Les 3 techniques GEO les plus reprises, remesurées en 2026 : aucun effet une fois la page retenue

Si vous avez lu trois articles sur le GEO, vous connaissez la liste sans le savoir : citez vos sources, ajoutez des chiffres, faites parler un expert nommé. Elle est partout, dans les formations, dans les audits, dans les recommandations que je rédige moi-même depuis deux ans. Elle a une origine unique et parfaitement identifiable, et cette origine vient d'être remise à l'épreuve.

Le 7 septembre 2026, Elisha Bajemon et André-Louis Rochet ont déposé sur arXiv un travail qui ne visait pas ce sujet. Ils cherchaient à valider un score de contenu calculable sans interroger les moteurs. Pour valider un tel score, il faut le confronter à des effets connus. Ils sont donc allés chercher les seuls effets causaux publiés du domaine, ceux de 2023, et ont vérifié qu'ils tenaient encore. Ils ne tiennent plus.

D'où vient la recette que tout le monde applique

En novembre 2023, une équipe de Princeton et de l'IIT Delhi, avec deux chercheurs indépendants, publie le papier fondateur du GEO. Le protocole est sérieux : 10 000 requêtes, neuf stratégies de réécriture testées une par une, et une mesure fine de la visibilité qui tient compte de la place occupée dans la réponse générée, pas seulement du fait d'être cité. Le travail passera la revue par les pairs et sera publié à KDD 2024, l'une des conférences les plus sélectives du domaine.

Trois stratégies sortent largement en tête, et ce sont leurs noms exacts qui comptent pour la suite : Cite Sources (ajouter des références à des sources crédibles), Statistics Addition (remplacer le qualitatif par du chiffré) et Quotation Addition (insérer des citations rapportées de sources crédibles). Le papier annonce un gain de visibilité allant jusqu'à 40 %, la meilleure méthode gagnant 41 % sur sa métrique principale. À l'inverse, le bourrage de mots clés, réflexe hérité du référencement classique, ne donne rien.

Ce résultat a eu la carrière qu'il méritait, et un peu plus. Il est devenu la base de presque toutes les méthodes GEO vendues depuis, souvent réduite à trois puces sur une diapositive. Le problème n'est pas le papier, qui est honnête sur son périmètre. Le problème est le temps qui a passé : la mesure porte sur les moteurs de 2023, c'est-à-dire les premières versions de Bing Chat et de Perplexity, avec des mécanismes de récupération qui n'ont plus grand rapport avec ceux d'aujourd'hui.

Ce que la nouvelle mesure fait différemment

Bajemon et Rochet reprennent les trois leviers les plus forts de 2023 et les rejouent sur dix familles de moteurs : six modèles à poids ouverts et quatre moteurs commerciaux, dont trois versions propriétaires de la famille gpt-5.x, mesurées en juillet 2026. Sept moteurs servent au test principal, les trois autres à vérifier que le résultat se reproduit en dehors de la famille d'origine.

Le protocole ajoute une précaution que l'étude de 2023 n'avait pas, et c'est elle qui rend la comparaison intéressante. Chaque modification testée est appariée à un bloc de texte neutre de la même longueur. Autrement dit, quand on ajoute trois statistiques à une page, on compare avec la même page à laquelle on a ajouté un volume équivalent de texte sans valeur particulière.

Autour de cette remesure, les auteurs construisent cinq contrôles destinés à faire échouer leur propre score plutôt qu'à le confirmer : un contrôle négatif, une relation dose-réponse, une amplification bornée, une pénalité de duplication et une neutralité à la longueur. Cette manière de travailler, qui consiste à définir d'avance les conditions dans lesquelles on abandonnerait sa propre hypothèse, est rare dans la littérature GEO commerciale. Elle mérite d'être signalée, indépendamment du résultat.

Zéro effet sur dix familles de moteurs

Le résultat de la remesure tient en une ligne, et les auteurs l'écrivent sans détour : les trois interventions les plus fortes de 2023, les citations rapportées, les statistiques et les références de sources, ne déplacent la citation sur aucune des dix familles de moteurs testées.

Le détail vaut la peine d'être donné, parce que c'est lui qui rend le résultat lisible. Les trois leviers testés sont ceux que l'étude de 2023 annonçait comme les plus forts, avec leurs gains publiés : les citations rapportées à +42,6, les statistiques à +32,8, les références de sources à +27,7. En 2026, l'effet des citations rapportées est nul sur six des sept moteurs d'origine et nominalement négatif sur le septième. Sur les sept moteurs où les trois leviers ont été testés au complet, six modèles à poids ouverts et un moteur commercial fermé, soit 605 requêtes, aucun ne déplace la citation dans la direction publiée. La réplication de juillet 2026 sur gpt-5.5, gpt-5.4 et gpt-5.4-mini, 150 requêtes appariées par moteur et 450 au total, donne les trois mêmes signes négatifs. Deux effets seulement ressortent comme nominalement significatifs, et tous deux vont dans le mauvais sens : les références de sources à moins 0,0101 et les citations rapportées à moins 0,0106 en réplication. Aucun ne survit à la correction de Bonferroni.

L'expression employée dans le papier mérite d'être traduite avec soin. « Statistiquement indiscernable de zéro » ne signifie pas « on n'a rien trouvé ». Ça signifie que l'effet mesuré est si faible que le protocole ne le distingue pas du hasard, alors qu'il est conçu pour retrouver des effets de l'ampleur annoncée en 2023. Et sur une partie des moteurs, le signe est négatif : appliquer le levier fait légèrement reculer la citation, sans que l'écart soit significatif non plus.

La conséquence tirée par les auteurs est plus radicale que le simple constat. Ces effets de 2023 étaient les seuls points d'ancrage causaux publiés du domaine, c'est-à-dire les seules valeurs auxquelles un nouveau modèle prédictif pouvait se comparer. Les auteurs les qualifient de contrôle externe périmé et retirent de leur propre score les composantes qui y répondaient. Ils ne les contestent pas pour 2023. Ils constatent qu'on ne peut plus s'en servir comme référence en 2026.

Reste une mesure d'observation, sans manipulation cette fois : quel lien subsiste entre la qualité formelle d'un contenu et sa citation ? La corrélation, calculée à l'intérieur d'une même requête, s'établit à 0,114 sur les sept premiers moteurs, avec une significativité très forte, et se reproduit à 0,118 sur les trois moteurs de la famille gpt-5.x.

Un second travail arrive au même endroit

Une mesure isolée ne suffit jamais, et surtout pas sur ce sujet. Il se trouve qu'un autre travail, publié sept semaines plus tôt et signé d'un autre auteur, conclut dans la même direction par une voie complètement séparée.

Le 15 juillet 2026, Olivier Martinez publie un survol critique de la littérature GEO : 45 travaux relus, de novembre 2023 à juillet 2026. Sa conclusion principale est frontale : aucune technique parmi celles qu'il a examinées ne montre d'effet causal stable dans le temps et valable sur plusieurs plateformes, ni sur la découverte d'un contenu, ni sur le comportement qui suit.

Il ajoute une précision qui recoupe exactement la nuance signalée plus haut : les gains de l'étude fondatrice ne valent que pour un contenu déjà présent dans un contexte figé. Ils ne disent rien de la découvrabilité, c'est-à-dire de la question qui intéresse réellement un éditeur de site. Il relève aussi le faible recouvrement des sources d'un moteur à l'autre, la variabilité entre deux exécutions de la même requête, et la mauvaise transférabilité des recettes générales d'un contexte à un autre.

Ce même survol dit aussi ce qui résiste, et il faut le citer avec le reste : dans le corpus relu, les deux leviers les plus reproductibles sont la pertinence thématique et la position du contenu dans le contexte fourni au modèle. Ce ne sont pas des retouches de style, ce sont des questions de sujet traité et de place occupée. L'auteur est un chercheur de Sciences Po, et sa revue distingue tout du long les travaux revus par les pairs des préprints.

Ce type de convergence a plus de valeur qu'un chiffre isolé, même spectaculaire. Une mesure peut se tromper. Deux travaux indépendants qui échouent à retrouver le même effet, l'un par remesure expérimentale, l'autre par relecture systématique du corpus, ça commence à ressembler à un fait.

Entrer dans la sélection, ou être classé dedans

Une réponse d'IA se fabrique en deux temps, et confondre les deux est la source de la plupart des malentendus du GEO.

Premier temps, la sélection. Le moteur décide s'il va chercher sur le web, formule ses propres requêtes, et retient une poignée de documents. Tout se joue là : l'accès des robots, l'existence d'une page qui traite exactement la question posée, la notoriété de l'entité, sa présence dans les sources tierces que le moteur consulte.

Second temps, la rédaction. Parmi les documents retenus, le modèle arbitre ce qu'il cite, dans quel ordre, et avec quel poids.

Le survol des 45 études le formule dans les mêmes termes : les gains de l'étude fondatrice valent pour un contenu déjà présent dans un contexte figé, et n'établissent rien sur la découvrabilité. Il ajoute ce qui résiste le mieux dans tout le corpus relu : la pertinence thématique et la position dans le contexte. Traduit en langage de terrain, être la bonne réponse à la question posée.

Autrement dit, ces deux travaux ne contredisent pas les résultats qu'on obtient en faisant exister la bonne page. Ils contredisent l'idée qu'on peut gagner en retouchant la mise en forme d'une page qui est déjà dans la sélection.

La densité concurrentielle décide de tout, et personne ne la mesure

Il y a une seconde raison, plus terre à terre, pour laquelle un protocole académique et un consultant qui obtient des résultats peuvent avoir raison en même temps.

Les corpus de test sont faits de requêtes génériques et très disputées, presque toujours en anglais. Sur ce terrain, le moteur a trente sources solides à disposition : aucune retouche marginale ne déplace quoi que ce soit, et c'est exactement ce que la remesure constate. Sur une requête locale ou de niche, il en a deux ou trois. Le facteur limitant n'est plus l'arbitrage entre bonnes sources, c'est l'existence d'une source correcte.

Tant que ce découpage n'est pas fait, il faut lire chaque résultat publié en se demandant sur quel régime il porte. Celui-ci porte sur le régime disputé.

Ce que cette étude ne dit pas

C'est la section la plus importante de cette page, et je préfère la mettre avant les recommandations plutôt qu'en note de bas de page.

Elle ne dit pas que le GEO ne fonctionne pas. Elle dit qu'un ensemble précis de retouches rédactionnelles, appliquées à une page déjà récupérée par le moteur, ne modifie plus sa probabilité d'être citée. C'est une affirmation étroite. Elle ne porte ni sur l'accès des robots, ni sur la présence dans les bons corpus, ni sur la notoriété d'une marque, ni sur l'existence d'une page qui réponde à la question posée, qui sont, à mon sens, les leviers dont dépend l'essentiel du résultat.

Elle ne dit pas que les études de 2023 étaient fausses. Elles mesuraient ce qu'elles mesuraient, sur les moteurs de leur époque, et elles ont été validées par les pairs. Les moteurs ont changé, plusieurs fois. Un résultat qui ne se reproduit plus trois ans après sur une technologie qui se réécrit tous les trimestres n'est pas un scandale, c'est le fonctionnement normal d'un domaine jeune.

Elle ne dit rien des contextes peu concurrentiels. Voir la section précédente : le régime disputé et le régime clairsemé ne se comportent pas pareil, et c'est le premier qui est mesuré ici.

Elle ne dispense pas de bien écrire. La corrélation de 0,11 est faible, elle n'est pas nulle, et elle se reproduit sur les deux groupes de moteurs testés. Une page claire, dense, sourcée et structurée reste un peu mieux traitée qu'une page molle. Simplement, c'est un plancher de qualité, pas un levier de croissance.

Ce que ça change dans le travail

Avec cette distinction en tête, voilà les quatre choses que j'ai révisées depuis que j'ai lu ces deux papiers.

Arrêter de présenter une liste de leviers comme un plan. Les appliquer ne coûte rien et reste une bonne discipline d'écriture. Ce qui n'a plus d'appui mesuré, c'est de les vendre comme la cause du résultat. Ce qui a un appui, c'est le travail en amont : l'accès des robots de citation, l'existence d'une page qui répond exactement à la question, la présence de la marque dans les sources tierces que le moteur consulte, la couverture réelle des questions posées par les utilisateurs.

Redater tout ce qui s'appuie sur 2023. Si un audit, un article ou une formation cite le chiffre de +40 % sans préciser qu'il est mesuré sur les moteurs de 2023 et qu'il n'a pas été retrouvé depuis, il transmet un fait périmé. La correction n'est pas de supprimer la référence, elle est de la dater.

Se méfier des scores de contenu vendus comme prédictifs. C'est le cœur de la démonstration de Bajemon et Rochet, et elle vaut pour toute la catégorie d'outils qui donne une note à une page en promettant qu'elle prédit la citation. Un score calculé sans interroger le moteur trie la qualité, il ne prédit pas le choix du moteur.

Mesurer chez soi plutôt que d'appliquer une recette. C'est la conséquence la moins confortable, parce qu'elle demande du travail. Si les effets généraux ne se transfèrent pas d'un contexte à l'autre, alors la seule preuve qui vaut est celle qu'on produit sur son propre périmètre. Le protocole de relevé des citations et les indicateurs à suivre servent exactement à ça.

Produire sa propre preuve, plutôt que d'arbitrer entre celles des autres

Le fond du problème n'est pas de savoir si ce papier a raison. C'est que le marché entier raisonne sur des mesures faites par d'autres, sur d'autres périmètres, il y a parfois trois ans. Quiconque suit ses propres citations dans le temps a de quoi faire mieux, et à peu de frais.

Le socle : un avant et un après, répété. Poser les mêmes questions plusieurs fois par jour, sur plusieurs mois, avant et après l'intervention. Ce dispositif porte un nom, la série temporelle interrompue, et c'est le meilleur qu'on puisse monter quand on ne peut pas tirer au sort qui reçoit le traitement. La répétition règle le problème du hasard de génération : une même question posée cinq fois donne rarement cinq fois la même liste, et sans répétition on prend cette variation pour un résultat.

Ce que la répétition ne règle pas : ce qui bouge en même temps que vous. Ce domaine est particulièrement traître sur ce point. En quatre jours du mois d'août 2026, la part de Reddit dans les citations de ChatGPT est passée de 3,83 % à 0,52 % sans qu'aucun éditeur n'ait touché à quoi que ce soit. En septembre, un changement de modèle a fait disparaître les citations d'AI Mode pendant deux jours. Un client mesuré seul aurait attribué ça à sa campagne, en bien ou en mal.

Le témoin, qui est déjà dans vos données. Dans un suivi un peu large, il y a toujours des questions sur lesquelles rien n'a été fait : thématiques pas encore travaillées, questions périphériques suivies pour la mesure, périmètres dont le chantier commence le mois prochain. Elles subissent les mêmes secousses de moteur, sans traitement. C'est la définition d'un groupe témoin, et il ne coûte pas une collecte de plus, seulement une lecture séparée.

Une mesure faite comme ça n'est pas une expérience randomisée, et elle ne le sera jamais. Elle est en revanche écologiquement valide, c'est-à-dire faite sur de vraies pages, dans de vraies conditions, là où les protocoles de laboratoire sont causalement plus solides mais portés sur un terrain étroit. Les deux se complètent ; aucune ne remplace l'autre, et c'est pour ça que ce site publie les deux.

Les limites de ce que je viens d'écrire

• Les auteurs bornent eux-mêmes leur résultat, et c'est la réserve la plus importante. Le régime de test est un cadre simplifié : cinq sources sélectionnées, une consigne de citation fixe, une mesure de part proche du PAWC de 2023. Ils écrivent qu'une partie de la non-transférabilité pourrait, en principe, venir de ce cadre simplifié plutôt que des moteurs eux-mêmes. Autrement dit : les leviers ne bougent rien dans ce dispositif, ce qui n'est pas exactement « dans la vraie vie ».
• Claude n'est pas dans les dix. Trois moteurs Claude ont été interrompus faute de crédits et sont exclus par un critère annoncé d'avance, comme trois autres moteurs dont la série était incomplète. Les auteurs précisent qu'aucun n'est écarté pour son résultat, et publient les enregistrements. Le résultat porte donc sur des moteurs OpenAI, Google et des modèles ouverts.
• Les trois moteurs de pointe sont mesurés en un seul passage. Le fournisseur n'expose ni température ni graine, donc personne ne peut répliquer par réamorçage. Les auteurs compensent par le volume, 150 requêtes appariées par moteur, et publient les enregistrements bruts.
• Deux preprints, aucun revu par les pairs. Le papier de septembre est signé de deux auteurs, celui de juillet d'un seul. L'étude de 2023 qu'ils remettent en cause, elle, a passé la revue par les pairs et a été publiée à KDD. Sur le plan du statut académique, le rapport de force est inverse de la conclusion.
• Dix familles de moteurs, ce n'est pas le marché. Les six modèles à poids ouverts pèsent peu dans les usages réels. Le résultat est plus intéressant sur les quatre moteurs commerciaux, et c'est là que l'échantillon est le plus mince.
• Une absence d'effet reste difficile à prouver. Ne pas détecter un effet n'équivaut pas à démontrer qu'il n'existe pas. Ce que le papier établit, c'est que les tailles d'effet publiées en 2023 ne se retrouvent pas avec ce protocole en 2026, ce qui est déjà beaucoup pour un chiffre repris partout depuis trois ans.
• La remesure est un sous-produit. Elle sert à valider un score de contenu, elle n'est pas l'objet principal du papier. Elle n'a donc pas la profondeur d'échantillon d'un travail entièrement consacré à cette question, et elle appelle une réplication indépendante.
• J'ai lu le papier, pas rejoué le code. Les 42 pages ont été lues en source primaire, chiffres et réserves compris. En revanche, les auteurs annoncent que tous leurs résultats se recalculent hors ligne depuis les artefacts publiés, et signalent eux-mêmes un bug de fuite de requête et un indicateur défaillant qu'ils ont corrigés : je n'ai pas fait cette réexécution. La transparence est un bon signal, elle ne remplace pas une vérification.

Ces réserves ne renversent pas la conclusion, elles en fixent la portée. À ce jour, personne n'a publié de remesure des leviers de 2023 qui les retrouve sur les moteurs actuels. Tant que ce n'est pas le cas, continuer à présenter ces leviers comme la base du GEO relève de l'habitude, pas de la preuve.

Sources

• arXiv | Scoring Without the Engine: Validating a Deterministic, Manipulation-Resistant Content Score for Generative Engines, End to End (Elisha Bajemon, André-Louis Rochet, TW3 Partners / Citead ; papier daté de juillet 2026, déposé le 7 septembre 2026) - source primaire, 42 pages, lue intégralement.
• arXiv | Optimizing Visibility in Generative Engines: A Critical Survey of Generative Engine Optimization, 2023-2026 (Olivier Martinez, 15 juillet 2026) - survol critique de 45 études.
• arXiv | GEO: Generative Engine Optimization (Aggarwal, Murahari et al., novembre 2023, publié à KDD 2024) - l'étude fondatrice remise à l'épreuve.