Votre "succès" AEO, c'est peut-être juste ChatGPT qui grandit

Une nouvelle expérience naturelle montre que l'essentiel de la hausse observée dans une étude de cas connue n'avait rien à voir avec l'optimisation.

Voici une possibilité dérangeante. Cette étude de cas AEO impressionnante que vous avez gardée, celle où les référents ChatGPT ont bondi de 5x après quelques ajustements, a probablement mesuré la mauvaise chose.

Un papier de 2026 signé Watanabe et Nakayashiki a refait les calculs sur un seul site à fort trafic et a constaté que l'essentiel du "gain" venait de la montée de la plateforme, pas de l'optimisation. L'AEO, pour Answer Engine Optimization, désigne le fait d'ajuster votre contenu pour que les assistants IA comme ChatGPT vous citent et vous recommandent. L'étude mérite d'être lue en entier (arXiv:2606.04362), mais la version courte est un bon test de réalité pour quiconque vend ou achète des prestations AEO.

Ce qu'ils ont vraiment fait

La plupart des affirmations AEO reposent sur des estimateurs de trafic tiers. Pas cette étude. Les auteurs ont utilisé l'analytics first-party et les logs serveur bruts d'un domaine réel, donc les référents sont mesurés, pas modélisés.

C'est le protocole qui rend tout cela intéressant. En janvier 2026, l'équipe a appliqué des changements AEO à une section du site et a laissé le reste intact. Cette partie non traitée est devenue le groupe de contrôle : même domaine, même marque, même fenêtre temporelle, juste aucune intervention.

C'est important à cause de ce que le papier appelle le vent porteur de la plateforme (platform tailwind), la croissance de fond du trafic IA qui profite à tout le monde, que vous optimisiez ou non. Si ChatGPT envoie plus de clics vers tout le web, votre trafic monte même sans rien faire. Un bon test doit séparer cette marée de vos propres coups de rame.

Le chiffre vedette, c'est surtout la marée

Voici la partie qui devrait vous rendre sceptique face aux études de cas à chiffres ronds.

Le total des référents ChatGPT vers le domaine étudié a grimpé de 5,7x sur la période. C'est le genre de chiffre qui finit dans un post LinkedIn. Mais les pages de contrôle, celles qui n'ont reçu aucun travail AEO, ont grimpé de 3,5x sur la même période.

Une grande partie de l'histoire "5,7x grâce à l'AEO" se produisait donc sur des pages que personne n'avait touchées. Si vous ne regardiez que les pages traitées en ignorant le contrôle, vous attribueriez la croissance de la plateforme à votre propre intervention. C'est exactement l'erreur que le papier est conçu pour exposer.

Alors, qu'a vraiment fait l'intervention ?

Pour isoler l'effet réel, les auteurs ont utilisé un modèle de série temporelle interrompue (interrupted time-series). En clair, cela veut dire ajuster la tendance du trafic avant le changement, la projeter dans le futur, et mesurer de combien les pages traitées s'écartent de cette trajectoire attendue après janvier.

L'effet réel estimé du travail AEO était d'environ 1,82x, avec un intervalle de confiance à 95 % de 1,31 à 2,54. Un intervalle de confiance, c'est la fourchette dans laquelle se situe probablement le vrai chiffre. La lecture honnête est donc "entre 1,3x et 2,5x de hausse", pas un net 1,82.

Cela reste un résultat positif. C'est juste bien plus modeste que 5,7x, et l'écart entre ces deux chiffres est précisément le sujet.

Pourquoi les auteurs refusent de parler de preuve

Le papier est prudent, et vous devriez l'être aussi. Les auteurs ont fait un test placebo dans le temps (placebo-in-time), c'est-à-dire faire comme si l'intervention avait eu lieu à une date où rien n'a changé, puis vérifier si le modèle "trouve" quand même un faux effet. Si c'est le cas, votre méthode est trop nerveuse pour être fiable.

Ce test a donné p=0,16. Sans se perdre dans les statistiques, cette valeur n'est pas assez basse pour écarter le hasard. La période avant l'intervention était courte et bruitée, ce qui fragilise toute comparaison avant/après.

Dans les termes mêmes du papier, l'effet est suggestif, pas concluant. À traiter comme un signal prometteur venu d'un seul site, pas comme une loi de la nature.

Une bonne nouvelle

Il y a un gain discret caché dans les résultats. Une peur fréquente avec l'AEO, c'est que restructurer le contenu pour les réponses IA abîme votre référencement Google classique.

Ce n'est pas arrivé ici. Les clics organiques Google vers les pages traitées sont restés stables, et les pages sont restées indexées. Optimiser pour le moteur de réponse n'a pas coûté le moteur de recherche, du moins dans ce cas.

Ce que ça change pour vous

• Mettez toujours en place un contrôle. Comparez vos pages optimisées à des pages non touchées du même site, sur la même fenêtre. Sans cette référence, impossible de distinguer votre travail de la croissance de la plateforme.
• Méfiez-vous des multiples bruts. Quand une étude de cas se vante d'un 5x, demandez ce qu'ont fait les pages non optimisées. Si elles ont grimpé de 3x toutes seules, la vraie histoire est bien plus petite.
• Mesurez avec des données first-party. Les logs serveur et votre propre analytics valent mieux que les estimateurs tiers, qui modélisent le trafic au lieu de le compter.
• Attendez-vous à des hausses modestes et incertaines. Un effet réel entre 1,3x et 2,5x est plausible et vaut la peine. Un chiffre net, confiant et énorme signale en général une mesure bâclée.
• Vous ne flinguerez probablement pas votre SEO. Optimiser pour les réponses IA n'a pas réduit les clics Google ni l'indexation dans cette étude, donc la peur "l'AEO va casser mon trafic search" n'est pas automatique.

À retenir

Rien de tout cela ne dit que l'AEO ne sert à rien. Cela dit que la façon dont on mesure l'AEO est souvent cassée, et qu'une mesure cassée gonfle les gains.

La rigueur que ce papier illustre, un groupe de contrôle, une vraie référence, et de l'honnêteté sur l'incertitude, fait la différence entre un marketing sur lequel on peut agir et un marketing qu'on se contente de partager. Avant de croire une étude de cas AEO, y compris la vôtre, posez d'abord une question : par rapport à quoi ?

Source : Watanabe & Nakayashiki (2026), "Disentangling Answer Engine Optimization from Platform Growth: A Log-Based Natural Experiment on ChatGPT Referral Traffic", arXiv:2606.04362.