Brand mentions vs backlinks en SEO : l'étude Ahrefs sur 75K marques

Pourquoi les mentions de marque sont désormais décisives pour la visibilité IA

La façon dont on est trouvé en ligne est en train de changer. En SEO classique, c'est le graphe de liens qui a décidé pendant des années : plus on avait de backlinks, et de qualité, mieux on se classait. Dans les systèmes de recherche IA comme ChatGPT Search, Perplexity, les AI Overviews de Google et Google AI Mode, cette équation ne tient plus. Une analyse à grande échelle d'Ahrefs en apporte la preuve la plus nette à ce jour.

Selon ses propres indications, Ahrefs a analysé 75 000 marques pour comprendre quels facteurs influencent les apparitions de marques dans les AI Overviews. Le résultat est inconfortable pour les praticiens : ce ne sont pas les backlinks, mais les mentions de marque sur le web ouvert qui sont le plus fortement corrélées à la visibilité IA. Une deuxième analyse portant sur trois systèmes d'IA a montré que les mentions sur YouTube présentent, avec environ 0,737, la plus forte corrélation avec la visibilité IA, devant tous les autres facteurs testés.

Pour les entreprises B2B en Europe, ce n'est pas un détail académique. L'usage de la recherche IA progresse rapidement. En Allemagne, selon Bitkom, 50 % des internautes de 16 ans et plus utilisent déjà, au moins de temps en temps, des chats IA au lieu des moteurs de recherche classiques, et 12 % le font même majoritairement ou exclusivement. En Autriche, selon une enquête de Reppublika et du Handelsverband, environ 70 % des consommateurs utilisent un service d'IA, ne serait-ce que rarement. Qui n'apparaît pas dans ces réponses disparaît d'une part croissante du parcours client.

L'étude Ahrefs sur 75K marques en détail : méthodologie et résultats

L'étude repose sur des corrélations de rang de Spearman entre, d'une part, des signaux classiques de recherche et de marque et, d'autre part, la fréquence des apparitions de marques dans les AI Overviews de Google. Elle porte sur des domaines dont le Domain Rating dépasse 40, c'est-à-dire des marques établies, et non des sites de niche. Le classement des corrélations le plus important penche nettement vers l'off-site : les Branded Web Mentions affichent une corrélation de 0,664, les branded anchors de 0,527 et le volume de recherche de marque de 0,392, tandis que le nombre de backlinks n'atteint que 0,218.

D'où le constat central : les mentions de marque sont environ trois fois plus corrélées à la visibilité IA que les backlinks. Une étude complémentaire d'Ahrefs, portant elle aussi sur 75 000 marques et couvrant ChatGPT, AI Mode et AI Overviews, confirme ce tableau et l'affine. La corrélation des Branded Web Mentions y atteint 0,709 pour AI Mode, 0,664 pour AI Overviews, comme dans la première étude, et 0,656 pour ChatGPT. Les backlinks et l'URL Rating ne montrent que des liens très faibles, quel que soit le système.

Une précision méthodologique s'impose : corrélation n'est pas causalité. Les marques fortes sont très souvent mentionnées et apparaissent fréquemment dans les réponses IA ; les deux phénomènes peuvent avoir une cause commune, comme la notoriété et la pertinence. L'étude ne prouve pas qu'une mention supplémentaire génère mécaniquement une apparition supplémentaire dans l'IA. Elle montre toutefois très clairement que le signal backlink traditionnel perd de son pouvoir explicatif dans l'univers de l'IA et que les signaux de marque prennent sa place. Pour prioriser les ressources, c'est l'information décisive.

Pourquoi les LLM comprennent les marques par le contexte plutôt que par les liens

L'écart de 3:1 entre mentions de marque et backlinks s'explique par le fonctionnement des grands modèles de langage. Historiquement, les moteurs de recherche classiques évaluent l'autorité à travers le graphe de liens : un lien est une recommandation dénombrable d'un domaine à un autre. Les modèles de langage fonctionnent autrement. Ils apprennent à partir de texte et déduisent le sens du contexte des mots et de la cooccurrence, c'est-à-dire des contextes dans lesquels un nom de marque apparaît aux côtés de certains thèmes, catégories et attributs.

Pour un LLM, l'affirmation « le fournisseur X est leader de la solution Y pour le secteur Z » constitue un signal fort même sans lien. C'est précisément là que se situe la rupture avec le netlinking classique : les mentions sans lien, appelées unlinked mentions, n'avaient pratiquement aucune valeur en SEO traditionnel. Pour la visibilité IA, elles sont un signal clé, car le modèle enregistre le nom de la marque et son contexte sémantique, indépendamment de tout hyperlien.

Il en découle un changement stratégique. Au lieu d'évaluer les domaines selon leur potentiel de liens, ce qui compte, c'est la fréquence, le contexte et la cohérence avec lesquels une marque est citée sur le web en lien avec ses thèmes principaux. La co-citation, c'est-à-dire la mention conjointe avec des termes pertinents et des concurrents, devient plus importante que le lien dofollow isolé. Cela change les actions mêmes qui permettent de construire la visibilité.

YouTube, le canal GEO sous-estimé

Le résultat le plus surprenant de l'étude complémentaire concerne la vidéo. Sur les trois systèmes d'IA, les mentions sur YouTube sont, avec environ 0,737, le signal individuel le plus fort de la visibilité IA, devant même les Branded Web Mentions, pourtant déjà puissantes. C'est plausible, car Google et ses systèmes d'IA peuvent traiter directement les contenus YouTube, et les transcriptions forment une source textuelle riche et dense sur le plan thématique, dans laquelle les marques sont citées en toutes lettres.

Pour le B2B, cela ne signifie pas créer une chaîne de divertissement. Cela signifie ancrer systématiquement l'expertise dans la vidéo :

• Formats d'experts : de courtes vidéos explicatives ciblées sur des questions techniques, dans lesquelles l'entreprise et le produit sont nommés explicitement, pas seulement dans le titre, mais aussi à l'oral.
• Enregistrements de webinaires : recycler les webinaires B2B existants en vidéos YouTube avec une transcription propre.
• Vidéos produit et cas d'application : des cas d'usage et des mises en œuvre qui nomment clairement le secteur, le problème et la solution, pour que la cooccurrence soit identifiable par le modèle.
• Dénomination cohérente : dans chaque vidéo, employer en toutes lettres les termes de marque, de produit et de thématique, car les systèmes d'IA exploitent avant tout le texte de la transcription.

YouTube passe ainsi du statut de canal d'audience à celui de signal de visibilité pour les réponses IA. La réserve méthodologique reste de mise : une corrélation ne garantit rien. Mais aucun autre canal ne présente, dans l'étude complémentaire, un lien aussi fort.

Earned media et RP digitales plutôt que netlinking classique

Si les mentions de marque sont le signal décisif, le levier se déplace du domaine propre vers des sources tierces crédibles. Selon le communiqué qui l'accompagne, une analyse de Muck Rack portant sur plus d'un million de prompts IA a montré que 85,5 % des citations IA proviennent des earned media, et non des sites des marques. Le site de la marque est donc nécessaire, mais loin d'être suffisant pour être cité dans les réponses IA.

Il en découle une logique de RP différente de celle du netlinking classique. L'objectif n'est pas d'abord d'obtenir un lien, mais une mention riche en contexte dans des sources auxquelles les systèmes d'IA font confiance :

• Médias spécialisés et portails sectoriels : articles, interviews et commentaires d'experts dans les publications B2B de référence, où la marque est citée en lien avec ses thèmes principaux.
• Accepter les unlinked mentions : une mention sans lien n'est plus un échec, mais un signal valable qu'il faut rechercher activement.
• Description cohérente de l'entité : communiquer partout le même positionnement clair, pour que le modèle se forge une compréhension stable de la marque.
• RP digitales plutôt qu'outreach pour des liens : placer des sujets et des données qui seront cités, au lieu de pratiquer l'échange de liens.

Pour les marques B2B, cela signifie concrètement être présentes dans les médias spécialisés pertinents de leur langue et de leur région, car les systèmes d'IA s'appuient sur des sources régionales pour les requêtes régionales.

Front-loading et answer islands : les tactiques on-page issues de la recherche sur le GEO

Les earned media construisent le signal de marque à l'extérieur. C'est on-page que se décide si tes propres contenus sont tout simplement citables. La base académique est fournie par l'étude de Princeton sur la Generative Engine Optimization, qui montre que le GEO peut augmenter jusqu'à 40 % la visibilité dans les réponses génératives. Ce sont surtout les contenus faciles à extraire pour un modèle de langage qui fonctionnent.

Deux principes sont au cœur de la démarche. Le front-loading consiste à placer la réponse au début : chaque section commence par une affirmation claire et autonome, avant la justification et le contexte. Les answer islands sont des blocs de texte complets en eux-mêmes, qu'un modèle peut citer en entier sans avoir besoin du reste de l'article.

Concrètement, des statistiques sourcées, des définitions concises et des phrases bien formulées et riches en faits augmentent la probabilité d'être cité. Ce sont précisément ces éléments (chiffres, affirmations étayées et clarté de la langue) que la recherche sur le GEO identifie comme leviers. En pratique, il s'agit de formuler chaque fait central de façon qu'il s'insère tel quel dans une réponse IA, sans reformulation.

Trafic référent IA et conversion : pourquoi le ROI est solide malgré un faible volume

Une objection fréquente contre le GEO veut que la recherche IA n'apporte guère de trafic mesurable. Le volume est effectivement faible, mais la valeur par visite est élevée. Ahrefs rapporte pour son propre site que 0,5 % du trafic issu de la recherche IA a généré 12,1 % de toutes les inscriptions et que les visiteurs venus de l'IA convertissent environ 23 fois plus que le trafic organique classique. Une analyse plus large de Semrush va dans le même sens : le visiteur moyen issu de la recherche IA vaut, mesuré au taux de conversion, 4,4 fois plus qu'une visite organique classique.

L'explication tient à la position dans le funnel. Qui suit une réponse IA a déjà précisé sa question et se trouve plus près de la décision. En B2B, avec des contrats de montant élevé, cela change nettement le calcul. Même quelques visites très qualifiées justifient l'investissement si la conversion est à la hauteur.

Le volume devrait en outre augmenter. Selon Semrush, au fil de l'année 2025, les AI Overviews se sont déclenchés sur 6,49 % des requêtes en janvier, 24,61 % en juillet et 15,69 % en novembre, et Semrush estime que d'ici début 2028, la recherche IA pourrait apporter plus de visiteurs aux sites web que la recherche classique. Investir tôt dans le signal de marque, c'est prendre de l'avance sur un canal en croissance.

Share of Model : bien mesurer la nouvelle métrique

Les classements traditionnels ne suffisent pas pour la visibilité IA. La grandeur pertinente est le Share of Model, parfois appelé Share of Citation : à quelle fréquence, avec quelle visibilité et sous quel jour une marque apparaît dans les réponses IA, par rapport à la concurrence. Ce n'est pas une valeur unique, mais un ensemble d'indicateurs.

• Fréquence de mention : sur quelle part d'un ensemble défini de prompts pertinents la marque est-elle tout simplement citée ?
• Share of Voice dans les réponses IA : part de tes propres apparitions par rapport à celles des concurrents cités.
• Sources citées : quels domaines sont mis en lien comme sources, et ta marque en fait-elle partie ?
• Tonalité : la marque est-elle présentée de manière neutre, positive ou défavorable dans la comparaison ?
• Couverture par plateforme : dans quels systèmes la marque apparaît-elle : ChatGPT, Perplexity, AI Overviews ou AI Mode ?

L'ampleur des effets montre pourquoi cette mesure vaut la peine. Dans la première étude d'Ahrefs, les marques du quartile supérieur en mentions web ont obtenu en moyenne environ 169 apparitions dans les AI Overviews, plus de dix fois plus que le quartile suivant, qui en comptait environ 14. Les deux quartiles inférieurs n'apparaissent pratiquement pas. La visibilité IA est donc répartie de manière extrêmement inégale, ce qui rend d'autant plus importante la mesure de ta propre position et de l'écart avec la concurrence.

Différences entre plateformes : tous les systèmes ne pondèrent pas les marques de la même façon

L'étude complémentaire montre que ChatGPT, AI Mode et AI Overviews pondèrent les signaux de marque avec une intensité différente. Sur plusieurs métriques, dont les Branded Web Mentions, les branded anchors et le volume de recherche de marque, AI Mode présente systématiquement des corrélations plus fortes avec les signaux de marque classiques que ChatGPT ou AI Overviews. Ahrefs décrit donc AI Mode comme une sorte de machine à consensus, qui recommande de préférence des marques que beaucoup de gens connaissent et recherchent déjà.

Pour la priorisation, une ligne claire s'en dégage. Dans les systèmes qui misent fortement sur des signaux de marque établis, la notoriété et des mentions cohérentes paient particulièrement. Les systèmes moins dépendants de la marque laissent en général plus de place à des contenus bien structurés et solides sur le fond, y compris de la part de fournisseurs moins connus. Une stratégie GEO pertinente mène donc les deux chantiers en parallèle : renforcer le signal de marque par les earned media et la vidéo, et créer en même temps des contenus on-page citables. La plateforme la plus importante pour une activité donnée dépend de l'endroit où la cible cherche réellement, ce qui devrait faire partie de la mesure.

Erreurs fréquentes

• Continuer à investir le budget surtout dans les backlinks : la première étude d'Ahrefs montre qu'avec 0,218, les backlinks ne sont que faiblement corrélés à la visibilité dans les AI Overviews. Le simple netlinking cible le mauvais signal.
• Ignorer les unlinked mentions : considérer les mentions sans lien comme sans valeur, c'est passer à côté du signal de marque central pour les modèles de langage.
• Exclure la vidéo par principe : YouTube est le prédicteur individuel le plus fort de l'étude complémentaire. Le rejeter comme inadapté au B2B, c'est se priver du plus grand levier mesuré.
• N'optimiser que son propre domaine : avec 85,5 %, la majeure partie des citations IA provient des earned media. Le site de la marque ne suffit pas à lui seul.
• Mesurer le GEO au volume de trafic : le trafic IA est faible, mais il convertit très bien. Qui ne compte que les sessions sous-estime systématiquement le ROI.
• Traiter toutes les plateformes de la même façon : AI Mode, ChatGPT et AI Overviews pondèrent les signaux de marque différemment. Une tactique uniforme gaspille le potentiel de priorisation.
• Présenter la corrélation comme une causalité : les chiffres montrent des liens, pas des garanties. Un travail GEO sérieux le dit ouvertement.

llms.txt à l'épreuve de la réalité

Dans l'univers du GEO, le fichier llms.txt est souvent présenté comme une solution technique. Il s'agit d'un standard proposé, censé indiquer aux systèmes d'IA, dans un fichier Markdown structuré, quels contenus d'un site sont particulièrement pertinents. Le constat, sans fard : llms.txt est une proposition, pas un standard contraignant largement pris en charge par les grands fournisseurs d'IA. Le fichier peut apporter structure et repères, mais il ne remplace pas le signal de marque.

Les données d'Ahrefs clarifient les priorités. Si les mentions de marque sont environ trois fois plus corrélées à la visibilité IA que les backlinks et que la majeure partie des citations provient des earned media, alors le levier ne réside pas dans un fichier technique, mais dans le développement des mentions, de la présence vidéo et de contenus citables. Les fichiers GEO techniques contribuent au mieux à la propreté du site ; ils ne sont pas le facteur décisif. Si tes ressources sont limitées, investis-les d'abord dans le signal de marque.

Métriques et mesure : vue d'ensemble

Une mesure GEO solide combine des signaux externes et l'observation concrète de la visibilité. Un rythme mensuel est pertinent :

• Volume et contexte des mentions de marque : évolution des mentions sur le web, y compris celles sans lien, et environnement thématique dans lequel elles apparaissent.
• Share of Model : part de tes propres apparitions sur un ensemble fixe de prompts pertinents, ventilée entre ChatGPT, Perplexity, AI Overviews et AI Mode.
• Sources citées : quels domaines les systèmes d'IA utilisent comme sources, et si ta marque ou tes sources d'earned media en font partie.
• Trafic référent IA et conversion : dans GA4, identifier les domaines d'IA via les référents et les canaux de source, et présenter le taux de conversion séparément du trafic organique pour rendre visible la forte valeur par visite.
• Présence vidéo : portée et mentions de tes thématiques sur YouTube, puisque c'est le signal le plus fort mesuré.

Un horizon de plusieurs mois est réaliste. Les systèmes d'IA mettent à jour leur base de connaissances avec retard, et les signaux de marque se construisent lentement, par des mentions cohérentes.

Pour aller plus loin

L'étude Ahrefs sur 75K marques bouscule le postulat de base sur la façon dont on est trouvé en ligne. Pour les systèmes de recherche IA, la compréhension de la marque que les modèles de langage tirent des mentions, du contexte et de la vidéo compte nettement plus que le graphe de liens classique. Pour les marques B2B en Europe, il en découle un ordre clair : d'abord renforcer le signal de marque via les earned media, les médias spécialisés et YouTube, ensuite créer des contenus on-page citables avec front-loading, et enfin mesurer le Share of Model ainsi que la conversion du trafic référent IA. Les fichiers GEO techniques et le simple netlinking restent secondaires. Investir tôt dans un canal où la visibilité IA est répartie de façon extrêmement inégale, c'est s'assurer des chances disproportionnées avant que la concurrence ne réagisse.