Glossaire GEO : 35 termes essentiels pour les équipes marketing B2B
De GEO à RAG, de la citabilité au chunk : les définitions claires des termes IA et GEO pour comprendre, piloter et auditer votre visibilité dans les réponses des LLMs.
Alexandre De Sousa
Fondateur · seoisdead.fr
Le vocabulaire du GEO mélange terminologie IA, SEO et marketing. Ce glossaire définit les 35 termes les plus utiles pour piloter une stratégie de visibilité dans les réponses des LLMs, sans prérequis technique.
A
AEO (Answer Engine Optimization) : optimisation destinée aux réponses directes, celles qu’un moteur reprend telles quelles (encadré en haut des résultats, assistant vocal, position dite zéro). Antérieur à l’IA générative, et distinct du GEO, qui vise les réponses rédigées par un modèle citant plusieurs sources. Les deux se recouvrent largement sans se confondre. Voir SAIO, AEO, LLMO, GEO : 8 acronymes pour 3 réalités.
AIO : sigle à double sens, développé tantôt en AI Optimization (terme générique sans surface précise), tantôt en AI Overview Optimization (l’encadré génératif de Google). Cette ambiguïté le rend inutilisable dans un document contractuel. Voir SAIO, AEO, LLMO, GEO : 8 acronymes pour 3 réalités.
Autorité de domaine : métrique agrégée (popularisée par Moz et ses équivalents) qui mesure la probabilité qu’un site apparaisse bien classé dans Google. Indirectement pertinente en GEO : un domaine à forte autorité a plus de chances d’être dans le pool de résultats que les LLMs search-enabled consomment.
C
Chunk : unité de texte découpée lors de l’indexation, sur laquelle se joue la sélection des sources. Voir Lexique RAG pour les équipes marketing.
Citabilité : propriété d’un passage qui le rend sélectionnable par un LLM lors du retrieval. Un passage citable est autonome, factuellement dense, précis et aligné avec l’intention d’une requête. C’est une propriété du passage, pas de la page entière.
Context window : volume maximal de texte qu’un modèle peut traiter en une fois, mesuré en tokens. Voir Lexique RAG pour les équipes marketing.
Corpus d’entraînement : ensemble des données textuelles utilisées pour entraîner un LLM. Inclut généralement des pages web, des livres, des articles scientifiques, du code. Figé à la date de coupure du modèle.
Crawlers IA : robots d’indexation des moteurs IA (GPTBot pour OpenAI, ClaudeBot pour Anthropic, PerplexityBot pour Perplexity). Identifiables par leur user-agent. Peuvent être autorisés ou bloqués dans robots.txt.
D
Date de coupure (Training cutoff) : date au-delà de laquelle aucune nouvelle information n’a été intégrée dans le corpus d’entraînement du modèle. Un modèle sans accès web ne connaît rien de ce qui s’est passé après cette date.
Densité factuelle : rapport entre le nombre de faits vérifiables (chiffres, dates, noms propres, pourcentages) et la longueur totale d’un passage. Un passage à haute densité factuelle est plus souvent cité parce qu’il apporte de la valeur informative précise.
E
Embedding : représentation numérique d’un texte qui permet au retrieval de mesurer la proximité sémantique entre un passage et une requête. Voir Lexique RAG pour les équipes marketing.
F
FAQPage : type schema.org qui balise la structure question-réponse d’une page de manière machine-lisible. Le type schema.org le plus directement interprété par les moteurs IA, notamment pour les systèmes search-enabled qui extraient des Q/R structurées.
Featured snippet : encadré affiché en tête de résultats Google, qui répond directement à une requête. Précurseur fonctionnel du GEO : les contenus qui obtiennent des featured snippets ont souvent les caractéristiques de citabilité LLM (passage autonome, question claire, réponse directe).
Fraîcheur : date de publication ou de mise à jour d’un contenu. Signal de fiabilité utilisé par les LLMs search-enabled pour prioriser les sources récentes sur les sujets évolutifs.
G
GAIO (Generative AI Optimization) : synonyme de GEO, sans usage établi. Vise la même surface et décrit le même travail. Voir SAIO, AEO, LLMO, GEO : 8 acronymes pour 3 réalités.
GEO (Generative Engine Optimization) : ensemble des pratiques visant à rendre un contenu extrayable et citable par les modèles de langage qui répondent aux questions des utilisateurs. Terme formalisé dans une étude du Princeton NLP Group (Aggarwal et al., 2023, arXiv:2311.09735).
Generation : deuxième étape du mécanisme RAG, pendant laquelle le LLM produit la réponse à partir des passages sélectionnés. Voir Lexique RAG pour les équipes marketing.
GSO (Generative Search Optimization) : synonyme de GEO, sans usage établi. Voir SAIO, AEO, LLMO, GEO : 8 acronymes pour 3 réalités.
H
Hallucination : fait inventé par un LLM, présenté avec la même confiance qu’un fait réel. Les hallucinations sont moins fréquentes dans les réponses search-enabled (le modèle s’appuie sur des passages réels) que dans les réponses pures (le modèle génère à partir de son seul corpus). La densité factuelle de votre contenu réduit les risques de paraphrase erronée.
I
Index propriétaire : base de données indexée et maintenue par un moteur IA pour son propre usage. Perplexity dispose d’un index propriétaire crawlé en temps réel, indépendant de Google ou Bing. La composition de cet index détermine quelles sources sont candidates au retrieval.
L
LLMO (Large Language Model Optimization) : action sur ce qu’un modèle a intégré au sujet d’une marque, indépendamment de toute recherche en temps réel. Relève de la cohérence des sources tierces, des mentions presse et de la consolidation de l’entité, plus que du travail sur un site. Voir SAIO, AEO, LLMO, GEO : 8 acronymes pour 3 réalités.
LLM (Large Language Model) : modèle de langage de grande taille, entraîné sur d’importants corpus textuels pour générer, comprendre et transformer du texte. Exemples : GPT-4 (OpenAI), Claude (Anthropic), Gemini (Google), Mistral. Les moteurs IA (ChatGPT, Perplexity, etc.) sont construits au-dessus de ces modèles.
M
Monitoring GEO : pratique consistant à vérifier régulièrement si une marque est citée dans les réponses des LLMs sur ses requêtes stratégiques. Outils principaux : Otterly, AthenaHQ, Nightwatch. Équivalent GEO du suivi de position en SEO.
P
Passage autonome : segment de texte qui répond seul à une question sans nécessiter de contexte extérieur. Propriété fondamentale de la citabilité : un LLM reçoit des chunks isolés, pas une page entière. Si un passage dépend du paragraphe précédent pour être compréhensible, il ne sera pas bien cité.
Prompt : texte d’instruction ou de question envoyé à un LLM pour déclencher une réponse. En contexte GEO, les requêtes que vos prospects posent aux LLMs sont des prompts. Identifier ces prompts est la première étape d’un audit GEO.
R
RAG (Retrieval-Augmented Generation) : architecture combinant retrieval (sélection de passages) et generation (production de la réponse), formalisée par Lewis et al. (NeurIPS 2020). Voir Lexique RAG pour les équipes marketing.
Retrieval : première étape du mécanisme RAG, pendant laquelle le système sélectionne les passages les plus pertinents depuis un index. Voir Lexique RAG pour les équipes marketing.
Robots.txt : fichier de configuration qui indique aux crawlers quelles pages ils peuvent ou ne peuvent pas indexer. Les crawlers IA (GPTBot, ClaudeBot, PerplexityBot) respectent généralement robots.txt. Autoriser ces crawlers est un prérequis pour la citabilité search-enabled.
S
SAIO : terme quasi exclusivement français, dont le sigle n’est pas stabilisé (Search AI Optimization ou Search Artificial Intelligence Optimization selon les sources). Recouvre en pratique le périmètre du GEO. Voir SAIO, AEO, LLMO, GEO : 8 acronymes pour 3 réalités.
SGEO (Search Generative Experience Optimization) : sigle périmé, dérivé de Search Generative Experience, nom de produit que Google a abandonné au profit d’AI Overviews puis d’AI Mode. Voir SAIO, AEO, LLMO, GEO : 8 acronymes pour 3 réalités.
Schema.org : vocabulaire de balisage sémantique créé en 2011 par Google, Microsoft, Yahoo et Yandex, maintenu par la communauté (schema.org). Permet de rendre lisible pour les machines la structure et la signification des contenus. Types pertinents en GEO : FAQPage, Article, Organization, HowTo.
Search-enabled LLM : LLM disposant d’un accès web en temps réel, via un moteur de recherche intégré. Peut citer des contenus publiés aujourd’hui. Exemples : Perplexity (index propriétaire), ChatGPT avec web search (Bing), Claude avec web search.
T
Token : unité de traitement d’un LLM. Un token correspond approximativement à 0,75 mot en anglais ou 0,6 mot en français. La context window et les coûts d’API sont mesurés en tokens. Un article de 1 000 mots représente environ 1 300 à 1 500 tokens.
U
User-agent : chaîne de texte qu’un crawler envoie au serveur pour s’identifier. Les crawlers IA ont leurs propres user-agents déclarés : GPTBot (OpenAI), ClaudeBot (Anthropic), PerplexityBot (Perplexity). Permettent de les autoriser ou bloquer sélectivement dans robots.txt.
V
Visibilité IA : taux de présence d’une marque ou d’un contenu dans les réponses des LLMs sur un ensemble de requêtes stratégiques définies. Métrique principale du GEO, équivalent du taux de clics organique en SEO.
Ce glossaire couvre le vocabulaire GEO, SEO et marketing IA au sens large. Pour la mécanique technique RAG (retrieval, generation, chunking, embeddings), consultez le lexique RAG pour les équipes marketing. Pour piloter votre visibilité IA, découvrez notre accompagnement GEO ou faites évaluer vos contenus stratégiques avec un audit GEO.
À propos de cette ressource.
GEO est-il un terme standardisé dans l'industrie ?
Pas encore. GEO (Generative Engine Optimization) est un terme émergent apparu autour de 2023-2024, popularisé notamment par une étude du Princeton NLP Group (Aggarwal et al., 2023). AEO (Answer Engine Optimization) est souvent présenté comme un synonyme, alors qu'il vise une surface différente : les réponses directes reprises telles quelles, quand le GEO vise les réponses rédigées par un modèle qui cite plusieurs sources. Huit sigles circulent au total, pour trois réalités distinctes seulement.
Quelle est la différence entre un LLM et un moteur IA ?
Un LLM (Large Language Model) est le modèle de langage sous-jacent. Un moteur IA (comme ChatGPT, Perplexity, Claude) est le produit construit au-dessus : il peut combiner un LLM avec un accès web, des outils, une interface utilisateur. En GEO, on s'intéresse aux moteurs IA (les produits) plus qu'aux LLMs (les modèles) car ce sont eux qui effectuent le retrieval.
Que signifie 'date de coupure' dans ce contexte ?
La date de coupure (training cutoff) est la date au-delà de laquelle aucune nouvelle donnée n'a été intégrée dans le corpus d'entraînement du modèle. Un modèle avec une coupure en avril 2024 ignore tout ce qui s'est passé après cette date, sauf si il dispose d'un accès web en temps réel.