Article sponsorisé par Proton Pass

Un projet SEO, c'est une multitude d'accès à protéger

Sur un client, une agence ou un consultant jongle en général avec une dizaine d'accès différents : Search Console, Google Analytics, CMS (souvent WordPress), FTP ou SFTP, panneau d'administration de l'hébergeur, comptes publicitaires, outils tiers comme Screaming Frog, Ahrefs ou SEMrush, parfois des clés API pour des intégrations spécifiques. Multiplié par une dizaine de clients, et par plusieurs collaborateurs qui vont et viennent sur ces différents comptes, le nombre d'identifiants à gérer peut prendre des proportions ahurissantes.

Dans la pratique, cette gestion demeure souvent artisanale. Un tableur partagé sur le Drive de l'agence, un mot de passe envoyé par email ou par Slack au démarrage d'une mission, et parfois même un mot de passe réutilisé d'un client à l'autre parce que “c'est plus simple à retenir”. Ces habitudes fonctionnent au quotidien, jusqu'au jour où un compte se retrouve compromis ou qu'un accès n'est pas révoqué après la fin d'une collaboration.

Le tableur partagé, la fausse bonne solution

Un fichier de mots de passe partagé donne l'illusion d'une organisation centralisée. En réalité, il cumule plusieurs faiblesses : 

• Aucun chiffrement réel des données, 
• Aucune traçabilité de qui a consulté quoi, 
• Une diffusion qui échappe vite à tout contrôle une fois le fichier copié, dupliqué ou envoyé par erreur. 

Si l'ordinateur d'un collaborateur est piraté, c'est alors l'ensemble des accès de tous les clients de l'agence qui se retrouve exposé en même temps.

Le même problème se pose à la fin d'une mission. Que devient l'accès à la Search Console ou au CMS quand un freelance termine sa collaboration, ou qu'un salarié quitte l'agence ? Trop souvent, rien n'est révoqué proprement, et l'ancien accès reste valide durant des mois, voire des années.

Structurer les accès par client, avec un chiffrement réel

C'est exactement le terrain sur lequel se positionne un gestionnaire de mots de passe conçu pour les équipes. Dans sa version Business, il permet de créer plusieurs coffres partagés, un par client ou par projet, avec des permissions différenciées selon les membres de l'équipe. Chaque identifiant, note ou code stocké est chiffré de bout en bout localement, avant même d'être synchronisé : le fournisseur lui-même n'a jamais accès aux données..

Concrètement, cela change la logique de partage. Plutôt que d'envoyer un mot de passe en clair, on donne accès à un coffre précis, pour la durée de la mission, avec la possibilité de révoquer cet accès en un clic le jour où la collaboration s'arrête. L'outil intègre aussi un authentificateur 2FA directement dans les entrées, avec remplissage automatique des codes, ce qui évite de jongler entre plusieurs applications et encourage réellement l'équipe à activer cette protection sur les comptes sensibles comme la Search Console ou l'hébergement.

Générer des mots de passe solides dès le départ

La deuxième faiblesse classique, au-delà du partage, c'est la nature même des mots de passe utilisés pour créer ces comptes. Un mot de passe court, réutilisé ou construit sur un schéma prévisible reste vulnérable même stocké dans le meilleur des coffres. 

À ce titre, ce type d’outil propose un générateur de mot de passe intégré, qui génère des combinaisons longues et aléatoires directement au moment de la création d'un compte, sans avoir à réfléchir à un mot de passe mémorisable. Sur un projet SEO, l'utiliser systématiquement pour chaque nouvel accès (CMS, hébergeur, outil tiers) limite fortement le risque qu'un identifiant insuffisamment sécurisé ne devienne le maillon faible de tout le projet.

Un scénario courant : la fin de mission mal gérée

Prenons un exemple, malheureusement, on ne peut pas plus classique. Un consultant SEO termine une mission de six mois pour un client. Pendant cette période, il a eu accès à la Search Console, à l'administration WordPress, au FTP de l'hébergeur et à un compte Ahrefs partagé. À la fin du contrat, personne ne pense à retirer ces accès. Le client change de prestataire et passe à autre chose.

Un an plus tard, le compte email personnel de l’ancien consultant est concerné par une fuite de données sans rapport avec le client. Si les identifiants du CMS ou du FTP étaient stockés dans ce même email, ou dans un tableur synchronisé avec ce compte, l'attaquant récupérerait au passage un accès toujours actif à un site qu'il n'a jamais eu besoin de pirater directement.

Bien qu'ancien, le cas de Dropbox est un cas d'école. En 2012, LinkedIn subit une fuite massive de données touchant 167 millions de comptes. Un salarié de Dropbox utilisait le même mot de passe pour son compte LinkedIn personnel et pour un compte interne Dropbox. Les attaquants ont réutilisé les identifiants récupérés lors de la fuite LinkedIn pour accéder aux systèmes internes de Dropbox, un cas typique de réutilisation d'identifiants. Une fois entrés, ils ont récupéré une base de données contenant des mots de passe hachés et d'autres informations utilisateur, qui a fini par circuler en ligne...

Avec des coffres organisés par client dans un gestionnaire chiffré et des mots de passe uniques générés à la volée, ce scénario n’a plus du tout les mêmes conséquences. L'accès du consultant est limité au coffre du projet, il ne transite jamais par sa messagerie personnelle, et il suffit de retirer son compte du coffre partagé le jour où la mission se termine pour couper immédiatement l'accès, sans être contraint de changer un par un les mots de passe de chaque outil.

L’article "Search Console, CMS, API : pourquoi les accès sont le vrai point faible de vos projets SEO ?" a été publié sur le site Abondance.

L’article "Goossips SEO : Crawlers" a été publié sur le site Abondance.

Google a annoncé jeudi dernier une mise à jour majeure de sa fonction « Ask Maps », qui gagne en autonomie. Au-delà des informations, l'outil peut désormais accomplir des tâches concrètes pour l'utilisateur, en s'appuyant sur des plateformes partenaires. Cette évolution illustre la volonté de Google de transformer son application de navigation en véritable assistant du quotidien.

Commander à manger et réserver un hôtel directement depuis Maps

Concrètement, un utilisateur peut désormais taper une requête comme « où puis-je commander un avocado toast vegan et un latte au lait d'avoine près de chez moi » dans Ask Maps. L'outil affiche alors les restaurants à proximité qui proposent ces plats. En sélectionnant un établissement, il suffit de cliquer sur « commander en ligne » pour passer commande via une plateforme partenaire comme Square, Toast ou Uber Eats. Ask Maps ajoute les articles au panier, et l'utilisateur peut compléter sa commande et payer directement sur la plateforme choisie.

La même logique s'applique à la réservation d'hôtel. En formulant une demande précise, par exemple pour trouver un hôtel bien noté et pas trop cher, avec une ambiance particulière, proche d'une salle de sport et de restaurants, Ask Maps compare les prix et vérifie les disponibilités avant de proposer une sélection d'options. Il suffit ensuite de cliquer pour être redirigé vers le site du partenaire afin de finaliser la réservation.

L'outil permet également de dénicher des spectacles ou des concerts à proximité, avec des liens directs pour acheter les billets.

Une personnalisation basée sur Gmail et l'agenda, mais désactivée par défaut

Avec Personal Intelligence, Ask Maps va plus loin en s'appuyant sur les emails et le calendrier de l'utilisateur pour donner des réponses sur mesure. On peut par exemple demander à quelle heure on atterrira à Vancouver lors d'un prochain vol, ou se faire recommander des restaurants et activités près de son hôtel de réservation.

Cette fonctionnalité reste toutefois optionnelle et n'est pas activée automatiquement, ce qui laisse à chacun le choix de partager ou non ces données personnelles avec l'outil.

Autre nouveauté notable, Ask Maps mémorise désormais les échanges précédents. Il devient ainsi possible de demander à l'outil quelles activités il avait suggérées pour un voyage à Seattle, par exemple, et de continuer à planifier son séjour sans repartir de zéro.

Enfin, Google lance un widget de transit en temps réel dans Ask Maps, permettant de suivre les retards et les conditions de circulation au fil de leur évolution.

L’article "Google Maps devient un assistant capable de commander votre repas et réserver votre hôtel" a été publié sur le site Abondance.

Un marché qui retrouve des couleurs après la crise inflationniste

Après deux années marquées par la pression inflationniste, le e-commerce français repart de l'avant. Le chiffre d'affaires du secteur s'établit à 196,4 milliards d'euros en 2025, en progression de 7 % sur un an. Cette croissance se répartit entre deux dynamiques bien distinctes : les services, qui atteignent 120,3 milliards d'euros (+9 %), et les produits, qui renouent avec la croissance à 76,1 milliards d'euros (+4 %) après deux années de repli.

Ce redémarrage des ventes de produits est présenté par la Fevad comme le signal le plus encourageant de cette édition. Il confirme que la crise inflationniste de 2023 est bel et bien refermée, sans pour autant effacer son empreinte sur les comportements d'achat : le panier moyen continue de baisser et s'établit désormais à 62 euros, preuve que les Français achètent plus souvent, mais avec plus de vigilance sur les prix.

Le nombre de transactions suit la même trajectoire ascendante, avec 3,2 milliards d'opérations enregistrées en 2025, soit une progression de 11 % par rapport à 2024. Le e-commerce représente aujourd'hui 12 % du commerce de détail et près de 30 % de l'activité sur les principaux univers non alimentaires, comme l'équipement de la maison (32 % de part de marché) ou l'habillement (30 %).

Des acheteurs toujours plus nombreux et toujours plus mobiles

En France, 42,2 millions de personnes de plus de 15 ans ont acheté en ligne au cours des douze derniers mois, soit 72,9 % de cette population, et 80 % des 16-74 ans. La progression est continue, avec 0,6 million d'e-acheteurs supplémentaires en un an.

Le profil de ces acheteurs révèle des écarts marqués selon l'âge et la catégorie socioprofessionnelle. Les 30-44 ans affichent le taux d'achat en ligne le plus élevé (90,8 %), tandis que les 75 ans et plus restent en retrait (25,9 %). Du côté des catégories professionnelles, les cadres et professions intellectuelles supérieures se distinguent nettement avec 96,5 % d'acheteurs en ligne.

Autre tendance de fond : la multiplication des écrans utilisés pour acheter. 55 % des e-acheteurs sont désormais multi-écrans. Si l'ordinateur reste le support privilégié (76 % d'utilisateurs), le mobile progresse rapidement et gagne sept points en un an, pour atteindre 69 % d'utilisateurs.

Le paiement et la livraison, deux terrains d'innovation constante

Le paiement par carte bancaire demeure archi-dominant, utilisé par 92 % des cyberacheteurs. Mais les alternatives s'installent durablement dans les habitudes : points de fidélité et cartes cadeaux (76 %), portefeuilles numériques (57 %), prélèvement (48 %) ou encore paiement fractionné, désormais utilisé par 21 % des acheteurs et déjà testé par 51 % des cyberacheteurs au moins une fois.

Sans surprise, la sécurité reste la préoccupation numéro un des e-acheteurs : 94 % jugent important d'évoluer dans un environnement de paiement sécurisé, devant la simplicité du parcours (92 %) et les modes de paiement proposés (87 %).

Côté livraison, la livraison à domicile reste le mode privilégié, utilisée par 77 % des e-acheteurs. Mais les solutions hors domicile, points relais en tête (76 % d'utilisateurs), progressent fortement et représentent désormais 46 % des usages, portées par une demande croissante de flexibilité.

L'intelligence artificielle bouleverse déjà les pratiques

C'est le fait marquant de cette édition selon Marc Lolivier, délégué général de la Fevad : près d'un cyberacheteur sur trois intègre déjà l'intelligence artificielle dans son parcours d'achat. Ce chiffre grimpe à près de trois sur quatre parmi les utilisateurs réguliers d'IA.

Du côté des professionnels, le mouvement est encore plus net. 94 % des marchands déclarent avoir adopté au moins une solution basée sur l'IA générative, et 87 % d'entre eux constatent déjà des évolutions concrètes sur les compétences et les process au sein de leur entreprise. Le commerce agentique est perçu comme l'une des innovations les plus prometteuses à trois ans par 69 % des dirigeants interrogés, juste derrière l'IA générative elle-même.

Pour les consommateurs, l'usage de l'IA reste concentré en amont de l'achat : 58 % des utilisateurs réguliers s'en servent pour la recherche et l'aide à la décision, contre seulement 27 % au moment du paiement et 35 % pour le suivi après achat.

La seconde main, un réflexe désormais installé

Autre évolution notable : plus de 4 cyberacheteurs sur 10 (41,4 %) ont acheté au moins un produit d'occasion en ligne au cours des 12 derniers mois. Ce mode de consommation ne se substitue pas au neuf, il le complète. Dans la mode par exemple, 30 % des acheteurs combinent achats neufs et seconde main, une proportion similaire dans les jeux et jouets ou les produits culturels physiques.

L’article "E-commerce en France : le cap des 200 milliards d’euros bientôt franchi" a été publié sur le site Abondance.

Du maximalisme tropical au style pirate

La tendance qui écrase toutes les autres, c'est le maximalisme tropical. Plumes, franges et paillettes dorées s'y mêlent dans une ambiance de carnaval, portée notamment par l'explosion des recherches « esthétique showgirl » (+945 %). On y retrouve aussi les tenues « tropicoqueta » (+105 %) et les robes à franges dorées (+30 %).

À l'opposé, le style piratecore mise sur le récup et l'imperfection assumée : ceintures superposées, suédine usée et maquillage légèrement baveux. Les recherches de maquillage yeux pirate grimpent de +330 %, tandis que les mini-jupes en suédine progressent de +195 %.

Indie, pop et transparence : trois façons différentes de vibrer

Le style indie sans effort séduit les nostalgiques de l'esthétique rock des années 2000 : t-shirts de groupes chinés, chemises en flanelle usées et allure décontractée mais pointue. Les recherches de tenues rock années 2000 et d'outfits shoegaze progressent chacune de +60 %.

À l'inverse, la tendance pop Y2K joue la carte de l'excès assumé, avec des jeans aérographés (+75 %) et l'esthétique « Frutiger Aero » (+40 %), qui mélange brillance techno et maximalisme pop.

Autre ambiance avec la tendance « sheer euphoria » : organza transparent et soies oversize pour des looks doux et émotionnels, pensés pour les moments de complicité entre amis sur le dancefloor. Les jupes transparentes street style et les chemises en organza progressent toutes deux de +60 %.

Le grand drama, ultime tendance de la saison

Dernière esthétique repérée par Pinterest : le grand drama, où l'exagération devient la règle. Chaussures dépareillées, maquillage contrasté et superpositions audacieuses composent des looks pensés comme de véritables costumes. Les recherches de tenues dépareillées bondissent de +75 %, celles de maquillage dramatique des yeux de +45 %.

L’article "Pinterest dévoile les tendances mode de la saison des festivals 2026" a été publié sur le site Abondance.

En juillet 2026, notre équipe chez RESONEO a capturé et disséqué 1 200 réponses ChatGPT, 88 000 résultats de recherche et 26 900 pages distinctes pour répondre à une question : quand ChatGPT cite une page, d'où vient-elle ? Jérôme Salomon (Oncrawl) a guidé toute la partie cache. L'étude complète est publiée sur think.resoneo.com ; cet article en tire ce que les professionnels du search doivent retenir.

La version courte : le grounding de ChatGPT repose sur trois étages de stockage. Un index de discovery qui trouve les pages, un cache de lecture qui conserve la copie intégrale des pages déjà fetchées, et un petit lot de pages ouvertes en live. Chaque étage a ses règles, sa fraîcheur et ses angles morts. Une fois qu'on a ces trois étages en tête, le comportement de citation de ChatGPT cesse d'être mystérieux et redevient ce qu'il est : un système construit pour répondre au moindre coût.

Comment on sait tout ça

Notre extension chrome enregistre le flux de données brut que chatgpt.com envoie au navigateur, y compris des champs que l'interface n'affiche jamais. Jusqu'au 21 juillet 2026, ce flux contenait un champ result_source qui nommait le pipeline interne derrière chaque résultat de recherche. Quatre valeurs revenaient sans cesse : labrador, bright, oxylabs, serp. Aucune n'est documentée par OpenAI, qui ne parle publiquement que de « third-party search providers ».

Puis le champ a disparu du flux. Du jour au lendemain, sur tous les comptes qu'on surveille. Nous ré-identifions désormais chaque pipeline par ses signatures de format (longueur de snippet, forme des title...), avec un classifieur qui tombe juste environ 98 % du temps. La V5 de notre extension l'embarque en natif. Nous avons aussi fait tourner une flotte de comptes sur plusieurs tiers et plusieurs pays, rejoué les mêmes prompts via l'API d'OpenAI, et publié des pages canari sur notre propre domaine avec les logs serveur complets, pour voir exactement ce que les robots d'OpenAI récupèrent au lieu de le deviner.

Le casting des pipelines

Ce qu'on avait établi avant cette campagne, et qui tient toujours :

• labrador est le hub de retrieval maison d'OpenAI. En plus du web search, il renvoie des résultats news, academia (arXiv), Reddit et YouTube : il fonctionne comme un orchestrateur d'index internes, de dépôts ouverts type Wikipedia et de partenariats presse.
• bright et oxylabs, ce sont des résultats Google scrapés, achetés en live.
• P1/P2/P3 servent le shopping, depuis les feeds marchands propres à OpenAI, avec Google conservé en oracle pour les prix et les avis.
• B1/B3, Yelp et Tripadvisor servent le local, avec une subtilité : les liens affichés aux utilisateurs pointent vers Google Maps.

Le shopping et le local ne touchent jamais au web search. Si vous vendez des produits ou tenez un restaurant, votre bataille se joue dans les feeds marchands et les fiches locales, en plus des citations classiques. Cet article se concentre sur le versant web search, parce que c'est là que sont tombées les surprises.

Étage 1 : l'index, et Bing n'y est pour rien

Commençons par le résultat principal : OpenAI a son propre index web, et ce n'est pas Bing qui l'alimente. On l'a vérifié de trois façons. Seules 1,5 % des URLs labrador apparaissent dans le top 20 de Bing sur les mêmes fan-outs. Aucun snippet labrador ne correspond à un snippet Bing. Et Bing coupe les title à 75 caractères, alors que 24 % des title labrador dépassent allègrement cette limite. Le plus long qu'on ait capturé fait 289 caractères.

Cet index alimente la quasi-totalité des citations search en mode instant, le mode rapide servi aux utilisateurs gratuits. L'exception, ce sont les questions dont la réponse nécessite des données quasi en live (« qui a gagné le match hier soir »), où il partage à peu près 50/50 avec des résultats Google scrapés.

Maintenant, que contient concrètement un résultat de cet index ? Trois choses. L'URL. Le title complet de la page, jamais tronqué, même quand il est absurdement long. Et un snippet d'environ 200 caractères.

La construction du snippet mérite qu'on s'y arrête, parce que c'est l'intégralité du texte de votre page qui atteint le modèle en mode instant. Il est ancré sur votre H1, restitué en majuscules, plus tout le texte visible qui traîne immédiatement autour. Cen'est pas forcément le texte que vous choisiriez... Tout : le libellé de catégorie au-dessus du titre, l'attribut alt de l'image en dessous, la signature, la date de publication, un sommaire s'il est posé là. On a mesuré un cas où le snippet était à 100 % un sommaire et à 0 % du contenu. Ce qui occupe ces 200 caractères sera repris, et rien d'autre, et la meta description est totalement ignorée.

Encore une chose sur ce snippet : il ne dépend pas de la query. La même URL ressort avec le même snippet figé, que l'utilisateur ait demandé un prix, un historique ou des effets secondaires. Il est découpé à l'indexation et servi tel quel jusqu'au crawl suivant.

Au regard des standards du search moderne, c'est assez grossier... Le snippet indépendant de la query, c'est le genre de chose que la recherche web a abandonné il y a une vingtaine d'années, et le voilà en 2026 aux commandes de l'assistant IA le plus utilisé de la planète. On suppose que c'est un provisoire appelé à s'améliorer vite. En attendant, c'est là-dessus que votre contenu est jugé.

En comparaison, les résultats bright ressemblent exactement à ce qu'ils sont, des résultats Google : title coupés vers 60 caractères avec des points de suspension, snippets d'environ 160 caractères, meta description reprise une fois sur trois. Votre meta description ne sert à rien pour labrador et fonctionne toujours pour les pipelines alimentés par Google. 

Un routage économique, pas technique

Pourquoi OpenAI entretient-il les deux ? Le coût est la réponse.

En mode instant, ChatGPT doit répondre en quelques secondes et l'utilisateur ne paie généralement rien. Donc il n'interroge que ce qu'OpenAI possède déjà : le hub labrador. Aucune page n'est ouverte (zéro page ouverte dans 93 % des réponses instant capturées). La réponse est fondée sur des title et des snippets de 200 caractères, rien d'autre.

En mode thinking, l'utilisateur paie un abonnement et accepte d'attendre. Là, les outils chers sont invoqués : classements Google scrapés via bright (75 % des résultats search en thinking), et vraies ouvertures de pages par le robot ChatGPT-User. Une conversation thinking ramène une centaine de résultats répartis sur environ 28 domaines, contre environ 11 résultats en instant.

Tout ce qui coûte à OpenAI de l'argent (payer les prestataires de scraping) ou du temps (ouvrir des URLs, appeler des APIs live) est réservé au mode où les utilisateurs paient et patientent. 

Voilà pourquoi ça compte commercialement : plus de 90 % des utilisateurs de ChatGPT sont au tier gratuit. Gratuit veut dire instant, et instant veut dire labrador. Le pipeline dont personne n'avait entendu parler il y a six mois est celui qui décide de la visibilité dans l'immense majorité des conversations ChatGPT en cours en ce moment même.

Les chiffres du funnel rendent l'enjeu concret. Sur notre corpus, 61 332 URLs ont été remontées dans la sidebar de sources. 5 032 sont devenues la source principale d'une citation. 759 pages ont été réellement ouvertes, toutes en mode thinking. Une page ouverte finit citée 74 % du temps ; une page simplement remontée, mais non ouverte, 7 %.

Étage 2 : un cache de lecture partagé par tout le monde

C'est la partie que Jérôme Salomon a creusée avec nous, et elle a changé notre façon de comprendre « ChatGPT a visité ma page ».

À côté de l'index, ChatGPT entretient un cache de toutes les pages qu'il a fetchées un jour. Pas des snippets : des pages complètes, converties du HTML vers du markdown et stockées comme ça. Le cache est keyé sur l'URL et partagé entre tous les utilisateurs et tous les tiers. Si un utilisateur gratuit à Berlin pose une question sur une page qu'un abonné payant de l'Ohio a fait fetcher la semaine dernière, Berlin reçoit la copie de l'Ohio.

La logique de rafraîchissement est ce que les ingénieurs appellent du stale-while-revalidate. Une copie est considérée fraîche pendant environ 30 minutes. Dans cette fenêtre, tout le monde reçoit la version stockée et votre serveur ne voit rien passer. Au-delà de 30 minutes, l'utilisateur reçoit quand même la copie périmée immédiatement, et un fetch en arrière-plan la rafraîchit pour le suivant. Ce qui veut dire que le rythme de recrawl de vos pages est réglé par un seul signal : la fréquence à laquelle les utilisateurs de ChatGPT les demandent. Les pages populaires restent fraîches. Les autres vieillissent indéfiniment ; Jérôme a documenté des copies servies plus de 90 jours après le fetch, sans plafond d'éviction en vue. Votre header Cache-Control: no-store ? Ignoré. Votre noindex ? Ignoré aussi.

La conversion en markdown a sa propre personnalité. Les scripts, les iframes et le JSON-LD sont supprimés (oui, vos données structurées n'atteignent jamais le modèle par ce chemin). Les alt d'images survivent. Et le texte masqué en CSS est extrait quand même, ce qui veut dire que le robot lit des choses qu'aucun visiteur humain ne voit. On vous laisse méditer les implications, en notant que la détection de cloaking ne semble pas encore être le point fort d'OpenAI.

Deux limites dures encadrent chaque fetch. Le robot n'exécute pas le JavaScript, donc le contenu injecté côté client lui est invisible. Et les pages sont plafonnées à exactement 4Mo. Au-delà, la page n'est pas tronquée. Elle est rejetée d'un bloc avec une HTTP 400, et le modèle ne lit rien du tout. Une page trop lourde n'est pas lue en partie ; elle n'existe pas.

Une surprise se cache dans tout ça : un paramètre de l'API renvoie la date de crawl de la copie stockée d'une URL. Fetchez vos propres pages par ce biais et vous savez quand un utilisateur de ChatGPT a fait lire votre page pour la dernière fois. C'est une vraie métrique d'exposition, presque gratuite, et personne ne la regarde (merci Jérôme Salomon pour la trouvaille !).

L'angle mort analytics

Vous avez sans doute déjà vu utm_source=chatgpt.com dans vos rapports analytics. Ce paramètre est ajouté aux liens cliquables affichés aux utilisateurs. Il traque le clic sortant. Mais toutes les citations n'ont pas ce paramètre de tracking... Nous avons en effet observé que les pages que ChatGPT ouvre de lui-même en mode thinking ne contiennent pas d'utm_source dans les citations présentées aux utilisateurs.

Donc les pages que le modèle a réellement lues en entier, celles qui ont 74 % de taux de citation, ne laissent aucune trace utm. Si vous jaugez votre exposition ChatGPT en filtrant sur ce paramètre, vous comptez les clics et vous ratez les lectures. Surveillez aussi le user-agent ChatGPT-User dans vos logs serveur.

Le mystère : des citations venues de nulle part

Un résultat résiste à l'explication, et on aimerait l'aide de la communauté dessus.

Une partie des résultats qui atteignent le modèle n'ont aucun snippet, juste un title et une URL. On l'a constaté pour les résultats arXiv ou Reddit, qui viennent de bases de données pour lesquelles OpenAI a un accès direct, donc cela ne nous choque pas. Mais il y en a beaucoup d'autres.. Et voilà le plus étrange : en mode instant, les URLs sans snippet (hors Reddit, Youtube, arXiv) sont citées plus que les URLs avec snippet (14,9 % contre 8,2 %). Le modèle préfère citer les pages sur lesquelles il a lu le moins de choses.

Plus étrange encore, certains liens cités ne correspondent à aucun résultat de recherche. Notre hypothèse est que le modèle les écrit depuis sa mémoire paramétrique, la connaissance gravée dans ses poids à l'entraînement. Ce sont presque toujours des racines de domaines connus, consciencieusement suffixées utm_source=chatgpt.com comme si elles sortaient d'une recherche. Une part non négligeable de ce que ChatGPT finit par citer pourrait être simplement ce dont il se souvient, pas ce qu'il a récupéré. On observe le phénomène ; on ne sait pas encore le dimensionner précisément, et on accueillera volontiers les contradicteurs sur ce point.

Une bizarrerie voisine : arXiv a été remonté plus de 2 600 fois dans notre corpus et cité 10 fois. Reddit, même profil. ChatGPT lit des preprints et des forums pour réfléchir, puis montre au lecteur des pages web ordinaires. Être récupéré et être cité sont deux marchés différents.

Alors, faut-il écrire des title de 289 caractères ?

Soyons francs sur la tentation. Le title complet atteint le modèle sans troncature, donc il fait partie de votre budget de grounding. Les 200 caractères après votre H1 sont le seul texte du corps que le modèle voit en mode instant, donc décaler les libellés de catégorie, les dates et les widgets coincés entre votre H1 et votre première phrase utile améliore directement ce que ChatGPT sait de votre page. Ces deux leviers sont réels, mesurés, actionnables aujourd'hui.

Actionnez-les avec légèreté. Écrivez le title comme une phrase autoportante plutôt que comme un libellé optimisé pour la troncature. Faites porter votre message de fond par les 200 premiers caractères après le H1. Gardez un alt informatif près du haut de page. Gardez votre meta description quand même, parce que les pipelines alimentés par Google s'en servent toujours. Restez sous les 4 Mio et lisible sans JavaScript.

Mais ne reconstruisez pas votre site autour d'une bizarrerie. Tout ce que décrit cet article est un système qui évolue très vite : le champ result_source a disparu du jour au lendemain, les providers shopping ont été anonymisés la même semaine, et les tokens Google Shopping sont passés de lisibles à chiffrés en quatre jours. N'importe quel mécanisme documenté ici peut avoir disparu le temps que vous déployiez.

Deux faits structurels, en revanche, sont solides. Un : les LLMs ont un knowledge avec une date de cutoff, après laquelle ils ne connaissent plus rien, ils sont donc condamnés à s'appuyer sur des moteurs de recherche pour combler l'écart entre leurs données d'entraînement et aujourd'hui. Le retrieval restera une dépendance permanente de tout assistant IA. Deux : tous les moteurs sur lesquels ils s'appuient seront poussés vers une qualité de niveau Google, parce qu'un index rudimentaire produit des réponses rudimentaires et que les utilisateurs le remarquent. Le snippet de 200 caractères ne fera sans doute pas long feu... Le besoin d'être la meilleure réponse, non. C'est pour ça que les fondamentaux classiques, des pages crawlables, des title clairs, du contenu qui répond vraiment à la question, continuent de payer quelle que soit la plomberie.

La bataille durable : posséder les réponses aux vraies questions

Optimiser la mécanique du snippet, c'est de la tactique. La stratégie est en amont : savoir ce que les gens demandent réellement aux assistants IA, et être la source qui y répond.

Personne ne demande à ChatGPT « une poussette avec un châssis de 49 cm de large ». On lui demande « une poussette qui passe les portiques du métro ». Personne ne cherche la dureté de la mousse d'un casque audio ; on demande quel casque reste confortable quand on porte des lunettes. On demande quel canapé survit à un chat qui fait ses griffes. Cet écart entre la langue des fiches techniques et la langue des humains est exactement là où se joue la visibilité IA, parce que les assistants répondent à des questions conversationnelles avec le contenu qui s'y apparie le mieux.

Vous possédez déjà la moitié du corpus qui révèle ces questions : les avis clients, les conversations du support, les emails que vous recevez chaque jour, les enquêtes que personne n'a rouvertes. L'autre moitié vit hors de vos murs, dans ce qui se dit de vos produits sur les forums, les plateformes sociales, en vidéo, dans la presse et sur les blogs. Lisez les deux versants et les key benefits et pain points de vos produits ressortent dans les mots de vos clients, qui sont aussi les mots qu'entendent les assistants IA. Exploitez cette langue, répondez-y sur des pages que les robots peuvent lire, et vous optimisez pour tous les systèmes de retrieval à la fois, y compris ceux qu'OpenAI n'a pas encore construits.

Ce qui reste ouvert

Nous ne savons pas quel robot alimente l'index labrador ; nos pages canari ont vu OAI-SearchBot quasi muet pendant que l'index continuait de servir des résultats. Reddit est le cas facile, puisqu'OpenAI dispose d'un accès temps réel à la data API de Reddit via leur partenariat de 2024 ; YouTube est une autre histoire, sans accord public ni empreinte visible expliquant comment ces résultats entrent. Et la sur-citation des URLs sans snippet reste expliquée par une hypothèse.

La stack d'OpenAI devient de plus en plus difficile à observer. Des champs disparaissent du flux, des providers sont anonymisés, le routage change d'une semaine à l'autre, et l'ensemble se complexifie au fil du temps. Nous avons tout publié, méthodologie comprise, précisément pour que d'autres puissent challenger ces résultats ou pousser plus loin. L'étude complète, avec les données derrière chaque chiffre de cet article, est sur think.resoneo.com/chatgpt-retrieval.

L’article "Dans la stack de retrieval de ChatGPT : l’index, le cache, et les pages qu’il lit vraiment" a été publié sur le site Abondance.

L’article "Goossips SEO : Metadonnées" a été publié sur le site Abondance.

Les utilisateurs de ChatGPT sont restés sur Google

Le rapport Similarweb, basé sur des données collectées entre mars et mai 2026, part d'un constat simple : l'immense majorité des utilisateurs de ChatGPT n'ont pas quitté Google, ils ont ajouté un outil supplémentaire à leurs habitudes. Sur 494 millions d'utilisateurs de ChatGPT suivis, 461 millions utilisent aussi Google sur la même période. Même en tenant compte d'une croissance de 57% en un an du côté des chatbots IA, la recherche traditionnelle reste très largement dominante en volume.

Du côté des citations, la progression est réelle mais reste marginale en proportion. Le taux de réponses ChatGPT contenant un lien externe est passé d'environ 1% à 6,8% en un an aux États-Unis, une multiplication par cinq qui traduit un changement de fond, mais qui signifie aussi que 93 réponses sur 100 ne renvoient encore vers aucun site.

Le point le plus utile du rapport concerne le décalage entre les pages citées par l'IA et les pages effectivement visitées par les internautes. Aleyda Solis (Orainti) souligne que les deux populations d'URL se recoupent très peu : l'IA cite des pages profondes qui servent de preuve à sa réponse, mais le trafic humain atterrit majoritairement sur la page d'accueil. Une conséquence concrète pour le suivi de performance : mesurer uniquement le taux de citation ne dit rien de ce qui se passe une fois que l'internaute clique réellement.

L’IA générative n’est pas seulement un effet de mode

En parallèle, plusieurs signaux indiquent que l'adoption des IA génératives dépasse le simple effet de mode. Les visites mensuelles sur les plateformes IA ont atteint 9,5 milliards entre juin 2025 et mai 2026 (+70% sur un an), et la moitié des utilisateurs a désormais plus de 35 ans, contre 61% de moins de 34 ans il y a deux ans seulement. Meta AI illustre aussi cette dynamique : ses utilisateurs actifs mensuels sont passés de 384 millions en septembre 2024 à 1,2 milliard en mars 2026, sans exister comme destination autonome mais en s'appuyant sur Instagram, Facebook, WhatsApp et Messenger.

Enfin, la visibilité dans les réponses IA varie fortement d'une marque à l'autre au sein d'un même secteur, comme le montre l'écart entre CeraVe (indice de visibilité de 100) et NYX Cosmetics (19) dans la beauté. Kevin Indig (Growth Memo) recommande de raisonner en part de voix plutôt qu'en score absolu, une approche jugée plus pertinente dans un système par nature aléatoire comme les réponses génératives.

L’article "Recherches IA vs Google : ce que révèle le rapport Similarweb 2026" a été publié sur le site Abondance.

Une nouveauté déjà annoncée

Ce lancement fait suite à une première annonce faite au début du mois de juillet. Google avait alors introduit les propriétés de plateforme à titre expérimental, avant de les généraliser aujourd'hui à l'ensemble des utilisateurs de Search Console, partout dans le monde.

Concrètement, cette fonctionnalité s'adresse à tous ceux qui publient au-delà de leur seul site web. Elle offre une vision jusqu'ici absente de Search Console : celle de la performance des posts sociaux et vidéo dans les résultats de recherche Google, qu'il s'agisse de la recherche classique (Search), de Discover ou de Google News.

Pour accompagner ce déploiement, Google publie également un guide consacré à l'analyse des contenus sociaux et vidéo. Il s'adresse aussi bien aux créateurs de contenu qu'aux community managers ou aux professionnels du SEO, et détaille plusieurs usages pratiques.

La fonctionnalité en détails

Le rapport Insights permet d'abord d'identifier les groupes de requêtes qui envoient du trafic depuis la Recherche Google vers les contenus sociaux et vidéo, en distinguant celles qui progressent, celles qui reculent et celles qui restent stables. Cette lecture des thématiques de recherche aide à comprendre les centres d'intérêt de l'audience et peut inspirer de nouveaux sujets de vidéos, de légendes ou de hashtags.

Le filtre sur 24 heures sert quant à lui à repérer les pics de trafic soudains provenant de la Recherche Google vers des publications récentes, ce qui permet ensuite de relayer ce contenu en tendance sur d'autres plateformes.

Autre usage mis en avant : l'export des données de performance de plusieurs propriétés dans un même tableur, pour comparer côte à côte les résultats sur YouTube, Instagram, X ou TikTok.

Le guide évoque aussi l'optimisation des contenus existants. Search Console peut aider à repérer d'anciennes vidéos qui regagnent en visibilité dans la recherche, ce qui peut orienter la décision d'épingler un contenu en avant sur un flux social ou vidéo, ou d'en produire une suite. Les annotations de Search Console permettent en complément de suivre l'effet de modifications externes, comme la réécriture d'un titre YouTube ou d'une légende TikTok, sur les performances de recherche dans le temps.

Enfin, les filtres de page et le mode de comparaison offrent la possibilité de confronter différents formats, par exemple pour évaluer une playlist vidéo ou comparer la performance de vidéos courtes face à des vidéos longues.

Google indique que les retours des utilisateurs peuvent être transmis via le lien « Envoyer des commentaires » dans Search Console, directement sur la page de documentation, sur LinkedIn ou via la communauté Google Search Central.

L’article "Google Search Console ouvre enfin les données de vos posts Instagram, TikTok, X et YouTube" a été publié sur le site Abondance.