Un avantage très net sur la position 1

Semrush a analysé 20 000 mots-clés et les 10 premiers résultats associés, soit 42 000 articles de blog extraits de 200 000 URL. Les contenus ont ensuite été classés avec GPTZero en trois catégories :

• contenus humains,
• contenus mixtes,
• contenus générés par IA.

Le principal enseignement concerne la première position. Les contenus classés comme humains y apparaissent dans 80 % des cas, contre 9 % pour les contenus classés comme entièrement générés par IA.

L’étude montre aussi que les contenus humains restent devant sur l’ensemble du top 10, même si l’écart devient moins marqué à partir de la cinquième position.

Semrush précise que cette classification repose sur GPTZero, un outil de détection dont la fiabilité reste discutée. Les résultats doivent donc être lus comme une tendance générale, et non comme une mesure absolue.

L’IA est largement intégrée, mais surtout en appui

L’étude confirme que l’IA est désormais bien installée dans les pratiques des équipes SEO et contenu.

Parmi les professionnels interrogés :

• 87 % indiquent que leurs contenus sont soit entièrement rédigés par des humains, soit fortement pilotés par eux,
• 64 % utilisent un modèle où l’humain reste aux commandes, avec l’IA comme assistant,
• 23 % déclarent produire leurs contenus sans IA.

L’usage de l’IA se concentre surtout sur les tâches textuelles, notamment :

• la recherche,
• l’édition,
• l’optimisation on-page.

À l’inverse, son usage recule sur les tâches plus spécialisées ou plus subjectives, comme :

• le contenu visuel,
• la traduction,
• la production audio ou vidéo.

La vitesse reste le principal bénéfice

Le principal avantage attribué à l’IA reste le gain de temps. Selon l’étude :

• 70 % des équipes citent la rapidité de production comme premier bénéfice,
• 62 % mentionnent l’aide à l’idéation,
• 19 % seulement estiment que l’IA améliore réellement la qualité du contenu.

Ce point rejoint le fonctionnement décrit par plusieurs équipes : l’IA aide à avancer plus vite dans la recherche, l’angle, le plan ou le premier jet, mais l’intervention humaine reste forte dans la révision et les arbitrages éditoriaux.

La perception des SEO ne recoupe pas totalement les données

L’étude fait aussi apparaître un écart entre le ressenti des professionnels et les données de classement. Parmi les SEO interrogés :

• 72 % estiment que le contenu IA performe aussi bien ou mieux que le contenu humain,
• 13 % pensent qu’il performe moins bien,
• 15 % disent ne pas avoir assez de recul ou ne pas avoir comparé.

Dans le même temps, l’analyse des positions Google montre un avantage clair des contenus humains tout en haut des résultats. Ce qu’on sait aussi, c’est qu’un site qui mise uniquement sur des contenus IA finit souvent par perdre en visibilité.

Un contenu généré sans expertise ni valeur ajoutée n’apporte rien par rapport à… l’IA elle-même. Si une machine peut produire la même réponse partout, Google a peu de raisons de le mettre en avant.

The post Le contenu humain a 8 fois plus de chances d’atteindre la position 1 sur Google appeared first on .

Un travail basé sur plus de 11 000 requêtes

L’étude s’appuie sur 11 128 requêtes adressées à ChatGPT, Gemini, Perplexity et Claude, sur une période allant de fin 2023 à début 2026.

Elle vise à identifier les signaux qui influencent les réponses lorsque les modèles doivent proposer des produits ou des services.

Le cadre reste spécifique : il s’agit d’une analyse produite par un acteur du secteur, avec ses propres catégories et sa propre méthodologie.

Des facteurs récurrents dans les réponses

Malgré des différences d’approche, plusieurs types de signaux apparaissent de manière régulière dans les recommandations.

On retrouve notamment :

• des classements et comparatifs publiés sur des sites visibles,
• des avis issus de plateformes reconnues,
• des éléments d’autorité comme des distinctions ou affiliations,
• des données liées à l’usage ou aux clients,
• des signaux de perception (médias, forums et réseaux).

Ces éléments servent de base aux réponses, avec des poids variables selon les modèles.

Le poids des contenus déjà structurés

Dans les résultats observés, un point revient de manière constante. Les modèles s’appuient largement sur des contenus existants, souvent présentés sous forme de listes.

Ces contenus peuvent provenir de :

• médias spécialisés,
• sites éditoriaux,
• comparateurs ou guides.

Les systèmes croisent ces sources et retiennent les éléments qui apparaissent de façon répétée.

Lorsque les listes divergent, d’autres signaux prennent le relais pour organiser la réponse.

Des approches différentes selon les modèles

Si les bases sont proches, la manière de les exploiter varie.

ChatGPT construit ses réponses à partir de plusieurs sources, en combinant listes et avis. Certaines sources bien positionnées peuvent avoir un poids important dans la synthèse.

Gemini s’inscrit dans une logique comparable, mais intègre davantage de signaux liés à l’écosystème Google, notamment pour évaluer l’autorité des sites et la qualité des avis.

Perplexity adopte un fonctionnement plus direct, en s’appuyant fortement sur des listes bien positionnées, avec un tri largement guidé par les avis.

Claude se distingue par un recours plus limité au web ouvert, en mobilisant davantage des bases de données et des répertoires structurés.

Des critères qui évoluent selon le contexte

L’étude distingue plusieurs cas de figure dans l’utilisation des signaux.

• pour les requêtes générales, les listes dominent,
• pour les recherches locales, les avis prennent davantage de poids,
• certains critères servent surtout à départager des options proches.

Dans ces situations, les éléments d’autorité ou les données d’usage peuvent jouer un rôle plus important.

Une grille de lecture à replacer dans son cadre

Les résultats proposés reposent sur une catégorisation propre à First Page Sage. Ils permettent d’observer des tendances, mais ne décrivent pas un fonctionnement figé des modèles. Les réponses peuvent varier selon :

• la formulation de la requête,
• le contexte d’utilisation,
• les données accessibles au moment de la réponse.

Cette étude met en évidence des logiques communes dans la construction des recommandations, avec des variations selon les modèles et les contextes. Elle confirme que la visibilité dans les interfaces IA dépend autant des sources mobilisées que de la manière dont les contenus y sont intégrés.

The post GEO : une étude détaille les critères utilisés par les IA pour recommander appeared first on .

Une répartition des citations orientée vers le haut des pages

L’analyse s’appuie sur un large volume de données, incluant plusieurs millions de réponses générées par ChatGPT et des dizaines de millions de citations.

Après filtrage, 18 012 citations ont été étudiées. Leur distribution au sein des pages suit un schéma décroissant :

• 44,2 % des citations apparaissent dans le premier tiers,
• 31,1 % dans la partie centrale,
• 24,7 % dans le dernier tiers.

La fréquence diminue progressivement à mesure que l’on descend dans le contenu.

Une logique différente à l’intérieur des paragraphes

La répartition change lorsque l’on observe les citations à l’échelle du paragraphe.

Les extraits repris se situent principalement au cœur des blocs de texte :

• 53 % dans la partie centrale,
• 24,5 % au début,
• 22,5 % à la fin.

Ce contraste montre que, si le haut de page est privilégié à l’échelle globale, le modèle exploite surtout les segments informatifs au sein des paragraphes.

Un poids accordé au cadrage initial

L’étude relie cette tendance à la structure des contenus utilisés lors de l’entraînement des modèles.

Dans de nombreux formats éditoriaux, l’information essentielle est introduite dès les premières lignes. Le modèle s’appuie sur ce cadrage initial pour interpréter la suite du contenu.

Même avec une capacité à traiter de longs textes, les premières sections jouent un rôle déterminant dans la construction du contexte.

Des caractéristiques communes dans les passages cités

Plusieurs traits reviennent fréquemment dans les extraits utilisés par ChatGPT.

Des formulations directes

Les passages cités contiennent davantage de phrases explicites, avec des structures simples et des définitions claires.

Une structuration en questions-réponses

Les intertitres formulés comme des questions sont régulièrement associés aux citations. Le paragraphe qui suit est souvent utilisé comme réponse.

Une densité plus élevée d’entités

Les extraits retenus comportent davantage de noms propres : marques, outils, personnes ou concepts identifiables.

Un ton intermédiaire

Les passages cités adoptent un positionnement entre neutralité et analyse, avec des éléments factuels accompagnés d’une mise en perspective.

Une meilleure lisibilité

Les contenus les plus repris présentent une lecture plus accessible, avec des phrases plus courtes et une syntaxe plus directe.

Une analyse basée sur l’association des sources

Pour relier les réponses générées aux contenus d’origine, l’étude utilise des modèles d’embeddings capables d’identifier les correspondances entre phrases.

Chaque citation est ensuite analysée selon plusieurs critères :

• position dans la page,
• structure du paragraphe,
• présence de définitions,
• densité d’entités,
• tonalité,
• lisibilité.

Des formats structurés plus souvent repris

L’analyse met en évidence une différence entre les types de contenus.

Les formats organisés, qui exposent rapidement une information, une définition ou une réponse, sont plus fréquemment cités que les contenus longs et narratifs.

Ce que montrent les données

Les résultats mettent en avant une combinaison de facteurs liés à la structure, à la clarté et à la précision des contenus.

Ils décrivent les caractéristiques des passages les plus souvent repris, sans remettre en cause la diversité des formats éditoriaux possibles.

Des repères pour la structuration des contenus

Plusieurs points ressortent de l’analyse :

• présenter rapidement l’information principale,
• utiliser des formulations explicites,
• structurer les contenus avec des intertitres clairs,
• nommer précisément les éléments évoqués,
• privilégier une écriture accessible,
• maintenir un ton équilibré.

Ces éléments s’inscrivent dans une logique de lisibilité et de compréhension, en cohérence avec les exigences éditoriales et SEO.

Un travail éditorial qui relève d’un savoir-faire

Cette analyse montre que la rédaction web ne repose pas uniquement sur le fond, mais sur la capacité à structurer l’information, à la formuler clairement et à la rendre immédiatement exploitable.

Dans un environnement où les contenus sont interprétés et repris, cette exigence suppose une maîtrise éditoriale, SEO et désormais orientée IA.

Les contenus générés automatiquement, lorsqu’ils ne sont pas retravaillés, n’atteignent pas ce niveau.

The post ChatGPT privilégie le début des contenus dans ses citations appeared first on .