Recherche en ligne : être visible quand c'est l'IA qui répond

09.06.2026 | Recherche IA | #GEO #RechercheIA #SEO #VisibilitéNumérique

Le 3 juin, Google a commencé à déployer dans sa Search Console un rapport dédié à la visibilité dans l'IA : il est désormais possible de voir à quelle fréquence les pages d'un site apparaissent dans les réponses générées (AI Overviews, AI Mode), séparément des liens habituels. L'outil marque un basculement : la recherche ne se contente plus de renvoyer vers des sites, elle formule elle-même la synthèse. Les chiffres sont parlants. Près de six recherches sur dix se terminent déjà sans clic, et McKinsey estime que les entreprises non préparées pourraient voir leur trafic organique reculer de 20 à 50 %. Le réflexe « être premier sur Google » perd de sa pertinence : quand l'IA répond directement, l'utilisateur ne voit souvent ni les liens ni la source. Être visible se joue désormais sur la probabilité d'être cité dans sa réponse — ce que certains appellent déjà le GEO, l'optimisation pour moteurs génératifs. Comment, alors, se faire identifier par ces systèmes ? Le référencement classique reste le socle : les sources citées par les IA figurent le plus souvent en tête des résultats. S'y ajoutent une lisibilité par les machines — données structurées, fiches à jour, accès autorisé aux robots des IA — et un contenu qui traite la question dès les premières lignes. Une entreprise gagne aussi à exister hors de son propre site, dans les médias et annuaires que les modèles consultent.

L'essentiel en 3 points

• Le 3 juin, Google a lancé dans la Search Console un rapport dédié à la visibilité dans l'IA (AI Overviews, AI Mode) : les sites peuvent enfin mesurer à quelle fréquence leurs pages apparaissent dans les réponses générées.
• L'enjeu : près de six recherches sur dix finissent sans clic, et McKinsey chiffre à 20-50 % le recul de trafic possible pour les entreprises non préparées. Être bien classé ne suffit plus, il faut être cité par l'IA (le « GEO »).
• Pour rester identifiable : un référencement solide, des données lisibles par les machines, et une présence dans les sources tierces que les modèles consultent.

Source Source Source

Recrutement par IA : le risque de finir avec les mêmes profils que vos concurrents

02.06.2026 | IA | #RecrutementIA #MonocultureAlgorithmique #Gouvernance #AIAct

Le 26 mai 2026, Stanford et Northeastern ont publié Algorithmic Monocultures in Hiring, première étude à grande échelle d'un algorithme de recrutement en conditions réelles : 4 millions de candidatures, 3 millions de candidats, 1 700 postes, 156 employeurs — un seul outil de tri, celui du fournisseur Pymetrics. Le terme « monoculture algorithmique » est emprunté à l'agriculture : une variété trop cultivée devient vulnérable au même pathogène. Au recrutement, c'est analogue : un candidat écarté par cet algorithme a de fortes chances de l'être chez tous les employeurs qui l'utilisent. Il faut postuler à 25 postes pour être quasi certain d'obtenir une recommandation favorable ; 4 % de ceux qui postulent à dix postes sont rejetés partout. Le recours à ces outils est devenu courant ; l'étude souligne ce qui se joue par accumulation. Recrutement après recrutement, le même filtre appliquant les mêmes critères compose une équipe dont les profils convergent. Et quand de nombreux employeurs partagent le même outil, leur différenciation s'efface aussi. Restent les questions des critères retenus et de ce que ces recrutements produisent à long terme. Notez que dès le 2 août 2026, l'AI Act européen classera ces outils comme systèmes à haut risque.

L'essentiel en 3 points

• Étude Stanford du 26 mai 2026 : 4 millions de candidatures filtrées par un seul algorithme chez 156 employeurs.
• Un candidat écarté l'est chez tous les employeurs qui utilisent cet algorithme : 4 % de ceux qui postulent à dix postes sont rejetés partout.
• Le risque se joue par accumulation : à l'interne, des équipes qui s'uniformisent ; à l'externe, une différenciation qui s'efface. L'AI Act classera ces outils à haut risque dès le 2 août 2026.