Le GEO local, ou comment la géographie redevient un levier de visibilité IA
Un artisan à Lyon tape « meilleur plombier proche de moi » dans ChatGPT. Le SEO local ne disparaît pas avec les LLM, mais sa mécanique change : la géographie devient un filtre sémantique avant d'être un filtre de proximité. Voici comment les moteurs génératifs reconstruisent le contexte local, et ce qui fait vraiment la différence pour être cité.
Un artisan à Lyon tape "meilleur plombier proche de moi" dans ChatGPT. Une expatriée cherche "où manger vegan dans le 11e arrondissement" sur Perplexity. Un acheteur B2B demande à Gemini quel intégrateur CRM basé à Lille peut intervenir sous 48 heures. Trois requêtes, un point commun : elles attendent une réponse ancrée dans un territoire précis.
Le SEO local existe depuis quinze ans. Fiche Google Business, avis clients, citations NAP cohérentes, pages villes. Tout ce savoir-faire ne disparaît pas avec les LLM. Mais il change de mécanique. Un moteur de recherche classique croise votre position géolocalisée avec un index de résultats proches. Un LLM, lui, doit comprendre le contexte local à partir du texte, reformuler la requête, et choisir des sources à citer. La géographie devient un filtre sémantique avant d'être un filtre de proximité.
Pourquoi la localisation refait surface avec les LLM
Les moteurs génératifs traitent une requête locale en la décomposant. "Meilleur plombier proche de moi" devient une série de sous-requêtes : quel est le type de service demandé, quelle zone géographique couvre "proche de moi", quels critères définissent "meilleur" (avis, disponibilité, tarifs, spécialité). Cette décomposition en fan-out queries favorise les entreprises dont le contenu répond directement à chacune de ces sous-questions, plutôt que celles qui se contentent d'une fiche d'adresse.
ChatGPT, Perplexity et Gemini n'ont pas tous le même niveau de précision géographique. Perplexity s'appuie beaucoup sur des sources web fraîches et cite volontiers des annuaires locaux, des articles de presse régionale, des forums de quartier. ChatGPT, quand il active la recherche web, privilégie des pages qui expriment clairement leur zone de chalandise dans le texte, pas seulement dans les métadonnées. Gemini, connecté à l'écosystème Google, tire encore parti du Business Profile et des avis, mais reformule la réponse avec ses propres mots, ce qui dilue le lien direct vers votre fiche.
Résultat : une entreprise locale bien positionnée sur Google Maps peut rester invisible dans une réponse de ChatGPT si son site ne dit jamais explicitement "nous intervenons à Villeurbanne, Vénissieux et Caluire" dans un texte lisible par une IA.
Comment les LLM reconstruisent le contexte local
Un LLM ne sait pas où vous êtes, sauf si l'application le lui indique. Il travaille donc avec ce que la requête et les sources contiennent comme signaux géographiques explicites. Trois types de signaux comptent.
Le premier, ce sont les mentions textuelles de zone. Une page qui liste "Paris, Boulogne-Billancourt, Neuilly-sur-Seine" en toutes lettres, dans une phrase normale, a plus de chances d'être associée à ces villes qu'une page qui se contente d'un code postal dans le footer.
Le deuxième, ce sont les sources tierces qui confirment la présence locale. Un article de presse régionale, une fiche d'annuaire professionnel, un avis Google daté et localisé, une mention sur un forum type Reddit ou un groupe Facebook local. Les LLM pondèrent la cohérence entre plusieurs sources indépendantes plus qu'un seul site qui se déclare lui-même expert local.
Le troisième, ce sont les données structurées. Le schema LocalBusiness reste lu par les moteurs génératifs qui crawlent le HTML brut, à condition que la page ne soit pas entièrement rendue en JavaScript côté client. Une adresse, des horaires, une zone de service déclarés en JSON-LD donnent à l'IA un signal propre, sans ambiguïté d'interprétation.
Ce qui fait réellement la différence
Beaucoup d'entreprises locales pensent qu'une page par ville suffit. C'est une erreur qui a déjà coûté cher en SEO classique, et qui coûte encore plus cher en GEO. Une page "plombier à Villeurbanne" qui recopie le contenu de "plombier à Vénissieux" en changeant juste le nom de la ville n'apporte aucune information nouvelle. Un LLM qui compare plusieurs sources détecte cette duplication et privilégie une source qui décrit un vrai ancrage local : un numéro de téléphone local actif, un témoignage client nommé, une intervention récente racontée avec des détails vérifiables.
Le contenu qui fonctionne répond à des questions locales précises. Pas "nos services de plomberie" mais "combien coûte un débouchage de canalisation à Lyon en 2026" ou "quel est le délai moyen d'intervention d'un plombier dans le 6e arrondissement". Ce niveau de granularité correspond à ce que les fan-out queries des LLM cherchent à combler.
La presse locale et les annuaires spécialisés jouent un rôle disproportionné. Un article dans Le Progrès qui mentionne votre entreprise pèse souvent plus, aux yeux d'un LLM, qu'une page de votre propre site optimisée pour le mot-clé. La raison est simple : une source tierce indépendante est perçue comme plus fiable qu'une auto-déclaration. Les entreprises qui investissent dans les relations presse locales et les partenariats avec des annuaires sectoriels construisent, sans le savoir, un capital GEO local.
Voici comment les deux disciplines se recoupent et divergent :
| Levier | SEO local | GEO local |
|---|---|---|
| Fiche Google Business | Signal de classement direct dans Maps | Signal secondaire, réutilisé par Gemini surtout |
| Avis clients | Influence le ranking et le taux de clic | Source de preuve sociale citée dans la réponse générée |
| Pages villes dupliquées | Toléré si légèrement différencié | Pénalisant, détecté comme contenu creux |
| Presse locale et annuaires | Utile pour le netlinking | Source tierce que le LLM cite pour crédibiliser |
| Données structurées LocalBusiness | Optionnel, aide au rich snippet | Signal clé si le site est lisible sans JavaScript |
| Proximité géographique réelle | Facteur de ranking direct (IP, GPS) | Absent sauf si l'app transmet la position à l'IA |
Les pièges à éviter
Le premier piège, c'est de croire que la fiche Google Business suffit encore à tout couvrir. Elle reste indispensable pour Maps et pour Gemini, mais elle n'est pas lue de la même façon par ChatGPT ou Perplexity, qui s'appuient davantage sur le web ouvert.
Le deuxième piège, c'est la sur-optimisation par ville. Générer cinquante pages automatiques pour cinquante communes limitrophes produit un contenu que les LLM identifient comme du spam programmatique. Mieux vaut dix pages qui racontent une réalité locale précise que cinquante pages creuses.
Le troisième piège, c'est d'oublier que la fraîcheur compte. Un avis vieux de trois ans, un article de 2021, une adresse qui a changé sans mise à jour : les LLM qui privilégient des sources récentes écartent ces signaux au profit de concurrents plus à jour, même modestes.
Le dernier piège, c'est de traiter le GEO local comme un chantier ponctuel. La visibilité dans les réponses génératives se construit sur la durée, par accumulation de mentions cohérentes à travers le web : site propre, presse, annuaires, avis, réseaux sociaux locaux. Un audit unique ne suffit pas. Il faut un monitoring qui vérifie, requête après requête, comment chaque LLM restitue votre présence locale.
Vurto surveille justement ce que ChatGPT, Gemini, Perplexity et Claude répondent sur votre entreprise, ville par ville, et signale les zones où votre présence locale reste invisible aux yeux des IA.