Andrew Bolton démonte les illusions des scores GEO

Andrew Bolton critique les scores de visibilité des marques dans les moteurs d’IA générative. Dans un article publié le 18 août 2026 par Adweek, le directeur de l’expérience client de Knotch les décrit comme des mesures potentiellement trompeuses. Selon lui, la visibilité dans les réponses des grands modèles de langage ressemble à l’ancienne présence en première page de Google. Les spécialistes du marketing ont donc rapproché le GEO du SEO. Bolton précise toutefois que le GEO ne répond pas aux mêmes leviers techniques. Il estime que les modèles absorbent l’information via de nombreux points de contact marketing. Aucune tactique isolée ne ferait donc progresser régulièrement cette visibilité.

Les plateformes testent des requêtes synthétiques à grande échelle, puis organisent leurs résultats dans des tableaux de bord marketing. Ces tests couvrent seulement des dizaines ou des centaines de permutations, selon Bolton. Ils représentent ainsi un échantillon inférieur aux requêtes produites par de véritables utilisateurs. Les plateformes transforment ensuite ces sorties en « scores », ce qui donne une apparence de précision. L’auteur affirme que ces outils mesurent une marque face à un petit test synthétique. Ils ne mesurent pas directement les requêtes humaines réelles. Cette limite concerne la couche de mesure utilisée pour guider les recommandations GEO. Bolton rapporte aussi qu’une cliente utilisant quatre outils obtient quatre diagnostics matériellement différents.

L’IAB fixe un seuil de mesure

Le cadre de l’IAB renforce cette réserve. L’organisation a publié ce mois-ci un cadre de mesure de la visibilité à l’ère de l’IA. Selon ce cadre, les programmes comportant moins de 50 requêtes ne sont même pas assez solides pour fournir une indication directionnelle. Andrew Bolton affirme que la plupart des fournisseurs du marché fonctionnent très en dessous de ce volume. Il juge leurs données insuffisantes pour caractériser une catégorie, et encore moins pour prendre des décisions rigoureuses. L’article rapporte également que deux fournisseurs évaluant la même marque peuvent produire des résultats suffisamment divergents pour devenir inutilisables. Bolton décrit alors les stratégies fondées sur ces scores comme des suppositions accompagnées d’un tableau de bord.

Les recommandations divergent aussi dans les présentations commerciales. Bolton raconte avoir observé deux agences proposer une stratégie GEO à une grande banque. Les deux agences arrivaient à des recommandations opposées. Chacune s’appuyait pourtant sur des données présentées comme contradictoires avec celles de l’autre. L’auteur précise que cet exemple ne relèverait pas d’un simple incident isolé. Il reprend l’observation de l’IAB selon laquelle deux prestataires peuvent mesurer une même marque avec des résultats très éloignés. Bolton invite donc les responsables marketing à déplacer leur question. Plutôt que de demander seulement comment apparaître dans les réponses d’IA, ils devraient examiner ce qui se produit après l’arrivée d’un visiteur référé par une plateforme d’IA.

Les sites accueillent deux publics

Les visiteurs issus d’une IA arrivent, selon Bolton, après une conversation et des questions complémentaires. Ils ont déjà formé un point de vue avant d’atteindre la page d’accueil. L’auteur leur attribue donc davantage de contexte et d’intention que le trafic de recherche traditionnel. Il estime que la plupart des sites ne sont pas conçus pour ce type de visite. Des clients de Knotch ont tenté d’améliorer leurs scores GEO en adoptant des formats plus faciles à lire pour les grands modèles de langage. Bolton rapporte que ces modifications peuvent dégrader l’expérience humaine, ainsi que l’engagement et les conversions. Il propose plutôt une infrastructure « native pour l’IA », avec une interface adaptée au visiteur et une couche lisible par les systèmes d’IA.