Les 50 erreurs GEO que commettent les entreprises SaaS
Un SaaS invisible dans les moteurs de réponse ne l'est pas forcément parce qu'il a manqué une astuce. Il peut l'être parce que quelque chose est cassé, parfois depuis longtemps, sans que personne l'ait regardé : un pare-feu qui renvoie une erreur aux robots autorisés, une page de tarifs qui n'existe pas dans le HTML, une documentation derrière un compte, une description différente sur chaque surface, ou une politique anti-IA écrite en 2024 qui a exclu l'entreprise de la recherche en croyant la protéger de l'entraînement.
Cet article est un inventaire de diagnostic, pas une liste de conseils. Chaque erreur est décrite par ce qu'elle casse dans la chaîne qui va de la découverte à la citation ; les vérifications et les corrections détaillées sont dans les guides liés en fin d'article. Elles sont ensuite hiérarchisées, parce que les cinquante ne se valent pas : trois d'entre elles suffisent à rendre une entreprise structurellement introuvable, et une vingtaine ne feront de différence que si les premières sont réglées.
L'essentiel en 60 secondes
- Les erreurs les plus coûteuses ne sont pas éditoriales, elles sont techniques et silencieuses : robots de recherche bloqués par confusion avec les robots d'entraînement, pare-feu qui refuse des agents pourtant autorisés, contenu stratégique servi uniquement en JavaScript.
- Aucun des grands robots d'IA n'exécute le JavaScript, à l'exception des surfaces de Google qui s'appuient sur son moteur de rendu. Une page de tarifs rendue côté client peut donc exister pour vos visiteurs et pas pour eux.
- La deuxième famille d'erreurs est informationnelle : un SaaS qui ne nomme jamais sa catégorie, ne dit jamais pour qui il n'est pas fait et se décrit différemment sur chaque surface ne fournit aucun critère de sélection.
- La troisième est l'absence hors de son propre domaine : la part des tiers dépend du type de question (89 % de sites d'éditeurs et de documentation sur les questions d'achat B2B dans l'étude Evocia, majorité de médias sur les questions générales dans les études tierces), mais c'est chez les tiers que se vérifient la réputation et la cohérence de l'information.
- La quatrième est la mesure : tester une fois, depuis son compte habituel, en fusionnant mention, citation et recommandation dans un seul chiffre ne mesure rien.
- Corriger dans l'ordre : rendre lisible, puis rendre compréhensible, puis rendre corroboré, puis mesurer. Publier avant d'être lisible est du travail perdu.
Erreurs 1 à 5 : stratégie
En bref
Les erreurs stratégiques ne cassent rien techniquement : elles font dépenser l'effort au mauvais endroit. Elles se reconnaissent à un symptôme commun, l'absence de diagnostic préalable. On optimise avant de savoir ce qui ne marche pas, et on constate douze mois plus tard qu'aucune décision n'était fondée. Vérifications et corrections détaillées : le guide complet du GEO.
Erreur 1. Traiter « être cité » et « être recommandé » comme un seul objectif
C'est l'erreur mère, celle qui rend les autres difficiles à hiérarchiser. Un article de blog cité comme source apporte de l'autorité et parfois du trafic ; il ne fait pas entrer votre produit dans une liste de solutions.
Erreur 2. Lancer un chantier GEO sans propriétaire ni cadence
Un chantier GEO peut échouer pour une raison d'organisation avant d'échouer pour une raison technique. Les correctifs touchent quatre équipes qui ne se parlent pas : technique pour l'accès des robots et le rendu, produit pour la documentation, marketing pour les pages et les sources tierces, direction pour les décisions de transparence tarifaire.
Erreur 3. Appliquer une recette générique sans diagnostic préalable
Les listes de bonnes pratiques circulent, se ressemblent et sont majoritairement correctes. Leur problème est ailleurs : elles supposent que votre point de départ est le même que celui de tout le monde. Un SaaS dont le pare-feu bloque les robots n'a rien à gagner à réécrire ses pages. Un SaaS parfaitement accessible mais absent de tout comparateur n'a rien à gagner à ajouter du balisage.
Erreur 4. Optimiser pour un seul moteur et supposer que le reste suit
L'essentiel des contenus disponibles traite ChatGPT et laisse entendre que les conclusions valent partout. Elles ne valent pas. Les moteurs n'utilisent pas le même index, ne respectent pas robots.txt de la même façon selon que la requête est déclenchée par un humain ou par un robot, et n'affichent pas les sources dans les mêmes conditions. Une entreprise peut être correctement représentée dans un moteur et invisible dans un autre pour une raison purement technique.
Erreur 5. Miser sur des astuces dont l'effet s'annule à mesure qu'elles se répandent
C'est le point le plus contre-intuitif de la littérature disponible, et il est mesuré. Le banc d'essai C-SEO Bench, publié en 2025, a évalué des méthodes d'optimisation conversationnelle en faisant varier le taux d'adoption parmi les acteurs présents. Résultat, en banc d'essai : la plupart des méthodes testées sont largement inefficaces, et les gains d'ensemble diminuent à mesure que d'autres acteurs adoptent la même méthode, ce que les auteurs décrivent comme un problème « congestionné et à somme nulle ».
Cette dynamique de congestion est un résultat expérimental sur un banc d'essai, pas une observation sur les produits commerciaux. Elle justifie néanmoins une conclusion pratique : les avantages durables viennent de ce qui est coûteux à imiter, à savoir une documentation réelle, des données originales et une présence légitime chez des tiers, pas d'une formulation astucieuse.
Erreurs 6 à 10 : architecture et accès
En bref
Cette famille contient les erreurs les plus coûteuses et les plus faciles à corriger. Elles ont un point commun : elles sont invisibles depuis un navigateur. Le site fonctionne parfaitement pour les humains, et une partie des robots ne voit rien. Aucun tableau de bord marketing ne les signale. Vérifications et corrections détaillées : structurer un site web pour les IA.
Erreur 6. Bloquer les robots de recherche en croyant bloquer l'entraînement
Beaucoup d'entreprises ont ajouté des règles de blocage massif dans leur robots.txt en 2024 et 2025, pour éviter que leur contenu ne serve à entraîner des modèles. La décision est légitime. Sa mise en œuvre a pu être erronée, parce que les éditeurs ont précisément séparé leurs agents pour permettre un choix fin. Bloquer l'agent de recherche d'un moteur revient à demander à ne plus figurer dans ses réponses.
Erreur 7. Laisser le pare-feu refuser des robots pourtant autorisés
C'est l'erreur la plus silencieuse de toute la liste. Le robots.txt autorise l'agent, et la règle anti-bot du réseau de diffusion le renvoie en 403. Rien n'apparaît côté marketing. Les éditeurs de logiciels y sont particulièrement exposés parce qu'ils protègent agressivement leurs pages de connexion, de tarification et de documentation, c'est-à-dire précisément celles qu'un acheteur fait consulter.
Erreur 8. Servir le contenu stratégique uniquement en rendu côté client
C'est la plus structurante des erreurs techniques pour les éditeurs de logiciels, dont les sites sont souvent des applications à part entière. Une analyse de journaux menée par Vercel et MERJ sur environ 1,3 milliard de requêtes de robots d'IA a conclu qu'aucun des grands robots n'exécute le JavaScript : ils récupèrent le HTML et lisent ce qui s'y trouve déjà.
Le test de dix secondes
Désactivez JavaScript dans votre navigateur et ouvrez vos cinq pages les plus importantes : accueil, tarifs, page produit principale, page d'intégrations, documentation. Ce qui reste lisible est ce qu'un robot sans moteur de rendu peut lire. Ce qui a disparu n'existe pas pour lui. Ce test invalide à lui seul une bonne partie des plans GEO écrits sans regarder le code.
Erreur 9. Laisser les robots se heurter à des URL mortes
La même analyse de journaux rapporte un chiffre rarement commenté : 34,82 % des requêtes du robot associé à ChatGPT et 34,16 % de celles du robot d'Anthropic aboutissaient à une erreur 404, auxquelles s'ajoutaient des redirections. Autrement dit, sur les sites observés, près d'un tiers de l'effort d'exploration était consommé par des pages qui n'existaient plus.
Erreur 10. Oublier les sous-domaines
Un éditeur de logiciels vit rarement sur un seul domaine. La documentation est souvent sur un sous-domaine dédié, le centre d'aide sur un outil tiers, la page d'état sur un service externe, le blog parfois ailleurs encore. Ce que ChatGPT cite d'une page servie sur un sous-domaine, comparé au même type de page dans un sous-répertoire, est mesuré dans sous-domaine ou sous-répertoire : ce que le choix change pour ChatGPT.
Erreurs 11 à 17 : contenu
En bref
Les erreurs de contenu ne rendent pas un SaaS invisible, elles le rendent inexploitable. Le robot lit la page, n'en tire aucun fait reprenable, et passe. Elles se corrigent vite quand l'accès technique est réglé, et ne servent à rien tant qu'il ne l'est pas. Vérifications et corrections détaillées : comment être cité par ChatGPT, Claude et Gemini.
Erreur 11. Ne jamais nommer la catégorie du produit
Les pages d'accueil de SaaS parlent de plateformes, de solutions et de nouvelle génération. Elles ne disent presque jamais, en toutes lettres, de quelle catégorie de logiciel il s'agit. Or la catégorie est le premier critère de rattachement : sans elle, un système ne peut pas savoir que vous êtes un candidat pertinent quand un acheteur demande un outil de cette catégorie.
Erreur 12. Enterrer la réponse sous l'introduction
L'habitude éditoriale consistant à poser le contexte pendant trois paragraphes avant de répondre produit des pages où le fait utile arrive trop tard et trop dilué pour être repris seul. Un passage repris hors de sa page doit rester vrai et compréhensible : c'est la seule propriété qui compte ici.
Erreur 13. Publier sans date ni auteur
Une page sans date ni auteur ne permet pas de savoir si elle décrit le produit actuel, ni qui en répond : la date et l'auteur sont les moyens, pour un système comme pour un lecteur, d'en juger.
Erreur 14. Produire des pages à la chaîne sans valeur ajoutée
La tentation de couvrir mille variantes de requêtes avec des pages générées automatiquement s'est intensifiée avec les outils de rédaction assistée. Google documente une politique explicite d'abus de contenu à grande échelle, qui vise la production en masse de pages à faible valeur pour manipuler le classement, quelle que soit la méthode employée, humaine, automatisée ou hybride.
La politique porte sur la valeur et l'intention, pas sur la méthode de production : un contenu assisté par IA, relu, exact et réellement utile n'est pas visé. C'est la production de masse sans supervision éditoriale qui l'est.
Erreur 15. Ne couvrir que la requête principale, pas les sous-intentions
Google documente que ses surfaces génératives peuvent employer une technique d'éclatement de la requête, en lançant plusieurs recherches sur des sous-thèmes pour construire une réponse. La conséquence est directe : un éditeur bien positionné sur la requête de sa catégorie mais absent sur la sécurité, la conformité, la tarification, les intégrations ou la migration ne sera candidat que sur une fraction des recherches réellement déclenchées.
Erreur 16. Ignorer les questions de suivi
Une conversation ne s'arrête pas à la première réponse. Après avoir obtenu trois noms, l'acheteur demande les différences de prix, la conformité au règlement européen, la compatibilité avec un outil précis. Si votre site ne répond pas à ces questions et que celui d'un concurrent le fait, la suite de la conversation se construit sur sa documentation.
Erreur 17. Republier le même contenu sur plusieurs URL
Les déclinaisons sectorielles et régionales produites en dupliquant une page en changeant deux mots créent un ensemble de pages concurrentes entre elles, sans information propre. Elles diluent le maillage interne et n'apportent aucun fait nouveau à récupérer.
Erreurs 18 à 22 : entité et marque
En bref
Un système ne peut recommander que ce qu'il sait décrire sans ambiguïté. Les erreurs d'entité privent le moteur de critères de sélection : ni catégorie stable, ni périmètre, ni limites, ni identité distincte d'une homonyme. Vérifications et corrections détaillées : d'où viennent les fausses informations des IA sur votre entreprise.
Erreur 18. Se décrire différemment sur chaque surface
Le site parle de plateforme de pilotage, les comparateurs classent le produit en gestion des tâches, la documentation dit outil de suivi, la fiche partenaire annonce une suite collaborative. Quatre descriptions pour un produit, aucune dominante.
Erreur 19. Porter un nom ambigu sans jamais le désambiguïser
Beaucoup de noms de produits sont des mots courants, ou des homonymes d'autres marques dans d'autres secteurs. Sans mention systématique de la catégorie à côté du nom, un système n'a aucune raison de rattacher les informations les unes aux autres, ni de vous distinguer d'une entreprise sans rapport.
Erreur 20. Ne jamais dire pour qui le produit n'est pas fait
C'est contre-intuitif et c'est l'un des gestes les plus utiles. Un système qui doit retenir trois solutions dans une catégorie a besoin de critères discriminants. Si toutes les pages du marché annoncent convenir à toutes les tailles d'entreprise et à tous les secteurs, il ne reste que la notoriété pour départager. Déclarer un périmètre, c'est fournir un critère.
Erreur 21. Laisser circuler des informations fausses
Une erreur factuelle fait plus de dégâts qu'une absence, parce qu'elle produit une objection commerciale que vous ne verrez jamais. Un tarif obsolète repris d'une fiche jamais mise à jour, une fonctionnalité attribuée à tort, une catégorie erronée : tout cela circule tant que la source qui le porte n'est pas corrigée.
Erreur 22. Inventer une catégorie que personne ne cherche
Créer sa propre catégorie est une stratégie de différenciation légitime en positionnement. Elle a un coût en découvrabilité : si la catégorie inventée n'est employée par personne, aucune requête ne la contient, et le produit n'est rattaché à rien de recherché.
Erreurs 23 à 27 : autorité et présence externe
En bref
Sur les requêtes de choix de logiciel, une part des sources mobilisées ne vous appartient pas, et elle dépend du type de question : sur des questions d'achat B2B en français, ChatGPT cite à 89 % les sites d'éditeurs et leur documentation, 1,6 % de tiers et aucun comparateur (Evocia, 2 259 citations) ; sur des questions générales, les études tierces mesurent une majorité de médias et de contenus tiers (84 % de médias gagnés, Muck Rack, mai 2026). Les erreurs de cette famille sont les plus lentes à corriger et les plus difficiles à contourner : elles portent sur la matière que d'autres publient à votre sujet. Vérifications et corrections détaillées : les sources où les IA puisent leurs recommandations.
Erreur 23. Tout miser sur son propre domaine
Un site parfait ne compense pas une absence totale hors du site. Comparateurs, plateformes d'avis, communautés professionnelles, médias spécialisés, documentations de partenaires et listes sectorielles constituent une part importante de la matière disponible sur une catégorie.
Erreur 24. Laisser dormir ses fiches sur les comparateurs
Une fiche créée il y a deux ans, avec un ancien positionnement, une capture d'écran périmée, une catégorie mal choisie et trois avis, reste une source active. Elle continue de décrire votre produit tel qu'il était.
Erreur 25. Être absent des communautés où la catégorie se discute
Les discussions entre praticiens constituent une source de langage naturel dense, datée et souvent reprise. Une entreprise absente de ces espaces n'y est pas décrite, ou l'est uniquement par des tiers mécontents, ce qui revient à laisser la description à d'autres.
Erreur 26. Fabriquer des mentions au lieu d'en mériter
Il existe une différence de nature, et pas seulement de degré, entre construire une présence et fabriquer des signaux. Faux avis, comptes de complaisance, articles achetés non signalés, annuaires sans audience : ces pratiques produisent des signaux fragiles, détectables par les communautés elles-mêmes, et, envers des consommateurs, les faux avis sont une pratique commerciale réputée trompeuse (code de la consommation, article L. 121-4, 27° et 28°, en vigueur depuis le 28 mai 2022).
Erreur 27. Confondre lien et mention, et surinvestir le premier
Les réflexes de netlinking se transposent mal. Aucun éditeur de moteur génératif n'a documenté les liens comme facteur de citation, et une corrélation entre liens et visibilité n'est pas une causalité : la notoriété produit à la fois des liens et des mentions.
Erreurs 28 à 32 : documentation
En bref
La documentation est l'actif le plus sous-exploité d'un éditeur de logiciels. Elle est factuelle, structurée, mise à jour, et répond à des questions précises. Les cinq erreurs de cette famille la rendent inutilisable, souvent pour des raisons qui n'ont rien à voir avec la documentation elle-même. Vérifications et corrections détaillées : créer une documentation que les IA citent.
Erreur 28. Placer la documentation derrière une authentification
Une documentation qui exige un compte n'existe pas pour les systèmes qui pourraient la reprendre. C'est souvent un héritage : la documentation a été construite pour les clients, pas comme un actif public. La conséquence est que la ressource la plus factuelle de l'entreprise est la seule à être invisible.
Erreur 29. Servir la documentation en rendu client
Les outils de documentation modernes produisent souvent des applications monopages. Le contenu est alors chargé après coup, et se heurte à la même limite que le reste du site : les robots qui n'exécutent pas le JavaScript ne voient qu'un squelette de navigation.
Erreur 30. Publier une documentation sans dates ni versions
Une page de documentation sans version ni date de mise à jour ne permet pas de savoir si elle décrit le produit actuel. Pour un lecteur, c'est un inconfort ; pour un système qui doit choisir entre deux documents contradictoires, c'est un obstacle.
Erreur 31. Laisser mourir le journal des versions
Un journal des versions arrêté il y a dix-huit mois est un signal négatif parfaitement lisible : il suggère un produit en sommeil. À l'inverse, un journal vivant est l'une des rares surfaces qui prouve, de façon datée et vérifiable, que le produit évolue.
Erreur 32. Documenter l'API sans limites ni exemples
Les questions réellement posées sur une API portent sur les quotas, les formats acceptés, les modes d'authentification, la gestion des erreurs et les limites de débit. Ce sont ces informations qu'il faut vérifier en premier dans une documentation, plutôt qu'une liste de points de terminaison sans contexte.
Erreurs 33 à 36 : données structurées
En bref
Le balisage Schema.org clarifie la lecture machine et conditionne certains affichages enrichis. Aucun éditeur de moteur génératif n'a documenté qu'il conditionne une citation, et Google écrit explicitement qu'aucun balisage particulier n'est nécessaire pour ses fonctionnalités IA. Les erreurs de cette famille viennent presque toutes d'attentes mal calibrées. Vérifications et corrections détaillées : les données structurées influencent-elles les recommandations des IA.
Erreur 33. Attendre du balisage qu'il produise des citations
C'est la promesse la plus vendue et la moins étayée du marché. La documentation de Google est explicite : il n'est pas nécessaire de créer de nouveaux fichiers lisibles par machine, de fichiers texte destinés aux IA ou de balisage pour apparaître dans ces fonctionnalités, et il n'existe pas de données structurées Schema.org particulières à ajouter.
Erreur 34. Baliser autre chose que ce que la page affiche
C'est la seule consigne réellement actionnable de la documentation officielle sur le sujet, et elle est parfois violée chez les éditeurs de logiciels : un prix balisé différent du prix affiché, une note agrégée sans avis correspondants, une catégorie déclarée qui ne correspond pas au positionnement revendiqué. Google recommande explicitement de veiller à ce que les données structurées correspondent au texte visible.
Un balisage aligné sur le texte visible ressemble à ceci :
{
"@context": "https://schema.org",
"@type": "SoftwareApplication",
"name": "Nom exact du produit",
"applicationCategory": "BusinessApplication",
"applicationSubCategory": "Logiciel de gestion de projet",
"operatingSystem": "Web",
"description": "Une phrase factuelle identique au texte visible de la page.",
"url": "https://www.exemple.fr/",
"publisher": {
"@type": "Organization",
"name": "Nom légal de l'éditeur",
"url": "https://www.exemple.fr/",
"sameAs": [
"https://fr.linkedin.com/company/exemple",
"https://github.com/exemple"
]
},
"offers": {
"@type": "Offer",
"price": "[prix affiché sur la page tarifs]",
"priceCurrency": "EUR",
"url": "https://www.exemple.fr/tarifs"
}
}Erreur 35. Déclarer une note agrégée sans avis réels
Au-delà du risque de sanction côté moteur, la déclaration d'une note agrégée non adossée à des avis vérifiables relève, en France, d'un terrain juridique glissant. C'est un cas où l'optimisation crée un risque disproportionné au gain espéré.
Erreur 36. Continuer d'investir dans des affichages enrichis retirés
Le paysage des résultats enrichis s'est nettement réduit. Google a retiré l'affichage enrichi des questions fréquentes en mai 2026, celui des tutoriels en 2023 (limité à l'ordinateur en août, supprimé de la recherche Google le 13 septembre), et sept autres types en juin 2025. Le balisage correspondant peut rester en place sans dommage, mais construire un plan éditorial autour d'un affichage qui n'existe plus est un investissement à perte.
Erreurs 37 à 40 : preuves et crédibilité
En bref
Une affirmation invérifiable n'est pas une preuve, c'est une opinion mise en forme. Les erreurs de cette famille privent l'entreprise de ce qui la distingue vraiment : des faits que personne d'autre ne peut publier. Vérifications et corrections détaillées : la grille pour lire une étude sur les sources des IA.
Erreur 37. Publier des chiffres sans méthode ni date
Un pourcentage sans période, sans échantillon et sans méthode de collecte n'est pas citable, parce qu'il n'est pas vérifiable. Le paradoxe est que les éditeurs de logiciels disposent souvent de données réelles et les publient dans un format qui les rend inutilisables.
Erreur 38. Enfermer ses études derrière un formulaire
Une étude téléchargeable après remplissage d'un formulaire est invisible pour tout système qui pourrait la citer. C'est un arbitrage classique entre génération de contacts et diffusion, mais il est rarement posé explicitement : l'entreprise choisit deux cents contacts contre la possibilité de devenir une source de référence.
Erreur 39. Publier des cas clients sans contexte ni ordre de grandeur
Un témoignage qui affirme un gain de temps considérable sans dire pour quelle entreprise, sur quelle période, avec quel périmètre et par rapport à quoi, n'apporte aucun fait. Il n'est ni convaincant pour un acheteur, ni exploitable comme source.
Erreur 40. Produire des comparatifs où le concurrent perd sur tout
Un tableau comparatif où votre produit gagne sur chaque ligne n'est crédible pour personne. Il est aussi peu utile comme source, puisqu'il ne fournit aucun critère de départage exploitable : un système qui doit répondre « lequel choisir dans tel cas » n'y trouve rien.
Erreurs 41 à 45 : mesure
En bref
Poser une question une fois dans un moteur et enregistrer une capture ne mesure rien : cela documente un cas. La génération est probabiliste, l'index évolue, et le compte utilisé influence le résultat. Les erreurs de mesure produisent des décisions fondées sur du bruit. Vérifications et corrections détaillées : mesurer sa visibilité dans ChatGPT et les IA.
Erreur 41. Tester une fois et conclure
Deux réponses à la même question peuvent différer. Une observation isolée ne distingue pas une présence stable d'un accident. C'est l'erreur de mesure la plus répandue, y compris dans des rapports vendus comme des audits.
Erreur 42. Mesurer depuis son propre compte
OpenAI documente que si la mémoire est activée, la réécriture de la requête envoyée aux systèmes de recherche peut s'appuyer sur les informations retenues des conversations précédentes. Un relevé effectué depuis le compte professionnel de quelqu'un qui a discuté de son produit cent fois ne mesure pas la visibilité de ce produit : il mesure un historique.
Erreur 43. Fusionner mention, citation et recommandation
Un chiffre unique de visibilité additionne des situations qui n'ont ni les mêmes causes ni les mêmes conséquences commerciales. Une marque citée en source sans être recommandée et une marque recommandée sans lien ne demandent pas les mêmes correctifs.
Erreur 44. Changer de panier de requêtes entre deux campagnes
Toute mesure de visibilité dépend entièrement des requêtes choisies. Un panier modifié entre deux campagnes produit une évolution qui ne mesure que le changement de panier. C'est la première question à poser devant un graphique de progression.
Erreur 45. Attribuer une hausse à la dernière action menée
Une mise à jour de modèle ou d'index peut modifier des réponses stables depuis des mois sans que rien n'ait changé chez vous. Attribuer une variation à la dernière action entreprise est confortable et généralement faux.
Erreurs 46 à 50 : propres aux éditeurs de logiciels
En bref
Ces cinq erreurs n'existent que chez les SaaS. Elles portent sur les pages qui décident réellement d'un achat de logiciel : fonctionnalités, tarifs, intégrations, alternatives et cas d'usage. Ce sont aussi des pages traitées parfois comme du support commercial plutôt que comme de l'information. Vérifications et corrections détaillées : la méthode pour rendre un SaaS visible dans les IA.
Erreur 46. Regrouper toutes les fonctionnalités sur une seule page marketing
Une page unique intitulée « solution », qui annonce une plateforme nouvelle génération révolutionnant la relation client, n'apporte aucune information exploitable : ni fonction nommée, ni périmètre, ni contrainte. Une architecture descriptive fournit au contraire une adresse par fonction, ce qui permet de répondre à une question précise.
Erreur 47. Publier une page de tarifs sans tarif
Une page de tarification qui n'affiche qu'un bouton de contact est une page vide du point de vue de l'information. Elle empêche de répondre à l'une des questions centrales d'un acheteur, et laisse la place à une source tierce, souvent périmée, pour y répondre à votre place. Or, dans l'AI Sources Index 2026, ChatGPT cite couramment des pages de tarifs sur les questions d'achat de logiciels B2B, y compris quand la question ne parle pas de prix : voir les pages de tarifs citées par ChatGPT.
Erreur 48. Afficher les intégrations en grille de logos
Une grille de logos sans texte ne dit ni ce que l'intégration fait, ni dans quel sens circulent les données, ni ce qu'elle exige. Or « est-ce que cet outil s'intègre avec le nôtre » est l'une des questions les plus décisives d'un achat de logiciel, et l'une des plus faciles à documenter.
Erreur 49. N'avoir ni comparatif ni page alternatives
Les requêtes de comparaison et de remplacement sont parmi les plus proches de l'achat. Un éditeur qui refuse de les traiter par prudence commerciale laisse ces questions entièrement aux comparateurs, aux concurrents et aux forums.
Erreur 50. Ne pas décliner par cas d'usage et par segment
Les acheteurs ne cherchent pas un logiciel de la catégorie X : ils cherchent un logiciel de la catégorie X pour leur métier, leur taille et leur contrainte. Sans déclinaison réelle, votre produit reste candidat sur la requête générique, où la notoriété domine, et absent des requêtes spécifiques, où elle compte moins.
Les dix erreurs à corriger en premier
En bref
Aucun classement n'est universel : l'ordre dépend de votre point de départ. Celui-ci retient les erreurs qui combinent un impact potentiel élevé et un effort réduit. Toutes se corrigent en moins d'un trimestre.
| Rang | Erreur | Pourquoi elle passe en premier |
|---|---|---|
| 1 | Erreur 6, robots de recherche bloqués | Coût de correction quasi nul, effet potentiel maximal : rien d'autre ne peut fonctionner tant qu'elle persiste |
| 2 | Erreur 7, pare-feu qui refuse les agents autorisés | Même logique, et invisible depuis un navigateur : elle survit à toutes les refontes |
| 3 | Erreur 8, contenu stratégique en rendu client | Effort réel, mais elle rend illisibles les pages qui décident d'un achat |
| 4 | Erreur 28, documentation derrière un compte | Rend invisible la ressource la plus factuelle de l'entreprise |
| 5 | Erreur 11, catégorie jamais nommée | Une phrase à écrire, et elle conditionne tout rattachement |
| 6 | Erreur 21, informations fausses non corrigées | Une erreur factuelle coûte plus qu'une absence, et se corrige à la source |
| 7 | Erreur 47, page de tarifs sans tarif | Question centrale de l'acheteur, réponse la plus facile à publier |
| 8 | Erreur 18, description incohérente entre surfaces | Effort faible, et sans elle aucun critère de sélection stable n'existe |
| 9 | Erreur 41 et 42, mesure non répétée et faite depuis son compte | Sans mesure fiable, aucune des corrections suivantes ne sera arbitrée |
| 10 | Erreur 24, fiches comparateurs périmées | Une demi-journée de travail sur des sources tierces déjà existantes |
Ce classement suppose un SaaS moyen. Si votre relevé de départ montre une bonne accessibilité technique, remontez directement aux erreurs 18, 21, 23 et 24.
Si vous ne savez pas laquelle de ces erreurs vous concerne, le diagnostic cause par cause est dans pourquoi ChatGPT recommande vos concurrents et pas vous, et la méthode dans l'ordre dans comment apparaître dans les réponses de ChatGPT. Le relevé chiffré qui permet de trancher est décrit dans audit GEO : la méthode en neuf étapes, et ce que ChatGPT cite dans votre catégorie de logiciel est mesuré sur la page visibilité IA des SaaS B2B. Pour corriger ces dix points avec Evocia, l'accompagnement GEO les traite dans cet ordre, mesure avant et après comprise.
Ce que cet article ne prétend pas savoir
En bref
Aucun des éditeurs concernés ne publie ses critères de sélection des sources. Les corrections proposées ici agissent sur des étapes documentées du pipeline, ou sur des conditions de lisibilité et de disponibilité de l'information. Aucune ne garantit une citation ni une recommandation.
Restent inconnus, et le dire fait partie de la méthode : les critères de sélection des passages dans les quatre moteurs, la composition des corpus d'entraînement, la part de chaque fournisseur de recherche chez OpenAI, la part de Brave Search dans la recherche de Claude, le volume réel de questions posées par catégorie, et l'effet causal isolé de la quasi-totalité des corrections décrites ici.
Deux honnêtetés supplémentaires. La première : une part du résultat ne dépend pas de vous, mais de ce que le marché publie sur votre catégorie et vos concurrents. La seconde : la visibilité obtenue est volatile, et une mise à jour de modèle ou d'index peut modifier des réponses stables depuis des mois. C'est pour cela que la mesure répétée fait partie de la méthode et non de ses options.
Un audit complet passe en revue ces cinquante points sur votre SaaS, moteur par moteur, avec le relevé chiffré qui permet de trancher par où commencer.
Auditer la visibilité de votre SaaSQuestions fréquentes
Qu'est-ce que le GEO pour un SaaS ?
C'est l'ensemble des pratiques qui augmentent la probabilité qu'un moteur de réponse trouve, comprenne, reprenne ou recommande votre logiciel quand un acheteur l'interroge sur votre catégorie. Pour un éditeur de logiciels, cela recouvre trois chantiers : rendre l'information accessible et lisible par les robots, la rendre cohérente et vérifiable, et faire exister cette information ailleurs que sur votre propre domaine.
Quelle est l'erreur GEO la plus fréquente ?
Aucune mesure publique ne permet de classer ces erreurs par fréquence. Les erreurs d'accès sont celles à vérifier en premier : robots de recherche bloqués par confusion avec les robots d'entraînement, ou agents autorisés dans robots.txt mais refusés par le pare-feu. Elles ont un point commun qui explique leur persistance : elles sont totalement invisibles depuis un navigateur, et aucun tableau de bord marketing ne les signale.
Pourquoi mon SaaS n'apparaît-il pas dans ChatGPT ?
Plusieurs causes distinctes produisent ce symptôme, et elles se vérifient dans un ordre : accès des robots et lisibilité sans JavaScript, description cohérente, présence hors de votre site, critères discriminants. Le diagnostic, avec un test par cause, est dans pourquoi ChatGPT recommande vos concurrents et pas vous. Commencer par l'éditorial quand la cause est technique est une façon coûteuse de perdre un trimestre.
Le référencement classique améliore-t-il la visibilité dans les IA ?
Oui, et il est même la condition officielle pour les surfaces génératives de Google, qui exigent qu'une page soit indexée et éligible à l'affichage avec extrait. Pour les autres moteurs, l'effet est indirect : ils utilisent d'autres index. Le socle technique se partage largement, mais un excellent référencement ne suffit pas : d'autres sites d'éditeurs, des institutions et, selon la question, des médias ou des communautés servent aussi de sources, et le référencement de votre site ne les contrôle pas.
Faut-il créer un fichier llms.txt ?
Vous pouvez, sans en attendre d'effet démontré. Google a déclaré ne pas l'utiliser et sa documentation indique qu'aucun fichier lisible par machine n'est nécessaire pour apparaître dans ses fonctionnalités. Les affirmations de prise en charge par d'autres moteurs proviennent de sources secondaires, pas de documentations officielles. Le publier coûte peu et ne nuit pas ; le vendre comme un levier prouvé serait malhonnête. Notre guide llms.txt fait le point complet.
Le balisage Schema.org améliore-t-il la visibilité dans les IA ?
Rien ne le démontre pour les citations. Google écrit qu'aucun balisage particulier n'est nécessaire pour ses fonctionnalités IA, et aucune étude publique ne démontre d'effet sur les citations des moteurs génératifs. Le balisage garde son utilité pour la cohérence de lecture machine et pour les affichages enrichis qui subsistent, à une condition que Google formule explicitement : qu'il corresponde au texte visible.
Sources
- Légifrance, ordonnance n° 2021-1734 du 22 décembre 2021 transposant la directive 2019/2161 (articles L. 121-3 et L. 121-4 du code de la consommation)
- Muck Rack, What Is AI Reading? (mai 2026) : 25 M+ de liens cités par ChatGPT, Claude et Gemini, 84 % de médias gagnés
- Evocia, AI Sources Index 2026 (1 000 réponses de ChatGPT, 2 970 citations, collecte du 14 septembre 2026)
- Documentation officielle : Google Search Central, « AI features and your website » (éligibilité, absence de fichiers ou de balisage dédiés, éclatement de la requête, bonnes pratiques)
- Documentation officielle : Google Search Central, « Google Search's guidance about AI-generated content »
- Documentation officielle : Google Search Central, règles concernant le spam (abus de contenu à grande échelle)
- Documentation officielle : Google, robots courants et jeton Google-Extended (aucun effet sur Google Search)
- Documentation officielle : OpenAI, « Bots » (OAI-SearchBot, GPTBot, ChatGPT-User, OAI-AdsBot, adresses IP publiées)
- Documentation officielle : OpenAI, « ChatGPT Search » (conditions d'inclusion, réécriture de requête, mémoire)
- Documentation officielle : Anthropic, exploration du web et blocage par les propriétaires de sites
- Documentation officielle : Perplexity, « PerplexityBot et Perplexity-User »
- Étude : Vercel et MERJ, « The rise of the AI crawler » (analyse de journaux, environ 1,3 milliard de requêtes de robots d'IA : absence d'exécution du JavaScript, taux d'erreurs 404)
- Publication scientifique : Puerto et al., « C-SEO Bench: Does Conversational SEO Work? » (arXiv 2506.11097, juin 2025, révisé octobre 2025)
- Publication scientifique : Aggarwal et al., « GEO: Generative Engine Optimization », ACM SIGKDD 2024 (arXiv 2311.09735)
- Documentation officielle : Schema.org, types SoftwareApplication et Organization
- Documentation officielle : Google Search Central, journal des mises à jour de la documentation (retrait de l'affichage enrichi des questions fréquentes, mai et juin 2026)
Transparence et méthode
Auteur
Evocia · Cabinet français de visibilité dans les IA
Evocia est un cabinet français spécialisé dans la mesure et l'amélioration de la visibilité des éditeurs de SaaS B2B dans les réponses des IA. Cet inventaire reprend des défauts rencontrés lors des audits, ordonnés selon l'étape qu'ils bloquent plutôt que selon leur popularité dans les listes de bonnes pratiques.
Comment cet article a été réalisé
- Sources primaires vérifiées le 14 août 2026 : documentations de Google Search Central, d'OpenAI, d'Anthropic et de Perplexity, plus deux publications scientifiques et une analyse de journaux serveur à grande échelle. Les formulations attribuées à un éditeur ont été relevées sur ses pages, et le périmètre exact de chaque étude est indiqué avec elle.
- Chaque erreur retenue devait remplir trois conditions : être distincte des quarante-neuf autres, être vérifiable par le lecteur avec un navigateur, ses journaux serveur ou une demi-heure de tests, et se corriger par une action identifiable. Les défauts qui ne se constatent pas ont été écartés, quelle que soit leur popularité.
- Les niveaux d'impact, de difficulté et de priorité sont des jugements d'expérience, pas des mesures : aucune donnée publique ne permet de chiffrer le gain d'une correction isolée. Ils sont présentés comme un outil d'arbitrage, pas comme une notation utilisée par un moteur. La seule donnée Evocia de cet article est la répartition des citations par famille de sources, reprise de l'AI Sources Index 2026.
- Les affirmations largement recyclées mais non traçables à une source primaire ont été écartées, notamment les pourcentages de marques en échec, les parts de citations attribuées au premier résultat de Google et les pondérations chiffrées de facteurs de classement, qu'aucune plateforme ne publie.
- Limites assumées : les fonctionnalités décrites évoluent vite et cet inventaire devra être revérifié trimestriellement ; l'effet causal isolé de la plupart des corrections n'est pas démontré et ne peut pas l'être avec les données publiques disponibles ; aucune citation ni recommandation ne peut être promise.
Historique des mises à jour
- 16 octobre 2026Erreur 10 (oublier les sous-domaines) : une phrase renvoie à la page de données sur les sous-domaines et les sous-répertoires cités par ChatGPT, sans nouveau chiffre ; le reste de l'article est inchangé.
- 13 octobre 2026Erreur 47 (page de tarifs sans tarif) : une phrase renvoie à la page de données sur les pages de tarifs citées par ChatGPT, sans nouveau chiffre ; le reste de l'article est inchangé.
- 5 octobre 2026Chapô aligné sur le contenu actuel de l'article (familles d'erreurs, ordre de correction, renvoi aux guides pour les vérifications). L'introduction décrit la page telle qu'elle est, et chaque famille d'erreurs renvoie au guide qui détaille vérifications et corrections. Les affirmations de fréquence sans mesure sont retirées ou reformulées (introduction, erreurs 2, 6, 8, 32, 34, 47, familles 46 à 50, dix erreurs prioritaires, question sur les audits, présentation de l'auteur) ; « quatre causes couvrent la grande majorité des cas » devient un ordre de vérification avec un lien vers la page de diagnostic. Erreur 5 : le résultat du banc d'essai C-SEO Bench est énoncé. Retirés faute de source : les « deux moteurs » qui exposeraient une date (erreur 13), l'idée que les mentions corrèlent plus que les liens (erreur 27), l'« étude contrôlée » sur Schema.org. Erreur 26 : le risque juridique des faux avis cite le code de la consommation (article L. 121-4), source ajoutée. Les résultats HowTo ont été limités à l'ordinateur en août 2023 puis supprimés le 13 septembre 2023. L'exemple de balisage est placé sous l'erreur 34, qu'il illustre, et son prix fictif est remplacé par un emplacement. Le fournisseur de recherche de Claude n'est plus dit inconnu (Brave Search). Temps de lecture recalculé (27 minutes).
- 21 septembre 2026Lien ajouté vers l'accompagnement GEO d'Evocia à la fin du classement des dix erreurs à corriger en premier (mise en œuvre) ; corps inchangé.
- 21 septembre 2026Cohérence avec les données de l'étude Evocia : l'essentiel, la famille « autorité et présence externe » et la FAQ sur le référencement ne disent plus que la matière des recommandations vient « largement » ou « majoritairement » de tiers ; ils donnent la part mesurée selon le type de question. Cohérence avec le contenu réel : la description ne promet plus la checklist et le plan sur trente jours retirés le 13 septembre, et la méthodologie ne mentionne plus le score sur trente. Paragraphe d'introduction générique retiré.
- 13 septembre 2026Seconde passe : chaque erreur est ramenée à son diagnostic en deux phrases ; les nuances retirées sont portées par les guides de détail liés en fin d'article.
- 13 septembre 2026Raccourci de 29 à une vingtaine de minutes : chaque erreur est ramenée à son diagnostic et sa correction en un paragraphe ; le plan de trente jours est retiré, traité par le guide « comment apparaître dans ChatGPT ».
- 13 septembre 2026Refonte éditoriale : renvois vers le diagnostic par cause et le guide « comment apparaître dans ChatGPT ».
- 11 septembre 2026Réduction de 64 à une vingtaine de minutes. Chaque erreur est désormais décrite en un paragraphe au lieu de deux ; la matrice des cinquante lignes, la checklist de trente contrôles, le score sur trente, les mythes et les réécritures avant et après sont retirés, car ils redoublaient le corps de l'article ou d'autres guides du site. Conservés : les cinquante erreurs, les dix à corriger en premier, le plan sur trente jours et les limites. FAQ ramenée à six questions.
- 14 août 2026Publication initiale : cinquante erreurs réparties en dix familles, pipeline de visibilité, matrice de priorisation, sept mythes, cinq réécritures avant et après, checklist de trente contrôles, score sur trente et plan d'action sur trente jours.