Observatoire SEO et recherche IA : chiffres, méthodes et limites

Réponse courte

L'Observatoire SEOryon ne cherche pas « le chiffre vrai » de la recherche IA : il rend comparables des mesures qui ne portent pas sur la même chose. Une étude de panel suit des personnes, une étude de mots-clés observe des SERP, Google décrit son produit et un outil de visibilité échantillonne des prompts. Le résultat exploitable est donc un registre où chaque nombre conserve son échantillon, sa période, sa géographie, son unité d'analyse et ses limites. Sans ces cinq éléments, un pourcentage impressionnant n'est pas une base de décision.

À retenir

• « Zero-click », baisse du CTR, citation IA, mention de marque et visite référente sont cinq métriques différentes.
• Deux résultats apparemment contradictoires peuvent être tous les deux valides dans leur population et leur période.
• Une documentation officielle prouve le fonctionnement déclaré d'une surface, pas l'effet causal d'une optimisation.
• Les chiffres relatifs doivent toujours être traduits en points de pourcentage et en volumes attendus.
• La bonne décision vient d'un protocole reproductible appliqué à votre marché, pas de la moyenne d'un fournisseur.

Le modèle de preuve de l'Observatoire

Nous classons chaque affirmation dans l'une de ces quatre catégories. Ce classement évite de donner le même poids à une règle officielle et à l'opinion d'un praticien.

Une étude peut occuper plusieurs niveaux. La documentation de Google sur les fonctionnalités IA prouve que Google peut lancer plusieurs recherches connexes grâce au query fan-out. Elle ne prouve pas qu'ajouter dix sous-titres à une page augmente sa probabilité d'être citée. Cette seconde proposition est une hypothèse, à moins d'être évaluée dans un protocole contrôlé.

Registre comparatif des principales études

Le tableau suivant conserve l'unité d'analyse à côté du résultat. C'est le minimum nécessaire avant de rapprocher deux chiffres.

Ce registre ne sert pas à élire une étude gagnante. Il sert à choisir celle dont la population ressemble le plus à la décision étudiée. Pour prévoir les clics organiques d'un portefeuille de requêtes, une cohorte de requêtes et de GSC est plus proche du problème qu'un sondage. Pour comprendre ce que font des personnes après une recherche, un panel de navigation est plus pertinent qu'une base de mots-clés.

Procédure : auditer un chiffre en sept étapes

1. Écrire la décision avant le chiffre. Exemple : « devons-nous réduire la prévision de clics sur les requêtes informatives qui déclenchent un AIO ? »
2. Identifier le dénominateur. Recherches, impressions, sessions, utilisateurs, réponses IA et citations ne sont pas interchangeables.
3. Relever la population. Notez la langue, le pays, l'appareil, le secteur, la source de recrutement et les exclusions.
4. Fixer la période. Les interfaces et modèles changent vite ; une valeur sans mois d'observation vieillit mal.
5. Qualifier le plan d'étude. Observation, comparaison de cohortes, avant/après, enquête déclarative, modèle ou expérience.
6. Calculer l'effet absolu. Convertissez le pourcentage relatif en clics, prospects ou euros dans vos propres volumes.
7. Enregistrer la limite décisive. Pas une phrase générique : la limite susceptible d'inverser votre décision.

Exemple travaillé : transformer « -58 % » en scénario

Une agence gère 120 000 impressions mensuelles sur un groupe de requêtes où la position 1 obtenait historiquement 4 % de CTR, soit 4 800 clics. Appliquer mécaniquement une baisse relative de 58 % donne :

CTR scénario = 4 % × (1 - 0,58) = 1,68 %

Clics scénario = 120 000 × 1,68 % = 2 016

La perte modélisée est de 2 784 clics, mais ce n'est pas une prévision suffisante. L'étude Ahrefs portait sur des requêtes informationnelles, sur ordinateur, en décembre 2025, avec un contrefactuel. L'agence doit au minimum produire trois scénarios (baisse relative de 25 %, 40 % et 58 %) puis segmenter par intention et vérifier quels termes déclenchent réellement un AIO. Si seulement 45 % des impressions sont exposées, le scénario haut devient : 54 000 × 1,68 % + 66 000 × 4 % = 3 547 clics, pas 2 016.

Comment réconcilier des résultats contradictoires

Ahrefs, Pew, Seer et Semrush ne posent pas la même question. Pew compare des visites avec et sans résumé IA dans un panel humain. Ahrefs estime l'écart de CTR de la première position pour des cohortes de mots-clés. Seer suit des marques et observe une remontée en début 2026. Semrush/Datos suit le même ensemble de termes avant et après l'apparition d'un AIO et constate une légère baisse du zero-click.

La contradiction diminue lorsqu'on aligne huit colonnes : période, territoire, appareil, intention, sélection des requêtes, définition de l'exposition, définition du clic et plan d'étude. Ce qui reste après alignement est une vraie incertitude. Elle doit devenir une fourchette de scénario, pas être masquée par une moyenne.

Ce que les données prouvent et ne prouvent pas

Les sources convergent sur un point : les réponses générées modifient la distribution des clics et imposent de mesurer plus que la position. Elles montrent aussi une forte hétérogénéité selon l'intention, la plateforme et le moment.

Elles ne prouvent pas qu'une citation IA cause une vente, que tout trafic IA convertit mieux, que chaque AIO retire 58 % des clics, ni que Reddit est favorisé par un signal algorithmique particulier. Elles ne permettent pas non plus d'attribuer une baisse globale de trafic à une seule fonctionnalité. Une mise à jour, la demande, la saison, un changement de classement ou le mix d'appareils peuvent agir simultanément.

Erreurs fréquentes et conditions d'arrêt

• Additionner des citations suivies sur des plateformes différentes sans normaliser le nombre de prompts.
• Comparer un taux par réponse avec un taux par URL citée.
• présenter une hausse de 1 % à 2 % comme « +1 % » au lieu de +1 point et +100 % relatif.
• Réutiliser une valeur américaine pour un marché français sans test local.
• Traiter une projection 2028 comme une observation.
• Arrêter l'analyse si la source ne publie ni dénominateur ni période : le chiffre peut être mentionné comme allégation, pas comme benchmark.

Actif réutilisable : le registre de preuves

Téléchargez ou copiez le registre de preuves SEOryon. Pour chaque affirmation, renseignez : claim_id, formulation exacte, URL, éditeur, date de publication, période de données, territoire, échantillon, unité, méthode, résultat, limite, date de vérification et page utilisatrice. Ajoutez deux champs de décision : applicable_oui_non et raison.

La règle de validation est simple : un chiffre ne passe en publication que si les champs période, population, méthode et limite sont remplis. Une documentation sans statistique peut passer avec la mention « source officielle : fonctionnement déclaré ».

Comment SEOryon intervient

SEOryon peut centraliser les observations issues de Search Console, des pages suivies et des tests de visibilité lorsque ces fonctions sont activées dans le produit. Le rôle pertinent ici est de conserver des séries datées et des segments comparables, pas de fabriquer un score universel. Les données tierces doivent garder leur provenance et leurs limites. Avant toute affirmation commerciale sur une fonction, vérifiez qu'elle est effectivement publique sur seoryon.com et disponible dans le plan concerné.

Exercice mesurable

Choisissez une affirmation utilisée dans un rapport client, par exemple « les AIO ont réduit notre trafic ». Livrez une fiche d'une page avec : décision visée, dénominateur, période, pays/appareil, trois causes alternatives, deux sources contradictoires et un test sur vos données. L'exercice est réussi si un second analyste peut reproduire le calcul et identifier précisément ce qui ferait abandonner l'hypothèse.

FAQ

Quel est le meilleur chiffre pour mesurer la recherche IA ?

Il n'existe pas de chiffre unique. Utilisez les impressions et clics pour l'acquisition, les mentions et citations par prompt pour la visibilité, puis les conversions et le revenu pour la valeur. Gardez les dénominateurs séparés.

Peut-on comparer deux outils de suivi GEO ?

Oui, à condition d'utiliser le même jeu de prompts, la même langue, la même région, le même modèle, le même jour et plusieurs répétitions. Comparez ensuite la reproductibilité et la couverture, pas seulement le nombre brut de citations.

Une étude fournisseur est-elle inutilisable ?

Non. Elle peut être très utile si son échantillon et sa méthode sont publiés. Signalez son intérêt commercial et évitez d'étendre ses résultats au-delà de la population observée.

À quelle fréquence faut-il mettre à jour cet observatoire ?

Les documentations officielles et interfaces de mesure doivent être revues mensuellement. Les benchmarks peuvent être revus trimestriellement, avec une alerte immédiate lorsqu'une source change de méthode.

Parcours conseillé dans l'Observatoire

Commencez par ce que mesure le zero-click en 2026, puis comparez les études de CTR des AI Overviews. Pour la sélection des sources, poursuivez avec citations IA et classements Google. Reliez ensuite la visibilité à la conversion du trafic IA et examinez Reddit, forums et UGC. Les cadres voisins sont le guide de la recherche IA et la méthode d'autorité par les liens.

Références

• Google : fonctionnalités IA et site web- Google : guide d'optimisation pour les fonctions génératives- Pew Research Center : comportement de clic avec résumé IA- SparkToro / Similarweb : zero-click 2026- Ahrefs : AI Overviews et CTR- Seer Interactive : mise à jour CTR 2026- Semrush / Datos : étude AI Overviews- Adobe Digital Insights : trafic IA du commerce américain

Note de méthode et de mise à jour

Revue le 16 juillet 2026. Les chiffres sont reproduits avec leur population et leur plan d'étude tels que publiés. Les liens produits, méthodes de parsing et périmètres de plateformes peuvent évoluer ; chaque révision doit conserver l'ancienne valeur et expliquer toute rupture de série.