La demande

Près d’un Français sur deux utilise désormais l’IA générative, et 76 % des cadres y ont recours dans leur activité professionnelle. Dans ce contexte, ce groupe logistique posait une question simple : « Sommes-nous visibles et recommandés par les IA lorsque nos clients cherchent une solution de transport ? »

Les requêtes analysées reflétaient des situations réelles d’achat B2B : « Quel transporteur choisir pour une PME industrielle ? », « Transporteur avec suivi en temps réel et livraison rapide », « Comment réduire les retards de livraison en B2B ? » Ce qui est en jeu : être présent non plus seulement dans Google, mais dans les réponses que les IA génèrent directement pour leurs utilisateurs.

La solution

Acemis a conçu et conduit un audit GEO outillé, structuré en trois étapes.

D’abord, la modélisation de profils utilisateurs représentatifs des situations réelles d’interrogation des LLM : dirigeante de PME, directeur logistique, TPE avec des besoins ponctuels. Sur cette base, 90 prompts ont été construits autour des principales intentions de recherche liées au transport. Via le mécanisme de query fan-out — les LLM reformulent chaque prompt en une dizaine de variantes sémantiques —, l’analyse a finalement porté sur 972 requêtes sur trois semaines.

L’audit a mesuré, sur ChatGPT, Gemini et Perplexity, trois indicateurs clés : la visibilité (présence dans les réponses), la position (ordre d’apparition) et la persistance (répétition sur l’ensemble des requêtes). Ces données ont été croisées avec Google Analytics pour qualifier la valeur réelle du trafic généré par les IA.

L’analyse doit être menée sur plusieurs semaines (minimum 3), les réponses des LLM évoluant en permanence en fonction des sources et des mises à jour.

Les résultats

L’audit a révélé des écarts significatifs selon les plateformes. Bien positionné sur l’un des LLM grâce à un socle SEO solide, le client affichait moins de 5 % de visibilité sur ChatGPT — de loin le plus utilisé. Il a également mis en évidence une tendance structurante : les IA citent massivement des comparateurs et agrégateurs, dont les contenus en langage naturel leur sont plus accessibles que les contenus techniques des acteurs historiques. Une marque peut être très bien référencée sur Google et rester quasi absente des réponses générées par les IA.

Les recommandations ont été structurées autour de quatre piliers : le fond (répondre aux vraies questions clients, dans leur langage), la forme (contenus variés et exploitables par les IA : FAQ, comparatifs, synthèses), la fréquence (publication régulière pour les modèles sensibles à la fraîcheur) et les foyers de diffusion (présence sur des tiers de confiance — médias, comparateurs, blogs sectoriels). L’audit a également permis d’identifier les territoires sémantiques prioritaires à travailler selon les étapes du parcours client.