La recherche de mots-clés alimente désormais deux tableaux de bord
La recherche de mots-clés s’arrêtait autrefois à une question : quelles requêtes pouvons-nous positionner dans Google ? Elle doit maintenant en répondre à une seconde : quelles questions les acheteurs posent-ils à ChatGPT, Claude, Gemini et Perplexity, et qui est nommé quand ils le font ? La méthode de recherche ci-dessous produit un seul artefact qui sert les deux : un ensemble priorisé de grappes de mots-clés, chacune traduite en prompts qu’un assistant reçoit réellement, chacune associée à une page que vous construirez ou corrigerez.
La raison pour laquelle vous ne pouvez pas sauter l’étape de traduction est mécanique. Google fait correspondre les requêtes à un index et renvoie de nombreux résultats, donc une pertinence partielle gagne encore une position. Un moteur de réponse compose une seule réponse et nomme une poignée de sources, donc une pertinence partielle ne gagne rien. « Outil AI SEO » en tant que mot-clé devient « quel est le meilleur outil pour suivre si les assistants IA mentionnent ma marque ? » en tant que prompt, et la page qui gagne la citation est celle qui répond à cette phrase complète, avec son intention et ses qualificatifs, pas celle qui contient simplement le mot-clé.
Gardez la recherche de mots-clés classique comme fondation. Le volume, la difficulté et les fonctionnalités de SERP vous disent où se concentre la demande et ce qu’il en coûte de concourir. La recherche de prompts se place par-dessus et vous dit la formulation, le contexte et la chaîne de suivi qu’un moteur voit. Ni l’un ni l’autre ne remplace l’autre ; le pipeline ci-dessous les exécute en séquence.
Étape 1 : collecter des graines à partir d’une demande vérifiable
Commencez par des sources qui enregistrent ce que de vraies personnes ont demandé, dans leurs propres mots, car les listes de graines inventées héritent de votre vocabulaire interne au lieu de celui de vos acheteurs. L’écart entre « analyse de prominence des entités » (ce que dit votre équipe) et « pourquoi ChatGPT ne nous mentionne-t-il jamais » (ce que dit un acheteur) est exactement l’écart qui tue la visibilité dans l’IA.
Parcourez ces sources par ordre de qualité de signal :
- Appels commerciaux et transcriptions de démo. Les questions que les prospects posent avant d’acheter sont les prompts qu’ils ont posés à un assistant la semaine précédente. Prenez la formulation textuelle, pas un résumé.
- Tickets de support et questions d’onboarding. Ils révèlent le vocabulaire conscient du problème des gens qui n’ont pas encore nommé la catégorie.
- Journaux de recherche sur le site. Quiconque cherche à l’intérieur de votre site n’a pas trouvé quelque chose ; la requête est une graine et un écart de contenu à la fois.
- Autocomplete et People Also Ask. Tapez chaque graine candidate dans Google et notez les complétions suggérées et les questions associées ; ce sont des formulations à demande vérifiée, gratuites.
- Titres de pages et H2 des concurrents. Non pour copier, mais pour voir quelles questions le marché considère déjà comme dignes d’une réponse.
Ne qualifiez rien encore. L’objectif de cette étape est l’ampleur : cinquante à deux cents graines brutes pour une catégorie de produit type. Un keyword research tool accélère l’expansion, et les données de volume plus difficulté s’attachent à chaque graine pour que l’étape suivante ait de quoi trier.
Étape 2 : qualifier avec le volume et la difficulté, mais les lire correctement
Utilisez le volume pour confirmer qu’un sujet est réel et la difficulté pour estimer le coût de la concurrence, et cessez de traiter l’un ou l’autre comme le classement de ce qu’il faut faire en premier. Les deux métriques décrivent Google, et elles le décrivent imparfaitement pour les requêtes qui comptent le plus en AEO.
Deux règles de correction :
- Volume zéro n’est pas demande zéro pour les requêtes conversationnelles. Les bases de volume sont construites à partir des journaux de recherche tapée. Un prompt comme « compare les trois meilleurs outils pour suivre les citations en IA et dis-moi lequel convient à une équipe de cinq personnes » ne rapportera aucun volume nulle part, pourtant ses variantes passent par les assistants quotidiennement. Si le mot-clé principal de la grappe a du volume, la traîne conversationnelle est réelle même quand elle se mesure à zéro.
- Les scores de difficulté mesurent la concurrence de liens, pas la concurrence de réponses. Un mot-clé peut être brutalement dur à positionner tandis que la réponse d’IA pour le prompt équivalent cite une page mince que personne ne s’est donné la peine de battre. Ce décalage est une opportunité, et seule la vérification des réponses en direct (étape 5) la révèle.
Le résultat de cette étape est une liste réduite : des graines à demande confirmée, étiquetées avec le volume et la difficulté comme contexte, rien de tout cela n’étant encore un ordre de priorité.
Étape 3 : regrouper par intention, car l’intention décide de la page
Regroupez les graines survivantes en grappes d’intention, car l’intention détermine quel type de page peut gagner, et une page par grappe bat une page par variante de mot-clé à chaque fois. Fragmenter un sujet sur des pages quasi dupliquées divise votre autorité et donne aux moteurs plusieurs candidats faibles au lieu d’un seul fort.
Les cinq intentions qui couvrent la majeure partie de la recherche B2B et SaaS :
| Intention | Forme de prompt d’exemple | Page qui la gagne |
|---|---|---|
| Définitionnelle | « qu’est-ce que l’optimisation pour les moteurs de réponse » | Glossaire ou explicatif avec la définition dès la première phrase |
| Comparaison | « X vs Y pour suivre les citations en IA » | Comparaison honnête avec un tableau de verdict extractible |
| Recommandation | « meilleurs outils pour surveiller AI Overviews » | Page de catégorie avec des options nommées et des critères de décision |
| Tutoriel | « comment être cité par ChatGPT » | Guide par étapes avec une réponse directe par étape |
| Conscient du problème | « pourquoi ma marque n’apparaît-elle pas dans les réponses d’IA » | Page diagnostique qui nomme les causes et les correctifs |
Deux règles de décision pendant le regroupement. Premièrement, si deux mots-clés seraient répondus par la même page, ils appartiennent à la même grappe quelle que soit la formulation. Deuxièmement, si un mot-clé cache deux intentions (les gens tapant « suivi des citations en IA » peuvent vouloir une définition ou un outil), scindez-le en deux grappes et laissez la vérification des réponses en direct de l’étape 5 vous dire quelle intention chaque moteur suppose. L’entrée de glossaire optimisation pour les moteurs de réponse est un exemple concret de page construite pour posséder une grappe définitionnelle.
Étape 4 : traduire chaque grappe en prompts
Développez chaque grappe en cinq à quinze prompts conversationnels qu’un assistant recevrait réellement, car cette liste, pas la liste de mots-clés, est ce que vous testerez et suivrez. Les prompts sont plus longs et plus spécifiques que les mots-clés, et la spécificité est l’opportunité : un prompt précis a une intention plus claire et moins de réponses crédibles en concurrence pour la citation.
Pour chaque grappe, générez :
- La question principale, formulée comme une personne parle : « quelle est la meilleure façon de suivre la fréquence à laquelle ChatGPT mentionne ma marque ? »
- Des variantes à modificateurs qui correspondent à votre acheteur réel : « pour le B2B », « pour une petite équipe », « sans développeur », « en Europe ».
- Des prompts de suivi, car les sessions d’assistant sont des conversations : après « qu’est-ce que l’AEO », le prompt suivant est généralement « quels outils le font » ou « comment démarrer ». Si votre page répond aussi au suivi, vous pouvez être cité deux fois dans une session.
- Des prompts en plusieurs parties : « compare A et B, puis dis-moi lequel choisir pour une agence ». Les moteurs les décomposent, et chaque partie est une opportunité de citation.
- Des formulations d’entités à imposer : notez les noms exacts de marque, produit et catégorie que vous voulez associer à la grappe, et utilisez-les de façon cohérente sur la page.
Résistez à l’envie de générer des centaines de prompts par grappe. Tester cinquante variantes de la même question produit cinquante copies de la même réponse ; tester une douzaine de formulations réellement distinctes produit un schéma sur lequel vous pouvez agir.
Étape 5 : prioriser par intention, adéquation et écart de citation, puis valider en direct
Classez les grappes selon trois facteurs multipliés ensemble, pas additionnés : intention d’achat, votre capacité crédible à répondre, et l’écart de citation. La multiplication compte parce qu’un zéro dans un facteur devrait annuler la priorité. Un prompt définitionnel à fort volume auquel vous pouvez répondre mais qui ne touche jamais une décision d’achat est une faible priorité ; un modeste prompt de comparaison où Perplexity cite votre concurrent à votre acheteur exact est en tête de liste.
Notez chaque grappe :
- Force de l’intention. La personne qui pose ceci achèterait-elle quelque chose au prochain trimestre ? Les prompts de comparaison et de recommandation l’emportent généralement sur les définitionnels.
- Adéquation de la réponse. Pouvez-vous répondre avec des preuves : capacités réelles, méthodologie réelle, documentation réelle ? Un prompt auquel vous ne pouvez répondre qu’avec du texte marketing est un écart que vous ne pouvez pas encore combler honnêtement.
- Écart de citation. Lancez les prompts à travers ChatGPT, Claude, Gemini et Perplexity et enregistrez qui est nommé et quelles URL sont citées. Un prompt où un concurrent est cité et où vous êtes absent est la cible de plus grande valeur de tout l’exercice ; un prompt où personne n’est cité est une conquête ; un prompt que vous gagnez déjà a besoin d’être défendu, pas construit.
La vérification en direct n’est pas optionnelle, car les moteurs sont la seule source de vérité sur les moteurs. Les réponses dérivent aussi dans le temps et diffèrent par moteur, donc une vérification ponctuelle manuelle unique devient périmée en quelques semaines. Traitez la validation comme une mesure récurrente, et voyez AEO face au SEO traditionnel pour comprendre pourquoi la mesure fondée sur les prompts ne peut pas être remplacée par le suivi de positions.
Modes d’échec courants, et comment les attraper
- Optimiser pour le mot-clé, livrer à côté du prompt. La page vise « suivi des citations en IA » mais ne répond jamais à « comment savoir si ChatGPT mentionne ma marque ? » dans une phrase qu’un moteur peut extraire. Correctif : écrivez la réponse directe en premier ; la ressource des modèles de contenu a des squelettes pour cela.
- Prioriser par volume. Vous passez un trimestre sur un terme principal à fort volume tandis qu’un concurrent possède discrètement chaque prompt de recommandation de votre catégorie. Correctif : appliquez la règle de multiplication ; les écarts de citation l’emportent sur le volume.
- Une page par variante de mot-clé. Dix pages minces pour dix formulations d’une question. Correctif : une page canonique par grappe d’intention, les variantes traitées en sections H2.
- Tester les prompts une fois et passer à autre chose. La réponse vue en mars n’est pas la réponse en juin. Correctif : mettez l’ensemble de prompts sur une cadence de scan et observez la tendance, pas l’instantané.
- Ignorer la chaîne de suivi. Vous gagnez la question principale et perdez la session à « quel outil devrais-je choisir ? ». Correctif : couvrez les questions dérivées sur la même page ou une page liée.
Où se situe AEO Goal : de la liste de prompts au correctif livré
Tout ce qui précède peut être exécuté manuellement avec une feuille de calcul et quatre onglets de navigateur, et pour une poignée de prompts, cela devrait l’être. Le travail cesse de passer à l’échelle à exactement deux points : exécuter l’ensemble de prompts contre chaque moteur selon un calendrier, et transformer chaque écart en un correctif précis au lieu d’une note dans un backlog.
AEO Goal automatise les deux. Le suivi des citations en IA exécute votre ensemble de prompts contre ChatGPT, Claude, Gemini et Perplexity selon une cadence et enregistre qui a été nommé, quelles URL ont été citées, à quelle position et avec quel sentiment, de sorte que l’analyse d’écart de l’étape 5 devient un rapport permanent au lieu d’un projet trimestriel (méthodologie ici). Le suivi de la visibilité dans l’IA agrège cela en taux de citations et Share of Model par moteur, pour que vous puissiez voir si une grappe tend vers vous ou s’en éloigne. Et parce qu’AEO Goal est un agent AEO plutôt qu’un tracker, chaque écart est livré avec le correctif : un brief answer-first pour la page manquante via la génération de contenu AEO, une correction de schema ou d’accès des robots quand la cause est technique, et une revérification au scan suivant pour confirmer que le correctif a déplacé le chiffre. La recherche de mots-clés classique, le volume, la difficulté et le suivi de positions quotidien vivent dans le même espace de travail, de sorte que les deux tableaux de bord auxquels ce guide ne cesse de se référer sont littéralement un seul rapport.
La boucle, condensée
Collecter des graines à partir d’une demande vérifiée. Qualifier avec le volume et la difficulté, corrigés de leurs angles morts. Regrouper par intention, une page par grappe. Traduire les grappes en prompts que les assistants reçoivent réellement. Prioriser par intention fois adéquation fois écart de citation, valider face aux moteurs en direct, livrer la page, et remesurer. Exécutez la boucle chaque mois et la recherche de mots-clés cesse d’être un livrable ponctuel pour devenir le mécanisme de pilotage à la fois de vos positions Google et de votre part des réponses d’IA.