L'étude Princeton sur le GEO décryptée

Presque tous les articles sur le Generative Engine Optimization citent « l'étude de Princeton ». Peu la décrivent correctement. Il s'agit pourtant, à ce jour, de la seule étude revue par des pairs consacrée à l'optimisation des contenus pour les moteurs génératifs. Elle mérite d'être lue pour ce qu'elle établit, et pour ce qu'elle n'établit pas.

La référence exacte

L'article s'intitule « GEO: Generative Engine Optimization ». Il a été mis en ligne sur arXiv en novembre 2023 (référence 2311.09735) puis présenté à KDD 2024, l'une des principales conférences internationales en data mining. Ses auteurs sont rattachés à Princeton, Georgia Tech, l'Allen Institute for AI et l'IIT Delhi. C'est ce travail qui a popularisé le terme GEO.

La question posée

Un éditeur de contenu peut-il, en modifiant uniquement le texte de sa page, augmenter la place que lui accorde un moteur génératif dans sa réponse ? Les auteurs ne parlent pas de classement mais de visibilité : quelle part de la réponse générée provient de la source, et à quelle position elle apparaît.

La méthode

Les chercheurs ont construit GEO-bench, un jeu de 10 000 requêtes couvrant des domaines et des types de questions variés. Pour chaque requête, un moteur génératif reçoit plusieurs sources et compose une réponse citée. Les auteurs modifient ensuite une des sources selon une tactique donnée et mesurent l'évolution de sa visibilité.

Deux métriques principales sont utilisées :

• une mesure objective, qui compte les mots de la réponse attribuables à la source en pondérant par leur position (une citation en début de réponse vaut davantage) ;
• une mesure d'impression subjective, évaluée par un modèle, qui tient compte de la pertinence et de l'influence de la citation.

Neuf tactiques sont testées, parmi lesquelles l'ajout de citations, l'ajout de statistiques, l'ajout de références à des sources, l'amélioration de la fluidité, le ton d'autorité, la simplification du texte, l'ajout de termes techniques et le bourrage de mots-clés. Les résultats sont ensuite vérifiés sur Perplexity, un moteur génératif en production.

Les résultats

Le message principal est net : ce qui augmente la visibilité, ce sont des éléments vérifiables et attribuables (une citation d'expert, un chiffre, une source nommée). Ce qui la fait baisser, c'est la principale technique héritée du SEO des années 2000.

Ce que l'étude n'établit pas

Une lecture honnête impose plusieurs réserves.

Un environnement contrôlé

L'essentiel des mesures porte sur un moteur génératif construit par les chercheurs, avec un ensemble de sources fourni. Dans la réalité, il faut d'abord être récupéré par le moteur pour pouvoir être cité. L'étude mesure ce qui se passe une fois la page dans le contexte, pas la probabilité d'y entrer.

Une génération de modèles antérieure

Les expériences datent de 2023. Les modèles et les moteurs ont beaucoup évolué depuis. Les mécanismes de fond (préférence pour les éléments attribuables) ont toutes les raisons de tenir, les pourcentages exacts beaucoup moins.

Uniquement le contenu de la page

L'étude ne traite ni de l'autorité du domaine, ni des mentions tierces, ni de la connaissance paramétrique des modèles. Or d'autres analyses, de nature non académique, suggèrent que ces facteurs pèsent lourd.

Une visibilité, pas un résultat business

Plus de mots attribués dans une réponse ne garantit ni un clic, ni un lead.

Ce qu'il faut en retenir

1. Chaque affirmation importante gagne à être adossée à une donnée, une source nommée ou une citation attribuée.
2. La densité de mots-clés n'est pas un levier GEO, elle est contre-productive.
3. La clarté et la fluidité comptent : un passage facile à extraire a plus de chances d'être repris.
4. Les pourcentages de l'étude sont des ordres de grandeur dans un cadre expérimental, pas des promesses de résultat.

Nous appliquons ces principes dans notre méthode de rédaction, détaillée dans Écrire pour être cité par les IA.

Une remarque sur les chiffres qui circulent

Des variantes erronées de ces résultats circulent largement (« +22 % pour les statistiques », « +37 % pour les citations en exergue »). Elles ne figurent pas dans l'article. Plus généralement, une part importante des statistiques GEO publiées en ligne n'a pas de source primaire identifiable. Chez Genn, nous distinguons systématiquement trois niveaux : la recherche revue par des pairs, les mesures de grande ampleur publiées par des acteurs identifiés, et les analyses d'agences ou d'éditeurs, toujours citées avec leur auteur et la taille de leur échantillon.

Questions fréquentes

L'étude Princeton est-elle toujours d'actualité ?

Ses principes, oui. Ses pourcentages exacts doivent être lus comme le résultat d'un protocole de 2023.

Faut-il ajouter des statistiques partout ?

Non. Une statistique non sourcée ou hors sujet n'apporte rien. L'effet tient à la vérifiabilité, pas au nombre de chiffres.

Existe-t-il d'autres études académiques sur le GEO ?

Des travaux plus récents existent, notamment sur la taille optimale des passages récupérés par les systèmes de recherche augmentée. Aucun n'a encore la portée de l'étude Princeton.