GEO pour les commerces locauxÊtre recommandé dans les réponses IA géolocalisées

Résumé

Les assistants IA répondent aux questions locales par une liste courte de trois à cinq établissements, composée à partir des fiches cartographiques, des plateformes d’avis, des annuaires, des fils communautaires et de la presse locale. Rarement à partir de votre seul site. Le GEO local consiste donc à rendre votre entité non ambiguë sur ces sources, à obtenir des corroborations tierces récentes, et à écrire une zone de chalandise assez précise pour être citée. Ce guide couvre l’origine des réponses géolocalisées, les cinq signaux qui décident des recommandations, un plan en 30 jours, et la mesure ville par ville plutôt qu’à l’échelle de la marque.

Ce que le GEO signifie pour un commerce local

Le GEO (Generative Engine Optimization) consiste à faire en sorte que votre marque soit citée, décrite correctement et recommandée quand quelqu’un pose une question à un assistant IA. Pour un commerce local, cette question ressemble presque toujours à « quel est le meilleur plombier à Lyon », « où dîner près de la Croix-Rousse » ou « quel cabinet dentaire à Bordeaux prend de nouveaux patients ».

La différence avec le SEO local classique est structurelle, pas cosmétique. Une page de résultats affiche un pack local de trois fiches, une liste organique en dessous, et un utilisateur qui fait défiler. Une réponse IA affiche un paragraphe qui nomme quelques établissements, souvent avec une phrase de justification pour chacun. Il n’y a pas de page deux : soit vous êtes dans la liste courte, soit vous êtes invisible sur cette requête.

Cela comprime brutalement le tunnel. En recherche locale classique, être septième rapportait encore un peu de trafic. Dans une réponse IA, être la septième option la plus crédible ne rapporte rien, parce que l’assistant s’est arrêté à cinq. La bonne nouvelle : ces listes courtes sont bien plus accessibles qu’un mot-clé national. L’ensemble concurrentiel de « meilleur kinésithérapeute à Nantes » est petit, et la plupart de ses membres n’ont rien fait de délibéré sur leur visibilité IA.

D’où viennent réellement les réponses IA géolocalisées

Les requêtes locales sont la catégorie où les assistants s’appuient le plus sur la recherche en direct plutôt que sur leur mémoire d’entraînement. Les horaires changent, les commerces ferment, les prix bougent. Les modèles sont entraînés sur des données qui périment vite : presque toute question géolocalisée déclenche donc une étape de recherche avant la rédaction de la réponse.

C’est là que tout se joue. L’assistant récupère un petit nombre de pages, les lit, et compose sa réponse à partir de ce qu’il y a trouvé. Si votre établissement n’est pas représenté dans ces pages, aucune optimisation on-site ne vous fera apparaître.

En pratique, les sources qui alimentent les réponses géolocalisées forment un ensemble prévisible :

• Les données de fiches et de cartes : Google Business Profile, Apple Business Connect et leurs agrégateurs, qui fournissent le nom canonique, la catégorie, l’adresse et les horaires.
• Les plateformes d’avis : avis Google, Yelp, Trustpilot, Tripadvisor, plus les équivalents verticaux comme Doctolib, Booking ou Houzz selon votre secteur.
• Les annuaires verticaux et municipaux : fiches de chambres de commerce, registres d’ordres professionnels, places de marché sectorielles.
• Les discussions communautaires : fils Reddit, groupes Facebook publics indexés, forums où des habitants recommandent des adresses par leur nom.
• La presse locale : magazines de ville, quotidiens régionaux, blogs de quartier et sélections « les meilleurs », que les assistants traitent comme une curation plutôt fiable.
• Votre propre site : décisif pour confirmer les détails et répondre à la question précise, mais le moins utile pour entrer dans l’ensemble de considération au départ.

Notez l’ordre. Votre site figure dans la liste, mais c’est la dernière source à changer le résultat, pas la première. Le GEO local est majoritairement un travail mené en dehors de votre domaine.

Les cinq signaux qui décident des recommandations locales

Sur les requêtes locales que nous voyons suivies, ce sont toujours les mêmes cinq signaux qui séparent les établissements cités de ceux qui ne le sont pas.

1. La cohérence de l’entité. Un assistant doit être certain que la « Maison Duval » de Yelp, la « Maison Duval Paris » de Google et le site maisonduval.fr désignent un seul et même commerce. Noms divergents, ancienne adresse, trois numéros de téléphone, catégories qui ne correspondent pas : l’ambiguïté ne se devine pas, elle s’écarte.

2. La fraîcheur et le volume des avis. Pas seulement la note. Un établissement avec 40 avis datant de cette année se lit comme actif ; un établissement avec 300 avis qui s’arrêtent en 2023 se lit comme peut-être fermé. Les assistants nuancent systématiquement quand la preuve la plus récente est ancienne.

3. La corroboration tierce. Une affirmation faite uniquement sur votre site est un argument marketing. La même affirmation reprise dans un journal local, une description d’annuaire et un avis client devient un fait que le modèle reformulera. C’est le levier le plus puissant pour la plupart des enseignes locales, et celui auquel elles consacrent le moins de temps.

4. La précision de la zone de chalandise. Une page qui annonce « nous intervenons dans toute la région » ne donne rien à exploiter au modèle. Une page qui nomme des quartiers, des codes postaux et des temps de trajet lui donne un texte qu’il peut apparier à la question et citer.

5. La structure lisible par la machine. Le balisage LocalBusiness avec adresse, coordonnées géographiques, horaires et zone desservie n’est pas une astuce de classement. C’est la différence entre un modèle qui déduit vos informations d’un texte et un modèle qui les lit dans un champ.

Un plan GEO en 30 jours pour les enseignes locales et multi-sites

Voici une séquence qui fonctionne pour un point de vente unique et qui passe à l’échelle sur cinquante. Elle place volontairement le nettoyage en premier, parce qu’une corroboration bâtie sur une entité incohérente ne capitalise pas.

• Jours 1 à 5 : Auditer l’entité. Récupérez chaque fiche publique de votre établissement et notez le nom, l’adresse, le téléphone, la catégorie et les horaires exacts. Alignez toutes les divergences sur une version canonique unique. Pour les réseaux multi-sites, faites-le dans un tableur avec une ligne par point de vente avant de toucher à quoi que ce soit.
• Jours 6 à 10 : Compléter la couche fiches. Remplissez chaque champ de votre Google Business Profile et de ses équivalents : prestations, attributs, zone desservie, photos récentes. Un champ vide est une réponse manquante.
• Jours 11 à 15 : Construire les pages de réponse. Une page par point de vente, et une page par prestation croisée avec votre ville principale si le volume le justifie. Chaque page doit répondre aux questions littérales : combien ça coûte, combien de temps ça prend, prenez-vous sans rendez-vous, quels quartiers couvrez-vous.
• Jours 16 à 20 : Ajouter la structure. Balisage LocalBusiness (ou le sous-type pertinent) sur chaque page de point de vente, avec sameAs pointant vers vos fiches vérifiées. Ajoutez un balisage FAQPage pour les questions que vous venez de traiter en texte.
• Jours 21 à 25 : Déclencher la corroboration. Demandez à vos clients récents des avis qui mentionnent la prestation précise et le quartier, pas seulement « super service ». Proposez un sujet réellement intéressant à une publication locale. Revendiquez vos fiches dans les deux ou trois annuaires verticaux qui comptent dans votre secteur.
• Jours 26 à 30 : Établir la ligne de base. Rédigez les 20 à 40 questions qu’un vrai client poserait à un assistant avant de choisir un établissement comme le vôtre, passez-les sur les moteurs réellement utilisés dans votre marché, et notez qui est cité. C’est le chiffre que vous chercherez à améliorer.

Mesurer la visibilité IA ville par ville

L’erreur de mesure la plus fréquente en GEO local consiste à suivre la marque comme une entité unique. « Sommes-nous visibles sur ChatGPT ? » n’est pas une question à laquelle on peut répondre pour une enseigne à huit adresses : la réponse diffère dans chaque ville, et la moyenne masque les points de vente en difficulté.

La visibilité locale se mesure par point de vente et par question. Cela suppose un jeu de prompts construit à partir de la géographie, pas de votre liste de mots-clés : le nom de la ville, les noms de quartiers, les formulations « près de moi », et les qualificatifs que les clients ajoutent vraiment. Ouvert le dimanche, anglophone, accessible en fauteuil, accepte de nouveaux patients.

Quatre chiffres méritent d’être suivis par point de vente :

• Le taux de présence : la part des prompts locaux suivis où votre établissement est cité. C’est la métrique principale, et celle qui bouge en premier.
• La position dans la liste courte : être cité en troisième position sur cinq n’équivaut pas à être cité en premier, et l’écart se voit sur les visites de votre fiche.
• L’exactitude : l’assistant énonce-t-il correctement vos horaires, vos prestations et votre adresse ? Un horaire de fermeture erroné coûte un client même quand vous avez gagné la recommandation.
• Le mix de sources : quelles pages les moteurs ont réellement citées pour composer la réponse. C’est ce qui indique où investir ensuite, et ce n’est en général pas votre site.

Les erreurs qui excluent les commerces locaux des réponses IA

La plupart des commerces locaux perdent leur visibilité IA sur des erreurs évitables, pas parce qu’un concurrent dépense davantage. Les récurrentes :

• Réduire la stratégie au site web. Publier des pages locales supplémentaires pendant que votre fiche Yelp affiche une adresse vieille de cinq ans, c’est optimiser la source la moins importante.
• Laisser survivre d’anciennes fiches après un déménagement ou un changement de nom. Un doublon obsolète ne se contente pas d’être inutile : il crée précisément l’ambiguïté qui vous fait écarter.
• Courir après le volume d’avis sans la fraîcheur. Vingt avis par an, indéfiniment, valent mieux que 200 avis il y a trois ans.
• Rédiger une zone de chalandise qui ne nomme aucun lieu. « Toute l’Île-de-France » est inexploitable. « Montreuil, Bagnolet et Vincennes » est citable.
• Ignorer la couche communautaire. Un seul fil Reddit qui recommande trois concurrents peut peser plus lourd qu’une année de contenu, et il appelle souvent une réponse honnête du gérant.
• Mesurer une seule fois. Les réponses locales évoluent au rythme des avis et des mises à jour de fiches. Un instantané trimestriel ne dit pas si une baisse est réelle ou du bruit.

Le GEO local récompense la rigueur plus que le budget. Les ensembles concurrentiels sont petits, les signaux sont corrigeables, et la plupart des établissements face à vous n’ont pas encore regardé une seule réponse IA concernant leur propre ville. Ceux qui commencent à mesurer maintenant passeront les deux prochaines années à défendre une position plutôt qu’à tenter de la reprendre.