Le 11 juin approche à grands pas. C'est le moment idéal pour prendre votre ticket d’entrée pour le Success Marketing #2 et de profiter de -30 % de réduction !
Pour rappel, l'événement se tiendra les 10 et 11 juin 2026 à La Carrière, à Saint-Herblain, et rassemble une vingtaine d'experts du marketing digital autour de thématiques au cœur de l'actualité : SEO et GEO à l'ère de l'IA, automatisation, LinkedIn comme levier d'acquisition, pilotage de la performance… Le tout pensé pour les professionnels du marketing et les entrepreneurs qui veulent conjuguer stratégie et mise en pratique concrète.
La deuxième journée, le jeudi 11 juin, est entièrement dédiée aux conférences sur la grande scène et aux workshops en salle, pour une montée en compétences aussi bien stratégique qu'opérationnelle.
Bonne nouvelle : du 11 au 22 mai, les billets sont à -30 % sur la billetterie. C'est le bon moment pour franchir le cap et rencontrer des experts. Attention : il vous reste quelques jours pour en profiter !
Bing vient de publier une analyse technique portant sur l’évolution de son index. Le message est clair : indexer le web pour des humains et indexer le web pour des IA, ce n'est pas la même problématique. Et cette distinction va redessiner les règles du jeu pour tous ceux qui produisent du contenu en ligne.
Ce qu'il faut retenir :
L'index de recherche traditionnel optimise pour la pertinence : il propose des pages, c'est l'humain qui juge. L'index pour l'IA (grounding) optimise pour la fiabilité : il fournit des preuves sur lesquelles le système va s'engager dans une réponse.
L'unité de valeur change : on passe du document (la page web) à l'information « groundable », c'est-à-dire un fait vérifiable, avec une provenance claire.
Les erreurs ne se comportent plus de la même façon : dans la recherche classique, une mauvaise réponse est rattrapable par l'utilisateur. Dans un système IA, les erreurs se propagent et se composent à chaque étape de raisonnement.
La fraîcheur du contenu est plus que jamais importante : une information obsolète ne dégrade plus simplement un classement, elle produit directement une réponse fausse.
Deux systèmes, deux questions fondamentales
Depuis des décennies, les moteurs de recherche fonctionnent sur un principe relativement stable : crawler des milliards de pages, évaluer leur qualité, les classer par pertinence, et présenter une liste de résultats à un utilisateur humain. Ce modèle a fait ses preuves. Il continue de fonctionner.
Mais l'émergence des IA génératives, des agents IA et des réponses synthétisées directement dans les interfaces de recherche pose un problème nouveau. Ces systèmes ne naviguent pas sur le web comme un humain. Ils n'évaluent pas une page, ne la parcourent pas visuellement, ne décident pas en conscience de faire confiance ou non à une source. Ils consomment de l'information pour construire une réponse dans laquelle ils vont s'engager.
Microsoft, dans ce billet de blog signé par trois ingénieurs de Bing, pose la distinction de façon nette. La recherche traditionnelle répond à la question : quelles pages un utilisateur devrait-il visiter ? Le grounding, répond quant à lui à cette problématique : quelle information un système IA peut-il utiliser de façon responsable pour construire une réponse ?
Ces deux questions semblent proches. Elles ne le sont pas.
Ce que la recherche classique optimise, et pourquoi ça suffisait
Dans le modèle traditionnel, l'unité de valeur est le document, c'est-à-dire la page web dans son ensemble. L'index doit être suffisamment bon pour que l'utilisateur trouve ce qu'il cherche. Pas parfait, suffisamment bon.
Ce fonctionnement est conçu pour un humain capable de scanner une page de résultats, d'ignorer ce qui ne lui correspond pas, et de se corriger en temps réel. Si un résultat est obsolète, l'utilisateur le voit et passe au suivant. Si un résultat est mal classé, il clique sur le suivant. La tolérance à l'erreur est intégrée dans le système, parce que le dernier maillon de la chaîne est un cerveau humain.
Du côté de la mesure de qualité, les signaux qui comptent sont comportementaux et liés au classement : est-ce que le contenu le plus pertinent arrive en haut ? Est-ce que les utilisateurs trouvent ce qu'ils cherchent ? Est-ce que le contenu est assez frais pour être utile dans les résultats ? Est-ce que les pages quasi-identiques sont correctement regroupées ? Tout cela suppose un humain dans la boucle, capable de rattraper les imperfections.
Pourquoi le grounding change tout
Quand l'objectif n'est plus de pointer vers des pages mais d'utiliser de l'information pour construire une réponse, les règles changent de façon profonde.
Le système ne se contente plus de récupérer les meilleurs documents. Il doit récupérer la meilleure information pour la synthétiser en une réponse fiable et vérifiable. Et cette réponse, l'utilisateur ne la compare pas à d'autres résultats : il la lit, il lui fait confiance ou non, et s'il veut vérifier, il doit activement aller chercher les sources citées.
L'unité de valeur devient alors ce que Bing appelle l'information « groundable » : un fait discret (autonome), soutenu par une source, avec une provenance claire. Plusieurs sources peuvent être fusionnées dans une seule phrase de réponse. Si l'une d'elles est fausse ou mal comprise, l'erreur ne sera pas visible à l'étape du résultat, mais dans la réponse finale, présentée avec assurance.
Il y a une autre conséquence importante : l'abstention devient une réponse valide. Quand les preuves disponibles sont insuffisantes, périmées ou contradictoires, un système de grounding bien conçu doit refuser de répondre plutôt que de s'engager sur une affirmation non étayée. Ce n'est pas un aveu d'échec, c'est un jugement délibéré sur ce que les données disponibles permettent ou non d'affirmer.
Les métriques qui doivent changer
C'est là que la divergence entre les deux systèmes devient la plus concrète. Les critères de qualité d'un index traditionnel ne sont tout simplement pas les bons critères pour le grounding.
La fidélité factuelle devient critique. Dans la recherche classique, le processus de découpage et de transformation du contenu pour l'indexation peut légèrement distordre le sens d'une page sans que cela n'apparaisse dans aucun signal de classement. L'utilisateur clique, lit la page originale, et le problème ne se pose pas. Dans un système de grounding, si la représentation indexée d'une page déforme le sens du contenu original, c'est cette version déformée qui alimente la réponse de l'IA.
La qualité de l'attribution des sources prend une dimension entièrement nouvelle. Dans la recherche classique, l'attribution est utile mais c'est l'utilisateur qui décide de la confiance à accorder. Dans le grounding, c'est un signal central : toutes les sources indexées n'ont pas le même poids probatoire, et l'index doit être capable de faire cette distinction.
La fraîcheur change de nature. Un contenu obsolète dans la recherche classique dégrade la qualité du classement. Dans le grounding, un fait obsolète produit directement une réponse fausse. La différence de coût est catégorielle.
La couverture des faits à forte valeur doit être repensée. Il ne s'agit plus de savoir si le web est globalement bien indexé, mais si les faits spécifiques et les sources que les gens sont susceptibles d'interroger sont effectivement disponibles et utilisables pour le grounding. Un document manquant dans la recherche classique est souvent compensé par des résultats alternatifs. Dans le grounding, un fait manquant peut conduire à une réponse incomplète ou erronée.
La gestion des contradictions est peut-être la différence la plus frappante. Dans la recherche classique, quand deux sources se contredisent, l'index peut simplement classer l'une au-dessus de l'autre et laisser l'utilisateur arbitrer. Dans le grounding, ce n'est pas acceptable. Un système IA qui arbitre entre des sources contradictoires peut affirmer avec assurance quelque chose de faux. L'index doit enregistrer ces conflits et les traiter explicitement.
La récupération n'est plus une étape, c'est un système
Dans la recherche traditionnelle, l'interaction est linéaire : une requête entre, des résultats classés sortent. Cette simplicité est une qualité du modèle.
Le grounding fonctionne par boucles. Un système qui construit une réponse IA peut avoir besoin de poser des questions de suivi, d'affiner la récupération en fonction des résultats intermédiaires, de croiser des preuves issues de plusieurs sources, et de réévaluer sa confiance en cours de route. Ce mode de fonctionnement change entièrement le profil d'erreur du système de récupération.
Si les premières étapes de récupération introduisent des erreurs subtiles. Ces même erreurs se propagent et s'amplifient à travers les étapes de raisonnement suivantes. Aucun humain ne les détectera en temps réel, parce qu'aucun humain ne scanne les résultats intermédiaires. Le filet de sécurité qui existe dans la recherche classique, celui de l'utilisateur qui saute les résultats non pertinents, n'existe pas ici.
Les systèmes de récupération pour le grounding doivent donc être optimisés non pas pour une performance en une seule passe, mais pour un comportement cohérent et reproductible à travers des utilisations itératives.
Le grounding ne remplace pas la recherche, il la prolonge
Un point important que Bing souligne : le grounding n'est pas une alternative à la recherche classique. Il s'appuie sur les mêmes fondations. Les mêmes crawlers, les mêmes signaux de qualité, la même compréhension profonde du web. Ce qui change, c'est la couche d'optimisation qui s'ajoute par-dessus.
La recherche optimise pour la probabilité de pertinence. Le grounding doit mesurer la solidité de la preuve. C'est un écart dans les objectifs, pas dans l'infrastructure de base.
Ce que Bing reconnaît honnêtement, c'est que la mesure de la qualité du grounding est encore un chantier ouvert. Des décennies de pratique ont permis de construire des métriques robustes pour la qualité de la recherche. Les critères équivalents pour le grounding, notamment savoir si l'information derrière une réponse est précise, fraîche, attribuable et cohérente, sont encore en cours d'élaboration.
Quid de la production de contenu ?
La conséquence pratique de ce changement est directe : ce qui rend un contenu « rankable » dans la recherche classique n'est pas exactement ce qui le rend « groundable » pour les IA.
Un contenu bien structuré, avec des faits clairement énoncés, des sources identifiables, des dates explicites et des affirmations non ambiguës sera mieux équipé pour alimenter des systèmes de grounding. La clarté de la provenance, la précision factuelle et la cohérence interne deviennent des critères de qualité à part entière, pas seulement des bonnes pratiques rédactionnelles.
Bing renvoie sur ce point à un billet de novembre 2025 sur l'optimisation de contenu pour l'ère de l'IA, qui précise les actions concrètes à mettre en œuvre pour rendre l'information plus facile à interpréter, citer et vérifier dans les expériences IA.
Google a officiellement mis fin au support des FAQ rich results le 7 mai 2026. Une décision qui sonne le glas d'un format autrefois très prisé des référenceurs, et qui soulève quelques questions sur le timing choisi.
Ce qu'il faut retenir :
Les FAQ rich results ne s'affichent plus dans les résultats Google depuis le 7 mai 2026.
Google Search Console cessera de reporter les données sur les balises FAQ structured data en juin 2026, et le support dans l'API GSC sera supprimé en août 2026.
Vous pouvez supprimer le code FAQ schema de vos pages, mais ce n'est pas obligatoire : d'autres moteurs de recherche peuvent encore l'exploiter.
Certains experts avancent que cette décision est liée à la prolifération de contenus affirmant que le FAQ schema serait « indispensable pour le GEO », ce qui aurait pu relancer une vague de spam.
Ce qui change concrètement
Depuis le 7 mai 2026, les extraits enrichis de type FAQ ont disparu des pages de résultats Google. Dans la foulée, Google a annoncé la suppression du rapport dédié dans Search Console ainsi que du support dans le Rich Results Test, prévue pour juin 2026. Le support dans l'API Search Console suivra en août 2026, afin de laisser le temps aux développeurs d'adapter leurs intégrations.
Côté technique, aucune action d'urgence n'est requise : le code FAQ schema peut rester en place sans pénalité. D'autres moteurs de recherche, comme Bing, peuvent continuer à l'interpréter et à s'en servir à leur manière.
Prochaine suppression : à compter du 7 mai 2026, les résultats enrichis de type FAQ ne s’afficheront plus dans la recherche Google. L’affichage des FAQ dans les résultats de recherche, le rapport de résultats enrichis et la prise en charge dans le test des résultats enrichis seront désactivés en juin 2026. Afin de vous laisser le temps d’adapter vos appels d’API, la prise en charge des résultats enrichis de type FAQ dans l’API Search Console sera supprimée en août 2026.
Un format qui avait déjà été fortement restreint
Ce n'est pas la première fois que Google réduit la voilure sur les FAQ rich results. Lors d'une première restriction il y a plusieurs années, Google avait déjà limité leur affichage à une poignée de sites à forte autorité, notamment les sites gouvernementaux et de santé, une décision prise en partie dans le contexte de la pandémie de Covid-19.
La suppression totale annoncée aujourd'hui marque donc la fin d'un processus entamé depuis longtemps.
Pourquoi maintenant ? La théorie du spam GEO
L'experte SEO Lily Ray soulève une question pertinente : pourquoi ce moment précis ? Sa théorie mérite attention.
Elle observe une multiplication récente d'articles affirmant que le FAQ schema serait un levier clé pour le GEO. Une tendance qui aurait pu inciter de nombreux sites à implémenter massivement ce type de balisage, créant de facto une nouvelle forme de spam technique.
Ce scénario n'aurait rien d'inédit. Quand le FAQ schema a été introduit en 2019, il représentait une opportunité exceptionnelle : les sites pouvaient afficher plusieurs questions-réponses directement dans les SERPs, avec des liens internes cliquables. Les résultats en termes d'impressions et de clics étaient parfois spectaculaires. Mais face aux abus, Google a progressivement restreint le dispositif, jusqu'à aujourd'hui le supprimer entièrement.
Lily Ray le résume avec une formule qui vaut pour tout le SEO : tout ce qui peut être spammé finira par l'être, et Google finit toujours par réagir.
L'impact sur le trafic des pages à surveiller
Si les FAQ rich results généraient du trafic supplémentaire pour certaines pages, leur disparition pourrait se traduire par une baisse mesurable des clics et des impressions dans Search Console. Il est donc recommandé de surveiller les performances des pages concernées dans les prochaines semaines pour évaluer l'impact réel.
Le SEO souffre d'un paradoxe bien connu : les équipes passent des heures à produire des recommandations précises, documentées, priorisées… qui attendent parfois des mois avant d'être implémentées. La roadmap dev est chargée, les sprints sont pleins, et pendant ce temps, les opportunités s'évaporent.
L'IA agentique entend changer la donne en automatisant l'analyse et en accélérant la prise de décision. Mais un agent SEO qui détecte des anomalies et génère des recommandations sans pouvoir les déployer reste fondamentalement un consultant particulièrement rapide, mais toujours dépendant d'une chaîne d'implémentation lente.
C'est précisément cette friction que la solution EdgeSEO de Fasterize cherche à éliminer. En permettant de modifier le HTML servi à la périphérie du réseau, sans toucher au CMS ni mobiliser les équipes de développement, il fait passer l'agent IA d'un outil d'analyse en un véritable acteur opérationnel.
Qu'est-ce que le SEO agentique ?
Avant d'aller plus loin, posons une distinction importante : l'IA générative et l'IA agentique ne sont pas la même chose, même si elles reposent souvent sur les mêmes modèles de langage.
L’IA générative répond à une question ou exécute une tâche ponctuelle à la demande : il rédige un title, résume un article, identifie des opportunités sémantiques. L’intérêt tient avant tout dans sa réactivité.
L'IA agentique est proactive : elle planifie une séquence d'actions, les exécute de façon autonome, évalue les résultats et ajuste sa stratégie en conséquence, sans qu'un humain n’ait besoin de valider chaque étape.
En SEO, cela se traduit concrètement par des boucles de travail du type :
Crawler un site
Détecter une anomalie
Générer le correctif adapté
Le déployer
Mesurer l'impact
Itérer
Le tout, de façon continue et automatisée.
Plusieurs frameworks permettent aujourd'hui de construire ce type d'agents : n8n pour l'orchestration de workflows, LangGraph pour la gestion d'agents à états multiples, ou encore le protocole MCP (Model Context Protocol) d'Anthropic, qui standardise la façon dont un LLM peut interagir avec des outils externes. Ces briques techniques rendent le SEO agentique accessible, y compris pour des équipes sans profil de data scientist.
Ce qui manquait encore, c'était la capacité d'agir sur le site en temps réel, sans dépendre des cycles de développement. C'est ce verrou qu'EdgeSEO lève, comme nous allons le voir à travers cinq workflows concrets.
Le premier cas d'usage naturel du SEO agentique, c'est la surveillance permanente.
Un agent connecté à Google Search Console, aux logs serveur et aux données de Core Web Vitals peut détecter en continu des signaux que l'œil humain manquerait ou détecterait trop tard : une chute soudaine du taux de crawl sur une section stratégique, une baisse de LCP post-déploiement, une page canonique cassée après une migration…
Là où un outil de monitoring classique se contente souvent d'envoyer une alerte, un agent SEO est capable d’aller plus loin. Il contextualise l'anomalie, identifie la cause probable, et génère une recommandation de correctif avec son niveau de priorité. En quelques secondes, il produit ce qui pouvait nécessiter auparavant une heure d'investigation manuelle.
Mais l'alerte seule ne suffit pas.
Si corriger une mauvaise règle de redirection ou une balise canonique incorrecte implique d'ouvrir un ticket, d'attendre une fenêtre de déploiement et de repasser en recette, l'essentiel de la valeur de l'agent est perdu.
C'est ici qu'EdgeSEO prend le relais : les correctifs identifiés (modification d'un code HTTP, ajout ou correction d'une balise canonique, mise en place d'une redirection) peuvent être déployés directement en quelques minutes, sans aucune intervention sur le code source. Le délai de correction passe de plusieurs semaines à quelques heures, voire minutes.
Workflow 2 - Génération de métadonnées à grande échelle
Pour les sites e-commerce, les médias ou tout site à fort volume de pages, la gestion des métadonnées est un chantier chronophage et parfois bâclé. Résultat : des milliers de pages avec des titles génériques, des meta descriptions vides ou dupliquées, des H1 calqués sur le nom de produit sans optimisation sémantique.
Un agent SEO peut répondre à ce problème de façon industrielle. Il analyse le contenu de chaque URL, croise les données de Search Console (requêtes associées, impressions, CTR) et génère des propositions de title, meta description et H1 optimisés pour chaque page, tout cela en tenant compte du contexte sémantique, de la concurrence SERP et des intentions de recherche. Ce qui devrait prendre des semaines de travail manuel peut alors être produit en l’espace de quelques heures.
Autre problème classique : une fois ces métadonnées générées, les intégrer en base de données implique souvent de passer par l'équipe technique. Sur des catalogues de plusieurs milliers de références, ce déploiement peut s'étaler sur plusieurs sprints.
EdgeSEO court-circuite cette dépendance : les balises générées par l'agent sont injectées directement dans le HTML servi au crawler, sans modification du CMS ni de la base de données. La mise à jour est immédiate, testable et réversible. Et lorsque le déploiement natif est finalement réalisé, il suffit de désactiver la règle EdgeSEO sans aucun effet de bord.
Workflow 3 - A/B testing SEO autonome
Le A/B testing appliqué au SEO est encore trop rare, le plus souvent par manque d'outillage ou de bande passante. Pourtant, tester des hypothèses sur les balises ou la structure des pages avant de les généraliser est l'une des pratiques les plus rigoureuses qui soit pour progresser.
Grâce aux agents SEO, il est possible d'automatiser l'intégralité du cycle de test :
L’agent formule une hypothèse (« raccourcir le title sur cette catégorie devrait améliorer le CTR de 10 % »),
Sélectionne un groupe de pages test et un groupe de contrôle,
Déploie la variante
Surveille les métriques pendant la durée définie.
À l'issue du test, il analyse les résultats et recommande, ou non, la généralisation de la variante.
EdgeSEO est l'infrastructure idéale pour ce type d'expérimentation : le split testing s'opère directement sur la couche Edge, sans modifier le code source, sans risque de régression pour le reste du site, et avec une réversibilité totale en cas de résultat négatif.
Un point de vigilance s'impose néanmoins : pour qu'un test SEO soit exploitable, il faut s'assurer d'une bonne isolation des variables (ne tester qu'un élément à la fois), d'une durée suffisante pour absorber la saisonnalité et les cycles de recrawl de Google et d'un volume de pages suffisant pour que les résultats soient statistiquement significatifs.
L'agent peut aider à structurer ces conditions, mais c'est à l'équipe SEO de valider la méthodologie en amont.
Workflow 4 - Adaptation aux signaux des moteurs
Les mises à jour d'algorithme Google sont devenues une réalité permanente : core updates, spam updates, ajustements des systèmes d'évaluation de contenu… Chaque update peut faire bouger significativement le positionnement d'une verticale entière, parfois en seulement quelques jours.
Un agent SEO branché sur les sources de veille (flux RSS, API de suivi de positions, données GSC en temps réel) peut détecter ces signaux rapidement, analyser les pages impactées et identifier les ajustements à effectuer :
Enrichissement des données structurées,
Renforcement de certains signaux E-E-A-T,
Adaptation des balises sur les pages en perte de visibilité,
Mise à jour de blocs FAQ sur les pages stratégiques.
Là encore, la fenêtre d'action est déterminante. Lorsqu'une core update impacte une verticale compétitive, réagir en quelques heures plutôt qu'en quelques semaines peut faire une différence significative en termes de trafic récupéré.
Avec un déploiement CMS classique, cette réactivité est structurellement impossible sur des sites de taille moyenne ou grande. EdgeSEO rend cette agilité possible : les modifications identifiées par l'agent (ajout d'un bloc de données structurées, injection d'un contenu FAQ contextualisé, ajustement d'une balise) peuvent être déployées en quelques heures, sans attendre le prochain sprint de développement.
Synthèse - Le cycle vertueux du SEO agentique
Ce que ces quatre workflows illustrent, c'est un même schéma fondamental qu’on pourrait résumer en autant d’étapes :
Détecter
Décider
Déployer
Mesurer
L'IA agentique excelle sur les deux premières étapes. Elle détecte plus vite, plus finement et à une échelle inaccessible à une équipe humaine seule. Et elle prend des décisions basées sur des données concrètes, en suivant des règles définies par les experts SEO.
Mais sans capacité d'action rapide, ces deux premières étapes ne produisent que des recommandations qui s'accumulent. Le cycle reste incomplet. L'agent est donc un outil d'analyse sophistiqué, mais pas un levier de performance.
C'est la promesse d'EdgeSEO dans un contexte de SEO agentique : devenir l'effecteur qui rend le cycle complet. En permettant de déployer à la couche Edge, immédiatement et sans dépendance dev, il transforme l'agent IA d'un consultant très rapide en un acteur véritablement opérationnel, capable non seulement d’identifier les problèmes et d'imaginer les solutions, mais aussi de les mettre en œuvre et d'en mesurer l'impact en temps réel.
Le SEO a longtemps souffert de l'écart entre la recommandation et l'action. L'IA agentique combinée à EdgeSEO est peut-être ce qui permettra enfin de le combler.
Clément Reynaud, directeur SEO & GEO chez Pixalione, gère Minecraft.fr depuis plus de quinze ans. Avec 6 millions de visiteurs en 2025, le site est le numéro un en France sur sa thématique. Dans un article récemment publié sur LinkedIn, qui n'a pas manqué de se faire remarquer dans la communauté SEO, il a décidé de publier ses données Google Search Console, Bing Webmaster Tools, GA4 et Cloudflare pour documenter ce que les IA génératives font vraiment à son trafic. Les chiffres sont froids, parfois brutaux, et méritent d'être lus attentivement par quiconque vit de son site.
Ce qu'il faut retenir :
Sur 16 mois glissants, les clics Google de Minecraft.fr ont été divisés par deux, alors que les impressions restent quasiment stables. Ce n'est pas un problème de visibilité, c'est un changement de comportement des utilisateurs.
Copilot cite Minecraft.fr plus d'un million de fois sur trois mois (environ 12 000 citations par jour), mais 80 % des pages les plus citées perdent des clics organiques Bing. Plus une page est utile à l'IA, moins elle génère de visites.
Toutes les IA grand public confondues ne représentent que 0,3 % du trafic total du site. Pour 1 visite venue d'une IA, Google en envoie encore 230.
La baisse de trafic entraîne une chute des revenus publicitaires de 58 % sur trois mois (vs N-1), plus violente que la seule perte de sessions, à cause d'un double effet : moins d'impressions ET un CPM qui s'effondre.
Les clics s'évaporent sans que le site disparaisse des résultats
Le premier enseignement de l'analyse est également le plus contre-intuitif. Sur les trois derniers mois comparés à la même période un an plus tôt, les impressions dans Google Search Console sont restées quasiment stables. Le site apparaît toujours autant dans les résultats. Mais les clics, eux, ont été divisés par deux.
Sur 16 mois glissants, le décrochage est net : un pic au printemps 2025, puis une chute progressive à partir de l'été. Le palier actuel se situe à environ la moitié du niveau historique.
Évolution du trafic Google sur 16 mois, en indice (base 100 = pic). Source : Google Search Console/Minecraft.fr
Ce premier point est fondamental pour comprendre la suite. Nous ne sommes pas face à une pénalité algorithmique, ni à une perte de positions, mais à des internautes qui voient le lien, ne cliquent pas, et trouvent leur réponse ailleurs, avant même d'arriver sur le site. Et ce constat se vérifie sur des requêtes evergreen, à position quasi identique par rapport à l'année précédente : « Shaders Minecraft » perd 36 % de clics, « Haut fourneau Minecraft » en perd 76 %, « Mod Minecraft » chute de 56 %.
Clément Reynaud insiste sur un point important pour interpréter ces chiffres correctement : l'AIO (AI Overviews) et l'AI Mode de Google ne sont toujours pas déployés en France, bloqués en raison des droits voisins. Ce que l'on observe ici est donc une bascule comportementale pure, sans intervention directe de Google sur la SERP française. Les utilisateurs ont changé leurs habitudes de recherche. Ce n’est pas Google qui aurait reconfiguré ses résultats.
Des robots IA qui dévorent le contenu en quasi-permanence
En regardant les logs de son serveur via Cloudflare AI Crawl Control, l'éditeur a documenté ce qui se passe dans les coulisses, au-delà de ce que GA4 permet de voir. Sur une seule période de 24 heures, plus de 100 000 requêtes ont été émises par des robots sur le site. Dans le top 10 des crawlers les plus actifs, 8 sont des bots d'IA.
Bingbot reste en tête, mais Meta-ExternalAgent (le crawler IA de Meta) se positionne deuxième, devant Googlebot. Suivent Amazonbot, Applebot, OAI-SearchBot, ChatGPT-User, GPTBot, PerplexityBot et ClaudeBot.
Clément Reynaud distingue trois familles de bots aux logiques très différentes.
Les crawlers d'entraînement (Meta, Amazon, OpenAI, Anthropic) constituent les corpus de données pour les modèles.
Les IA de recherche (Applebot, OAI-SearchBot, PerplexityBot) lisent le web en temps réel pour alimenter leurs réponses.
Les IA assistantes, comme ChatGPT-User, vont chercher une page précise quand un utilisateur demande à ChatGPT de « lire ce lien ».
Meta-ExternalAgent à lui seul a aspiré plus d'un gigaoctet de données en 24 heures. Et l'analyse technique révèle une autre réalité peu commentée : sur 153 000 requêtes bots, seulement 29 % aboutissent à du contenu servi (statut 2xx). 55 % finissent en erreur 4xx. Meta-ExternalAgent gaspille 72 % de ses requêtes sur des URL qui n'existent plus. Pour un éditeur qui gère une infrastructure, le coût serveur du crawl IA est loin d’être anecdotique.
Copilot cite massivement, mais ne renvoie personne
C'est probablement le volet le plus riche de l'analyse, et le moins documenté publiquement à ce jour.
Depuis 2025, Bing Webmaster Tools fournit le nombre de citations d'un domaine dans les réponses générées par Copilot, avec les pages exactes mobilisées comme sources. Sur les trois derniers mois, Minecraft.fr a été cité plus d'un million de fois par Copilot. Soit environ 12 000 citations quotidiennes. Et ce ne sont pas dix pages qui tournent en boucle : 1 369 pages distinctes du site ont été utilisées sur la période.
Mais voici ce que les données exclusives partagées pour cet article révèlent sur la concentration de ces citations. La distribution suit une loi de Pareto particulièrement marquée :
Le top 10 des pages représente 37 % de l'ensemble des citations,
Le top 50 dépasse 70 %, le top 100 atteint 84 %,
Le top 200 monte à 93 %.
Concrètement, 15 % des pages concentrent 93 % des citations Copilot. Les 1 169 pages restantes, soit 85 % du corpus cité, ne pèsent que 7 % du total.
Source : Clément Reynaud
La page la plus citée est un cas d'école à lui seul : la page consacrée à l'outil Chunkbase cumule à elle seule 93 589 citations en 3 mois, soit 13,5 % du total du site. C'est 5,3 fois plus que la deuxième page la plus citée. Cette page n'est pas un simple article : c'est une page interactive qui intègre via iframe un outil tiers (Chunkbase), enrichie d'explications concrètes sur son utilisation.
Un outil = une utilité directe = une source privilégiée pour les IA.
Les quatre pages FAQ du top 10 confirment la même logique : les IA mobilisent en priorité les contenus qui permettent de construire une réponse synthétique. « Comment miner la Netherite » (29 880 citations), « Comment installer un shader avec Optifine » (14 070), « Où trouver du diamant » (12 610), « Comment installer un mod Minecraft » (11 553).
Mais voilà le paradoxe central de l'analyse. En croisant les citations Copilot par page avec les clics organiques Bing de ces mêmes pages (comparés à N-1), le résultat est sans ambiguïté : sur l'échantillon des pages massivement citées (au moins 1 000 citations sur 3 mois et au moins 200 clics historiques), 80 % perdent des clics organiques Bing. La médiane de perte parmi ces pages est de 43 %. En vérifiant le même pattern dans Google Search Console, 93 % des pages concernées sont en perte.
La formulation de Clément Reynaud résume le phénomène sans détour : « L'IA cannibalise ses propres sources. » Plus une page est utile à Copilot, plus elle est citée. Plus elle est citée, moins elle génère de clics. Être cité par les IA n'est plus une métrique de performance. C'est devenu un coût.
0,3 % du trafic : la réalité du retour en visites depuis les IA
Toute le discours autour des IA comme nouvelle « source de trafic » se heurte ici à des données concrètes. Sur mars-avril 2026, Google Analytics 4 comptabilise un peu plus de 2 000 visites totales provenant de toutes les IA grand public confondues. ChatGPT représente environ 9 visites IA sur 10. Copilot, Gemini, Perplexity, Claude et Mistral sont marginaux.
Ramené à l'ensemble des sources de trafic du site, le verdict est sans rappel : les IA représentent 0,3 % du trafic total. Google reste de très loin la première source. Bing suit, puis Yahoo, Ecosia. Et DuckDuckGo, largement minoritaire dans les usages français, envoie davantage de visites que toutes les IA additionnées. Pour 1 visite depuis une IA, Google en envoie 230.
Une nuance mérite d'être signalée. Le canal « Direct » pèse 23 % du trafic et reste partiellement aveugle. Une fraction de ces visites correspond probablement à des utilisateurs qui ont vu Minecraft.fr cité dans une réponse IA et qui ont ensuite tapé l'URL directement dans leur navigateur. Sur 28 mois, pendant que le Search s'effondre depuis l'été 2025, le Direct résiste et a même légèrement progressé sur les derniers mois. C'est compatible avec une absorption IA invisible dans GA4, sans en être une preuve formelle. Même en doublant ou triplant l'estimation, le constat de fond ne change pas.
Un impact économique plus violent que la seule baisse de trafic
Les revenus publicitaires du site ont baissé d'environ 58 % sur la période février-avril 2026 comparée à N-1. C'est sensiblement plus que la baisse de trafic elle-même, et la mécanique s'explique par deux effets qui se cumulent.
Premier effet : les impressions publicitaires reculent d'environ 42 %, logique directe de la baisse de sessions et de pages vues.
Second effet : le CPM moyen a chuté d'environ 28 %. Moins de visites, et chaque visite rapporte moins. Quand le trafic se contracte sur du contenu de type commodity (FAQ, recettes, listes), les régies réévaluent à la baisse la valeur de l'inventaire. Le manque à gagner devient donc plus que proportionnel à la perte de trafic.
Clément Reynaud soulève également le rôle de Google Discover comme variable d'ajustement économique. Sur Minecraft.fr, Discover a historiquement compensé les creux du Search : les CPM Discover sont structurellement plus élevés que ceux du Search classique, et un bon mois Discover peut peser autant qu'un trimestre Search en revenus. Mais la volatilité mensuelle de Discover est trois fois supérieure à celle du Search. Sans rythme de publication régulier, il est impossible d'en faire un revenu prédictible. Et quand le Search décroche structurellement à cause des IA, Discover ne vient pas compenser mécaniquement.
L'éditeur tient à préciser que Minecraft.fr est un hobby, pas son activité principale. Une baisse de 58 % n'est pas une question de survie pour lui. En revanche, pour des médias ou des créateurs indépendants dont le site est la source de revenus principale, la même équation devient existentielle.
Ce qui explique (aussi) la baisse, au-delà des IA
Clément Reynaud refuse le narratif unilatéral. Il identifie trois facteurs qui se cumulent, dont la part respective reste difficile à isoler précisément.
L'obsolescence des versions de Minecraft joue un rôle. Une partie du trafic perdu vient de requêtes liées à des versions spécifiques du jeu (Optifine 1.21.5, shaders 1.21.4...). Le jeu évolue plusieurs fois par an, et les contenus liés à d'anciennes versions perdent naturellement en pertinence.
La reconfiguration concurrentielle du marché est réelle. Sur trois ans, fr.minecraft.wiki est passé d'environ 8 % à 33 % de part de trafic dans le top 4 français, notamment grâce à la migration du wiki officiel hors de Fandom. Minecraft.fr maintient sa position dans le peloton de tête, mais sur un marché global qui rétrécit.
Reste la bascule comportementale, documentée sur des requêtes evergreen à positions stables. Là, le facteur concurrentiel et l'obsolescence des versions ne suffisent pas à expliquer des baisses de clics de 36 à 76 % sur des mots-clés dont le classement n'a pas bougé. C'est bien le comportement de l'utilisateur qui a changé.
Ce que l'éditeur va faire maintenant
La stratégie que tire Clément Reynaud de cette analyse se résume à une logique simple : aller là où les IA ne peuvent pas aller.
Continuer à produire du contenu de fond reste la base. Si le site disparaît, les IA n'ont plus rien à citer. Il utilise d'ailleurs lui-même les IA dans sa production, ce qui lui permet de publier plus et mieux.
Mais il ne pense pas que le commodity content, c'est-à-dire les crafts, les listes, les FAQ, soit l'endroit où concentrer les efforts à l'avenir. Ce terrain est déjà largement couvert par les IA. La meilleure approche sur ces pages est de les renforcer pour tenter de transformer la citation en visite, sans en faire le cœur de la stratégie.
Le vrai investissement, selon lui, est dans l'actualité du jeu : les snapshots, les mises à jour, les features en preview, les fuites. Une IA ne peut pas inventer ce qui n'a pas encore été annoncé, ne peut pas tester avant tout le monde, ne peut pas contextualiser une information dès lors qu'elle sort. Et les données confirment cette intuition : sur Minecraft.fr, ce sont précisément les articles d'actualité qui génèrent aujourd'hui les meilleures performances !
13 % de taux de conversion contre 4,02 % pour une landing page classique : les LinkedIn Lead Gen Forms convertissent en moyenne 3,2 fois mieux qu’un formulaire web traditionnel. Cette donnée, publiée par LinkedIn Marketing Solutions, n’est pas un argument marketing : c’est la conséquence directe d’une mécanique simple. Le formulaire se pré-remplit avec les données du profil LinkedIn de l’utilisateur, supprimant la friction de saisie. En B2B, sur des audiences où le moindre champ supplémentaire fait perdre 10 à 20 % de conversion, c’est décisif. Encore faut-il les configurer correctement, les brancher sur le bon CRM et mesurer le bon indicateur. Ce guide pose la méthode, les leviers data et les pièges à éviter. Pourquoi LinkedIn Lead Gen Forms convertit 3x mieux qu’une landing page Le pré-remplissage des données du profil LinkedIn Quand un utilisateur LinkedIn clique sur une publicité avec Lead Gen Form attaché, le formulaire se pré-remplit automatiquement avec les données de son profil : nom, prénom, adresse e-mail professionnelle, fonction, entreprise, taille d’entreprise, secteur, ancienneté. L’utilisateur n’a plus qu’à vérifier et soumettre. Aucune saisie manuelle, aucune fenêtre qui s’ouvre vers un autre site, aucune perte de contexte. La conversion se fait en 2 clics. La friction supprimée : zéro saisie manuelle Chaque champ d’un formulaire web réduit le taux de conversion de 5 à 10 % en B2B. Un formulaire classique à 7 champs perd typiquement 30 à 50 % de prospects entre l’arrivée sur la page et la soumission. Le Lead Gen Form supprime ce frottement : la donnée est déjà là, validée et conforme. L’utilisateur reste dans LinkedIn, dans un environnement professionnel familier, avec un sentiment de sécurité renforcé par l’authentification de la plateforme. Les chiffres : 13 % vs 4 % en moyenne web Le taux de conversion moyen d’un Lead Gen Form LinkedIn est de 13 %, contre 4,02 % pour une landing page web standard (LinkedIn Marketing Solutions). Les marques qui pilotent sérieusement leurs campagnes rapportent un facteur 2 à 3 sur leurs conversions par rapport à un parcours landing page classique. L’écart se creuse d’autant plus que l’audience est large (top of funnel) et que la campagne vise un premier contact plutôt qu’un achat immédiat. Comment fonctionne un Lead Gen Form Les formats publicitaires éligibles Les Lead Gen Forms s’attachent à 4 grands formats LinkedIn Ads. Sponsored Content (image unique, vidéo, carrousel) pour les campagnes de notoriété et lead gen amont. Sponsored Messaging et Conversation Ads pour les approches conversationnelles, qui combinent inbox personnalisée et formulaire. Message Ads pour les approches one-to-one. Document Ads, plus récents, pour distribuer un livre blanc ou un guide en échange du formulaire. Le choix du format dépend du budget, de la cible et de l’objectif (top, middle ou bottom of funnel). Les champs disponibles LinkedIn met à disposition 5 catégories de champs : contact (e-mail, téléphone), work (job title, function, seniority), company (nom, taille, secteur), education (diplôme, école), demographic (genre, âge). À cela s’ajoutent jusqu’à 3 questions personnalisées (text, multiple choice) et 5 cases à cocher (consentement, opt-in newsletter), selon les spécifications officielles LinkedIn. Cette palette permet de qualifier finement le prospect sans demander à l’utilisateur de tout retaper. Les questions custom et checkboxes pour qualifier Les questions custom ne sont pas pré-remplies, donc elles freinent un peu la conversion. Mais elles améliorent drastiquement la qualité du lead. Une question type « quel est votre projet sous 3 mois ? » ou « quelle est la taille de votre équipe IT ? » permet de filtrer les prospects en amont et de prioriser le travail commercial. Le bon équilibre : 0 à 2 questions custom selon le degré de qualification souhaité. Méthode d’implémentation en 6 étapes Étape 1 : définir l’objectif business avant la campagne Une campagne Lead Gen sans objectif business clair génère des leads non actionnables. Avant de créer la campagne, répondre à 3 questions : quel est le profil exact du lead recherché (fonction, secteur, taille d’entreprise) ? quelle action commerciale suit la capture (rappel sous 24 h, séquence d’emails, MQL/SQL) ? quel est le coût par opportunité acceptable (pas le coût par lead) ? Sans ces réponses, la campagne tourne mais ne sert rien. Étape 2 : configurer le ciblage LinkedIn Le ciblage LinkedIn est le levier de qualité le plus puissant. 5 dimensions à combiner : job title (ex : « directeur marketing », « head of growth »), job function (marketing, IT, sales), seniority (senior, manager, director, VP), industry (banking, manufacturing, SaaS), company size (51-200, 1000+). Éviter les ciblages trop larges qui diluent le budget. Pour aller plus loin sur la mécanique LinkedIn, voir notre guide data sur l’algorithme LinkedIn. Étape 3 : construire l’offre et le formulaire L’offre est le point critique. Trois règles. Premier : la promesse doit être concrète et utile (livre blanc sectoriel, audit gratuit, démo personnalisée), pas vague (newsletter, « en savoir plus »). Deuxième : le formulaire doit avoir 3 à 4 champs, pas plus. Au-delà, la conversion chute. Troisième : la page de remerciement (thank-you page) doit prolonger l’expérience avec un contenu utile immédiat (lien de téléchargement, prise de RDV). Étape 4 : connecter le CRM Sans connexion CRM, les leads dorment dans Campaign Manager et perdent leur valeur en quelques heures. LinkedIn propose des intégrations natives pour HubSpot, Salesforce, Microsoft Dynamics, Marketo Adobe Engage, Eloqua. Pour les autres CRM (Pipedrive, Zoho, Brevo, Plezi), Zapier, Make ou les API custom font le pont. Chaque lead doit remonter avec sa source (campagne, ad set, ad), ses UTM, sa date, et ses réponses qualifiantes. Étape 5 : lancer, suivre les KPI, A/B tester Après lancement, suivre 5 KPI clés dans Campaign Manager : impressions, CTR (click-through rate), taux d’ouverture du formulaire, taux de soumission, CPL (coût par lead). A/B tester en permanence : 2 visuels par campagne, 2 versions de copy, 2 segments d’audience. Couper les variantes qui sous-performent après 2 semaines. Étape 6 : mesurer le coût par opportunité Le coût par lead ne dit rien de la performance réelle. Un lead à 30 dollars qui ne devient jamais une opportunité coûte plus cher qu’un lead à 150 dollars qui se transforme en deal. Le bon indicateur, c’est le coût par opportunité : combien de leads pour une vraie opportunité commerciale, et quelle valeur moyenne ? Sans cette mesure, le pilotage budgétaire est aveugle. Pour structurer cette boucle de mesure, découvrez notre approche analytics sur-mesure. Les 5 leviers data pour optimiser vos Lead Gen Forms Réduire le nombre de champs Passer de 7 champs à 3 champs améliore la conversion de 25 à 35 % en B2B. Les 3 champs de base : nom, e-mail professionnel, fonction. Tout le reste est de la qualification, donc à ajouter avec parcimonie. A/B tester la promesse, pas le visuel Le visuel compte, mais c’est la promesse (titre + offre) qui fait la conversion. A/B tester d’abord 2 promesses très différentes (utilité immédiate vs prestige sectoriel, par exemple), puis affiner le visuel sur la promesse gagnante. Les tests visuels sans variation de promesse sous-performent souvent. Affiner le ciblage par fonction et séniorité Sur LinkedIn, le ciblage « fonction + séniorité » est plus efficace que le ciblage « industry + company size » pour les leads qualifiés. Cibler « marketing director / VP » donne moins de volume mais des leads avec pouvoir de décision, donc un meilleur coût par opportunité. Tester Conversation Ads vs Sponsored Content Sur certains profils B2B (décideurs IT, achats, finance), les Conversation Ads convertissent 2 à 3 fois mieux que les Sponsored Content. Le format conversationnel humanise l’approche, surtout sur des sujets techniques ou stratégiques. Tester les deux formats en parallèle sur la même audience. Brancher un workflow de nurturing dès le lead capté Un lead LinkedIn qui n’est pas relancé dans les 24 heures perd 50 % de sa valeur. Configurer en amont le workflow de nurturing : e-mail automatique avec contenu utile sous 1 heure, séquence de 3 à 5 e-mails sur 2 semaines, relance commerciale qualifiée si engagement. Combien coûte un lead LinkedIn en 2026 Les benchmarks CPL par secteur B2B Le coût par lead sur LinkedIn varie fortement selon le secteur. Les benchmarks observés en 2026 : 50 à 100 dollars pour les secteurs B2B classiques (services, marketing, conseil, e-commerce), 100 à 200 dollars pour les secteurs techniques (SaaS, cybersécurité, industrie, santé), 200 dollars et plus pour les niches enterprise (cloud infrastructure, finance institutionnelle, achats publics). LinkedIn reste cher en CPL absolu, mais le coût par opportunité est souvent meilleur que Google Ads B2B sur des audiences nichées. Les audiences niches qui dépassent 200 dollars Sur des audiences très ciblées (ex : « CTO de SaaS B2B français avec 100-500 employés »), le CPL peut monter à 300-500 dollars. Ce coût n’est pas un problème si le ticket commercial est suffisant et le cycle de conversion court. Sur un deal moyen de 50 000 euros, un CPL à 300 dollars reste rentable dès que le taux lead-to-opportunity dépasse 10 %. Le vrai indicateur : coût par opportunité LinkedIn ne se compare pas à Meta ou Google sur le CPL absolu. Il se compare sur le coût par opportunité et le coût par client gagné. Un canal LinkedIn bien configuré produit typiquement 2 à 5 fois moins de leads qu’une campagne Meta équivalente, mais avec un taux de conversion en opportunité 5 à 10 fois supérieur. La balance est presque toujours en faveur de LinkedIn pour le B2B premium. Les 4 pièges qui plombent les campagnes Lead Gen Le formulaire trop long 12 champs (le maximum autorisé) divise par 2 le taux de conversion par rapport à 3 champs. Beaucoup d’équipes marketing veulent tout savoir dès le premier contact ; c’est l’erreur classique. Mieux vaut capter avec 3 champs, qualifier ensuite par séquence e-mail. Le CRM mal connecté Quand l’intégration CRM n’est pas configurée (ou pire, configurée partiellement), les leads remontent en CSV manuel ou pas du tout. Résultat : délai de relance qui passe de 2 heures à 5 jours, perte de 60 à 80 % de la valeur des leads. L’absence de qualification post-lead Capter un lead ne suffit pas. Sans scoring, sans qualification commerciale, sans relance structurée, le pipeline pourrit. La règle : tout lead capté en Lead Gen doit être traité (scoring, e-mail de bienvenue, relance commerciale éventuelle) sous 24 heures. Le ciblage trop large qui dilue le budget Une audience LinkedIn de 500 000 personnes est presque toujours trop large. La règle : viser 50 000 à 200 000 personnes par audience pour rester pertinent et permettre l’apprentissage de l’algorithme. Au-delà, le budget se dilue et le CPL grimpe sans amélioration de la qualité. Comment Brioude pilote vos campagnes LinkedIn Lead Gen Brioude est une agence digitale spécialisée référencement et performance, intégrée au groupe Tactee, pionnière du SEO depuis 1998. Nos équipes Social Ads pilotent des campagnes LinkedIn Lead Gen avec une logique data-driven : pas de blabla, pas de promesse vague, juste de la donnée qui pilote la décision. Plus de datas, moins de blabla. La science du clic alliée à l’art de la conversion. Sur un projet LinkedIn Lead Gen, notre méthode commence par un cadrage business (profil de lead, coût par opportunité cible, intégration CRM existante), suivi du build (création des audiences, des formulaires, des créas, des workflows de nurturing), puis du pilotage continu (A/B testing, optimisation budgétaire, reporting hebdomadaire pipeline). Pour structurer vos campagnes LinkedIn Lead Gen, découvrez notre approche Social Ads !
Quelques infos sur Google (et Bing parfois) et son moteur de recherche, glanées ici et là de façon officieuse ces derniers jours, avec au programme cette semaine quelques réponses à ces questions : Qu'est-ce qui explique la baisse d'indexation observée depuis plusieurs mois sur Google ?
Goossip #1
Baisse d'indexation sur Google Search : circulez, il n’y a rien à voir !
Depuis le début du mois d'avril, de nombreux professionnels du SEO et propriétaires de sites signalent une accélération de la désindexation de leurs pages par Google. Pedro Dias (ex-Googler) et d'autres spécialistes notent une suppression aléatoire d'URLs à un rythme plus élevé que d'habitude. Parmi les hypothèses retenues :
Une évaluation plus stricte de la « fraîcheur » et de la qualité des contenus lors des mises à jour.
Une volonté de Google de « purger » le contenu de faible valeur pour réduire la taille de son index.
Une sélectivité accrue face à l'explosion des contenus générés par IA.
Certains experts évoquent aussi la possibilité d’un bug dans les rapports de la Search Console plutôt qu’une réelle désindexation.
Mais si vous êtes ici, c’est certainement pour connaître le point de vue de John Mueller. Vous allez être déçu. Interrogé par Barry Schwartz sur la possibilité d’un bug, le Search Advocate de Google s’est contenté d’un laconique : « Certains sites apparaissent, d'autres disparaissent. Je n'y vois rien d'exceptionnel. »
La communauté SEO observe un durcissement des critères d’indexation depuis plusieurs mois, mais Google maintient qu’il n’y a aucun changement anormal de son côté. S'il n'est pas possible d'affirmer quoi que ce soit, force est de constater qu'il se passe quelque chose sur lequel Google ne veut pas forcément s'étendre.
Lors de la SEO Week de New York, Microsoft a présenté quatre nouvelles fonctionnalités pour le tableau de bord AI Performance de Bing Webmaster Tools. Au menu : une métrique de part de citations, des labels d'intention et de thématique pour les requêtes, et des recommandations orientées GEO. Rien n'est encore en ligne, mais ces annonces donnent une idée précise de la direction prise par Microsoft pour la visibilité dans les résultats IA.
Ce qu'il faut retenir :
Microsoft a présenté quatre nouvelles fonctionnalités pour son tableau de bord AI Performance, mais aucune n'est encore disponible.
La Citation Share permettra de mesurer la part de citations captée par un site sur une requête donnée, et non plus seulement le volume brut.
Les labels d'intention et de thématique faciliteront l'analyse des tendances de visibilité en regroupant les requêtes par catégories.
Les recommandations GEO apporteront des pistes d'optimisation spécifiques à la visibilité dans les résultats IA, autour de la structure du contenu, du balisage et de l'indexation.
Quatre nouvelles fonctionnalités présentées à la SEO Week
C'est lors de cet événement, qui s'est tenu fin avril 2026 à New York, que Krishna Madhavan, Principal Product Manager chez Microsoft AI and Bing, a dévoilé les contours de ces nouveautés. Les informations disponibles proviennent des captures d'écran partagées par des participants sur X, Microsoft n'ayant pas encore publié d'article de blog officiel sur le sujet.
Les quatre fonctionnalités annoncées s'intègrent toutes dans le tableau de bord AI Performance de Bing Webmaster Tools, lancé en préversion publique en février 2026, puis enrichi en mars avec la possibilité d'associer des requêtes de grounding aux pages spécifiquement citées.
La Citation Share : passer du volume à la part de marché
Aujourd'hui, le tableau de bord AI Performance affiche déjà le nombre brut de citations obtenues par un site dans les résultats générés par Microsoft Copilot et les résumés IA de Bing. C'est utile, mais insuffisant pour parvenir à se situer par rapport à la concurrence.
La Citation Share viendra compléter cette donnée en indiquant le pourcentage de citations qu'un site capte sur une requête de grounding précise.
Concrètement : si dix sources sont citées sur une requête donnée et que votre site l'est trois fois, votre Citation Share est de 30 %. Cette métrique apporte un contexte concurrentiel que le simple comptage ne permet pas d'avoir.
Les labels d'intention et de thématique : mieux lire ses données
L'une des limites actuelles du tableau de bord est la fragmentation des données par requête. Une même intention de recherche peut s'exprimer de dizaines de façons différentes, ce qui rend difficile l'identification de tendances.
Pour y remédier, Microsoft prévoit deux couches de classification supplémentaires.
Les labels d'intention de requête regrouperont les requêtes en 15 catégories prédéfinies. Les labels visibles sur les captures d'écran partagées incluent notamment : Learning, Informational Search, Navigational, Research, Comparison, Planning, Conversational et Content Filtered.
Les labels thématiques ajouteront une deuxième dimension de classification, en regroupant les requêtes par sujet. Ces deux axes combinés permettront aux éditeurs d'évaluer leur visibilité sur des catégories entières plutôt que sur des formulations isolées, facilitant ainsi le repérage des points forts et des angles morts.
Les recommandations GEO : une aide à l'optimisation pour les résultats IA
La quatrième fonctionnalité est aussi la moins précisément définie. Microsoft prévoit d'intégrer des recommandations orientées GEO (Generative Engine Optimization) directement dans Bing Webmaster Tools. Ces recommandations auraient pour objectif d'améliorer la visibilité d'un site dans les résultats générés par l'IA.
D'après les slides présentées, les domaines couverts seraient les suivants :
Structure du contenu et crawlabilité,
Signaux d'indexation et de canonicalisation,
Adoption des données structurées,
Et qualité des données structurées.
Ce sont des fondamentaux du SEO technique, appliqués à un prisme IA. Microsoft n'a cependant pas précisé comment ces recommandations seront générées, ni quels critères déclencheront leur affichage.
Ce qui reste à éclaircir
Aucune date de déploiement n'a été communiquée pour l'une ou l'autre de ces quatre fonctionnalités. Les détails sur le mode de calcul de la Citation Share, la taxonomie complète des labels d'intention et de thématique, ainsi que la logique des recommandations GEO ne sont pas encore documentés publiquement.
Il faut donc traiter ces annonces comme des aperçus, pas comme des fonctionnalités disponibles. Pour être informé du déploiement effectif, le mieux est de surveiller les publications officielles du blog Bing Webmaster et de Microsoft Advertising.
Google vient d'annoncer le déploiement mondial de sa fonctionnalité « Preferred Sources » (Sources préférées), désormais disponible dans toutes les langues prises en charge. Une évolution concrète dans la façon dont les internautes consomment l'actualité via Google Search, et un signal fort pour les éditeurs de contenus.
Ce qu'il faut retenir :
Les utilisateurs peuvent désormais choisir les sites qui apparaissent en priorité dans la section « À la une » (Top Stories) des résultats de recherche.
Les lecteurs ayant marqué un site comme source préférée sont deux fois plus susceptibles de cliquer vers ce site.
Plus de 200 000 sites uniques ont déjà été sélectionnés par des utilisateurs, des blogs locaux de niche aux grandes rédactions mondiales.
Des outils spécifiques sont disponibles dans le Centre d'aide de Google pour aider les éditeurs à inciter leurs lecteurs à les ajouter à leur liste.
Comment fonctionne la fonctionnalité
Le principe est simple : depuis les résultats de recherche Google, l'utilisateur repère une icône en forme d'étoile à côté de la section « À la une ». En appuyant dessus, il accède à une interface qui lui permet d'ajouter les sites d'information qu'il souhaite voir remonter en priorité dans ce bloc.
La fonctionnalité avait déjà été testée aux États-Unis et en Inde avant d'être généralisée. Son déploiement mondial, toutes langues confondues, marque une étape importante dans la personnalisation de l'expérience de recherche chez Google.
Ce que ça représente pour les éditeurs
Les chiffres communiqués par Google parlent d'eux-mêmes : les utilisateurs ayant ajouté un site à leurs sources préférées cliquent deux fois plus souvent vers ce site. C'est un levier de fidélisation direct, qui contourne en partie la logique algorithmique classique au profit d'un choix explicite de l'utilisateur.
Avec plus de 200 000 sites déjà sélectionnés, la diversité des sources retenues est notable. Ni réservé aux grands médias, ni limité aux sites institutionnels, cet outil donne autant de place aux blogs locaux qu'aux rédactions internationales.
Pour les professionnels du SEO et de l'audience, l'enjeu est donc d'encourager activement leurs lecteurs à effectuer cette démarche. Google met à disposition des éditeurs des ressources dédiées dans son Centre d'aide, avec des outils et des conseils pour guider leur audience vers cette option.
Google affiche des résultats solides pour le premier trimestre 2026 : les revenus de Search progressent de 19 % sur un an, et Sundar Pichai attribue cette performance directement aux expériences IA comme AI Overviews et AI Mode. Une croissance qui soulève certaines questions.
Ce qu'il faut retenir :
Les revenus de Google Search & Other atteignent 60,4 milliards de dollars au T1 2026, en hausse de 19 % sur un an.
Sundar Pichai affirme que les requêtes Search sont à un niveau record, qu'il relie directement aux expériences IA.
Google a réduit les coûts de ses réponses IA de plus de 30 % depuis le passage à Gemini 3.
La croissance des revenus Search ne permet pas de conclure que les sites web reçoivent plus ou moins de clics depuis les résultats enrichis par l'IA.
Des chiffres en hausse, portés par l'IA
Alphabet a publié ses résultats du premier trimestre 2026 avec une performance notable côté Search. Le segment Google Search & Other génère 60,4 milliards de dollars de revenus, contre environ 50,7 milliards un an plus tôt, soit une progression de 19 % en glissement annuel. C'est une accélération par rapport au T4 2025, où la croissance annuelle s'établissait à 17 %, même si le chiffre absolu était légèrement plus élevé (63,1 milliards de dollars) en raison de la saisonnalité.
Au niveau du groupe, Alphabet dépasse les 109,9 milliards de dollars de chiffre d'affaires total, en hausse de 22 %.
Le directeur commercial Philipp Schindler apporte une nuance importante : les résultats publiés bénéficient d'un effet favorable des taux de change. La croissance en monnaie constante est donc légèrement inférieure aux chiffres annoncés.
Ce que Pichai dit sur Search et l'IA
Sundar Pichai a été direct dans ses déclarations aux investisseurs : il attribue la bonne tenue de Search aux nouvelles expériences IA. Selon lui, les utilisateurs « reviennent davantage sur Search » grâce à AI Mode et AI Overviews, et les requêtes atteignent un niveau record historique.
AI Mode enregistre « une forte croissance en termes d'utilisateurs et d'usage à l'échelle mondiale ». Des données précédentes de Google situaient cette fonctionnalité autour de 100 millions d'utilisateurs actifs mensuels et 75 millions quotidiens, mais Pichai n'a pas communiqué de chiffre actualisé lors de cette présentation.
Sur AI Overviews, la position de Google est toujours la même : ces résumés générés par l'IA stimulent la croissance globale de Search plutôt qu'ils ne la cannibalisent. Liz Reid, responsable de Search chez Google, avait tenu un discours similaire début avril, affirmant que les AI Overviews réduisait les clics à faible valeur sans nuire au trafic utile.
Du côté des moteurs de croissance plus concrets, Schindler précise que la performance de Search au T1 a été « principalement portée par le retail et la finance », avec une contribution notable du secteur santé. Il insiste sur le fait que « la solidité observée dans Search n'est pas due à un seul facteur, mais résulte de nombreuses parties de notre activité qui fonctionnent bien ensemble ».
Google réduit ses coûts IA de 30 %
Pichai a partagé deux données chiffrées sur l'efficacité opérationnelle, qui méritent attention.
Première donnée : la latence. Pichai indique que Google a réduit le temps de réponse de Search de plus de 35 % sur les cinq dernières années, y compris avec l'intégration des nouvelles fonctionnalités IA dans les pages de résultats.
Deuxième donnée, plus stratégique : depuis la migration d'AI Overviews et d'AI Mode vers Gemini 3, Google a réduit le coût de ses réponses IA de plus de 30 %. Cette optimisation est rendue possible par des avancées en matière de hardware et d'ingénierie. C'est un signal important : la rentabilité des expériences IA sur Search progresse, ce qui rend leur déploiement à grande échelle économiquement plus viable.
Les nouvelles fonctionnalités déployées au T1
Pichai a mis en avant trois évolutions concrètes du produit Search sur le trimestre.
La fonctionnalité Google Personal Intelligence a été élargie à l'ensemble des utilisateurs gratuits américains en mars, après une période de déploiement progressif. Elle permet à Search d'intégrer des données personnelles (Gmail, Agenda...) pour personnaliser les résultats.
Les expériences agentiques ont été étendues à de nouveaux pays. Pichai cite la réservation de restaurant comme exemple concret de ce qu'il appelle « Search comme gestionnaire d'agents », une vision dans laquelle Search ne renvoie plus seulement des liens, mais effectue des actions à la place de l'utilisateur.
Search Live, la fonctionnalité multimodale permettant des recherches en temps réel via la caméra, a été déployée à l'échelle mondiale.
Ce que ces résultats ne disent pas
La croissance des revenus de Search et les déclarations de Pichai sur les requêtes à un niveau record ne permettent pas de répondre à la question qui préoccupe les professionnels du SEO depuis l'arrivée des résultats enrichis par l'IA : est-ce que les sites web reçoivent plus ou moins de clics ?
Google n'a pas communiqué de données sur les taux de clics pour AI Overviews ou AI Mode. « Requêtes à un niveau record » ne signifie pas « clics sortants à un niveau record ». Un utilisateur peut effectuer davantage de recherches tout en cliquant moins souvent vers des sites tiers si ses besoins sont satisfaits directement dans la page de résultats.
Google peut enregistrer une croissance de ses revenus publicitaires pendant que les patterns de clics vers les éditeurs évoluent, parfois à la baisse. Les deux phénomènes ne sont pas contradictoires, et Alphabet n'a pas jugé utile d'apporter de transparence supplémentaire sur ce point lors de cette publication de résultats.
Prenez votre billet avant le 22 mai
