour comparer les variations.
Le taux de stabilité de 97,86 % mesure la répétabilité interne des observations entre trois itérations. Il ne mesure ni la véracité factuelle des réponses des IA ni leur exactitude absolue.
Ce cadre s'oppose à deux tentations. La tentation de la mesure ponctuelle, qui donne un chiffre mais ne dit rien de sa robustesse. Et la tentation de la mesure sauvage, qui accumule des observations non structurées sans pouvoir en tirer une décision.
Ce qui suit la mesure
Une fois la représentation générative mesurée, elle devient pilotable. On peut identifier les intentions du voyageur pour lesquelles la destination est absente. On peut détecter les entités locales (sites, produits, événements) qui n'apparaissent pas dans les réponses. On peut cartographier l'écosystème documentaire cité par les IA et prioriser les sources à alimenter. On peut suivre l'évolution vague après vague pour vérifier qu'une action éditoriale ou institutionnelle produit un effet mesurable.
La destination qui prend GEO au sérieux commence par un benchmark. Elle établit sa ligne de base. Elle décide de trois actions prioritaires reliées à des observations. Elle mesure à nouveau six mois plus tard. Elle constate — ou pas — un déplacement. Elle ajuste.
C'est ce déplacement que la plateforme Destination Intelligence permet de tenir dans le temps. Ce n'est pas magique. Ce n'est pas immédiat. C'est méthodique.
Conclusion
GEO n'est pas SEO. SEO reste utile, il continue de porter le trafic direct depuis Google. GEO devient nécessaire pour ne pas disparaître de la moitié de la phase d'inspiration du voyageur. Les deux sont complémentaires. Aucun ne remplace l'autre.
Une destination qui pilote son SEO sans mesurer son GEO en 2026 est comme une entreprise qui pilotait son affichage papier sans regarder Google en 2015. Elle est peut-être encore visible. Mais elle ne contrôle plus la moitié de son exposition.
Notre pari est simple : dans trois ans, la mesure GEO sera aussi standard que la mesure d'audience web l'est devenue en dix ans. Nous préférons partir maintenant.