Méthodologie
Comment Fonctionne Notre Scoring
Pas de boîte noire. Nous expliquons exactement ce que nous mesurons, pourquoi c'est important, et comment vous améliorer.
Principe Glass Box
La plupart des outils de scoring fonctionnent comme des boîtes noires : ils vous donnent un chiffre sans expliquer comment ils y sont arrivés. L'optimisation devient alors un jeu de devinettes.
Citead adopte une approche différente. Nous pensons que comprendre votre score est aussi important que le score lui-même. Chaque métrique est traçable. Chaque recommandation est explicable.
La transparence n'est pas une fonctionnalité. C'est notre fondation.
Architecture Générale
Le score GEO n'est pas la moyenne des cinq notes de critère. Il part de onze sous-mesures du texte, chacune passée par une racine carrée pour limiter l'effet d'une mesure poussée à l'extrême, puis pondérées : le contenu compte pour 92 % et la fraîcheur pour 8 %. Les barres ci-dessous donnent la part de chaque critère, soit la somme des poids de ses sous-mesures. La naturalité est notée et affichée, mais ne compte pas dans le score. Les poids sont décrits dans le papier arXiv:2609.07559.
5 Agents Spécialisés
Chaque agent note un critère. Quatre critères comptent dans le score GEO ; la naturalité est affichée à part.
Semantic Mathematics
52,8 %Analyse la qualité linguistique via des métriques de théorie de l'information. Des scores plus élevés indiquent un contenu plus substantiel et bien structuré.
Ce qu'il analyse
- Densité informationnelle (entropie de Shannon)
- Diversité lexicale (TTR, MTLD)
- Cohérence sémantique
- Flux des entités
- Consistance thématique
LLM Citability
31,4 %Mesure ce qui rend un passage reprenable tel quel par un moteur IA : réponse directe, formulations autonomes, données attribuées. Ce critère ne prédit pas qu'un contenu sera cité, il évalue ce qui est sous votre contrôle dans la page.
Ce qu'il analyse
- Structure answer-first
- Densité de données statistiques
- Attributions de sources
- Paragraphes autonomes
- Déclarations citables
- Densité d'entités
- Crédentials auteur
- Niveau de lisibilité
Content Organization
6,0 %Évalue l'architecture de l'information et la qualité de la structure du contenu pour les lecteurs humains et le parsing IA.
Ce qu'il analyse
- Ranking des sections
- Équilibre pertinence-diversité
- Hiérarchie des titres
- Flux logique du contenu
Sur quoi il s'appuie
Authority
1,8 %Mesure la crédibilité des sources et l'ancrage factuel — facteurs clés pour déterminer si les moteurs IA font confiance et citent votre contenu.
Ce qu'il analyse
- Présence de citations
- Autorité du domaine
- Pertinence des citations
- Optimisation Q&R
- Densité factuelle
AI Detection
hors scoreRepère les tournures, le vocabulaire et les constructions surreprésentés dans les textes générés par IA. Cette note est affichée à part et ne compte pas dans le score GEO.
Ce qu'il analyse
- Patterns de vocabulaire
- Patterns structurels
- Constructions de contraste
- Variété linguistique
- Flux naturel
Validé par la recherche
Les chiffres derrière l'algorithme
+40%
de visibilité au mieux, mesuré en 2023
Le papier fondateur du GEO
10 000 requêtes testées sur Perplexity et Bing Chat en 2023 : statistiques vérifiables, citations d'experts et structure answer-first ressortaient comme les leviers les plus forts. Sur les moteurs actuels, nos mesures donnent des effets nettement plus faibles : nous reprenons la méthode d'évaluation de ce papier, pas son chiffre.
Lire le papierAjout de citations
Déclarations citables que les experts peuvent référencer
Ajout de statistiques
« 8 % des visites avec résumé IA aboutissent à un clic, contre 15 % sans (Pew Research Center, 2025) » plutôt que « peu d'internautes cliquent »
Citer les sources
Liens vers études, documentation officielle
Les moteurs IA privilégient les sources tierces
Chen et al. (2025) ont comparé les sources citées par ChatGPT, Perplexity et Gemini à celles de Google, sur plusieurs secteurs et plusieurs langues : les moteurs IA montrent un biais systématique en faveur des médias tiers (earned media) face au contenu publié par les marques elles-mêmes. Citer des sources reconnues dans vos pages ne remplace pas cette couverture externe, mais c'est la part de l'autorité que vous contrôlez.
Lire le papierCe que ça change pour vous
Les règles évoluent. Votre contenu aussi.
Chaque modèle IA a ses propres critères de citation. Ce qui fonctionnait hier peut devenir obsolète demain. Les mises à jour sont fréquentes, les algorithmes changent.
Les poids actuels (version v5) sont en production depuis juin 2026 ; cette page décrit cette version.
Un contenu qui MÉRITE d'être cité reste la constante : factuel, sourcé, utile.
Questions fréquentes
Le score GEO prédit-il qu'une page sera citée par ChatGPT ou Perplexity ?
Non. Le score mesure des propriétés de la page que vous contrôlez : sources, structure, formulation. La citation dépend aussi de signaux extérieurs à la page, en particulier la couverture par des médias tiers, que Chen et al. (2025) identifient comme un facteur dominant pour les moteurs IA.
Pourquoi le critère Autorité vérifie-t-il chaque affirmation chiffrée ?
Parce que les moteurs génératifs attribuent mal leurs sources. Liu, Zhang et Liang (2023) ont audité quatre moteurs (Bing Chat, NeevaAI, perplexity.ai, YouChat) : en moyenne, 51,5 % des phrases générées étaient entièrement étayées par leurs citations, et 74,5 % des citations étayaient la phrase associée. Une affirmation déjà rattachée à sa source dans votre page laisse moins de place à l'erreur.
Faut-il une optimisation spécifique pour Google AI Overviews ?
Selon la documentation Google Search Central, il n'existe pas d'exigence supplémentaire pour apparaître dans AI Overviews ou AI Mode : la page doit être indexée et éligible à l'affichage d'un extrait. Les critères du score s'appliquent donc à Google comme aux autres moteurs.
Le critère Naturalité repose-t-il sur un détecteur d'IA ?
Non. Il repère des tournures et un vocabulaire surreprésentés dans les textes générés, et les signale un par un. Un verdict binaire de détecteur serait peu fiable : Liang et al. (2023) montrent que les détecteurs courants classent à tort comme générés des textes rédigés par des auteurs non natifs anglophones.
Références
- Aggarwal et al., « GEO: Generative Engine Optimization », KDD 2024
- Liu, Zhang, Liang, « Evaluating Verifiability in Generative Search Engines », 2023
- Chen, Wang, Chen, Koudas, « Generative Engine Optimization: How to Dominate AI Search », 2025
- Google, « Search Quality Rater Guidelines » (E-E-A-T)
- Google Search Central, « Creating helpful, reliable, people-first content »
- Liang et al., « GPT detectors are biased against non-native English writers », 2023
- Shannon, « A Mathematical Theory of Communication », 1948
- Reimers, Gurevych, « Sentence-BERT », EMNLP 2019
- Liu et al., « Lost in the Middle: How Language Models Use Long Contexts », 2023
- Google Search Central, « AI features and your website »
- Pew Research Center, « Google users are less likely to click on links when an AI summary appears in the results », 2025