AI Overviews en France : pourquoi le SEO ne suffit plus

Depuis juillet 2026, les Aperçus IA de Google sont actifs en France. Le trafic organique recule, mais un trafic IA plus rare et mieux converti émerge. Leviers concrets pour les entreprises SEO.

Le 22 juillet 2026, Google a mis fin à deux ans d'attente en déployant ses Aperçus IA (AI Overviews) et son Mode IA en France, comme l'a annoncé Sébastien Missoffe, directeur général de Google France. Le principe : une synthèse générée par Gemini s'affiche désormais en tête des résultats de recherche, avant même le premier lien organique. Le déploiement n'a pas fait l'unanimité : le 11 août, l'Alliance de la presse d'information générale, qui représente près de 300 quotidiens français, a saisi l'Autorité de la concurrence, estimant que Google avait manqué à ses engagements de négociation pris en 2022. Au-delà du contentieux, une question plus large se pose à toute entreprise qui vit du référencement naturel : que devient le trafic organique quand la réponse s'affiche avant le clic ?

Ce que montrent déjà les chiffres

Les premières mesures, réalisées sur d'autres marchés où la fonctionnalité tourne depuis plus longtemps, donnent une idée assez nette de la tendance. Ahrefs a comparé les données de Search Console entre décembre 2023 et décembre 2025 sur environ 300 000 mots-clés informationnels : quand un Aperçu IA apparaît, le taux de clic de la première position organique chute de 58 %. Ce n'est pas une surprise pour les observateurs du secteur — dès février 2024, Gartner prédisait une baisse de 25 % du volume de recherche traditionnel d'ici 2026, au profit des agents conversationnels.

L'exemple le plus documenté reste celui de HubSpot. Lors d'un point sur ses résultats du premier trimestre 2026, sa PDG Yamini Rangan a reconnu une baisse de 27 % du trafic organique sur l'ensemble des sites de ses clients, expliquant que les IA génératives répondent directement, sans besoin de cliquer. L'entreprise en a tiré une conséquence opérationnelle : lancement en avril 2026 d'un outil dédié à l'Answer Engine Optimization (AEO). Premiers résultats communiqués : les clients qui structurent leur contenu pour l'IA voient leur trafic de référence IA progresser de 20 %, avec des leads qui convertissent environ trois fois mieux que ceux venus de la recherche classique.

Le paradoxe est là : moins de volume, mais une valeur en hausse. Adobe Digital Insights a mesuré, sur la saison des fêtes 2025, une progression de 693 % du trafic de référence généré par les IA vers les sites de e-commerce américains — et en mars 2026, ce trafic convertissait 42 % mieux que le trafic classique, alors qu'il convertissait deux fois moins bien un an plus tôt. En France, la Fevad évalue le marché de l'e-commerce à 196,4 milliards d'euros en 2025, en route vers les 200 milliards en 2026, avec un trafic de recommandation généré par IA en hausse de 130 % sur un an.

Côté B2B, le rapport 2025 de 6sense sur l'expérience d'achat est sans appel : 94 % des acheteurs professionnels utilisent désormais des modèles de langage pendant leur recherche de fournisseurs, et le fournisseur finalement retenu figurait déjà, dans 95 % des cas, sur la liste restreinte établie dès le premier jour de la recherche. Autrement dit : une marque absente des réponses générées au tout début du parcours d'achat risque de ne jamais être considérée — quel que soit par ailleurs son classement SEO.

Le GEO n'est pas un effet de mode marketing

Le terme "Generative Engine Optimization" (GEO) n'est pas né dans une agence de communication : il a été formalisé par des chercheurs de Princeton, Georgia Tech et l'Allen Institute for AI dans un article présenté à la conférence scientifique KDD 2024. Les auteurs ont testé neuf méthodes d'optimisation sur un corpus de 10 000 requêtes : ajouter des statistiques précises, des citations et des sources attribuées peut augmenter jusqu'à 40 % la probabilité qu'un moteur génératif cite une page comme source. À l'inverse, les vieilles recettes du bourrage de mots-clés font baisser cette probabilité.

Dans la continuité de ces travaux, un standard technique commence à s'installer : le fichier llms.txt, proposé en septembre 2024 par Jeremy Howard, cofondateur d'Answer.AI. Placé à la racine d'un site, ce fichier Markdown très simple donne aux modèles de langage un résumé épuré des pages les plus utiles, sans le bruit du code, du JavaScript ou des menus de navigation. Son adoption reste pour l'instant plus forte chez les outils de développement et les plateformes de documentation que chez les moteurs de recherche grand public — mais la logique qu'il porte (offrir à l'IA une version lisible et hiérarchisée du contenu) va au-delà du seul fichier.

Autre signal à surveiller : en mai 2026, le tribunal régional de Munich a jugé Google directement responsable, en tant qu'éditeur, d'affirmations fausses générées par ses Aperçus IA qui avaient associé à tort deux maisons d'édition allemandes à des pratiques frauduleuses — une décision dont Google a fait appel. Il s'agit d'un jugement circonscrit à un litige précis, pas d'une jurisprudence générale sur les IA. Mais il rappelle qu'une entreprise a tout intérêt à contrôler activement les informations disponibles à son sujet sur le web : plus les données publiques la concernant sont claires et cohérentes, moins un modèle génératif a de raisons de s'égarer.

Cinq leviers à activer dès maintenant

Concrètement, que peut faire une entreprise qui vit du référencement naturel ? Cinq chantiers, tous actionnables sans attendre :

Structurer le contenu en mode "réponse d'abord" : répondre à la question posée dans les 100 à 150 premiers mots d'une page, avant tout développement contextuel — c'est cette portion du texte que les modèles extraient le plus souvent.

Densifier les faits sourcés : remplacer les formulations vagues par des données chiffrées et datées, avec leur source. C'est, d'après les travaux académiques cités plus haut, le levier le plus efficace pour augmenter les chances d'être cité.

Vérifier son fichier robots.txt : une erreur fréquente consiste à bloquer par mégarde les robots des IA (GPTBot, ClaudeBot, PerplexityBot, Google-Extended). Un robot qui ne peut pas lire vos pages ne peut évidemment pas vous citer.

Déployer un fichier llms.txt : un résumé Markdown propre à la racine du site, avec une sélection de pages clés et leur description.

Surveiller sa présence hors-site : avis, forums, presse spécialisée — les modèles génératifs s'appuient largement sur des sources tierces pour évaluer la réputation d'une marque, bien plus que sur son propre site.

L'arrivée des Aperçus IA en France ne signe pas la fin du référencement naturel, mais elle en change clairement les règles du jeu : l'objectif n'est plus seulement d'obtenir un clic depuis une liste de liens, mais d'être la source qu'un modèle choisit de citer. Les entreprises qui commencent dès maintenant à structurer leur contenu et leur autorité en ce sens auront une longueur d'avance quand cette évolution, déjà mesurable ailleurs depuis deux ans, aura pleinement gagné le marché français.

Cette ressource détaille plus en profondeur la mécanique technique de sélection des sources par les moteurs génératifs (RAG, gain d'information) pour qui veut aller plus loin.