« Souvenez-vous de 2016. On publiait un post, les lecteurs cliquaient, le trafic arrivait sur le site, et de là chez le libraire en ligne. C'était simple, c'était mesurable, et c'était terminé. Désormais, les choses sont nettement plus complexes », résume Laura Summers, directrice de l'agence britannique Maykn, lors d'une présentation donnée mercredi 7 octobre à la Foire de Francfort. De très nombreux éditeurs, initiés ou non aux techniques du GEO (Generative engine optimization), avaient fait le déplacement. 

Quelques chiffres d'abord : 4,02 milliards d'adultes auraient actuellement recours chaque mois à l'IA, intégrée ou non dans d'autres logiciels. ChatGPT compte 1,1 milliard d'utilisateurs mensuels. Entre janvier et avril 2026, 68 % des recherches Google effectuées aux États-Unis se sont achevées sans le moindre clic, selon SparkToro. L'internaute a obtenu sa réponse dans la page de résultats, et il est passé à autre chose.

Le constat vaut d'autant plus pour le livre. Un index publié en juin par publishing.co.uk, portant sur 916 titres audités, établit que 27 % des livres examinés étaient purement et simplement invisibles pour les systèmes d'IA, et que 3 % seulement étaient recommandés de manière fiable. « La quasi-totalité du catalogue mondial de livres n'existe pas quand un lecteur demande à une intelligence artificielle quoi lire sur un sujet », a indiqué Laura Summers devant une salle comble.

Avant de donner ses cinq recommandations aux éditeurs pour améliorer leur visibilité sur les IA. Ces dernières sont ici directement retranscrites d'un document établi par l'agence Maykn et disponible au téléchargement à cette adresse. Plusieurs études de cas et bonnes pratiques, de la page science-fiction de Penguin au blog Teaching English with Oxford d'Oxford University Press, ont aussi été données. 

Voici les cinq techniques présentées :

1. Se poser la question que se pose votre lecteur

Le GEO n'a, avant tout, pas grand chose à voir avec le référencement tel qu'on le connaissait. Le SEO traditionnel suit une chaîne connue : impression, clic, site, détaillant, achat. On y travaille des mots-clés. Le GEO, lui, suit une autre logique : question, réponse générée par l'IA, recommandation, détaillant. On n'y travaille plus des mots-clés mais des sujets et des questions, c'est-à-dire le sens et les relations autour de chaque livre.

Mieux vaut donc partir de la situation réelle du lecteur plutôt que du champ de métadonnées à remplir. Maykn prend l'exemple d'un manuel de neurosciences cognitives : l'étudiant de première année se demande « est-ce que ça va m'aider à comprendre les bases ? », l'enseignant « est-ce que ça convient à mon cours ? », le lecteur curieux « est-ce que je peux comprendre sans formation scientifique ? ». Même livre, trois besoins différents. Bonne nouvelle : les éditeurs n'ont rien à inventer, ces questions circulent déjà chez leurs auteurs, leurs commerciaux et leurs équipes marketing.

2. Y répondre, quelque part sur le web

Fournir aux systèmes d'IA des éléments qu'ils puissent réellement récupérer et réutiliser. Une réponse utile explique ce que le lecteur doit savoir avant de commencer, quels sujets le livre couvre, comment il présente l'état de la recherche, et ce qui a changé dans la dernière édition. Et ce sous les formes variées que prennent les requêtes réelles : « comment le cerveau apprend-il ? », « quels sont les meilleurs livres pour débutants ? », « quels livres expliquent les neurosciences sans bagage scientifique ? ».

3. Apporter la preuve de ce que vous avancez

« Écrire que votre auteur est un expert est une affirmation, ce n'est pas une preuve », insiste Laura Summers. Les systèmes d'IA réclament des éléments vérifiables : biographie, qualifications, affiliations, entretiens, articles, conférences, podcasts, recensions, citations, prix. Le test est simple : si une IA devait expliquer pourquoi tel auteur sait de quoi il parle, le web lui fournirait-il assez de matière ? Dans l'exemple retenu, il ne s'agit pas d'affirmer que l'auteur est spécialiste, mais de rendre lisible qu'il est professeur de neurosciences cognitives à l'université du Sussex, qu'il a écrit ce livre, et que son éditeur le relie à sa série de vidéos pédagogiques.

4. Construire une empreinte numérique plus large

Maykn prévient d'emblée qu'il ne s'agit pas d'une liste de cases à cocher : l'enjeu est que les informations utiles, dispersées un peu partout sur le web, se connectent entre elles. Éditeur, auteur, livre, recensions, entretiens, podcasts, articles, détaillants, Goodreads, Wikipédia, sites spécialisés, enseignants, experts, contenus sociaux. Bon test : si quelqu'un découvre le livre par un article ou un podcast, peut-il retrouver l'auteur, le bon titre et la bonne édition ? Et un constat qui heurtera quelques habitudes : une fiche produit solide sur une librairie en ligne sert au moment de l'achat, mais elle est rarement la meilleure source pour expliquer en quoi un livre répond à une question.

5. Tester ce que l'IA répond vraiment

Une fois les corrections apportées, il faut vérifier ce que voit un lecteur. On interroge les assistants (« quels sont les meilleurs livres sur X ? », « que lire si j'ai aimé Y ? », « quel livre pour un débutant sur X ? »), puis on constate : mon livre est-il apparu ? Le raisonnement était-il juste ? Sinon, quels titres sont sortis à sa place ? Quelles sources l'IA a-t-elle citées ? Et surtout : quels éléments a-t-elle trouvés sur ces livres-là qu'elle n'a pas trouvés sur le mien ? Puis on corrige, on teste à nouveau, on recommence, les réponses évoluant d'une semaine à l'autre. À noter que le rapport dédié à l'IA générative de la Search Console de Google permet désormais de suivre les impressions dans les AI Overviews et l'AI Mode.

L'ensemble forme une boucle que l'agence résume en six verbes : demander, répondre, prouver, connecter, tester, corriger. Et qui peut avoir un réel impact sur les ventes de livres : quand un consommateur est renvoyé sur un site marchand depuis une IA, le taux de conversion grimpe de 42 % par rapport aux autres visites, d'après des données d'Adobe Digital Insights en date de mars 2026

Un dernier point, que n'élude pas la présentation de Maykn. Personne, à ce stade, ne maîtrise complètement le sujet : on sait que les systèmes d'IA vont chercher du contenu web, que les fondamentaux du référencement restent valables, et qu'ils citent leurs sources. « On ignore en revanche quels types de contenus sont les plus fréquemment cités, quelles sources tierces pèsent le plus sur les recommandations de livres, et comment ces choix varient d'un assistant à l'autre », conclut Laura Summers.

D'où son dernier conseil, adressé aux éditeurs que l'ampleur du chantier pourrait décourager : commencer par un seul livre prioritaire, un seul public, et trois vraies questions de lecteurs.