Le trafic des AI Overviews est réel, mais GA4 le masque peut-être

Les AI Overviews ne sont plus un simple effet secondaire de la recherche. Dans une analyse first-party sur neuf mois, couvrant 51 200 événements suivis et 1 661 extraits cités, ils ont représenté 7,53 % des sessions organiques au total, et, aux mois de pic, ils ont atteint 16 % à 17 %. La surprise la plus importante concernait la mesure : 22,4 % de ce trafic a été attribué à Direct dans GA4 au lieu de Organic Search. Pour les équipes SEO, cela change deux choses à la fois. Vos रिपोर्टings peuvent sous-estimer la performance organique, et vos priorités de contenu peuvent encore être orientées vers des pages que les systèmes d’IA citent moins volontiers.

Le même jeu de données met aussi en évidence un schéma éditorial très concret. Les pages avec des réponses précises, des informations à jour, des itinéraires nommés, des prix et de vrais tableaux HTML de comparaison ont obtenu davantage de citations que du contenu éditorial vague. Ce n’est pas seulement une histoire de SEO. C’est une histoire de GEO, car la visibilité dans les réponses générées par l’IA dépend de la capacité de vos pages à être extraites, dignes de confiance et citées.

• Les AI Overviews ont généré 7,53 % des sessions organiques sur l’échantillon de neuf mois.
• Au rythme moyen, 22,4 % du trafic AI Overview a été mal attribué à Direct dans GA4.
• Les citations les plus fortes provenaient de pages spécifiques, structurées et à jour, et non de textes éditoriaux génériques.
• La part de trafic était volatile, avec un pic à 16 % à 17 % avant de retomber autour de 2 % à 4 %.
• Les équipes SEO et GEO ont besoin d’une meilleure mesure, d’une meilleure structure de page et de cycles de mise à jour plus rapides.

Que révèle réellement le jeu de données sur neuf mois ?

Les chiffres principaux comptent parce qu’ils donnent une forme à un problème que beaucoup d’équipes considèrent encore comme théorique. Sur la période allant de septembre 2025 à juin 2026, l’analyse a suivi 51 200 événements sur 1 661 extraits cités dans les AI Overviews pour une marque de transport. Cela dit déjà quelque chose d’essentiel : la visibilité dans l’IA n’est pas répartie uniformément sur un site. Elle se concentre.

L’extrait le plus performant a généré à lui seul 2 276 événements, alors que la moyenne de tous les extraits suivis n’était que de 31. Autrement dit, un petit nombre de pages a porté une part disproportionnée du trafic AI Overview. Si ce schéma se vérifie sur votre site, la logique du volume de contenu large est une stratégie faible. Protéger et améliorer les pages déjà capables d’être citées créera probablement plus de valeur que de publier une nouvelle série d’articles génériques de haut de funnel.

La part de trafic est aussi significative. Sur toute la période, les AI Overviews ont représenté 7,53 % des sessions organiques. Ce n’est pas négligeable, surtout pour un canal que beaucoup de configurations d’analytics ne savent pas encore isoler proprement. En février et mars 2026, cette part est montée à 16 % à 17 %, ce qui signifie qu’à son pic, près d’une visite organique sur six passait par un AI Overview. Plus tard dans la période, elle est retombée autour de 2 % à 4 %.

Cette hausse et cette baisse rappellent que la recherche IA ne fonctionne pas comme les classements classiques des liens bleus. La volatilité fait partie du système. Le type de requête, la fraîcheur et la confiance de Google dans les sources disponibles semblent tous influencer la fréquence d’apparition des AI Overviews et les pages qu’ils choisissent de citer. Si vous traitez encore le trafic IA comme un simple complément du SEO, vous appliquez probablement le mauvais modèle de trafic.

Pourquoi GA4 sous-estime-t-il le trafic AI Overview ?

L’insight le plus utile opérationnellement dans ce jeu de données est aussi le plus inconfortable. Une grande partie du trafic AI Overview est peut-être déjà présente dans vos rapports, mais sous le mauvais canal.

La méthode de suivi s’appuyait sur une dimension personnalisée GA4 fondée sur le fragment d’URL #:~:text=. Un text fragment est la partie que Google ajoute parfois lorsqu’il envoie un utilisateur directement vers un passage surligné d’une page. Dans ce cas, lorsqu’un utilisateur cliquait sur un extrait cité dans un AI Overview, ce fragment apparaissait parfois dans l’URL d’atterrissage. En le capturant, l’équipe a créé un proxy first-party pratique pour les visites issues des AI Overviews.

Une fois cela mis en place, l’écart d’attribution est devenu évident. Sur l’ensemble du jeu de données, 22,4 % du trafic AI Overview a été crédité à Direct plutôt qu’à Organic Search. En valeur brute, cela signifiait que 11 468 événements étaient mal classés. Le pire mois a été mai 2026, lorsque 29,3 % des sessions AI Overview ont été attribuées à tort à Direct. Le meilleur mois a été avril 2026, avec un taux encore à 16,8 %.

Pour le reporting, c’est plus important que la nouveauté de la mesure elle-même. Si 1 000 visites issues d’un AI Overview arrivent sur votre site et que le taux moyen de mauvaise attribution se maintient, environ 224 d’entre elles disparaissent d’Organic et gonflent Direct à la place. Cela fausse les rapports SEO, affaiblit l’analyse après mise à jour et peut donner l’impression qu’un contenu à forte valeur performe moins bien qu’en réalité.

C’est précisément pour cela que les équipes ont besoin d’une mesure qui dépasse les vues analytics standard. Les workflows de Visibilité IA de BotRank aident les équipes à tester la manière dont une marque apparaît dans différents moteurs de réponse, tandis que l’analyse des sources montre quelles pages sont réellement utilisées et citées. GA4 peut vous dire où les sessions ont atterri. Il ne peut pas vous en dire assez sur la raison pour laquelle le moteur de réponse a choisi cette page en premier lieu.

Il faut toutefois ajouter une réserve importante, qu’il ne faut pas balayer d’un revers de main. Le fragment #:~:text= n’est pas exclusif aux AI Overviews. Il peut aussi apparaître dans les Featured Snippets et dans les résultats People Also Ask. La méthode n’est donc pas parfaitement pure. Mais comme signal first-party directionnel, elle reste plus exploitable que d’attendre un reporting natif qui peut arriver tard ou sous une forme limitée.

Quels types de contenus gagnent les citations ?

Le principal enseignement éditorial du jeu de données est clair : la spécificité bat la largeur. Les pages qui ont obtenu le plus de traction n’étaient pas des explications vagues et générales. C’étaient des pages sur les temps de transfert, les prix, les itinéraires nommés et les comparaisons structurées.

Dans l’exemple lié au transport, les contenus sur la tarification et sur les temps de transfert ont montré une forte dynamique de citation. Les guides de destination, en revanche, ont moins bien performé que leur potentiel. Les tableaux de comparaison du transport structurés, construits comme de vrais tableaux HTML, ont obtenu de meilleurs résultats que ce que leur type de page pouvait laisser prévoir. C’est un indice précieux. Les systèmes d’IA n’évaluent pas seulement la pertinence thématique. Ils récompensent aussi l’extractabilité.

L’extractabilité, c’est la facilité avec laquelle une machine peut extraire d’une page une unité d’information utile sans perdre le contexte. Un tableau d’itinéraire avec l’origine, la destination, la durée et le prix est facile à citer. Un long paragraphe éditorial sur des « options utiles pour les voyageurs » ne l’est pas. L’un est une preuve réutilisable. L’autre est une interprétation sans structure.

La même logique ressort sur la fraîcheur. Certains extraits ont culminé à des périodes spécifiques puis ont décliné à mesure que l’intention de requête évoluait ou que le contenu ne correspondait plus à ce que Google préférait mettre en avant. D’autres extraits sont apparus des mois après la publication et ont continué à progresser. Cela signifie que deux pages sur le même sujet peuvent avoir des trajectoires IA totalement différentes selon que l’une reste à jour et fortement cadrée, ou non.

Pour les équipes contenu, l’implication n’est pas « publiez des pages plus courtes » ou « transformez tout en tableau ». Il s’agit de publier des pages answer-first avec des entités explicites, des faits précis et une structure facile à parcourir. Si vous voulez un modèle utile, comparez un guide de ville très large avec une page dédiée à un itinéraire qui inclut les temps de trajet actuels, la logique de prise en charge, les fourchettes tarifaires et un bloc de comparaison HTML. La deuxième page est bien plus facile à citer pour les AI Overviews parce qu’elle répond à une question plus étroite avec des preuves plus claires.

Cela s’inscrit aussi dans un mouvement GEO plus large. La visibilité se termine de plus en plus par des citations, pas seulement par des clics. Si l’objectif est d’être sélectionné dans une réponse, votre page doit exposer des faits dans une forme que le système peut réutiliser en toute confiance. Et si la page elle-même est techniquement désordonnée, mal structurée ou difficile à analyser, l’audit technique GEO devient une partie de la stratégie de contenu, et non une simple tâche de nettoyage séparée.

Le point de vue de BotRank

Trop d’équipes posent encore la deuxième question en premier. Elles veulent savoir combien de trafic l’IA a envoyé, avant même de savoir si leur marque apparaît de manière cohérente dans les réponses IA. Le jeu de données sur neuf mois rend cette erreur plus difficile à défendre. Le trafic est réel, mais il est volatil et en partie mal attribué. Si vous ne regardez que les sessions, vous mesurez la dernière ondulation, pas la source de la visibilité.

C’est là que la fonctionnalité Visibilité IA de BotRank est réellement utile dans ce contexte. Elle permet aux équipes d’exécuter des prompts réutilisables sur plusieurs modèles, de comparer la visibilité dans le temps et d’examiner la manière dont la marque et ses concurrents sont décrits. En pratique, cela permet de séparer trois questions que l’analytics mélange autrement : êtes-vous mentionné, êtes-vous cité et êtes-vous cadré correctement ? Quand les AI Overviews passent de 17 % à 3 % ou inversement, cette distinction compte. Elle aide les équipes à éviter de courir après le bruit du trafic et à se concentrer sur les pages, les prompts et les signaux de marque qui façonnent réellement la découverte.

Comment les équipes SEO et GEO doivent-elles réagir ?

La bonne réponse n’est pas de lancer, à côté du SEO existant, un programme de « contenu IA ». C’est de renforcer le lien entre analytics, structure de page, cycles de mise à jour et suivi des moteurs de réponse.

Commencez par la mesure. Si vous ne faites pas encore remonter le trafic des text fragments dans GA4, vous passez à côté d’un signal first-party utile. Il est imparfait, mais utile vaut mieux que parfait et trop tardif. Combinez ce signal avec des cohortes au niveau de la page pour voir quels types de contenus bénéficient réellement des citations IA.

Ensuite, protégez les pages qui montrent déjà un potentiel de citation. Le jeu de données a montré une concentration extrême, avec un seul extrait générant 2 276 événements pendant que l’extrait moyen en générant 31. C’est un cas d’école pour la priorisation. Vos pages de citation les plus fortes ont besoin d’un pilotage plus serré, de mises à jour plus fréquentes et de journaux de modification plus clairs que le reste de la bibliothèque.

Troisièmement, repensez ce que signifie « contenu de qualité » dans un environnement AI Overview. Un long article peut toujours fonctionner, mais seulement si ses faits essentiels sont faciles à extraire. L’unité pratique d’optimisation est souvent le bloc de réponse, la ligne de tableau, la comparaison d’itinéraires, le module tarifaire ou la courte section de définition. C’est l’une des raisons pour lesquelles le travail d’audit technique doit désormais intégrer une couche de préparation à l’IA. Si la page n’est pas crawlable, structurée et explicite, le contenu lui-même a moins de chances de devenir une matière à citation.

Quatrièmement, intégrez la fraîcheur dans le workflow. Le jeu de données a montré que les extraits ont des cycles de vie. Certains perdent de la valeur lorsque les saisons changent. D’autres en perdent quand les faits se décalent. D’autres encore gagnent du terrain des mois plus tard parce que la demande rattrape l’offre. Un plan de mise à jour trimestriel est souvent trop lent pour des pages qui dépendent de prix, d’horaires, de disponibilité d’itinéraires ou de comparaisons sensibles au temps.

Enfin, transformez ces enseignements en backlog plutôt qu’en séance de brainstorming. Un bon processus GEO découpe le travail en tâches concrètes :

• Corriger le dispositif de suivi pour que les visites AI Overview soient au moins visibles de manière directionnelle dans GA4.
• Identifier les pages qui obtiennent déjà des citations et les protéger avec des SLA de mise à jour plus stricts.
• Faire évoluer les pages vagues vers des assets answer-first avec entités nommées, sections factuelles et tableaux HTML lorsque cela est utile.
• Vérifier si les pages citées mentionnent encore clairement la marque et soutiennent bien la proposition que le système d’IA met en avant.
• Suivre la volatilité avec des tendances glissantes plutôt qu’en supposant qu’un mois de pic définit la nouvelle base.

C’est à ce niveau d’exécution que les outils deviennent importants. Les Recommandations de BotRank peuvent aider à transformer les signaux de visibilité en actions priorisées, tandis que ses vues de suivi offrent aux équipes un moyen de comparer la perception, les citations et les schémas de sources sans tout aplatir en un seul graphique de trafic.

Que faut-il considérer comme une limite, et non comme une loi ?

Ce jeu de données fournit une preuve directionnelle solide, mais ce n’est pas un benchmark universel. Il provient d’une seule marque du secteur du transport, et cela compte parce que les types de pages gagnants, dans ce cas, étaient très liés aux intentions de route, de temps et de prix. Un autre vertical pourrait montrer un mix de citations différent.

La méthodologie comporte aussi deux limites explicites. Premièrement, l’identifiant #:~:text= n’est pas exclusif aux AI Overviews, ce qui signifie qu’un chevauchement avec les Featured Snippets ou People Also Ask est possible. Deuxièmement, la dimension de suivi était définie au niveau de l’événement, tandis que la métrique de comparaison utilisait les sessions, ce qui rend la part d’AI Overview utile sur le plan directionnel, mais pas parfaitement exacte au niveau session.

Ces limites n’affaiblissent pas la leçon centrale. Elles la précisent. Ne considérez pas 7,53 % comme une cible universelle. N’assumez pas que 22,4 % représente l’écart exact de GA4 sur tous les sites. Retenez plutôt qu’un trafic IA peut être significatif, que les analytics peuvent en mal attribuer une partie et que les contenus faciles à citer ont tendance à être spécifiques, structurés et à jour.

C’est aussi pour cela qu’une vision mixte est meilleure qu’un indicateur unique. Le trafic compte. Les mentions, les sources citées, le sentiment et le cadrage concurrentiel comptent aussi. Quand ces couches se contredisent, le désaccord est souvent l’information la plus utile.

FAQ

Comment suivre le trafic AI Overview dans GA4 aujourd’hui ?

Un point de départ pratique consiste à capturer, dans une dimension personnalisée GA4, les URL d’atterrissage qui incluent le fragment #:~:text=. Ce n’est pas exclusif aux AI Overviews, mais cela peut faire ressortir un proxy first-party utile tant que le reporting natif reste limité.

Les AI Overviews envoient-ils surtout du trafic vers des contenus informationnels ?

Pas nécessairement dans le sens éditorial large. Dans ce jeu de données, les meilleurs performeurs étaient des assets informationnels très précis, comme les temps de transfert, les prix, les itinéraires nommés et les tableaux de comparaison structurés.

Le contenu structuré garantit-il davantage de citations IA ?

Non. La structure améliore l’extractabilité, mais le jeu de données montre aussi que la fraîcheur et la spécificité sont des facteurs majeurs. Un tableau propre sur une page obsolète reste une preuve faible.

Les équipes SEO devraient-elles séparer le SEO et le GEO en programmes distincts ?

En général, non. La meilleure approche consiste à prolonger le SEO avec des couches de mesure et d’exécution GEO, en particulier autour du suivi des citations, de l’analyse des sources, de la structure des pages et de la priorisation des mises à jour.

Quelle est la conclusion concrète ?

Si votre équipe traite encore les AI Overviews comme une curiosité, vous êtes probablement déjà en retard. Ils peuvent déjà représenter une part significative du trafic organique, ils peuvent fausser votre mix de canaux dans GA4 et ils récompensent clairement une forme de contenu différente du remplissage éditorial large. L’étape suivante n’est pas de produire plus de contenu pour le simple volume. C’est d’améliorer la mesure, d’affiner la conception des pages et de renforcer la discipline de mise à jour. Si vous voulez voir comment votre marque apparaît réellement dans les moteurs de réponse et quelles pages gagnent cette visibilité, BotRank vous donne un point de départ pratique.