Les AI Overviews de Google accélèrent le zéro-clic, menaçant la survie des marques. Michael Beresin révèle l’impact des AI Overviews sur le Search et l’urgence de stratégies basées sur la notoriété, l’off-site et l’interprétation probabiliste.
Michael Beresin, Directeur de l’Innovation et de l’IA chez Cosmo5, est un expert reconnu, fort de dix-sept ans d’expérience dans les médias et la publicité, ayant piloté des budgets SEA et Performance majeurs. Aujourd’hui, il décrypte les transformations profondes engendrées par l’intégration massive de l’intelligence artificielle générative dans les moteurs de recherche. Il nous guide à travers les nouvelles règles du jeu, des défis techniques à la refonte complète des stratégies de visibilité pour les marques.
L’onde de choc des AI Overviews
lebigdata.fr : En analysant les premières métriques des pays où les AI Overviews sont déjà actives, comment avez-vous pris conscience de la violence de leur impact sur le Search et le trafic organique traditionnel ?
Michael Beresin : Le zéro-clic n’est pas né avec les AI Overviews ; il existe depuis quinze ans avec les réponses directes de Google. Les AIO ont accéléré cette tendance. Il faut distinguer deux effets : sur les requêtes commerciales, l’impact sur le trafic reste limité.
Sur les requêtes informationnelles, il est transformationnel. Ainsi, pour les recherches courtes, de type définition, qui ne déclenchaient pas de position zéro auparavant, les AIO captent désormais la majorité du trafic, parfois plus de 50%, parfois plus de 70%.
Ce qui nous a alertés, c’est un signal plus discret. À partir de mi-2025, les IA ont envoyé moins de trafic vers les sites alors même que leur usage explosait. La découvrabilité et le trafic ont commencé à diverger.
Les marchés l’ont d’ailleurs compris avant beaucoup d’annonceurs : toute une catégorie d’acteurs de la publicité adossée au web ouvert a vu son cours s’effondrer, parfois de 60 à 90%. Nous avions l’avantage de marchés déjà convertis, comme l’Allemagne, qui donnaient un aperçu de ce qui s’annonçait.
Déchiffrer les systèmes génératifs non déterministes
lebigdata.fr : Quels sont les défis techniques majeurs que vos équipes Data et Tech affrontent pour « craquer » l’algorithme de ces nouveaux encarts génératifs et monitorer les positions de vos clients ?
Michael Beresin : Le premier défi, c’est que ces systèmes ne sont pas déterministes. Posez dix fois la même question, vous obtenez dix réponses différentes, avec des marques et des classements qui changent. Il est donc impossible de suivre un positionnement fixe.
Nous échantillonnons plutôt une probabilité, en interrogeant chaque prompt de nombreuses fois, sur plusieurs modèles et configurations. Aucun outil ne couvre toutes les surfaces, alors notre conseil est simple : combiner plusieurs sources et rester agnostique.
C’est ce que nous avons fait en interne. Deux équipes ont construit deux outils GEO solides, Smartkeyword et GEO5, pensés pour des besoins clients et des marchés différents, à une fraction du prix des solutions du marché.
Nous anticipons que le suivi des surfaces purement conversationnelles va se banaliser vite, tandis que la difficulté se concentrera sur les AI Overviews, qui exigent de vrais outils de scraping SEO parce qu’ils mélangent classement et génération. La valeur se déplace, donc. Elle n’est plus dans l’outil, mais dans l’accompagnement d’experts qui savent interpréter les données.
L’erreur stratégique coûteuse pour les marques
lebigdata.fr : Racontez-nous une erreur technique ou stratégique majeure commise par une marque tentant d’infiltrer les réponses d’un LLM, que vos experts ont dû corriger d’urgence pour sauver sa visibilité.
Michael Beresin : L’erreur la plus coûteuse, c’est de piloter le GEO comme un canal d’acquisition de trafic. La marque recycle son réflexe SEO et attend des clics comme signal d’optimisation. Or, ces clics restent incidents, et le plus souvent ne viennent jamais : l’IA n’a pas vocation à renvoyer du trafic, et l’utilisateur vient au chatbot précisément pour éviter de visiter des sites.
À force de guetter un clic qui n’arrive pas, la marque passe à côté de l’essentiel, une occasion énorme de notoriété et de considération. Celle d’être recommandée par un arbitre qui paraît neutre, intelligent, presque au-dessus de la mêlée.
Se tromper de cible est encore plus dangereux pour les gros acteurs installés. Leur flanc est désormais exposé sur la découvrabilité et un challenger bien référencé dans les réponses peut leur passer devant sans qu’ils s’en aperçoivent.
Notre rôle, en urgence, a été de retirer l’indicateur de trafic du pilotage, de réancrer la mesure sur le fait d’être la réponse recommandée, et de réinvestir là où naissent réellement les citations, c’est-à-dire hors du site.
Le paradoxe de la « crédulité augmentée » et l’impact des AI Overviews sur le Search
lebigdata.fr : Quelle est la surprise la plus contre-intuitive que le Groupe Cosmo5 a tirée des retours d’expérience réels des utilisateurs dans les pays déjà convertis à ces fonctionnalités ?
Michael Beresin : La surprise est presque contre-intuitive. On pensait que l’IA buterait sur un mur de méfiance, que les gens vérifieraient tout dans un moteur classique. C’est l’inverse qui se produit. Ainsi, les utilisateurs prennent la première réponse, bien formulée, pour argent comptant, et la reposent rarement, alors même que le moteur est instable.
Ils vérifient moins au moment où il faudrait vérifier plus. Résultat, une seule réponse peut faire ou défaire un achat. Search Engine Land relevait déjà l’an dernier que 18% des consommateurs avaient acheté sur recommandation d’une IA sans aucune recherche de vérification, et, de notre perception, ce réflexe n’a fait que s’accélérer depuis.
Deuxième surprise : la notoriété ne se transfère pas dans le modèle. L’IA rappelle les marques par pertinence, pas par célébrité, si bien qu’un challenger précis bat parfois un géant.
Une étude publiée par la Harvard Business Review montre que seulement 8,4% des marques apparaissent de façon constante d’un modèle à l’autre. Et la demande ne s’évapore pas, elle se déplace. Par conséquent, elle chute là où l’IA donne une réponse complète, et progresse dans le commerce, où la réponse débouche sur un achat.
L’IA : investissement défensif pour Google, pari offensif pour les autres
lebigdata.data : Décrivez-nous la méthode de contournement ou la stratégie d’hyper-spécialisation adoptée par les autres LLM du marché pour survivre et exister face au monopole de l’acteur principal du Search.
Michael Beresin : Partons d’une asymétrie qu’on sous-estime. Pour Google, et pour lui seul, l’IA grand public est un investissement défensif. Elle retient l’utilisateur dans l’un des modèles publicitaires les plus rentables qui existent. Google peut donc se permettre de ne pas monétiser agressivement l’interaction IA elle-même, même si cette monétisation reste un problème difficile et non résolu.
Pour tous les autres, l’IA grand public est un pari, sans « vache à lait » pour l’amortir. Du coup, ils sont contraints de trouver un modèle, et vite. Sur le terrain, on voit aussi ceci : dès qu’un marché bascule sous les AI Overviews, ceux-ci deviennent, et de loin, la surface où il faut exister, parce que la distribution de Google écrase tous les chatbots isolés.
La trajectoire d’OpenAI illustre bien cette pression, même si le basculement d’un usage grand public spontané vers un pari publicitaire payant reste brutal et encore un peu flou. Les autres survivent en se spécialisant sur un axe que Google ne peut pas crédiblement occuper : la transparence des sources, la fiabilité, la mesure, ou un contexte d’achat captif.
Le plan d’action d’urgence pour le Retail
lebigdata.fr : Quelle est l’action technique absolue et immédiate que vous jugez incontournable aujourd’hui à un directeur Retail pour éviter que ses fiches produits ne disparaissent totalement des radars génératifs ?
Michael Beresin : Le réflexe, c’est de se jeter sur les schémas et les microformats, parce que ça ressemble au SEO qu’on connaît. C’est utile, mais secondaire. L’action prioritaire, c’est le flux produit : l’envoyer directement aux bonnes plateformes et le soigner comme un métier, avec des attributs complets, exacts, curatés par des experts.
Il faut aussi garantir que la donnée est directement lisible, en purgeant tout ce qui ne s’affiche qu’en JavaScript sur les fiches, sinon l’agent ne le voit pas. On structure ensuite les informations qui répondent aux questions que les clients se posent réellement, repérées par de la recherche utilisateur.
Les normes émergentes comme llms.txt viennent en dernier, à faible coût. Et on arbitre en permanence entre on-site et off-site. Le SEO avait déjà ses deux jambes, mais la priorité s’inverse. En GEO, l’essentiel se joue off-site, le site servant surtout à asseoir l’autorité et à rester lisible.
Croire que la majorité se joue encore sur le site, c’est rester sur la vieille équation SEO. Et pour une marque ou un distributeur mono-marque qui dépend des recommandations et de la presse, le hors-site pèse bien plus lourd.
Prouver le ROI de l’invisible
lebigdata.fr : Comment vos équipes parviennent-elles concrètement à prouver le ROI d’une optimisation pour les IA génératives auprès d’une direction générale qui était jusqu’ici « droguée » au volume de clics massifs de l’ancien modèle ?
Michael Beresin : On ne présente pas à une direction générale un « indice de visibilité IA » fourre-tout. On construit une hiérarchie à trois étages. Au centre, trois indicateurs simples à énoncer : quelle est la probabilité qu’on nous cite, comment se compare-t-elle à celle des concurrents, et quelle est la probabilité qu’on nous recommande plutôt qu’on nous déconseille.
Ces trois mesures reposent sur une masse d’indicateurs opérationnels, suivis au quotidien pour piloter et déclencher des alertes techniques, jamais pour le reporting stratégique. Comme ces métriques sont échantillonnées et instantanées, les grands annonceurs les valident sur des périodes plus longues : enquêtes on-site avant et après achat pour capter l’influence perçue des IA, et corrélation dans le temps entre visibilité IA et trafic de marque ou direct, jusqu’à l’intégrer au mix-marketing modeling.
Tout cet échafaudage vient de l’opacité actuelle. En effet, les plateformes ne livrent presque aucune donnée. Nous pensons qu’elles finiront toutes par fournir des analytics agrégés, et, curieusement, c’est Microsoft qui a brisé le tabou le premier.
L’avenir fragmenté du web et l’impact des AI Overviews sur le Search
lebigdata.fr : Quelle est votre vision globale sur la mutation du Search, la survie des sites web d’information ou de e-commerce, et l’évolution de votre industrie dans les années à venir ?
Michael Beresin : Le web ouvert se fragmente, mais l’IA n’en est pas la cause, elle en est le déclencheur. À chaque vague technologique, que ce soit les réseaux sociaux, les applications ou encore les jardins clos, on a annoncé la mort du web. Il n’est pas mort, il est devenu moins ouvert.
Les éditeurs et les équipes marketing eux-mêmes en portent la responsabilité. Pendant vingt ans, on a optimisé pour le revenu et la collecte de données au détriment de l’usage : bandeaux de cookies hostiles, pop-ups d’inscription, tunnels de paiement d’un autre âge.
On s’en tirait, parce que l’utilisateur était bien obligé de passer par le site pour s’informer ou acheter. L’IA supprime cette contrainte. Chacun a désormais un éclaireur personnel, bientôt un acheteur personnel, et visiter un site devient un acte optionnel, qui se mérite.
L’inversion est là : le navigateur était le premier recours face à un besoin d’information, il devient le dernier. On va d’abord vers l’IA, puis vers ses communautés et ses fils sociaux, Reddit en tête, et ce n’est qu’en dernier ressort qu’on se résout à fouiller les résultats de recherche.
La conclusion pour un site devient assez rude. S’il n’a pas de valeur réelle pour un humain, il finira visité seulement par des robots. Et vous deviendrez une commodité intermédiée, une simple ligne de données que l’IA pioche et recompose sans que personne ne pousse jamais votre porte.
- Partager l'article :
