Un moteur IA ne cherche pas la question de l’acheteur : il la réécrit, souvent en anglais, et parfois ne cherche pas du tout. Ces requêtes réécrites se lisent dans les réponses des API des moteurs, au lieu de se deviner. Chez Fast Growth Advisors, nous les avons relevées sur un panel figé de questions d’acheteur plutôt que de les déduire. Voici ce qu’elles changent au travail de contenu, et où la mesure reste aveugle.
Presque tout ce qui s’écrit sur le GEO (generative engine optimization) est de la déduction. Quelqu’un regarde un chatbot répondre, constate que sa marque manque, et remonte à une cause. Chez Fast Growth Advisors, aucun constat sur les moteurs IA n’est produit de cette façon, parce que la déduction et la mesure ne sont pas la même affirmation.
Nous avons voulu voir plutôt que déduire.
Un panel figé de questions d’acheteur, en langue naturelle, envoyé à intervalle régulier aux quatre moteurs qui exposent une API (interface de programmation). Pour chaque réponse, trois choses sont enregistrées : si le modèle a cherché, quelles requêtes il a émises, quelles sources il a citées. De l’autre côté, les logs serveur, pas une balise d’analytics.
Deux instruments indépendants, aucune circularité.
Ce qui suit est un rapport d’étape. Les citations viennent de l’API, le trafic vient des logs, et ni l’un ni l’autre ne valide l’autre. C’est voulu.
Que deviennent les requêtes réécrites par un moteur IA ?
Elles remplacent la question de l’acheteur, et changent la façon de penser le contenu.
Le modèle ne transmet pas la chaîne de l’utilisateur à un index. Il la réécrit en plusieurs requêtes de sa propre formulation, puis interroge celles-là. Les API renvoient ces requêtes dans un champ dédié : Fast Growth Advisors les lit au lieu de les supposer.
Conséquence directe : un travail de mots-clés calé sur la formulation de l’acheteur vise une chaîne qui n’a jamais été envoyée nulle part.
Une question sur le choix d’un fournisseur se déplie en requêtes sur les tarifs, l’intégration, les alternatives. Aucune ne contient les mots que l’acheteur a tapés.
Et la langue ne survit pas toujours à la réécriture.
Un prompt en français produit fréquemment des requêtes en anglais. Ces requêtes anglaises vont chercher des pages anglaises, et c’est la page anglaise qui est résumée puis citée à un acheteur francophone. Pour une entreprise qui opère hors du monde anglophone, ça renverse une hypothèse de base : votre site en français ne vous représente pas automatiquement auprès d’un utilisateur français.
Une version anglaise maigre que personne n’entretient devient votre porte-parole.
Réserve à poser, parce qu’elle compte : la langue d’une requête est déduite de son texte par heuristique, et une part non négligeable reste indéterminée. La direction est nette. Le ratio exact ne l’est pas, sur un échantillon de cette taille.
Pourquoi un moteur IA ne cherche-t-il parfois pas du tout ?
Parce que certaines réponses sont composées entièrement à partir des données d’entraînement : aucune requête, aucun fetch, et rien de publié ce trimestre ne peut les atteindre.
Que la recherche ait lieu dépend du couple question-moteur, et non du moteur seul. Une même question déclenche une recherche sur l’un et du pur rappel sur l’autre. C’est pourquoi « le moteur X ne nous cite jamais » est presque toujours une affirmation sur une catégorie de questions, pas sur le moteur.
Cette distinction est opérationnelle.
Sans log des requêtes, impossible de séparer « on n’a pas été récupéré » de « rien n’a été récupéré ». Le premier cas est un problème de contenu. Dans le second, l’effort est à mettre ailleurs, et c’est pour trancher entre les deux que Fast Growth Advisors journalise chaque requête émise. Publier davantage ce trimestre ne réglera pas ce second cas.
Où l’instrumentation des moteurs IA est-elle aveugle ?
Côté serveur d’abord, sur les robots qui se déclarent agents IA, puis côté moteurs, sur Google AI Overviews et Copilot.
Un hit qui se déclare agent IA ne prouve rien. Les user-agents sont déclaratifs et falsifiés en permanence ; la vérification passe par une résolution DNS (Domain Name System) inversée, confrontée aux plages d’adresses que les éditeurs publient eux-mêmes. Ce qui survit à ce contrôle pèse très en dessous de ce que rapportent les tableaux de bord. Fast Growth Advisors a détaillé ce chantier ailleurs, avec les chiffres : 876 imposteurs sur treize jours.
Une seule chose à retenir ici : les bots n’exécutent pas de JavaScript, donc votre balise d’analytics ne voit rien de tout ça. C’est dans les logs serveur ou ce n’est nulle part.
Côté moteurs, Google AI Overviews et Copilot n’exposent pas d’API officielle.
Personne qui mesure de cette façon ne mesure ces deux-là, et un outil qui annonce un score unifié sur tous les moteurs comble ce trou avec autre chose que de la mesure. La sortie générative n’est pas déterministe, donc une lecture isolée est du bruit.
Ce qui en fait une donnée, c’est la répétition sur un protocole figé, plus des pages témoins qui ne reçoivent aucune optimisation. Sans elles, rien de ce qu’on observe ne peut être attribué à votre travail plutôt qu’à la dérive du modèle.
Reste la taille d’échantillon. Quelques dizaines de prompts sur une passe ne portent aucune inférence statistique : les grands écarts se lisent, cinq points d’écart ne veulent rien dire.
Par où commencer avec les requêtes réécrites ?
Lisez les requêtes avant d’optimiser quoi que ce soit.
Récupérez les expansions réelles des questions qui comptent dans votre catégorie, dans la langue où elles reviennent, et comparez-les à ce que vos pages répondent. La plupart des équipes trouvent du contenu qui répond à des questions qu’aucun moteur n’a posées, et des requêtes qui atterrissent sur des pages qu’elles n’ont jamais écrites.
Vient ensuite la couche extractible. Un moteur restitue ce qu’une page énonce en clair : il n’infère pas un positionnement à partir d’une mise en page, n’ouvre pas un PDF, ne lit pas un logo rendu en image. Fast Growth Advisors a traité cet étage en détail dans votre site n’est pas invisible, il est illisible.
Ce qui n’est pas écrit explicitement n’existe pas pour la récupération.
La version étroite et vérifiable est la seule qui vaille. Moins impressionnante qu’un tableau de bord, elle survit à la question « comment vous avez obtenu ça ».
Je préfère être corrigé sur la méthode qu’avoir raison par affirmation. Si vous mesurez ça autrement, ou si quelque chose ci-dessus contredit vos propres logs, ça m’intéresse.
FAQ
Pourquoi un moteur IA réécrit-il la requête de l’utilisateur ?
Parce qu’il ne transmet pas à un index la chaîne reçue.
Un moteur IA en dérive plusieurs formulations, puis récupère des sources sur celles-là. Les API des moteurs renvoient ces requêtes réécrites dans un champ dédié, ce qui permet à Fast Growth Advisors de les lire plutôt que de les supposer.
Un prompt en français donne-t-il des requêtes en français ?
Pas systématiquement : une part revient en anglais.
Ces requêtes anglaises vont chercher des pages anglaises, si bien que la page résumée pour un lecteur francophone n’est pas toujours la vôtre. La langue d’une requête étant déduite de son texte par heuristique, la direction est nette, le ratio exact ne l’est pas.
Comment savoir si un moteur a réellement cherché ?
En journalisant les requêtes émises à chaque réponse.
Sans ce journal, rien ne distingue une page qui n’a pas été récupérée d’une réponse composée sans aucune récupération. Les deux situations appellent des décisions opposées : la première est un problème de contenu, la seconde déplace l’effort ailleurs.
Peut-on mesurer Google AI Overviews de cette façon ?
Non, faute d’API officielle chez Google AI Overviews comme chez Copilot.
Personne qui mesure par interrogation d’API ne mesure ces deux moteurs. Un outil qui affiche malgré tout un score unifié sur tous les moteurs comble ce trou autrement que par la mesure, et ses chiffres sur ces deux-là ne reposent sur aucune réponse observée.