L’IA ne stocke pas ta page entière : elle stocke des morceaux. Elle récupère le fragment qui répond le mieux, le colle dans sa réponse et cite celui qui a laissé ce bout prêt à copier. Alors peu importe que la page complète soit bien argumentée : si le bloc dont elle a besoin ne tient pas tout seul, elle ne l’utilise pas. Cette guide parle de la forme concrète du contenu citable par l’IA —comment donner forme au texte pour qu’un bout se lève sans traîner le reste—. La stratégie de pourquoi l’IA choisit les uns et pas les autres est dans comment faire que l’IA te cite, et la checklist technique de la page entière —schema, fraîcheur, robots— dans optimiser la page pour le GEO. Ici, on parle d’une seule chose : le format du texte.
Pourquoi l’IA cite des fragments, pas des pages
Un modèle génératif ne lit pas ta page de haut en bas comme un humain. En dessous, il découpe le contenu en fragments (chunks), les indexe par sens et, quand quelqu’un pose une question, il récupère les bouts qui collent le mieux —d’où qu’ils viennent sur la page— et compose la réponse avec eux. L’unité de travail, ce n’est pas la page : c’est le fragment. Tu optimises un bout pour qu’il soit la réponse la plus facile à extraire, pas un site pour un mot-clé.
Ça change là où tu mets l’effort. Un chiffre qui revient dans toutes les études de citation : environ 44 % des citations viennent des premiers 30 % du contenu. Traduit en forme : ce que tu enterres à la fin n’existe pas pour le modèle, et ce qui n’a de sens qu’en lisant ce qui précède ne peut pas être découpé. La page peut être parfaite et ne donner aucune citation si son texte n’est pas coupé en morceaux qui tiennent seuls.
L’anatomie d’un chunk qui tient tout seul
Un chunk autonome est un bloc qui répond à quelque chose de complet sans avoir besoin du paragraphe du dessus. C’est le morceau que le modèle peut copier tel quel dans sa réponse. Et il a des règles de construction concrètes :
- Une idée par bloc. Si un paragraphe met deux affirmations, coupe-le. Le modèle extrait des blocs entiers ; si tu mélanges, la moitié est du poids mort ou sème la confusion.
- La conclusion d’abord. La première phrase dit ce que c’est ; le reste développe. Jamais l’inverse.
- Pas de pronoms orphelins. «Ça», «comme on l’a vu», «d’après ce qui précède» enchaînent le bloc à celui du dessus et lui enlèvent son autonomie. Nomme le sujet dans chaque bout.
- Le contexte minimal, dedans. Si la donnée n’a de sens qu’avec une date, un qui ou une unité, mets-les dans la même phrase, pas trois paragraphes plus haut.
Le TL;DR en haut : la réponse avant le contexte
L’habitude de chauffer —intro, contexte, «ces dernières années l’IA a changé…»— est un poison pour l’extraction. Le modèle récompense ce qu’il peut sortir sans descendre, et c’est en haut que se concentrent les citations. Alors commence par la fin : un TL;DR de deux ou trois lignes qui répond à la question du titre, avec la donnée dedans, avant toute intro.
Ce n’est pas un résumé décoratif : c’est le fragment qui a le plus de chances d’être cité. Et le même geste se répète dans chaque section —ouvre chaque H2 par l’affirmation directe et développe après—. Compare :
| Enterré (pas cité) | Front-load (cité) |
|---|---|
| «Le concept de contenu citable fait débat. Pour le saisir, il faut d’abord revoir comment fonctionnent les moteurs…» | «Un contenu citable est un contenu écrit en fragments qui tiennent seuls. L’IA cite le bout, pas la page.» |
| «Il existe plusieurs avis sur le TL;DR. Certains experts pensent que…» | «Le TL;DR va en haut parce que 44 % des citations viennent du premier tiers du contenu.» |
La colonne de droite se copie dans une réponse sans rien toucher. Celle de gauche oblige le modèle à continuer à lire pour trouver le grain —et il choisit presque toujours celui qui le lui a donné déjà mâché—.
Question → réponse : la forme exacte que le modèle copie
L’acheteur parle à l’IA avec des questions. Le modèle apparie cette question au fragment qui lui ressemble le plus et copie la réponse d’en dessous. Donc la forme la plus citée est la plus simple de toutes : la question littérale suivie de sa réponse directe. C’est la forme d’une FAQ, mais appliquée dans le corps, pas seulement à la fin.
- Le titre est la question, avec les mots de l’utilisateur. «Combien coûte un contenu citable ?» colle au doute réel ; «Notre méthodologie» ne colle à rien.
- La première phrase en dessous est la réponse, entière. Pas de «ça dépend de plusieurs facteurs» : le facteur d’abord, la nuance après.
- Une paire par doute. Chaque question-réponse est un fragment indépendant qui peut entrer dans une réponse différente. Six paires bien traitées, ce sont six chances de citation.
L’effet secondaire, c’est que ça t’oblige à organiser le texte par doutes réels, pas par ce que tu as envie de raconter. Si tu ne sais pas à quelle question répond un bloc, il n’en répond probablement à aucune —et c’est le signe qu’il est de trop—. Choisir quelles questions méritent leur propre bloc —et y répondre pour que l’IA les copie— a son propre guide : questions-réponses pour le GEO.
Listes et tableaux : quand utiliser l’un ou l’autre (et quand aucun)
Le structuré se parse mieux que la prose dense, mais tout balancer en puces parce que «ça se lit mieux» est une autre erreur de forme. Chaque structure sert un type de donnée, et l’utiliser là où elle ne va pas retire au lieu d’ajouter. Le choix n’est pas de style, il est de contenu :
| Si le contenu est… | Utilise… | Parce que l’IA… |
|---|---|---|
| Des étapes ou des éléments du même type | Une liste (ul/ol) | extrait chaque item comme une unité propre et les réordonne dans sa réponse. |
| Plusieurs choses comparées selon les mêmes dimensions | Un tableau | lit lignes et colonnes comme des paires clé-valeur : le format qui laisse le moins d’ambiguïté. |
| Un argument nuancé ou une relation cause-effet | Un paragraphe court | a besoin de la phrase entière pour garder la nuance ; découpé en puces, il est mal interprété. |
Règle pratique : si tu peux lire ta puce comme une phrase avec «et» au milieu et que ça tient encore, ce n’était pas une liste, c’était un paragraphe mal coupé. Et si ton tableau n’a qu’une seule colonne de données, il ne comparait rien : c’était une liste déguisée. La structure suit le contenu.
Définitions et données qu’un LLM reprend telles quelles
Ce qui se cite le plus, ce sont les phrases que le modèle peut réutiliser en confiance sans réécrire. Deux types au-dessus du lot : la définition nette et la donnée concrète avec sa source. Les deux ont une forme qui les rend copiables.
- Des définitions en forme «X est Y». «Le GEO est la pratique d’optimiser un contenu pour que les moteurs génératifs le citent.» Sujet, verbe être, définition fermée. C’est la phrase que le modèle colle quand quelqu’un demande «c’est quoi».
- Des données avec leur unité et leur source dans la même phrase. «44 % des citations viennent des premiers 30 % du contenu» se copie ; «la plupart des citations sont en haut» n’apporte rien de vérifiable.
- L’attribution dans le bloc. «Selon l’étude GEO de Princeton…» dit au modèle qui le dit, et ça lui donne le feu vert pour te citer. Une donnée sans propriétaire, c’est une donnée qu’il ne risquera pas de réutiliser.
Et la règle d’honnêteté, non négociable : n’invente pas de chiffres pour remplir. Une donnée fausse que l’IA réutilise est une bombe à retardement pour ta crédibilité —et quand le modèle la corrige avec une autre source, il te sort de la réponse pour de bon—. Si tu n’as pas de chiffre réel, décris le mécanisme ; mieux vaut un bloc sans chiffre qu’un chiffre inventé. Le balisage qui confirme au modèle qui tu es, c’est la guide du schema pour le GEO qui le couvre ; celle-ci reste sur la forme du texte.
Si tu préfères que ce travail soit exécuté sur tes pages d’argent —réécrire chaque bloc pour qu’il passe le test du bout isolé, pas lire à ce sujet— l’optimisation GEO fait la main-d’œuvre, fragment par fragment, et mesure si ça bouge tes citations.