Quels résultats peuvent apporter les optimisations GEO

Quels peuvent être les attentes de résultats ? Comment peut-on les mesurer ?

Les IA LLMs et ceux orientés pour la recherche sur le web sont encore à leurs balbutiements. Ils changent rapidement, et l'écosystème d'outils offert aux créateurs de contenu pour mesurer et optimiser ses efforts est encore limité.

Ce qui est certain, c'est que les conditions suivantes augmentent drastiquement les probabilités d'être cités par les modèles d'IA LLMs :

• La requête de l'utilisateur est spécifique et peu commune (donc moins de sources de réponses).
• Le contenu du site est en corrélation avec cette question (donc plus de probabilité de pertinence).

Par exemple, au moment d'écrire ces lignes, pratiquement toutes les IAs LLM citeront mon site web si vous posez la question suivante :

How to run a Flask app on a Plesk server ?

Sur ChatGPT :

Sur Perplexity :

Tel qu'illustré, dans tout mes tests, cet article est utilisé pour formuler une réponse.

Cela s'expliquer simplement : les deux conditions mentionnées précédemment sont remplies. Les probabilités d'être inclus et cité dans la réponse sont très hautes :

• Il s'agit d'une requête très spécifique et peu commune : peu de gens utilisent Flask, et la plupart de ceux-ci n'utilisent pas Plesk.
• Le contenu de mon site est en corrélation exact avec la question grâce à cet article : Applications Flask Python sur Plesk

Pour visualiser quels contenus sont utilisés pour une requête, Perplexity est l'outil qui cite les sources le plus clairement pour le moment. Il peut être un outil intéressant pour tester les changements que vous apportez à votre site web ou à son contenu, et mesurer leurs effets.