Glossaire SEO &
GEO.

Optimisation du contenu pour être cité dans les réponses directes des moteurs IA (Google AI Overviews, Perplexity, ChatGPT Search). Différent du SEO classique : l'objectif n'est plus le clic mais la citation comme source de référence.

Programme IA autonome capable d'effectuer des tâches SEO de bout en bout, audit, recherche de mots-clés, brief, publication, sans intervention humaine à chaque étape. Différent d'un simple chatbot qui répond à des questions.

Paradigme où des agents IA autonomes effectuent recherches et actions à la place de l'utilisateur. L'objectif SEO devient d'être sélectionné par l'agent pour accomplir une tâche, pas d'apparaître dans une liste de liens. Favorise les pages outils que l'agent peut réellement actionner.

Résumés générés par l'IA de Google affichés en haut des résultats de recherche depuis 2024. Ils captent jusqu'à 40% des clics sur les requêtes informatives. Un contenu doit passer le Document Ranking ET le Passage Ranking pour y être cité.

Ensemble des systèmes automatisés utilisés par Google pour classer les pages web. Pas un algorithme unique mais des centaines de facteurs pondérés différemment selon le type de requête, l'appareil et la localisation.

Attribut HTML décrivant le contenu d'une image. Signal SEO pour les images, utilisé par les crawlers qui ne peuvent pas voir les visuels. Doit être descriptif et naturel, pas une liste de mots-clés.

Texte cliquable d'un lien hypertexte. Signal sémantique fort pour Google : un lien avec l'ancre 'consultant SEO Paris' communique le thème de la page cible. Les ancres exactes ou partielles restent un signal de classement, mais l'excès est pénalisé.

Règle de rédaction GEO consistant à placer la réponse directe dans les deux ou trois premières phrases d'un passage, suivie du développement puis de la preuve. Les moteurs génératifs pondèrent davantage les premiers tokens : une réponse repoussée en milieu de page dégrade le classement même à contenu identique.

Diagnostic structuré d'un site sur sa capacité à générer du trafic organique qualifié. La version 2026 ne se résume pas à une checklist technique : elle croise les données GSC, le business model et les requêtes dévorées par les IA pour produire des hypothèses contextualisées, pas des recommandations génériques.

Lien entrant depuis un site externe vers le vôtre. Signal d'autorité historique du SEO. En 2026, les LLMs évaluent aussi la qualité des sources citées dans votre contenu, un backlink depuis une source faible peut nuire à votre Grounding Score.

Bidirectional Encoder Representations from Transformers. Modèle de compréhension du langage déployé par Google en 2019. Analyse le contexte bidirectionnel des mots d'une requête, ce qui a rendu le keyword stuffing obsolète. Fondation technique du Passage Ranking actuel.

Algorithme de recherche probabiliste utilisé par les moteurs pour scorer la pertinence lexicale d'un document. Précède les embeddings vectoriels mais reste utilisé en hybride avec la recherche sémantique dans la plupart des systèmes modernes.

Balise HTML indiquant la version de référence d'une page dupliquée ou similaire. Évite la dilution d'autorité sur plusieurs URLs avec le même contenu. Indispensable sur les sites e-commerce avec des pages filtrées.

Moteur de recherche génératif d'OpenAI intégré à ChatGPT, qui cite des sources web pour appuyer ses réponses. Privilégie le format encyclopédique structuré et la densité de preuves vérifiables plutôt que l'autorité de domaine. Son trafic convertit environ 4 fois mieux que le trafic Google organique.

Regroupement des mots-clés en thèmes cohérents (clusters) partageant la même intention de recherche. Un cluster bien structuré permet à une page pilier de capter un ensemble de requêtes connexes plutôt qu'un mot-clé isolé.

Architecture de pages organisées en mère/fille/petite-fille autour d'une intention principale, avec maillage interne strict suivant la hiérarchie. Variante française du couple pillar page + cluster anglo-saxon. Renforce la cohérence topique et accélère la circulation d'autorité.

Score interne calculé par Google AI Overviews pour déterminer si un résumé généré est suffisamment soutenu par des sources vérifiables. Si le score est trop bas, le résumé est supprimé ou modifié. Votre contenu sert de caution factuelle.

Voir Orphan page. Page de qualité invisible parce qu'aucune page du site ne pointe vers elle. Le maillage interne est la solution immédiate.

Mise à jour majeure de l'algorithme de Google, publiée plusieurs fois par an. Contrairement aux mises à jour spécifiques (spam, liens), les Core Updates réévaluent l'ensemble de la qualité d'un site selon les critères E-E-A-T.

Nombre de pages que Googlebot accepte d'explorer sur votre site dans un laps de temps donné. Crucial pour les grands sites : les pages de faible valeur consomment ce budget au détriment des pages importantes.

Taux de clic sur un résultat de recherche. Signal comportemental indirect utilisé par Google. Un titre mal rédigé qui génère un CTR faible peut faire baisser un classement même si la page est techniquement optimisée.

Ensemble de données collectées directement (sondages, tests, données clients) que personne d'autre ne possède. En 2026, c'est le signal de différenciation le plus fort face aux contenus générés par IA : un LLM ne peut pas reproduire vos chiffres.

Lien pointant vers une page interne spécifique plutôt que vers la page d'accueil. Le maillage interne via des deeplinks distribue l'autorité vers les pages stratégiques et aide les moteurs à comprendre l'architecture du site.

Phase 1 de la Triade SERP. Le moteur sélectionne un sous-ensemble de documents (Top 20-50) parmi son index en fonction de l'autorité du domaine, des métadonnées et de la pertinence macro. Si votre page n'est pas là, elle ne sera jamais lue.

Voir Schema.org. Balisage JSON-LD ou Microdata ajouté au HTML pour décrire explicitement le type de contenu (article, FAQ, produit, recette). Augmente les chances d'obtenir des rich snippets et facilite l'extraction par les LLMs.

Architecture de recherche neuronale qui encode requêtes et passages en vecteurs denses pour mesurer leur similarité sémantique. Utilisée dans les systèmes RAG pour retrouver les passages les plus pertinents avant la génération.

Experience, Expertise, Authoritativeness, Trustworthiness. Cadre d'évaluation de la qualité du contenu utilisé par les Quality Raters de Google. L'Experience (premier E) a été ajouté en 2022 pour valoriser le vécu réel face aux contenus synthétisés.

Représentation vectorielle d'un texte dans un espace mathématique à haute dimension. Deux phrases sémantiquement proches auront des embeddings proches. Base technique de la recherche sémantique et du classement par similarité cosinus.

Optimisation autour d'entités reconnues (personnes, lieux, concepts) plutôt que de mots-clés. Google Knowledge Graph stocke des relations entre entités, être associé à des entités fortes augmente votre autorité sémantique.

Extrait mis en avant en position 0 dans les SERP. Google extrait automatiquement le passage le plus pertinent d'une page pour répondre directement à une question. Obtenir un featured snippet nécessite un Passage Ranking fort.

Critère d'évaluation qui pénalise les contenus dont les références, statistiques et outils mentionnés sont obsolètes. En 2026, un contenu qui cite des stats 2022 ou des outils disparus est automatiquement dévalorisé par les algorithmes.

Score interne de Google mesurant la récence et la mise à jour d'un contenu. Affecte le classement sur les requêtes où l'actualité est importante (news, prix, lois). Un article mis à jour régulièrement avec de nouvelles données conserve un meilleur score.

Note maximale de l'échelle Needs Met des Quality Raters de Google. Attribuée quand une page satisfait complètement l'intention sans que l'utilisateur ait besoin de chercher ailleurs. Un outil interactif (calculateur, simulateur) atteint structurellement ce niveau là où un article renvoie encore vers d'autres sources.

Ensemble des pratiques visant à optimiser la probabilité qu'un contenu soit cité par les moteurs génératifs (Google AI Overviews, Perplexity, ChatGPT Search). Repose sur le Grounding Score, la Surprise Metric et la densité factuelle.

Extension AI-first du moteur Google, prolongement des AI Overviews. Favorise le contenu multimodal : vidéo, images, données structurées. Sur les requêtes déclenchant un AI Overview, le CTR organique chute fortement, mais une marque citée gagne en clics. Être cité prime désormais sur le simple classement.

Base de données d'entités et de relations utilisée par Google pour comprendre le monde réel. Les entités reconnues dans le Knowledge Graph bénéficient d'une autorité sémantique accrue dans les résultats de recherche.

Score de similarité cosinus entre le vecteur d'une requête et le vecteur d'un passage de contenu. Un score proche de 1.0 signifie que le passage est mathématiquement aligné avec la demande, l'IA peut l'utiliser comme source sans risquer une hallucination.

Génération par un LLM d'informations factuellement incorrectes présentées comme vraies. Les systèmes de Grounding (ancrage sur des sources vérifiables) existent précisément pour limiter ce phénomène, d'où l'importance des contenus factuels et vérifiables.

Mise à jour Google de 2022-2023 ciblant les contenus créés principalement pour les moteurs plutôt que pour les lecteurs. A massivement pénalisé les sites de contenu IA générique. Précurseur des critères GEO actuels.

Base de données des pages web explorées et analysées par Google. Seules les pages indexées peuvent apparaître dans les résultats. L'indexation dépend du crawl budget, de la qualité du contenu et des directives robots.

Mesure de ce qu'un contenu apporte que le corpus existant ne contient pas. Critère central du March 2026 Core Update : Google pénalise désormais les contenus qui reformulent les top 10 sans ajouter d'atome vérifiable, qu'ils soient écrits par un humain ou un LLM. Source d'information gain durable : la donnée propriétaire.

Objectif réel derrière une requête : informationnelle (comprendre), navigationnelle (trouver un site), transactionnelle (acheter), commerciale (comparer). Aligner le contenu sur l'intention est plus important que d'insérer des mots-clés.

Infrastructure de Google qui détermine quels documents sont servis pour quelles requêtes. La plupart des optimisations SEO visent à améliorer la représentation d'un contenu dans cet index.

Classification des intentions en trois types qui remplace TOFU/MOFU/BOFU : Know-Simple (réponse factuelle courte), Know (compréhension en profondeur), Do (accomplir une action). Chaque intention appelle un format de page précis, directement lisible par les agents IA.

Ensemble des entités, faits et relations que vous publiez régulièrement sur vos propres canaux (site, LinkedIn, YouTube). Plus votre expertise est cohérente et documentée sur le web, plus les LLMs vous associent à votre domaine.

Indicateurs clés de performance pour le SEO : trafic organique, positions moyennes, impressions, CTR, taux de conversion organique. À distinguer des vanity metrics (nombre de mots-clés positionnés) qui ne reflètent pas la valeur business.

Métrique Core Web Vitals mesurant le temps d'affichage du plus grand élément visible de la page. Objectif : moins de 2,5 secondes. Impact direct sur le classement et l'expérience utilisateur mobile.

Terme désignant l'autorité transmise via les liens. Un lien depuis un domaine à forte autorité transfère plus de 'juice' qu'un lien depuis un domaine faible. Le maillage interne redistribue ce juice entre les pages d'un même site.

Modèle de langage entraîné sur de grandes quantités de texte pour comprendre et générer du langage naturel. GPT-4, Claude, Gemini sont des LLMs. Ils alimentent les moteurs génératifs qui transforment la façon dont les contenus sont trouvés et cités.

Requêtes de recherche longues et spécifiques (3+ mots) avec un faible volume de recherche individuel mais un taux de conversion élevé. En GEO, les micro-intentions longue traîne sont particulièrement valorisées car plus faciles à satisfaire avec précision.

Réseau de liens entre les pages d'un même site. Distribue l'autorité, guide les crawlers et renforce la cohérence sémantique d'un cluster topique. Une page pilier non maillée perd une partie de son potentiel de classement.

Informations structurées sur une page : balise title, meta description, balises H1-H6, attributs alt des images. Signaux de pertinence macro utilisés lors du Document Ranking. Une title mal rédigée peut exclure une bonne page du Top 50.

Question ou besoin précis qu'un utilisateur cherche à satisfaire au sein d'un sujet plus large, le plus souvent une requête longue traîne au stade presque convaincu, juste avant la décision. Exemple : sur le mot-clé 'consultant SEO', les micro-intentions incluent 'tarif consultant SEO', 'comment choisir', 'différence avec une agence'. On ne les déduit pas d'un outil de volume mais de la donnée propriétaire : appels clients, CRM, tickets support, verbatims terrain, là où s'expriment les vraies questions business. La méthode : prendre les 5 mots-clés de l'offre, les découper en micro-intentions, puis traiter chacune comme un passage dense et auto-suffisant de 150 à 200 mots qui gagne au Passage Ranking et se fait citer dans les AI Overviews. Couvrir toutes les micro-intentions d'un même cluster fait monter le score RRF, là où une page mono-mot-clé plafonne.

Cadre théorique de Google DeepMind généralisant les architectures de mémoire long-terme pour les LLMs. Introduit avec Titans. Décrit comment les modèles mémorisent sélectivement les informations à haute Surprise Metric pendant l'inférence.

Mot-clé à la fois décisionnel et transactionnel : l'utilisateur attend une action à la fin (devis, démo, téléchargement, achat), pas seulement une information. À l'heure où l'IA absorbe les requêtes informationnelles, ce sont les seules requêtes qui génèrent encore du chiffre d'affaires en SEO B2B.

Modèle multimodal et multilingue de Google annoncé en 2021, présenté comme 1000 fois plus puissant que BERT. Comprend 75 langues et synthétise plusieurs sources pour répondre aux requêtes complexes. Alimente certaines fonctions des AI Overviews et met les contenus français et anglais en compétition directe.

Algorithme de Google combinant recherche vectorielle et structurelle pour mieux comprendre la pertinence sémantique au niveau des vecteurs d'embeddings. Remplace progressivement les systèmes purement BM25 dans le classement des passages.

Système de matching sémantique de Google déployé en 2018, surnommé le système super-synonyme. Associe une requête à une page en comprenant les concepts sous-jacents plutôt que les mots exacts. Affecte environ 30% des requêtes et travaille au niveau du document entier.

Module de mémoire long-terme de l'architecture Titans. Stocke de manière compressée les informations à haute Surprise Metric lors de l'inférence. Un contenu qui ne génère pas de 'surprise' n'entre pas dans cette mémoire et est oublié.

Sous-domaine très spécialisé d'un sujet plus large. En 2026, la spécialisation est une stratégie de survie face aux contenus IA génériques : un site ultra-expert sur un segment précis bat un généraliste sur ses propres mots-clés.

Ensemble des techniques permettant aux machines de comprendre, analyser et générer du langage humain. Sous-jacent à tous les systèmes de recherche modernes, du scoring BM25 aux embeddings transformers.

Ensemble des optimisations directement dans le code et le contenu d'une page : title, H1, structure des H2-H6, densité sémantique, maillage interne, vitesse. Contrôlable à 100% sans dépendre de sources externes.

Page sans aucun lien interne pointant vers elle. Difficile à trouver par les crawlers et les utilisateurs. Même si la page est de qualité, l'absence de maillage interne limite son autorité et sa visibilité.

Algorithme originel de Google mesurant l'autorité d'une page en comptant et pondérant les liens entrants. Toujours actif en 2026, mais complété par des dizaines d'autres signaux. Les backlinks de haute autorité restent un levier puissant.

Phase 2 de la Triade SERP. Le moteur découpe les pages sélectionnées en passages de 150-200 mots et évalue chaque passage individuellement pour sa densité sémantique et sa précision de réponse. C'est ce qui produit les Featured Snippets.

Moteur de recherche génératif qui dépasse 15 millions de requêtes par jour en 2026. Cité des sources avec liens, ce qui en fait une cible SEO à part entière. Privilégie les contenus factuels avec des données vérifiables.

Page couvrant en profondeur un sujet principal, liée à un cluster de pages satellites traitant les sous-thèmes. Architecture en hub-and-spoke qui maximise l'autorité topique et facilite l'exploration par les crawlers.

Voir Featured Snippet. La position au-dessus des 10 résultats classiques, qui répond directement à une question. Objectif du Passage Ranking, avoir un bloc de 150-200 mots tellement précis qu'il surpasse tous les autres passages.

Stratégie consistant à faire de la page elle-même l'outil (calculateur, simulateur, comparateur, configurateur) plutôt qu'un texte décrivant comment faire. La réponse à la requête est la fonctionnalité, ce qui rend la page non reproductible par un LLM et maximise le Fully Meets.

1 template + 1 variable = des centaines ou milliers de pages générées qui rankent chacune sur une longue traîne. Levier de scalabilité quand on dispose d'une base de données qualifiée. Anti-pattern si appliqué sans données terrain : produit du thin content et déclenche les filtres anti-spam.

Formulation d'une requête optimisée pour extraire de Claude ou GPT une analyse SEO précise. La qualité du prompt détermine la qualité du résultat, un prompt vague produit une analyse générique, inutilisable sur un client réel.

Discipline éditoriale consistant à ne traiter qu'une seule intention par page pour que son vecteur sémantique reste aligné avec la requête cible. Mélanger un audit, un cas client et dix sujets connexes sur une même page dilue l'embedding et fait chuter le Grounding Score. Les ouvertures connexes se traitent en FAQ, pas dans le corps.

Document officiel de Google décrivant comment des évaluateurs humains notent la qualité des pages. Seule source publique sur la façon dont la qualité est évaluée. L'édition 2026 attribue la note la plus basse à tout contenu sans effort qui reprend l'existant sans apporter de gain d'information, qu'il soit humain ou généré.

Architecture qui combine la recherche de documents (retrieval) avec la génération de texte (LLM). Les moteurs comme Perplexity et Google AI Overviews sont des systèmes RAG : ils cherchent des sources puis génèrent une réponse ancrée dessus.

Premier signal de classement de Google basé sur le machine learning, déployé en 2015. Interprète l'intention derrière les requêtes jamais vues (environ 15% des recherches quotidiennes) en les transformant en vecteurs. Toujours actif en 2026, il a initié le basculement du SEO mots-clés exacts vers le SEO intention.

Algorithme de fusion de classements qui combine plusieurs listes de résultats en pondérant les positions. En SEO, un contenu bien classé sur plusieurs requêtes d'un même cluster accumule un score RRF plus élevé qu'une page mono-mot-clé.

Redirection permanente d'une URL vers une autre. Transfère environ 90-99% de l'autorité de l'ancienne page vers la nouvelle. Indispensable lors de migrations de site pour ne pas perdre le positionnement acquis.

Suite de redirections (A→B→C→D) qui dilue l'autorité et ralentit le crawl. Chaque saut de redirection réduit le link juice transmis et augmente le temps de chargement. À corriger en pointant directement vers la destination finale.

Effondrement progressif du retrieval des moteurs IA quand le pool web se sature de contenu généré par IA. À environ 67% de pollution, plus de 80% des réponses sont contaminées sans que la précision apparente baisse. Justifie le besoin de signaux d'humanité vérifiable : données terrain, expérience réelle, verbatims.

Fichier texte qui indique aux crawlers quelles pages explorer ou ignorer. Une mauvaise configuration peut bloquer l'indexation de pages importantes ou gaspiller le crawl budget sur des pages inutiles.

Vocabulaire de balisage structuré permettant de communiquer le sens du contenu directement aux moteurs. Les balises FAQ, Article, Product, Review créent des rich snippets dans les SERP et augmentent la lisibilité par les LLMs.

Voir AI Overviews. Nom d'origine (2023) de la recherche générative de Google, renommée AI Overviews en 2024. Réponse synthétisée affichée en haut des SERP avec citations de sources, déployée de 7 à plus de 200 pays entre 2024 et 2025.

Organisation des contenus d'un site en silos thématiques isolés, chaque silo traitant un sujet cohérent sans liens croisés entre silos. Renforce la pertinence topique mais peut limiter la circulation d'autorité entre sections.

Mesure mathématique de l'angle entre deux vecteurs dans un espace multidimensionnel. Score entre -1 et 1. En recherche sémantique, un score de 0.95+ indique que deux textes partagent quasiment la même signification, base du Grounding Score.

Fichier listant toutes les URLs importantes d'un site avec leurs métadonnées (date de modification, priorité). Accélère l'indexation en guidant Googlebot directement vers les pages à explorer en priorité.

Travail de rédaction visant à obtenir des Featured Snippets : réponse directe dans les 40-60 premiers mots, question reformulée dans un H2, listes structurées pour les comparaisons. Aligné avec les critères du Passage Ranking.

Information manquante qu'une page apporte et qui force le modèle à mettre à jour ses poids pour citer votre marque. Différent du Grounding Score : il ne s'agit pas de répondre à la question, déjà traitée par la mémoire du modèle, mais d'ajouter ce qu'il n'a pas encore mémorisé.

Mesure de la nouveauté informationnelle d'un contenu selon l'architecture Titans/MIRAS. Un contenu prévisible (reformulation de l'existant) génère un faible gradient, le LLM ne le mémorise pas. Un insight unique déclenche un fort gradient et entre dans la mémoire long-terme.

Application SEO du concept Surprise Metric : la nouveauté informationnelle d'un passage. Un contenu prévisible (reformulation) génère un faible gradient et n'entre pas dans la mémoire long-terme du LLM, donc n'est pas cité. Un insight unique déclenche un fort gradient et reste mémorisé.

Architecture de LLM de Google DeepMind combinant attention court-terme et mémoire neuronale long-terme. Peut gérer des contextes de plus de 2 millions de tokens. Les contenus à haute Surprise Metric sont préférentiellement mémorisés lors de l'inférence.

Balise HTML définissant le titre d'une page, affiché dans les SERP et les onglets du navigateur. Signal de pertinence macro majeur pour le Document Ranking. Doit contenir le mot-clé principal et décrire précisément le contenu en moins de 60 caractères.

Niveau d'expertise reconnu par Google sur un sujet donné, construit par un ensemble de contenus cohérents couvrant en profondeur un domaine. Plus large que l'autorité de domaine : une page peut ranker sur un sujet précis même avec peu de backlinks si l'autorité topique est forte.

Modèle en 3 phases du fonctionnement des moteurs de recherche en 2026 : (1) Document Ranking (sélection macro), (2) Passage Ranking (extraction du meilleur passage), (3) Passage Generation (reformulation par le LLM). Chaque phase est un filtre à franchir.

Élément renforçant la confiance d'un moteur ou d'un utilisateur : auteur identifié avec bio, date de mise à jour visible, sources citées, politique de confidentialité, mentions légales. Composante directe du T dans E-E-A-T.

Voir Canonical. L'URL officielle et de référence d'un contenu. Toutes les variantes (avec/sans www, http/https, avec paramètres) doivent rediriger vers ou déclarer cette URL comme référence.

Voir Intention de recherche. L'objectif réel derrière une requête. Le facteur le plus important dans la décision de création de contenu : une page parfaitement optimisée qui rate l'intention ne rankera jamais.

Représentation numérique d'un texte sous forme de tableau de coordonnées (embedding). La distance entre deux vecteurs reflète leur proximité sémantique. Les moteurs comparent les vecteurs des requêtes à ceux des passages pour calculer la pertinence.

Métriques de performance mesurant l'expérience utilisateur réelle : LCP (temps de chargement du contenu principal), INP (réactivité aux interactions), CLS (stabilité visuelle). Signal de classement confirmé depuis 2021.

Mécanisme d'oubli adaptatif dans les architectures de LLMs comme Titans. Les anciennes informations perdent du poids au fil du temps au profit des nouvelles à fort signal de surprise. Justifie l'importance de mettre à jour régulièrement vos contenus.

Requête dont la réponse est fournie directement dans la SERP (Featured Snippet, Knowledge Panel, AI Overview) sans que l'utilisateur clique sur un résultat. Représente une part croissante des recherches. La stratégie GEO vise à être la source citée même sans clic.