Un expert de l’AEO explique pourquoi le trafic s’effondre quand vous multipliez votre contenu par 10 — et comment y remédier

Brendan Hufford est un ancien directeur du référencement naturel qui a créé un cabinet de conseil en marketing de contenu et en AEO pour les entreprises B2B SaaS appelé Growth Sprints, où il aide les organisations à passer de 10 M$ à 100 M$.

Nous avons échangé avec Brendan pour savoir comment être cité par les LLM. Il nous a présenté sa méthode de travail.

Comprendre l'IA en temps réel

Je suis Brendan Hufford, fondateur de Growth Sprints, un cabinet de conseil en marketing de contenu et en SEO/AEO pour les entreprises B2B SaaS, où j'aide les organisations à passer de 10 M$ à 100 M$ grâce à des systèmes de contenu performants dans les moteurs de recherche, les newsletters et sur LinkedIn.

Mon parcours n'a pas été linéaire. J'ai commencé comme professeur de psychologie au lycée, puis je me suis orienté vers le SEO et le marketing de contenu il y a une dizaine d'années. J'ai passé des années à apprendre le métier au sein d'agences et d'équipes internes avant de me mettre à mon compte.

Le passage à l'IA dans le marketing a été le moment le plus intéressant de ma carrière jusqu'à présent. Une grande partie de ce sur quoi j'avais fondé mon activité — le SEO traditionnel, avec le classement et le trafic comme objectifs — a commencé à évoluer rapidement. Le contenu de mes clients apparaissait dans les réponses de ChatGPT et de Perplexity sans générer le moindre clic vers leur site. Les directeurs marketing devaient défendre les investissements dans le contenu lors des revues trimestrielles et manquaient souvent d'arguments solides.

Le passage à l'IA dans le marketing a été le moment le plus intéressant de ma carrière jusqu'à présent.

J'ai donc repensé la méthodologie autour de ce que j'appelle désormais la PI de contenu et les boucles de découverte, des cadres conçus pour un monde où le contenu doit obtenir à la fois des citations de l'IA et des conversions humaines.

Honnêtement, je suis encore en train d'en comprendre beaucoup d'aspects en temps réel, aux côtés de mes clients. Mais c'est aussi ce qui rend ce moment particulièrement intéressant.

Comment mesurer la visibilité dans l'IA

J'ai repensé notre manière de mesurer la visibilité du contenu. Pendant des années, nous nous sommes appuyés par défaut sur le suivi des positions et le trafic organique. Cela reste utile, mais ce n'est plus une vision complète. Les acheteurs effectuent désormais une grande partie de leurs recherches au sein des outils d'IA, et Google Search Console n'en montre rien.

Pour chaque mission client, je crée désormais ce que j'appelle un tableur de suivi des requêtes AEO. Nous identifions entre 60 et 150 requêtes à intention d'achat qu'un prospect réel saisirait dans ChatGPT, Perplexity, Claude ou Gemini. Ensuite, nous suivons si le client est cité, quels concurrents sont cités à sa place et quelles sources l'IA utilise. Nous relançons régulièrement le suivi et observons l'évolution des tendances.

Pour chaque mission client, je crée désormais ce que j'appelle un tableur de suivi des requêtes AEO.

Les résultats ont changé les choses de plusieurs manières importantes :

1. Cela a fourni à mes clients une réponse mesurable à une question que leurs PDG et leurs conseils d'administration ont commencé à poser : « Apparaissons-nous dans l'IA ? » Avant cela, la plupart des équipes marketing ne faisaient que deviner.
2. Cela a changé ce que nous créons. Lorsque vous constatez que les outils d'IA s'appuient davantage sur les avis G2, les fils Reddit et les rapports d'analystes que sur votre blog, vos priorités éditoriales évoluent rapidement. Nous avons commencé à investir davantage dans les mentions obtenues, les recherches originales et la PI de contenu que l'IA cite, plutôt que de simplement publier davantage d'articles SEO dans l'espoir d'obtenir un bon classement.

En fait, j'ai vu des organisations faire passer leur taux de citation par l'IA de 8 % à 40 % et multiplier par six leurs opportunités commerciales en un trimestre.

Comment mettre en place une méthode de travail AEO

Voici le détail étape par étape :

Étape 1 : Collecte des requêtes. Je commence par l'équipe commerciale et ses enregistrements d'appels. Je relève chaque question posée par les prospects, chaque objection et chaque moment où quelqu'un dit « Je me renseignais justement sur… » ou « J'ai demandé à ChatGPT… ». Je complète ces informations avec les tickets d'assistance, les notes de l'équipe de réussite client ainsi que les fils Reddit et G2. L'objectif est de réunir entre 60 et 150 requêtes à intention d'achat qu'un être humain saisirait dans un outil d'IA.

Étape 2 : Élargissement des requêtes avec l'aide de l'IA. Je prends cette liste de départ et j'utilise Claude pour l'élargir. Il s'agit de varier les formulations, les différentes étapes du parcours d'achat et les différents profils posant la même question sous-jacente. L'IA est utile ici, car le travail consiste à repérer des schémas et non à produire une réflexion originale. Je crée un tableur structuré de requêtes classées par étape d'achat, profil et intention.

Étape 3 : Test manuel des citations. Je soumets chaque requête à ChatGPT, Perplexity, Claude et Gemini. Je note si l'organisation est citée, quels concurrents sont cités à sa place et quelles sources l'IA utilise (G2, Reddit, le blog du client, les rapports d'analystes, les podcasts, etc.). Cette partie reste parfois manuelle, car les outils d'automatisation ne sont pas encore suffisamment fiables. J'utilise l'IA pour étiqueter et classer les résultats, mais un être humain doit lire les réponses.

Étape 4 : Analyse des tendances. J'utilise Claude pour analyser l'ensemble des données et identifier les tendances. Où l'organisation obtient-elle de bons résultats ? Où enregistre-t-elle des pertes ? Quelles sources les outils d'IA jugent-ils les plus fiables dans cette catégorie ? Quels concurrents reviennent constamment, et pourquoi ? C'est ici que l'IA se justifie, car synthétiser 600 réponses d'IA en grands thèmes est une tâche qu'aucun humain ne veut effectuer manuellement.

Étape 5 : Interprétation stratégique. Cette partie est entièrement humaine. J'examine les données, j'échange avec l'équipe et je prends des décisions sur les mesures à adopter. Perdons-nous parce que nous n'avons pas de contenu sur un sujet, ou parce que notre contenu n'est pas structuré pour être lu par des humains ou exploité par l'IA ? Devons-nous investir dans des mentions obtenues auprès des sources citées par l'IA ? Devons-nous commander une étude originale pour fournir à l'IA une source exclusive vers laquelle elle pourra orienter les utilisateurs ? C'est au cours de cette réunion que nous élaborons la stratégie, et l'IA n'y participe pas.

Étape 6 : Production de contenu avec l'IA dans la boucle. Une fois que nous savons quoi créer, j'utilise l'IA pour la synthèse des recherches, les premières versions, les plans structurels et la remise en forme. Le travail humain porte sur l'angle, le ton, le point de vue et la phase de révision qui donne au contenu l'impression d'avoir été écrit par une vraie personne. L'IA prend en charge environ 40 % du temps investi. Les 60 % restants, qui sont humains, donnent au travail sa valeur éditoriale.

Étape 7 : Nouveau suivi à intervalles réguliers. Tous les 30 à 60 jours, je relance l'ensemble de requêtes et le compare à la référence initiale. Nous suivons au fil du temps le taux de citation, la répartition des sources et la visibilité des concurrents. Cela transforme le processus en véritable système plutôt qu'en audit ponctuel.

L'ensemble remplace ce qui n'était autrefois qu'une conversation vague sur la « recherche par IA » par un processus mesurable et reproductible.

Pourquoi l'IA favorise la compression et la synthèse, mais pas la conviction ni le goût

L'IA s'intègre désormais à presque tous les aspects de mon travail, mais son rôle varie considérablement selon la tâche.

Je m'appuie beaucoup sur l'IA pour la synthèse des recherches, les premières versions de contenus longs, l'analyse des concurrents, l'analyse des transcriptions d'appels commerciaux et de conversations avec les clients, les briefs de contenu, ainsi qu'une grande partie du travail de liaison qui occupait autrefois des heures. Elle prend également en charge la segmentation de l'audience, l'extraction des informations issues de la voix du client et l'identification des thèmes dans les tickets d'assistance et les appels Gong.

Je m'appuie beaucoup sur l'IA pour la synthèse des recherches, les premières versions de contenus longs, l'analyse des concurrents, l'analyse des transcriptions d'appels commerciaux et de conversations avec les clients, les briefs de contenu, ainsi qu'une grande partie du travail de liaison qui occupait autrefois des heures.

Elle prend désormais aussi en charge des tâches de production, comme transformer un rapport de recherche en projet de newsletter, générer des bibliothèques de requêtes ou réécrire un contenu dans le ton de la marque après que je l'ai correctement documenté.

Les tâches explicitement humaines comprennent la stratégie, le point de vue et la création de propriété intellectuelle éditoriale : les cadres que je construis, les noms que nous donnons aux problèmes fondamentaux, les angles que nous adoptons dans le leadership d'opinion et les décisions concernant ce qu'il faut publier ou abandonner. L'IA est peu performante dans ces domaines, car la valeur réside dans la conviction qui sous-tend le choix. Un cadre ne fonctionne que s'il est alimenté par une véritable perspective du marché. L'IA tend vers la moyenne, qui est précisément ce que nous cherchons à éviter.

Les relations sont également entièrement humaines : les appels de découverte, les ateliers et les moments où je m'oppose à un directeur marketing sur le point de prendre une mauvaise décision. Je ne délègue rien de tout cela.

Le principe auquel je reviens est que l'IA excelle dans la compression et la synthèse, tandis que les humains restent supérieurs en matière de conviction et de goût. J'utilise donc l'IA pour atteindre plus rapidement un point de départ, puis je consacre mon temps aux aspects qui nécessitent du discernement.

Les limites de l'IA dans la production de contenu

La plus grande faiblesse de l'IA concerne l'idéation de contenu. Je m'attendais à ce que l'IA m'aide à trouver des angles percutants pour les publications et les campagnes. Ce n'est pas le cas. Le résultat est compétent, générique et légèrement trop lisse. Les bonnes idées viennent toujours des appels commerciaux, des tickets d'assistance, des conversations insolites lors de conférences et du dos de mon carnet.

L'IA aide à développer une idée une fois que j'en ai une, mais elle n'est pas une source utile de réflexion originale.

La deuxième faiblesse concerne la voix de la marque. Même avec une documentation approfondie, un contenu généré par l'IA dans la voix d'un client nécessite une importante révision humaine pour vraiment lui ressembler. L'IA reproduit les caractéristiques superficielles et manque le rythme. L'âme. Je pensais que ce problème serait résolu à 80 % à ce stade. Nous sommes plutôt proches de 40 %.

La troisième faiblesse concerne le véritable discernement stratégique : le positionnement, l'affinement de l'ICP, la tarification et l'entrée sur le marché. L'IA me fournit une version bien organisée de ce que je sais déjà, ainsi que quelques suggestions qui semblent pertinentes mais s'effondrent lorsqu'on les soumet à des tests rigoureux. La stratégie exige toujours un humain qui a été présent dans la salle.

La stratégie exige toujours un humain qui a été présent dans la salle.

La quatrième faiblesse concerne la prédiction des citations AEO. Nous pouvons suivre ce qui est cité et effectuer une rétro-ingénierie des tendances, mais prédire ce qui sera cité relève encore principalement de la conjecture.

Et la lacune la plus surprenante : c'est peut-être moi qui m'y prends mal, mais l'IA ne m'a pas rendu plus rapide pour l'écriture elle-même. Elle m'a rendu plus rapide pour tout ce qui entoure l'écriture. L'écriture en elle-même me prend à peu près autant de temps, parce que le niveau d'exigence reste élevé et qu'amener une production de l'IA à ce niveau prend à peu près autant de temps, voire plus, que de l'écrire moi-même.

Pourquoi le volume de contenu est devenu un risque

J'ai bâti une grande partie du début de ma carrière sur le volume. Publier davantage, se classer sur davantage de requêtes, obtenir davantage de trafic, gagner. Cela a fonctionné pendant longtemps, et de nombreuses stratégies marketing, y compris la mienne, partaient discrètement du principe que la capacité de production constituait la contrainte. Si vous pouviez publier deux fois plus, vous croîtriez deux fois plus vite.

L'IA a fait voler cette hypothèse en éclats dans deux directions à la fois.

1. L'IA a rendu le volume bon marché. Tout le monde peut désormais publier 10 fois plus. Cela signifie que le volume en lui-même n'est plus un avantage concurrentiel. Les spécialistes du marketing qui le poursuivent foncent droit vers le bord d'une falaise.
2. L'IA a changé ce qui est valorisé. Google comme les LLM puisent dans un ensemble plus restreint de sources, plus fiables. Ils recherchent de la substance, de l'originalité et un véritable point de vue. Le volume dépourvu de ces éléments n'est pas simplement neutre : il est activement nuisible. J'ai vu des équipes anéantir leur visibilité organique en accélérant la production de contenu par l'IA, et j'ai vu des équipes plus réduites, avec des prises de position plus incisives, être citées partout.

Voilà donc le grand risque que je vois actuellement : la course à la publication de contenu généré par l'IA à grande échelle.

Cela fait chuter la visibilité organique, le contenu étant signalé par les mises à jour de Google sur les contenus utiles, et cela ne produit aucune citation par l'IA, car il n'existe aucune réflexion originale vers laquelle les outils d'IA puissent se tourner.

Voilà le grand risque que je vois actuellement : la course à la publication de contenu généré par l'IA à grande échelle.

Le volume sans substance donne de moins bons résultats que jamais, et l'IA a rendu cet écart plus visible, et non moins.

Pourquoi un contenu performant nécessite une propriété intellectuelle de contenu

Si vous voulez un contenu performant, développez une propriété intellectuelle de contenu. Cela consiste à nommer des cadres de réflexion pour les problèmes fondamentaux de votre audience. Interviewez chaque mois vos équipes 3S (ventes, réussite client et assistance). Faites remonter chaque appel dans Slack, en fournissant des synthèses hebdomadaires pertinentes pour le marketing.

Et choisissez un sujet de confrontation. La plupart des contenus B2B sont des contenus consensuels. Ils sont d'accord avec ce que disent tous les analystes, concurrents et leaders d'opinion. Les contenus qui ont un impact désignent clairement un point sur lequel les autres se trompent et proposent une solution de rechange claire.

Vous n'avez pas besoin d'être agressif. En revanche, vous devez accepter de pouvoir vous tromper publiquement.

Comment les processus de production de contenu doivent être repensés avec l'IA

En matière de production de contenu, la plupart des équipes utilisent encore un processus conçu pour 2018 : brief, rédaction, révision, publication, diffusion. Les équipes ont intégré l'IA à l'étape de rédaction et ont appelé cela une transformation. Ce n'en était pas une.

La refonte comprend trois niveaux importants :

1. Le niveau du brief est une entrée structurée (et non un document Google). Il comprend la requête de l'acheteur à laquelle le contenu cherche à répondre, la propriété intellectuelle de contenu qu'il soutient, le point de vue et les sources provenant de transcriptions et d'experts internes. L'IA l'assemble. Un humain valide l'angle avant le début de la rédaction.
2. Le niveau de rédaction utilise largement l'IA, mais avec une répartition stricte des rôles. L'IA réalise la synthèse, la rédaction de la structure et le reformatage. Un humain s'occupe de l'angle, du ton et de la phase de révision. L'humain est l'auteur pendant tout le processus, et non un simple réviseur à la fin.
3. Au niveau du contrôle qualité, la plupart des équipes se concentrent encore sur les fautes de frappe et les directives de marque. Nous avons ajouté des contrôles explicites portant sur la lisibilité, la fidélité au ton de la marque et la question de savoir si le contenu adopte une position unique dans sa catégorie. Si ce n'est pas le cas, nous le supprimons avant sa publication. Le taux de suppression est élevé, mais c'est intentionnel.

Le résultat : moins de contenus publiés, une qualité supérieure pour chacun d'eux et une progression mesurable à la fois des citations AEO et du pipeline commercial.

Ajouter l'IA à un processus de 2018 vous donne simplement plus rapidement les résultats d'un canon à contenu indésirable conçu en 2018.

Ce que les directeurs marketing doivent faire pour suivre la transformation liée à l'IA

Si vous êtes directeur marketing et que nous prenons un café, voici le conseil que je vous donnerais :

1. Cessez de courir après les outils d'IA et commencez à auditer la substance de votre contenu. Les équipes qui perdent aujourd'hui perdent parce que leur contenu n'a rien de distinctif à signaler pour les outils d'IA, Google ou les acheteurs. Si vous n'avez pas un véritable point de vue, aucun outil ne va en fabriquer un à votre place. Cessez de courir après la pile d'IA « parfaite ».
2. Prenez au sérieux la propriété intellectuelle de contenu. Des problèmes nommés, des cadres nommés, des recherches propriétaires, des points de vue originaux sur votre catégorie. L'IA cite ces éléments, ils sont bien classés dans les recherches, remportent l'adhésion sur LinkedIn, attirent des abonnés à votre newsletter et circulent lors des appels commerciaux. L'IA ne peut pas non plus reproduire cette partie du marketing, ce qui la rend plus précieuse, et non moins.
3. Mesurez ce qui compte désormais. Ajoutez le suivi de la visibilité AEO à vos rapports. Suivez l'impact de LinkedIn sur le pipeline commercial. Déterminez la corrélation entre le nombre d'abonnés à la newsletter et les taux de conclusion ou la vitesse des ventes. Sachez pour quelles requêtes d'acheteurs vous apparaissez dans ChatGPT, Perplexity et Claude, et quels concurrents l'IA cite à la place. Si vous ne pouvez pas répondre à cette question lors de votre prochain QBR, on vous la posera bientôt.
4. Utilisez l'IA là où elle est efficace et cessez de la forcer là où elle ne l'est pas. Elle est efficace pour la synthèse, la recherche, l'analyse de transcriptions, la rédaction de brouillons et le reformatage. Faites passer chaque appel commercial par Claude, puis envoyez-le dans Slack afin que votre équipe puisse le consulter chaque jour, quelques minutes après qu'il a eu lieu. L'IA est mauvaise pour les idées originales, la voix de marque et le jugement stratégique. Construisez votre flux de travail autour de cette distinction au lieu d'essayer de tout convertir à l'IA.
5. Publiez moins et faites en sorte que chaque contenu ait plus de poids. Le jeu du volume est terminé (même si tous les fournisseurs de logiciels de contenu généré par IA prétendront le contraire). Les équipes gagnantes publient moins de contenus, mais plus précis, et tirent davantage parti de chacun grâce au recyclage, à la distribution et aux mentions obtenues.
6. Et enfin, soyez honnête avec votre équipe et votre directeur général sur ce qui change. De nombreux responsables marketing espèrent discrètement que tout cela finira par passer. Ce ne sera pas le cas. Les acheteurs ont déjà changé leur manière de faire leurs recherches. La sainte trinité est composée de la découverte (Google/LLM), des réseaux sociaux (LinkedIn, YouTube) et du contenu relationnel (newsletter/podcast).

Suivez-nous

Vous pouvez suivre le travail de Brendan Hufford sur LinkedIn. Et découvrir Growth Sprints.

D'autres entretiens avec des experts seront bientôt disponibles sur The CMO Club !