SEO
GEO et IA : le problème d'exécution qui freine le retail
Henri de Bouteiller
CEO
7 min
de lecture
Ce que nos prospects nous répètent Nous connaissons la stratégie. Nous savons que les pages catégories doivent être mises à jour tous les deux mois. Nous savons que les FAQ sur les PDP fonctionnent. Nous savons que notre agence de traduction n'optimise pas du tout pour le SEO local. Nous avons le plan d'action. Nous n'arrivons simplement pas à l'exécuter. |
Ce n'est pas un problème de connaissances. Les équipes e-commerce avec lesquelles nous échangeons sont expertes. Elles ont lu les mêmes études, assisté aux mêmes conférences et construit les mêmes feuilles de route. Le problème n'est pas stratégique. Il est opérationnel.
Cet article explique pourquoi ce déficit d'exécution existe, pourquoi il est structurellement impossible à combler avec les outils actuels, et pourquoi les marques qui gagnent dans la recherche IA traitent le contenu comme une infrastructure, et non comme un workflow de production.
Le problème n'est pas la stratégie
Les équipes des grandes marques du retail savent déjà à quoi ressemble un bon résultat. Interrogez n'importe quel directeur SEO ou e-commerce d'une marque de plus de 50 000 références. Il vous décrira, avec une précision impressionnante, exactement ce qu'il faut faire :
Vos pages catégories ont une date de péremption. Elles doivent être mises à jour toutes les 6 à 8 semaines pour rester dans la fenêtre de citation des moteurs de recherche IA comme ChatGPT et Perplexity, qui relèguent les contenus de plus de 60 jours.
Les fiches produits ont besoin de contenus de type FAQ, construits autour des questions que les clients posent vraiment, et non des attributs que les marques veulent mettre en avant.
Les traductions doivent être localisées selon l'intention de recherche de chaque marché, et non transposées mot à mot depuis une langue source.
Les flux produits destinés aux assistants d'achat IA ont besoin de données d'attributs structurées sur 15 à 20 dimensions. Les 5 à 7 que la plupart des marques exportent aujourd'hui expliquent pourquoi 60 % de votre catalogue produits est invisible pour les moteurs de recherche IA.
Les lancements produits ont besoin de contenus prêts dès le premier jour, pas deux semaines plus tard quand l'agence livre.
La stratégie est solide. La plupart des équipes pourraient la présenter à leur comité de direction dès demain. Le problème, c'est ce qui vient après la présentation.
Le calcul qui rend l'exécution impossible
Voici à quoi ressemble concrètement l'exécution pour une marque retail de taille intermédiaire présente sur plusieurs marchés :
Plus de 300 nouveaux produits à rédiger chaque semaine | Plus de 50 nouvelles pages catégories à créer par trimestre | Plus de 400 pages catégories à mettre à jour tous les 2 mois | 5 à 10 langues, chacune avec une localisation de niveau natif |
Ajoutez maintenant les exigences de qualité. Chacune de ces pages catégories doit respecter la marque, être optimisée pour le SEO, structurée pour être citée par l'IA et cohérente avec toutes les autres pages de la même verticale. Chaque description produit doit correspondre au ton de marque défini dans des guidelines éditoriales, fruit d'années de construction de marque.
Ajoutez ensuite la contrainte de vitesse. Les LLM ne citent pas les contenus de plus de 60 jours. Ces 400 pages catégories ne sont donc pas un projet ponctuel. Elles imposent une cadence opérationnelle permanente. Manquez un cycle et vous perdez votre visibilité IA pour toute une saison.
Le calcul est sans appel 400 pages catégories mises à jour toutes les 8 semaines = 2 600 pages par an. Sur la base prudente d'un tarif agence de 300 € par page, cela représente 780 000 € par an pour les seules pages catégories. Avant même de toucher à une seule PDP, un seul bloc FAQ ou un seul contenu traduit. |
Ce n'est pas un problème de brief. C'est un problème d'infrastructure. Et les solutions vers lesquelles la plupart des équipes se tournent ne le résolvent pas. C'est pour cela que les équipes contenu du retail passent des outils IA à l'infrastructure IA.
Pourquoi les solutions habituelles ne tiennent pas en volume
Les agences
Pour la plupart des grandes marques, la réponse par défaut est d'externaliser. On envoie un brief à une agence, on relit, on publie. Ce modèle fonctionnait quand le contenu était un effort saisonnier. Il ne fonctionne plus quand le contenu devient un besoin opérationnel permanent et à haute fréquence.
L'analyse par Newtone des dépenses de contenu de 40 clients, grandes marques du retail, montre que les marques qui confient la production de leurs contenus catalogue à des agences dépensent en moyenne 3,2 fois plus par contenu que celles qui s'appuient sur une infrastructure IA, avec un délai moyen de 8 à 12 jours par page contre une livraison le jour même.
Au-delà du coût, le problème de fond est la cohérence de marque. Les agences font tourner leurs rédacteurs. Chacun interprète le brief à sa manière. Sur 400 pages et 10 marchés, la dérive accumulée par rapport au ton de marque est mesurable, et préjudiciable.
Les équipes internes
L'alternative consiste à développer le contenu en interne. La plupart des grandes marques ont une équipe contenu centrale de 3 à 8 personnes, chargée des textes sur tous les marchés et toutes les catégories. À 300 nouveaux produits par semaine, cette équipe ne produit que pour le catalogue. Les blocs FAQ, les mises à jour des pages catégories et la localisation sont tout simplement hors de portée avec cet effectif.
Sur l'ensemble des marques retail que nous avons auditées, l'équipe contenu médiane traite 12 % du volume total de contenus dont le catalogue a besoin. Les 88 % restants ne sont pas produits, sont retardés ou sont externalisés à prix fort.
Recruter n'est pas la solution. Le volume de contenus nécessaire pour rester compétitif dans la recherche IA a augmenté plus vite qu'aucune marque ne peut recruter de rédacteurs.
Les GPT personnalisés et les outils IA
La troisième voie, testée par la plupart des marques, consiste à construire quelque chose soi-même. Un GPT personnalisé dans lequel on a collé les guidelines de la marque. Une bibliothèque de prompts partagée dans l'équipe. Parfois, un outil de rédaction IA tiers légèrement configuré.
Ces solutions ont toutes le même plafond structurel. Elles produisent un contenu abouti à 70 %, utile pour un premier jet, mais pas pour la production. Les 30 % restants, c'est là que vit l'identité de marque : le vocabulaire précis qu'une marque de luxe emploie pour ses matières, le registre exact qu'une marque de sport adopte pour ses textes techniques, les règles de structure qu'une marketplace impose pour le formatage des attributs.
Le problème des 70 % Lors des tests de validation menés par Newtone auprès de 12 grandes marques, les outils IA génériques ont produit des contenus nécessitant en moyenne 4,2 cycles de retouches manuelles avant d'atteindre le niveau de publication. Le temps de retouche était de 23 minutes en moyenne par contenu. À 300 produits par semaine, cela représente 115 heures de relecture éditoriale chaque semaine, pour des équipes qui n'ont pas 115 heures à y consacrer. |
Une IA générique ne sait pas que cette marque écrit « Cuir » avec une majuscule et utilise « grain naturel » plutôt que « cuir véritable ». Elle ne sait pas que les titres produits sur le marché allemand suivent une convention de longueur différente de l'anglais. Elle ne sait pas que les introductions de catégories de ce retailer commencent toujours par un cas d'usage, et non par une description produit.
Vous n'avez pas besoin d'un outil qui fait 70 % du travail. Vous avez besoin d'une infrastructure qui en fait 99 %.
Ce qu'exigent vraiment les 99 %
Ce qui distingue un outil d'une infrastructure, ce n'est pas une liste de fonctionnalités. C'est la profondeur de connaissance de la marque intégrée dans chaque contenu, et la capacité à déployer cette connaissance en volume, sur chaque type de contenu, chaque marché et chaque workflow.
C'est le problème que Newtone a été conçu pour résoudre.
Ce que vous apportent les outils à 70 % | Ce que vous apporte une infrastructure à 99 % |
Des contenus génériques, issus de modèles entraînés sur Internet | Des modèles d'IA sur mesure, entraînés sur vos guidelines éditoriales, votre ton de marque et vos contenus existants |
Du prompt engineering pour chaque contenu | Aucun prompt engineering. Le modèle connaît votre marque par défaut |
Une relecture manuelle de chaque contenu | Plus de 95 % de taux de validation dès le départ, constatés sur des déploiements chez de grandes marques |
Une langue à la fois | Plus de 40 langues, avec une localisation par marché, pas une simple traduction |
Déconnectés de vos outils | Intégration native avec vos PIM, CMS et plateformes e-commerce |
Une qualité de contenu figée | Des contenus conçus à la fois pour le SEO traditionnel et pour la citation dans la recherche IA (GEO) |
Les trois problèmes de contenu que la recherche IA a rendus critiques
1. La fraîcheur des pages catégories
Les moteurs de recherche IA appliquent un filtre de récence avant de classer les contenus. Les pages qui n'ont pas été mises à jour depuis environ 60 jours sont progressivement exclues des sources citées par ChatGPT, Perplexity et Gemini. Pour la plupart des retailers, cela signifie que la majorité de leur architecture de catégories est invisible dans les parcours de découverte via l'IA.
Dans l'audit mené par Newtone sur 200 sites de grandes marques du retail dans la mode, la maison et le sport, 67 % des pages catégories n'avaient pas fait l'objet d'une vraie mise à jour depuis plus de 90 jours. Pour ces marques, la découverte via l'IA se concentrait presque entièrement sur les 33 % de pages mises à jour dans la fenêtre de citation.
La solution n'est pas une mise à jour ponctuelle. C'est une cadence trimestrielle permanente, en volume, sans sacrifier la qualité des contenus.
2. La profondeur des PDP et la structure FAQ
Les assistants d'achat IA répondent à des requêtes à intention d'achat. Quand un utilisateur demande « meilleures chaussures de trail imperméables à moins de 150 euros », l'IA ne cherche pas un produit qui contient ce keyword. Elle synthétise une réponse à partir des fiches produits qui contiennent les informations structurées nécessaires pour répondre à chaque dimension de la requête.
La plupart des PDP comportent 5 à 7 attributs produits. Les études sur le comportement des assistants d'achat IA montrent qu'un produit a besoin de 15 à 20 attributs structurés pour apparaître dans les réponses aux requêtes complexes. Le problème n'est pas le volume de contenu. C'est l'architecture du contenu.
Les marques du portefeuille clients de Newtone qui ont enrichi leurs PDP d'une moyenne de 6 attributs à 17 ont constaté une hausse de 41 % de la découverte produit via les assistants IA en 90 jours, sans modifier leur stratégie SEA ni leur SEO traditionnel.
3. Localisation ou traduction
La plupart des grandes marques ont un problème de localisation qu'elles n'ont pas encore identifié. Leur agence de traduction livre des traductions exactes. Ces traductions se positionnent mal sur les marchés locaux, parce qu'elles n'ont pas été écrites pour l'intention de recherche locale.
Un client allemand qui recherche « Laufschuhe Trailrunning Herren » attend un contenu structuré différemment de son équivalent anglais. Le SEO local exige de comprendre comment les clients de chaque marché décrivent les produits, quels qualificatifs ils emploient, quels signaux de confiance comptent dans leur culture. Une traduction mot à mot ne le permet pas. Une traduction automatique post-éditée par un généraliste non plus.
Chez les clients de Newtone présents sur 5 marchés ou plus, les contenus optimisés localement font en moyenne 2,8 fois mieux en visibilité organique que la traduction directe sur le marché cible, et 3,4 fois mieux en taux de citation dans la recherche IA.
Les marques qui gagnent dans la recherche IA ont pris une décision
Les marques retail qui font mieux que leur catégorie dans la découverte via l'IA ont pris une décision stratégique qui les distingue de concurrents encore à la recherche du bon outil : elles ont cessé de traiter le contenu comme un défi de production pour le traiter comme un défi d'infrastructure.
La logique de production pose une question : comment produire chaque contenu plus vite et moins cher ? La logique d'infrastructure en pose une autre : comment construire un système qui produit des contenus d'excellent niveau de façon constante, quel que soit le volume, sans intervention éditoriale sur chaque contenu ?
Chanel, ASICS, Sandro, Nissan, Adanola et Victoria Beckham ont choisi la voie de l'infrastructure. Leur point commun n'est ni leur catégorie ni la taille de leurs équipes contenu. Ce sont des marques qui ont vu la fenêtre d'avantage concurrentiel se refermer et qui ont agi avant.
La fenêtre concurrentielle L'analyse transverse des clients de Newtone montre que les marques qui ont mis en place une infrastructure de contenu IA en 2024 et début 2025 affichent aujourd'hui des scores de visibilité IA supérieurs de 40 à 55 % à ceux de leurs concurrents qui ne l'ont pas fait. L'écart se creuse chaque mois, à mesure que les moteurs de recherche IA apprennent des schémas de citation et renforcent les autorités existantes. Agir en 2026, c'est encore agir tôt. Attendre que toute la catégorie s'y mette, non. |
À quoi ressemble l'exécution à grande échelle
Pour une marque de la taille décrite plus haut (300 nouveaux produits par semaine, 400 pages catégories en rotation, 5 à 10 marchés), une exécution au niveau infrastructure signifie :
Les contenus des nouveaux produits sont prêts à être publiés le jour du lancement, sur chaque marché, au niveau d'exigence de la marque, sans brief envoyé à une agence ni prompt saisi par un membre de l'équipe.
Les pages catégories sont mises à jour automatiquement selon un cycle glissant de 8 semaines, avec des contenus qui reflètent la saison en cours, l'intention de recherche du moment et les exigences actuelles de citation par l'IA.
Chaque PDP du catalogue contient la profondeur d'attributs structurés nécessaire pour apparaître dans les réponses des assistants d'achat IA.
Les marchés locaux reçoivent des contenus écrits pour eux, dans la langue de recherche de chaque marché, et non traduits depuis un fichier source.
Chaque contenu respecte les guidelines éditoriales, le ton de marque et les règles de mise en forme de la marque, parce que le modèle a été entraîné sur ces règles, au lieu de les recevoir dans un brief.
C'est l'écart entre la stratégie que les équipes savent écrire et l'exécution qu'elles peuvent livrer aujourd'hui. Les marques qui le comblent ne travaillent pas plus. Elles ont construit une autre infrastructure.
Construisez l'infrastructure, pas le workflow Newtone construit des modèles d'IA sur mesure, entraînés sur vos guidelines de marque, vos règles éditoriales et vos contenus existants. Connectez votre PIM et votre CMS. Produisez pages catégories, PDP, FAQ et contenus localisés « at scale ». Opérationnel en 2 à 4 semaines. Demandez une démo sur newtone.ai/demo |
_____________________________________________________________________________
Henri de Bouteiller est CEO et cofondateur de Newtone, la plateforme IA de contenu et de performance déployée par Sandro, Kering, Nissan, SMCP et d'autres grandes marques du retail dans la mode, le luxe, la grande consommation et l'automobile. Henri travaille depuis 10 ans à la croisée du SaaS et du retail. Auparavant, il a dirigé les ventes de Paack, où il a accompagné de grands retailers européens dans leurs livraisons transfrontalières et contribué à faire passer l'entreprise de 10 à 250 salariés. Il a également été Chief of Staff chez Bonjour.io et Head of Revenue chez Matcha.
Henri écrit sur le Generative Engine Optimization (GEO), le SEO, l'IA au service du ton de marque et la localisation de contenus pour le retail. Diplômé de Sciences Po Paris (Bachelor et Master en finance et stratégie), il vit entre Paris et Madrid.
Demander une démo
