Définitions
Le glossaire GEO & GEA
Rédigé par Ghizlene Mejdi, Fondatrice & GEO Project Manager · Dernière mise à jour: juin 2026 · 5 min de lecture
Comment lire ce glossaire
Chaque entrée est une définition autonome de 1 à 2 phrases, pensée à la fois pour les lecteurs et pour l'extraction par les IA. Lorsqu'un terme dispose de sa propre page sur ce site, il y est lié. Utilisez la liste alphabétique ci-dessous ou allez directement à Qu'est-ce que le GEO ? pour la vue d'ensemble.
De A à Z du GEO et de la recherche IA
- GEO (Generative Engine Optimization)
- Pratique consistant à structurer le contenu et l'autorité d'une marque pour que les IA la citent, la résument ou la recommandent dans leurs réponses générées.
- GEA (Generative Engine Advertising)
- Placement payant de contenu de marque à l'intérieur des réponses d'IA génératives ; l'équivalent publicitaire du GEO.
- GSO (Generative Search Optimization)
- Synonyme employé par certains acteurs, qui insiste sur la visibilité dans les expériences de recherche génératives comme Google AI Mode.
- AEO (Answer Engine Optimization)
- Optimisation pour des réponses directes dans les answer engines et les AI Overviews ; dans la pratique, un sous-ensemble du GEO.
- LLMO / AI SEO
- Labels de vendeurs utilisés de manière interchangeable avec le GEO. Début 2026, il n'existe pas de définition académique consensuelle qui les sépare. (Source : Wikipédia, ‘Generative engine optimization’.)
- Récupérabilité
- Capacité pour une IA à accéder, comprendre et réutiliser un contenu à l'intérieur de sa réponse. Le quatrième pilier après l'exploration, l'indexation et le classement.
- Part de voix IA
- Pourcentage des réponses IA pertinentes dans lesquelles une marque donnée est citée, mesuré sur un ensemble de prompts suivis.
- Taux de citation
- Pourcentage des réponses IA qui citent explicitement une marque ou une source via un lien ou une mention nommée.
- Requête fan-out
- Lorsque l'IA décompose silencieusement un prompt utilisateur en plusieurs sous-requêtes pour collecter et synthétiser sa réponse.
- Entité
- Une chose identifiable de manière unique - entreprise, produit, personne, lieu - que les LLM traitent comme un nœud, pas comme une simple chaîne de caractères.
- Graphe de connaissances
- Réseau structuré d'entités et de relations entre elles ; utilisé par les moteurs et de plus en plus par les LLM pour ancrer leurs réponses.
- RAG (Retrieval-Augmented Generation)
- Architecture LLM qui récupère des documents externes au moment de la requête pour ancrer sa réponse, ce qui améliore la précision et permet les citations.
- AI Overviews
- Le bloc de réponse généré par Google placé au-dessus des résultats classiques ; il cite un petit nombre de sources, dont 93,67 % renvoient à un résultat organique du top 10. (Source : Seer Interactive, 2025.)
- AI Mode
- L'expérience de recherche conversationnelle complète de Google, propulsée par Gemini, dans laquelle les résultats sont synthétisés par l'IA plutôt que listés.
- E-E-A-T
- Experience, Expertise, Authoritativeness, Trustworthiness - le cadre qualité de Google, fortement corrélé avec le comportement de citation des LLM.
- Taux de mention
- Fréquence à laquelle une marque est nommée - avec ou sans lien - dans un ensemble de réponses IA suivies.
- Recherche zéro-clic
- Interaction de recherche qui se termine sans aucun clic vers un site, parce que la réponse est donnée directement par le moteur.
- LLM (Large Language Model)
- Modèle d'apprentissage entraîné sur de très grands corpus textuels pour prédire et générer du langage ; le moteur derrière ChatGPT, Gemini, Claude, Perplexity et d'autres.
- Grounding
- Processus qui ancre la réponse d'un LLM dans des sources externes vérifiables au moment de la requête, typiquement via la récupération.
- Hallucination
- Lorsqu'un LLM produit un contenu plausible mais faux - faits, chiffres ou sources inventés - généralement par défaut de grounding.
- Schema.org / données structurées
- Vocabulaire partagé de types (Organization, Article, FAQPage…) intégré en JSON-LD ; les LLM ancrés sur des données structurées atteignent jusqu'à 300 % de précision factuelle en plus que sur du texte brut. (Source : benchmark Data World, via elementera.com.)
Pourquoi un glossaire compte pour le GEO
Les LLM citent les sources qui nomment et expliquent les entités le plus clairement. Un glossaire précis et bien structuré est en soi un actif de récupérabilité : il fournit aux modèles des définitions compactes prêtes à être insérées dans leurs réponses, et il ancre le vocabulaire de votre marque dans le graphe thématique. Si vos équipes standardisent leur vocabulaire en interne, liez cette page depuis votre guide de style et depuis chaque article qui mobilise ces termes.
Questions fréquentes
Quelle est la différence entre GEO, AEO et LLMO ?+
Ce sont des pratiques qui se recouvrent largement, souvent utilisées de manière interchangeable. Début 2026, aucune définition académique consensuelle ne les sépare clairement. Le GEO met l'accent sur la citation à l'intérieur des réponses génératives ; l'AEO sur les réponses directes pour les answer engines ; LLMO et AI SEO sont des variantes de vendeurs. (Source : Wikipédia ; Search Engine Land, 2026.)
Quel terme adopter en interne dans notre entreprise ?+
Choisissez-en un et utilisez-le de manière cohérente. RocketGEO utilise GEO comme terme générique et traite l'AEO comme le sous-ensemble côté Google AI Overviews.
Ces définitions évoluent-elles souvent ?+
Le vocabulaire est jeune et évolue vite. RocketGEO met à jour ce glossaire au fil de la stabilisation de la discipline ; la date de dernière mise à jour reflète la dernière révision.
