AEO : Answer/Agentic Engine Optimization
L’AEO, ou Answer Engine Optimization, désigne les pratiques visant à rendre un contenu plus facile à retrouver, à comprendre et à utiliser dans une réponse. L’objectif est d’être correctement repris et, lorsque le service affiche ses sources, cité. L’optimisation agentique ajoute une autre question : après avoir trouvé l’information, l’agent peut-il accomplir une action autorisée et fiable ?
Cette distinction permet de travailler la visibilité sans confondre trois résultats : apparaître dans une recherche, être utilisé comme source et être sélectionné pour répondre à un besoin commercial.
Chez MYA, nous proposons de relier ces enjeux : créer une préférence, apporter des preuves et permettre l’action. Le SEO reste une fondation. L’AEO, le GEO et le B2A permettent d’aborder les différents usages des réponses et des agents IA, sans constituer des garanties de classement.
AEO : quelle différence entre moteurs de réponse et agents IA ?
Un moteur de réponse synthétise une information pour répondre à une question. Un agent peut également utiliser des outils pour accomplir une tâche. Ce sont deux capacités à distinguer, même lorsqu’elles sont proposées dans une même interface.
Dans son guide consacré au commerce, Microsoft emploie la formulation Answer/Agentic Engine Optimization. Nous utilisons ici « Answer » pour la qualité de la réponse et « Agentic » pour la capacité d’action. C’est une distinction de travail, pas une nomenclature universelle.
La différence se comprend avec deux demandes :
« Comment choisir une brosse selon son type de cheveux ? »
Cette question appelle une explication.
« Compare les modèles qui répondent à mes critères et prépare un panier sans payer. »
Cette demande ajoute une tâche, des contraintes et une limite d’autorisation.
Une réponse peut citer un article sans recommander son éditeur. Une recommandation peut mentionner une marque sans citer sa page. Une sélection peut aussi ne jamais aboutir à un achat. Ces situations doivent être mesurées séparément.
SEO, AEO, GEO et B2A : de quoi parle-t-on ?
Le tableau suivant présente notre grille de lecture. Les périmètres se recouvrent : il ne s’agit pas de quatre silos indépendants.
| Notion | Ce que l’on cherche à améliorer | Exemple |
|---|---|---|
| SEO — Search Engine Optimization | La découverte, l’accès et la visibilité des pages dans la recherche. | Une page répond à une recherche pertinente et peut être trouvée. |
| AEO — Answer Engine Optimization | La qualité et la réutilisabilité d’une réponse à une question. | Une explication est correctement reprise et attribuée. |
| GEO — Generative Engine Optimization | La visibilité d’un contenu dans les réponses générées. | Une page figure parmi les sources d’une synthèse. |
| B2A — Business-to-Agent | La capacité d’une entreprise à interagir avec l’agent mandaté par un client. | Une offre est vérifiée et une demande est préparée. |
Le GEO fait notamment l’objet du travail de recherche Generative Engine Optimization, présenté à KDD 2024. Ses résultats expérimentaux ne constituent pas une promesse applicable à chaque site ou à chaque plateforme.
Pour Google Search, les fondamentaux du SEO restent applicables aux fonctionnalités génératives. Une page servant de lien source doit notamment être indexée et éligible à l’affichage d’un extrait.
Le B2A ne remplace pas les relations B2C ou B2B : il ajoute une interaction avec des agents représentant les clients.
Les quatre piliers pour préparer ses contenus à l’AEO
1. Répondre clairement, puis expliquer les conditions et les limites
Commencez par la réponse utile à votre lecteur. Développez ensuite les critères, les exceptions et les sources nécessaires pour la comprendre correctement.
Pour une comparaison, précisez ce qui est comparé. Pour une méthode, indiquez à quel contexte elle s’applique. Pour un résultat chiffré, donnez la date, le périmètre et le mode de calcul.
Des titres explicites, un tableau pertinent ou une réponse courte peuvent faciliter la lecture. Mais il n’existe pas de longueur magique ni d’obligation de découper chaque contenu en petits fragments : Google le précise dans son guide d’optimisation pour les fonctionnalités génératives.
Le critère éditorial proposé par MYA : peut-on reprendre l’information sans en perdre la source, le contexte ou les limites ?
2. Structurer les informations sans promettre un effet automatique du balisage
Pour un article, les types Article ou BlogPosting peuvent décrire le titre, l’auteur, les dates et l’image représentative. Ces informations doivent correspondre à la page et à sa responsabilité éditoriale réelle.
Le balisage ne prouve pas l’exactitude d’une affirmation. Google ne demande pas de schéma spécifique pour apparaître dans ses fonctionnalités génératives et ne garantit pas l’inclusion d’une page.
Il faut aussi distinguer une FAQ utile au lecteur du résultat enrichi associé à son balisage. Google a retiré les résultats enrichis FAQ de Search à partir du 7 mai 2026. Ajouter une FAQ ne doit donc pas être vendu comme un moyen de les obtenir.
3. Apporter une information originale et vérifiable
L’« information gain » ne consiste pas à allonger un texte ou à lui donner un ton plus affirmatif. Pour MYA, il s’agit d’ajouter quelque chose que le lecteur peut réellement utiliser : une observation documentée, une méthode expliquée, une comparaison originale ou une analyse issue d’un travail identifiable.
Une capture d’écran datée, par exemple, peut illustrer une erreur de description. Elle ne démontre pas à elle seule la fréquence de cette erreur. Un avant/après peut montrer un changement, sans prouver que ce changement résulte uniquement de l’intervention réalisée.
Google recommande de privilégier des contenus apportant une expérience ou un éclairage propre, plutôt que de recycler des informations génériques.
Pour publier un cas de mesure, nous recommandons d’indiquer les questions testées, les interfaces, les dates, les répétitions, les critères de lecture et les limites.
Un exemple fictif doit rester présenté comme fictif ; un résultat client ne doit être annoncé qu’après vérification et autorisation de publication.
4. Décrire le contexte, les entités et les différences utiles
Une information précise ne se résume pas à davantage de synonymes. Elle indique de quel produit, service, marché, usage ou problème elle parle.
Nous recommandons d’organiser les contenus autour de questions concrètes : à qui s’adresse cette offre, à quelles conditions, avec quelles différences par rapport aux alternatives et quelles informations restent à confirmer ?
Pour une marque de beauté, cela suppose notamment de distinguer une caractéristique documentée, une recommandation du fabricant et un résultat issu d’un test. Leur statut ne doit pas disparaître au moment de la reformulation.
Cette précision permet aussi de produire des contenus cohérents entre pages catégories, fiches produits, guides et informations transmises aux distributeurs. Elle évite de laisser au lecteur le soin de résoudre des contradictions.
Du contenu au B2A : rendre l’action possible sans abandonner le site
Le site ne doit pas être remplacé par des endpoints. Il peut être complété par des points d’accès à des informations ou à des fonctions utiles.
Un endpoint est une adresse d’interface donnant accès à une ressource ou à une opération. Dans un parcours commercial, il peut servir à consulter une disponibilité, calculer une offre ou préparer une demande.
Une partie des agents peut aussi naviguer sur le site lui-même. Google décrit des usages du HTML, de l’arbre d’accessibilité et des captures de page par les agents de navigation. Une interface claire et accessible reste donc importante.
Dans la documentation du commerce agentique d’OpenAI, les informations produits, le checkout et le paiement correspondent à des échanges distincts. L’existence du protocole ne signifie pas que chaque marchand dispose automatiquement de l’intégration : Instant Checkout reste soumis à l’approbation des partenaires.
Il faut également distinguer les outils techniques. MCP connecte des applications IA à des outils et des données. A2A organise la communication entre agents. Un agent qui interroge un catalogue n’est pas nécessairement dans un échange A2A.
La priorité dépend du besoin : pour un article explicatif, nous privilégions d’abord la qualité et l’accessibilité de la page. Pour un parcours commercial, nous ajoutons les contrôles de disponibilité, de conditions et d’autorisation nécessaires.
Déployer un serveur MCP n’est pas un raccourci vers la citation.
Exemple beauté : créer une préférence, apporter des preuves, permettre l’action
Le scénario suivant est illustratif. Il ne correspond ni à un produit précis ni à un résultat client mesuré.
Une cliente formule cette demande :
« Je cherche une brosse adaptée aux cheveux fins, sans poils d’origine animale, à moins de 60 € livraison comprise en Espagne. Prépare les options, mais n’achète rien. »
Nous organiserions le travail en trois responsabilités :
| Responsabilité | Travail proposé | Ce qui doit être vérifié |
|---|---|---|
| Créer une préférence | Expliquer les gestes, les matériaux et les différences entre modèles à travers un guide et des démonstrations. | Les arguments correspondent à des caractéristiques réelles et à des critères utiles. |
| Apporter des preuves | Associer chaque référence à ses matériaux, aux usages annoncés et aux sources de ces informations. | Les faits, recommandations et éléments inconnus restent distingués. |
| Permettre l’action | Vérifier le modèle, les disponibilités, les frais et la possibilité de préparer un panier. | La demande respecte le budget, le pays et l’interdiction d’acheter. |
Un modèle comportant des poils d’origine animale doit être exclu, même s’il est visuellement attractif. Une livraison non confirmée doit rester présentée comme non confirmée.
L’objectif n’est pas d’obtenir une recommandation à tout prix. Il est de rendre la sélection pertinente, puis l’action possible et conforme à la demande.
Ce scénario peut servir de cahier de test : MYA définit les critères de qualité avec la marque, tandis que les équipes ou partenaires techniques raccordent les fonctions requises.
Comment mesurer sa visibilité dans les réponses IA ?
Nous recommandons de distinguer quatre observations : la citation de l’URL, la mention de la marque, sa recommandation dans le contexte et le résultat commercial observable.
Pour Google, le rapport de performances de l’IA générative de Search Console documente les impressions des liens dans AI Overviews et AI Mode, notamment par page, pays et appareil. Un volume insuffisant peut limiter la présence du rapport. Ces impressions ne mesurent pas la recommandation dans toutes les IA.
Bing Webmaster Tools propose également des données de citation dans les expériences couvertes. Son indicateur Citation Share est une observation de la place d’un site parmi les sources d’une requête de recherche utilisée par l’IA, pas une part de trafic ni un score universel de qualité.
Ces rapports peuvent être complétés par un protocole de test. À titre d’exemple, dix questions, trois interfaces et trois répétitions produisent 90 observations par campagne. Il faut conserver les conditions de test et identifier précisément ce qui a été cité ou recommandé.
Une réponse obtenue via API ne doit pas être assimilée sans vérification à celle d’une application grand public. Une variation de citations peut aussi résulter d’un changement de modèle, de sources ou de demande.
Le suivi permet d’observer une évolution ; il ne prouve pas automatiquement sa cause.
Questions fréquentes sur l’AEO et les agents IA
Faut-il abandonner le SEO pour l’AEO ?
Non. Pour Google Search, les fonctionnalités génératives reposent sur des fondations de recherche existantes. L’enjeu est d’étendre la qualité des contenus et la mesure aux réponses générées, pas d’abandonner l’accessibilité, l’indexation ou l’expérience du site.
Faut-il un fichier llms.txt pour être cité ?
Google indique qu’il n’utilise pas ce fichier pour améliorer la visibilité ou le classement dans Search. D’autres services peuvent avoir leurs propres usages. Il faut donc vérifier l’intérêt d’un tel fichier pour un système précis, plutôt que le présenter comme une obligation universelle.
Faut-il autoriser l’entraînement des IA pour apparaître dans ChatGPT Search ?
OpenAI distingue OAI-SearchBot, destiné à la recherche, et GPTBot, lié à l’entraînement. Les règles sont indépendantes. Autoriser l’un n’oblige pas à autoriser l’autre.
Peut-on garantir qu’un article sera cité après optimisation ?
Non. La citation dépend du service, de la question et du contexte, et peut évoluer dans le temps. Une démarche sérieuse documente ses actions et ses observations. Elle ne transforme pas une possibilité de visibilité en résultat garanti.
L’approche MYA : Visible, Mentionné, Recommandé
L’approche V.M.R. de MYA distingue la présence dans la recherche, la mention dans les réponses et la recommandation contextualisée. Nous l’utilisons comme une grille de pilotage, pas comme une description universelle des algorithmes.
Nous proposons d’en prolonger la logique vers le B2A : créer une préférence, rendre les preuves accessibles et concevoir des parcours permettant une action fiable.
L’audit de visibilité IA constitue un point de départ pour identifier les questions prioritaires, les informations manquantes et les corrections utiles, avant d’envisager des intégrations plus complexes.