Étude de cas GEO : ChatGPT recommande notre site en six langues

Pour montrer comment fonctionne l'optimisation pour les réponses des IA, rien ne vaut un produit qui nous appartient : nous pouvons tout publier, y compris ce qui n'a pas marché. Au printemps 2026, le studio a mis en ligne turkish-vocabulary.com, un test gratuit d'une seule page qui estime le nombre de mots turcs que vous connaissez. Le sujet n'a rien à voir avec notre métier, les questions viennent de vrais utilisateurs, et n'importe quel lecteur peut vérifier le résultat en une minute.

Le produit

Une page, sans inscription. Un mot turc s'affiche, vous saisissez la traduction. Les mots sont tirés de cinq bandes de fréquence qui couvrent environ les 20 000 lemmes les plus courants, et le résultat est une estimation statistique du vocabulaire, donnée sous forme de fourchette plutôt que de chiffre unique. Trois formats : 15, 40 ou 75 mots. Tout tourne dans le navigateur et l'interface existe en huit langues.

Ce que nous avons fait : tout le travail GEO on-site

• Un bloc « Comment fonctionne le test » placé en tête de page, qui répond d'entrée et expose la méthode : les bandes de fréquence, la taille des échantillons, le caractère statistique de l'estimation et ce que le test ne mesure pas.
• Un balisage FAQPage, doublé de la même FAQ en texte visible sur la page : ce que mesure le score, ce qui distingue les trois formats, la confiance à lui accorder, la nécessité ou non d'un compte, le sort des données.
• Un balisage WebApplication, typé application éducative au prix de zéro : la catégorie et la gratuité deviennent lisibles par la machine.
• Un fichier llms.txt avec une section « Comment citer » et des règles d'usage : la reprise est libre avec un lien, mais le score ne doit pas être présenté comme un résultat d'examen.
• Les bases techniques de l'indexation : URL canoniques, robots.txt ouvert à tous les agents, sitemap qui référence aussi le llms.txt, balises hreflang et cartes Open Graph.
• Les limites annoncées sur la page elle-même : ce n'est ni un examen officiel, ni un certificat, ni un substitut à un test de niveau.

Aucun lien acheté, aucun budget publicitaire. Tout tient à l'intérieur du site.

La mesure : sept tests, six langues

Le 24 août 2026, nous avons posé à ChatGPT les questions que les gens tapent réellement, du type « meilleur site pour tester mon vocabulaire turc » ou « combien de mots turcs est-ce que je connais », dans six des langues de l'interface, avec une ou deux formulations par langue. Nous avons noté trois choses à chaque fois : le site est-il cité, à quelle place dans la liste, et vers quoi le modèle oriente-t-il finalement l'utilisateur.

• Anglais, « best website to test my Turkish vocabulary size » : première place, verdict « My pick: start with Turkish-Vocabulary.com ».
• Anglais, « free online test to estimate how many Turkish words I know » : deuxième place, recommandé à égalité avec un concurrent.
• Russe : première place, avec le conseil de commencer par là et de prendre la version de 75 mots.
• Ukrainien : première place, le modèle retient explicitement la première option.
• Allemand : deuxième dans la liste, mais c'est notre service que le modèle met en avant pour la question posée.
• Français : deuxième place, un concurrent est recommandé avant nous.
• Néerlandais : deuxième place, recommandé à égalité avec un concurrent.

Bilan : cité dans 7 tests sur 7, recommandé en premier ou à égalité dans 6 sur 7, en tête de liste dans 3 sur 7.

Le modèle ne se souvient pas du site, il le lit. Les mêmes formules reviennent dans les six langues : bandes de fréquence, 15, 40 ou 75 mots, jusqu'à 20 000 lemmes, gratuit et sans inscription. C'est notre texte, repris de la page, et non un résumé de ce que d'autres disent de nous.

Là où nous perdons, et pourquoi c'est la partie la plus utile

En allemand et en français, le modèle place un concurrent devant nous. La cause tient probablement à notre propre construction : le titre, la description et les deux blocs de données structurées n'existent qu'en russe, les huit versions linguistiques pointent vers une seule URL, et les traductions de l'interface sont injectées par un script dans le navigateur, donc absentes du HTML que reçoit le robot. Le modèle s'en accommode et cite la page dans toutes les langues, mais dès que la langue s'éloigne du russe et de l'anglais, la première place revient au concurrent dont les pages sont réellement localisées.

D'où la suite du chantier et une hypothèse vérifiable : localiser les métadonnées, les données structurées et le llms.txt par langue, puis relancer les mêmes sept requêtes. Si le diagnostic est juste, l'allemand et le français devraient remonter. Nous publierons l'écart ici, quel qu'il soit, car mesurer, trouver, corriger et remesurer, c'est cela le travail, pas une victoire isolée.

Ce que ce cas démontre, et ce qu'il ne démontre pas

Il démontre qu'un travail on-site soigné — une méthode écrite noir sur blanc, un balisage FAQ, un fichier llms.txt — suffit à rendre un petit site citable dans plusieurs langues à la fois, sans un seul lien acheté ni une seule campagne. Il ne démontre pas que la première place est acquise : les réponses des modèles sont probabilistes et changent d'une session à l'autre, et une mesure du 24 août 2026 reste un instantané. Il ne démontre pas non plus que la recette se transpose telle quelle aux niches commerciales disputées, où le travail on-site doit s'accompagner d'un volet hors site. Le site est un produit du studio et non un projet client : nous le disons franchement, car une étude de cas sans réserves ne vaut rien.