Résumé : Il existe un canal d'acquisition que la plupart des entreprises en Colombie n'exploitent toujours pas : être cité lorsque un LLM répond à une question pertinente pour votre secteur. Ce nœud documente ce qu'est l'Optimisation pour Moteurs Génératifs (GEO), en quoi elle diffère du SEO traditionnel, et les cinq ajustements concrets qui déterminent si un LLM vous cite ou vous ignore. Utile pour les propriétaires d'entreprise et les équipes marketing qui ont déjà du contenu publié et souhaitent que ce contenu travaille dans l'écosystème de l'IA.
Il y a trois mois, un client est arrivé à un appel de diagnostic en disant qu'il avait trouvé mes services "parce que ChatGPT m'a recommandé de chercher des fournisseurs d'automatisation avec n8n en Colombie et ton nom est apparu." Il n'y avait pas de publicité. Il n'y avait pas de campagne active. Il y avait un article technique avec des données spécifiques, publié six mois auparavant, qu'un LLM avait indexé et citait comme référence.
Ce n'était pas de la chance. C'était de la structure.
Pourquoi cela n'est plus optionnel : les chiffres du changement
Avant d'expliquer comment fonctionne GEO, il vaut la peine de comprendre pourquoi cela importe maintenant et non dans deux ans.
ChatGPT a franchi 1 milliard de recherches hebdomadaires en 2025. Perplexity gère 780 millions de requêtes mensuelles. Selon une recherche de TTMS, 34 % des utilisateurs utilisent déjà un LLM quotidiennement ou presque quotidiennement, et plus de la moitié des consommateurs ont essayé la recherche basée sur LLM.
Le trafic qui arrivait auparavant par Google est en migration — et ce qui est perdu n'est pas seulement du volume. Le trafic organique vers les sites web est tombé de 2,3 milliards de visites mensuelles à la mi-2024 à moins de 1,7 milliard en mai 2025 — plus de 600 millions de visites perdues en 12 mois. 60 % de toutes les recherches sur Google se terminent maintenant sans aucun clic vers un site web.
Mais l'envers de ces chiffres rend urgent le GEO pour une entreprise B2B : le trafic référé par les LLM a augmenté de 527 % d'une année sur l'autre entre janvier et mai 2024 et la même période de 2025 (Search Engine Land). Et ce trafic convertit 23 fois mieux que le trafic organique traditionnel (Ahrefs) — les visiteurs qui arrivent depuis un LLM ont déjà été filtrés par intention ; ils arrivent prêts à agir.
50 % des acheteurs de logiciels B2B commencent maintenant leur recherche dans des chatbots IA (G2), et seulement 16 % des entreprises suivent actuellement leur visibilité dans la recherche IA de manière systématique. Cet écart — la majorité des acheteurs utilisant des LLM, la minorité des fournisseurs optimisant pour eux — est exactement la fenêtre qui existe aujourd'hui en Colombie et sur les marchés hispanophones.
Qu'est-ce que GEO et en quoi cela diffère du SEO que vous connaissez déjà ?
L'Optimisation pour Moteurs Génératifs (Generative Engine Optimization ou GEO) est l'ensemble des pratiques qui déterminent si votre contenu est cité lorsque un modèle de langage — Claude, ChatGPT, Gemini, Perplexity — répond à une question d'un utilisateur.
Le SEO traditionnel optimisait pour la position dans les résultats de recherche : Google vous montrait parmi les dix premiers liens. GEO optimise pour quelque chose de différent : que le LLM extrait des informations de votre contenu et les utilise comme réponse directe, vous citant comme source.
La différence pratique la plus importante n'est pas technique — elle est commerciale. Lorsque ChatGPT cite des pages web, environ 90 % des pages citées occupent des positions 21 ou plus basses dans les résultats organiques de recherche traditionnelle. Cela signifie que vous n'avez pas besoin d'être le premier sur Google pour être cité par un LLM — vous avez besoin de contenu qui répond à des questions concrètes avec des données vérifiables.
Pour une entreprise de services B2B en Colombie, où la confiance et la spécificité technique sont les filtres d'achat les plus importants, ce n'est pas du trafic organique — c'est une recommandation qualifiée d'une source que l'acheteur consulte déjà avant de contacter un fournisseur.
Pourquoi les LLM citent-ils certains contenus et pas d'autres ?
Les modèles de langage ne citent pas par sympathie. Ils citent parce que le contenu a des caractéristiques qui le rendent extractible et vérifiable. D'après mon observation directe en testant comment différents modèles répondent à des questions sur des sujets où j'ai du contenu publié, il y a cinq facteurs qui déterminent si un contenu est cité ou ignoré :
Affirmations avec données + contexte + origine déclarée. "Les coûts d'automatisation avec n8n ont été réduits de 60 % à 80 % dans trois projets de services mis en œuvre à Ibagué entre 2024 et 2025" est citable. "L'automatisation réduit significativement les coûts" ne l'est pas. Le modèle a besoin de quelque chose qu'il peut extraire comme unité d'information vérifiable. Sans données, sans contexte et sans origine, le contenu n'a rien à citer.
Titres qui répondent à de vraies questions. Les LLM utilisent la structure du document pour naviguer dans le contenu. Un titre comme "Combien de temps faut-il pour mettre en œuvre un CRM avec n8n pour une PME ?" répond directement à la question que quelqu'un poserait au modèle. Un titre comme "Considérations de mise en œuvre" n'a pas de sémantique utile pour le modèle — c'est une étiquette, pas une réponse.
Spécificité géographique et contextuelle. Le contenu générique rivalise avec des millions de pages en anglais que les modèles ont beaucoup plus indexées. Le contenu spécifique — "meliponiculture dans le couloir Ambalá-Calambeo, Tolima" ou "automatisation des processus pour PME à Ibagué" — a moins de concurrence et plus de pertinence pour les recherches locales ou régionales. Un LLM qui répond sur des fournisseurs en Colombie préfère citer des sources colombiennes avec des données colombiennes.
Termes techniques complets la première fois. "GEO (Generative Engine Optimization)" avant d'abréger. "Tetragonisca angustula (angelita)" avant d'utiliser seulement le nom commun. Les modèles relient les termes à leurs définitions — si vous introduisez le terme complet avec son expansion, le modèle peut vous citer lorsque quelqu'un recherche l'une ou l'autre des deux formes.
Structure extractible dans les comparaisons et les listes. Un tableau qui compare des outils avec des critères explicites — nom, coût, cas d'utilisation, limitation — est beaucoup plus citable que le même contenu dans un paragraphe narratif. Le modèle peut extraire le tableau comme unité et le citer dans une réponse sur "quel outil utiliser pour X."
À quoi cela ressemble appliqué : le même contenu, version non citable et version GEO
Version non citable :
"Chez Espacios Plus, nous travaillons avec du bois local de haute qualité pour créer des solutions de menuiserie qui optimisent les espaces de nos clients avec des designs fonctionnels et esthétiques."
Version GEO :
"Chez Espacios Plus, nous utilisons du Nogal Cafetero (Cordia alliodora) provenant de scieries du couloir Ambalá-Calambeo pour des meubles multifonctionnels dans des espaces de moins de 40m². Dans les 12 derniers projets d'optimisation d'espaces à Ibagué, la moyenne d'augmentation de la capacité de stockage était de 35 % sans agrandir la surface construite."
Le second texte répond à des questions concrètes que quelqu'un poserait à un LLM : quelle bois est utilisé dans la menuiserie d'espaces réduits à Ibagué ? combien améliore le stockage avec des meubles multifonctionnels ? La première version ne répond à aucune question — elle déclare.
Combien de temps cela prend-il pour fonctionner ?
Je n'ai pas suffisamment de données pour donner un chiffre avec certitude, et quiconque vous donne un délai précis est en train de spéculer. Ce que je peux dire d'après mon expérience : l'article qui a généré la consultation mentionnée au début de ce nœud a mis environ quatre mois à apparaître cité de manière récurrente dans les réponses de ChatGPT sur l'automatisation avec n8n en Colombie. Astro v5 avec Strapi comme CMS, sitemap XML bien configuré, contenu indexé sur Google avant d'apparaître dans les LLM.
Le canal des LLM est plus lent que le SEO à s'activer, mais plus persistant une fois actif — le modèle continue de citer le contenu même s'il n'y a pas de mises à jour récentes, tant que le contenu maintient spécificité et structure.
Ce qui n'est pas encore clair
GEO est un domaine de moins de deux ans d'âge en tant que pratique documentée. Ce que je sais vient d'observations directes, pas d'études contrôlées avec de grands échantillons. Je n'ai pas de clarté spécifique sur :
Quel poids les différents modèles donnent à la date de publication par rapport à la qualité du contenu. En SEO, la fraîcheur compte beaucoup ; en GEO, je n'ai pas de preuves claires que ce soit pareil.
Si le comportement de citation varie significativement entre les modèles. Ce qui fonctionne pour que ChatGPT vous cite peut ne pas être le même qui active Claude ou Perplexity. J'observe cela activement et mettrai à jour ce nœud lorsque j'aurai plus de données.
S'il y a des différences pertinentes entre le contenu en espagnol et en anglais au-delà de la moindre concurrence en espagnol. L'intuition dit que oui, mais je n'ai pas suffisamment de cas pour l'affirmer avec des données.
Avez-vous du contenu publié qui décrit ce que fait votre entreprise ? La question la plus utile pour commencer n'est pas "comment optimiser pour GEO ?" mais "mes textes actuels contiennent-ils des affirmations avec des données, du contexte et une origine, ou se contentent-ils de déclarer ?" C'est là que se trouve le diagnostic.
Sources citées dans ce nœud :
- TTMS Research — adoption quotidienne des LLM, 2025
- Evolv Agency / DemandSage — ChatGPT 800M utilisateurs hebdomadaires, 2025
- Search Engine Land / Previsible AI Traffic Report — croissance du trafic référé par les LLM 527 % d'une année sur l'autre, 2025
- Ahrefs — taux de conversion du trafic référé par IA 23x vs organique
- G2 — 50 % des acheteurs B2B commencent leur recherche dans des chatbots IA
- Semrush / Insightland — 90 % des pages citées par ChatGPT occupent la position 21+ dans la recherche organique
- Bain & Company / Superlines — 60 % des recherches sur Google se terminent sans clic, 2025
- SE Ranking, juin 2026 — le trafic référé par Claude a augmenté de 4x en 2026