- Étude terrain sur un seul domaine, glasp.co (des centaines de milliers de pages questions-réponses YouTube), qui a reçu un lot défini d'optimisations AEO en janvier 2026. Les pages non optimisées du même site servent de groupe de contrôle.
- Mesure faite sur les données first-party (analytics maison et logs serveur), pas sur des estimateurs tiers approximatifs.
- Le trafic ChatGPT total a grandi de ×5,7… mais les pages non touchées du même domaine ont grandi de ×3,5 sur la même période. L'essentiel du « succès » brut, c'est la croissance de la plateforme, pas l'optimisation.
- L'effet propre des optimisations, isolé par un modèle de séries temporelles, est estimé à ×1,82 (IC 95 % : 1,31 à 2,54). Mais un test placebo conservateur donne p = 0,16 : l'effet est suggestif, pas concluant.
- Le message qui me paraît le plus précieux n'est pas le chiffre, c'est la méthode : sans groupe de contrôle, les multiplicateurs qu'on vous vend surestiment largement l'effet réel.
Vous avez forcément croisé ce genre de phrase : « après nos optimisations, notre trafic ChatGPT a été multiplié par 5 ». C'est l'argument de vente type du GEO en 2026. Le problème, c'est qu'entre le début et la fin de l'expérience, ChatGPT lui-même a énormément grandi : il envoie de plus en plus de trafic à tout le monde, optimisé ou pas. Comment savoir ce qui revient à l'optimisation, et ce qui revient simplement à la marée montante de la plateforme ?
C'est exactement la question que tranche le travail déposé sur arXiv en juin 2026 par Keisuke Watanabe et Kazuki Nakayashiki, intitulé Disentangling Answer Engine Optimization from Platform Growth. Et c'est, à ma connaissance, l'une des rares études GEO à utiliser un vrai dispositif quasi expérimental avec groupe de contrôle.
Le statut de la source
Preprint arXiv (catégories recherche d'information et linguistique computationnelle). Sa force méthodologique est inhabituelle pour le domaine : au lieu de comparer « avant » et « après » (ce que tout le monde fait, et qui mélange tout), les auteurs comparent des pages traitées à des pages témoins du même site, sur la même période. C'est ce qu'on appelle un contrôle contemporain, et ça change radicalement la fiabilité de la conclusion.
Le dispositif
Le terrain est bien choisi : un site massif (glasp.co), dont une partie seulement des pages a reçu le lot d'optimisations AEO en janvier 2026. Le reste du site, intact, absorbe le « vent porteur » de la plateforme. Et surtout, les auteurs travaillent sur les vraies données du site (analytics first-party et logs serveur), pas sur les estimations probabilistes d'outils tiers, souvent bruitées.
Les résultats : dégonfler le multiplicateur
Toute la valeur de l'étude tient dans cet enchaînement de chiffres, qui montre comment un ×5,7 spectaculaire se réduit à mesure qu'on retire ce qui n'est pas l'optimisation.
D'un multiplicateur brut à l'effet causal réel
Croissance du trafic ChatGPT, glasp.co | Watanabe & Nakayashiki, arXiv, juin 2026
L'effet réel (×1,82) est environ trois fois plus petit que le chiffre brut affiché (×5,7).
Décomposons. D'abord, le trafic ChatGPT total du site a été multiplié par 5,7. C'est le chiffre qu'un prestataire afficherait en gros sur son slide. Mais les pages non touchées du même domaine ont, elles, été multipliées par 3,5 sur la même fenêtre, sans rien faire. Cette part-là, c'est purement la croissance de ChatGPT comme source de trafic.
En isolant l'effet propre des optimisations, via un modèle de séries temporelles interrompues sur le ratio hebdomadaire pages traitées / pages témoins, les auteurs estiment un saut de niveau de ×1,82 aligné sur la date d'intervention (intervalle de confiance à 95 % : 1,31 à 2,54 ; p = 0,001). L'effet tient aussi sur le trafic filtré par engagement (×2,27).
Dernier point notable : les clics Google organiques vers les pages optimisées n'ont pas chuté au-delà de la tendance générale du site, et l'indexation a été préservée. Optimiser pour ChatGPT n'a pas cannibalisé le SEO classique sur ce cas. C'est une bonne nouvelle pour ceux qui craignent un arbitrage entre les deux.
Ma lecture
Ce que je retiens d'abord, ce n'est pas le ×1,82, c'est la leçon de méthode. Les auteurs le disent eux-mêmes : séparer le traitement du vent porteur de la plateforme compte plus que n'importe quel multiplicateur isolé. Et c'est l'angle qui me semble le plus utile pour ce site : la prochaine fois qu'on vous présente un « ×4 » ou un « ×6 » de trafic IA, la première question à poser est « par rapport à quel groupe de contrôle ? ». Sans contrôle, le chiffre est probablement gonflé par la croissance générale des moteurs.
Ce qui me retient d'aller plus loin, c'est l'honnêteté même des auteurs sur le p = 0,16. Beaucoup auraient enterré ce test placebo pour ne garder que le joli ×1,82 et son p = 0,001. Le fait qu'ils l'affichent me rend l'ensemble plus crédible, pas moins. Mais cela veut dire une chose : sur ce cas unique, l'effet du GEO est réel dans la direction, plausible dans l'ordre de grandeur, mais pas démontré avec certitude. Un seul site, une période courte : c'est un point de données solide, pas une preuve générale.
Ce qu'on peut en tirer concrètement
- Méfiez-vous des multiplicateurs nus. Un « ×5 de trafic ChatGPT » sans groupe de contrôle ne dit presque rien : une bonne partie peut venir de la croissance du moteur, que vous ayez optimisé ou non.
- Construisez votre propre contrôle. Quand vous optimisez une partie d'un site, gardez une partie comparable non touchée et suivez le ratio entre les deux. C'est la mesure la plus honnête que vous puissiez produire, et elle est à votre portée.
- Préférez vos données first-party. Logs serveur et analytics maison battent les estimateurs tiers pour ce type de mesure. Les outils externes sont utiles pour la tendance, pas pour attribuer un effet causal.
- Visez juste dans vos promesses. Un effet réaliste se compte sans doute en « presque doubler » (×1,8 à ×2,3 ici), pas en « ×6 ». C'est déjà très bien, et c'est défendable.
- Le GEO n'a pas cassé le SEO ici. Sur ce cas, optimiser pour l'IA n'a pas fait baisser les clics Google. À surveiller sur vos propres sites, mais c'est un signal rassurant.
Limites de l'étude
- Un seul domaine. glasp.co est un site très particulier (énormément de pages questions-réponses YouTube). L'effet n'est pas forcément transférable à un e-commerce ou un site de services.
- Effet suggestif, pas concluant. Le test placebo (p = 0,16) et la période de référence courte empêchent de parler de preuve. À traiter comme un point de données rigoureux, pas comme une loi.
- Preprint non revu par les pairs. Le détail du lot d'optimisations et des spécifications du modèle est dans le papier, pas dans cette fiche : à vérifier en source primaire.
- Une période donnée. Janvier 2026 sur un marché qui bouge vite : l'ordre de grandeur de la croissance de plateforme évoluera.
- Marché anglophone. Pas de volet francophone isolé. La logique méthodologique, elle, se transfère partout.
Pour situer dans le temps
Cette étude fait équipe avec deux autres du site qui tirent dans le même sens, celui de la rigueur. Le field experiment randomisé (janvier-février 2026) est le pendant côté impact négatif : il isole proprement la perte de trafic due aux AI Overviews. Et Amsive rappelle, sur la conversion, qu'un écart non significatif reste un écart non significatif. Ensemble, elles dessinent une hygiène de mesure : contrôle, signification statistique, prudence sur les amplitudes.
Sources
- arXiv | Disentangling Answer Engine Optimization from Platform Growth (Keisuke Watanabe, Kazuki Nakayashiki, juin 2026) - source primaire.
- Field experiment randomisé - la mesure causale de la perte de trafic AIO.
- Amsive - quand un écart de conversion n'est pas statistiquement significatif.
- Mesurer sa visibilité IA - approche first-party via GA4 et Search Console.
- Conductor - la part réelle du trafic IA dans le volume total.
- Retour au hub : toutes les études GEO