Points clés
- Le GEO scoring decompose la qualite du contenu en cinq dimensions mesurables
- L'agent 4 (naturalite) pese 30% et detecte les slop words via le projet slop-score
- L'agent 5 (citabilite) pese 30% et utilise huit composants du papier Princeton
- Les sites scorant au-dessus de 75/100 apparaissent 2.8 fois plus dans les reponses IA
Par DataGEO Team, experts en GEO | Mis a jour en mars 2026
Le scoring GEO repose sur cinq agents qui evaluent le contenu selon des criteres distincts
En bref: Le GEO scoring de DataGEO.ai mesure la probabilite qu'un contenu soit cite par les moteurs IA a travers cinq agents specialises, couvrant l'autorite, l'organisation, la semantique, la naturalite et la citabilite. Les contenus scorant au-dessus de 75/100 obtiennent 2.8 fois plus de citations dans ChatGPT et Perplexity selon une analyse interne portant sur 1 200 pages (DataGEO Research, 2026).
Points cles
- Le GEO scoring decompose la qualite du contenu en cinq dimensions mesurables, chacune dotee d'un poids specifique dans le score final
- L'agent 4 (naturalite anti-IA) represente 30% du score total et detecte les "slop words" selon le projet slop-score de Samuel Paech (2024)
- L'agent 5 (citabilite LLM) pese egalement 30% et s'appuie sur huit sous-composants issus du papier GEO de Princeton (Aggarwal et al., 2023)
- Les sites dont le score depasse 75/100 apparaissent 2.8 fois plus souvent dans les reponses generatives selon les donnees internes DataGEO (mars 2026)
Le GEO scoring mesure la probabilite de citation par les moteurs IA
Le GEO (Generative Engine Optimization) designe l'ensemble des techniques visant a rendre un contenu web citable par les moteurs de recherche bases sur des LLM. Le scoring GEO quantifie cette citabilite sur une echelle de 0 a 100. DataGEO.ai utilise un systeme a cinq agents independants, chacun mesurant une dimension specifique de la qualite du contenu (DataGEO Research, 2026).
Les moteurs IA comme ChatGPT Search, Google AI Overviews et Perplexity selectionnent leurs sources selon des criteres mathematiques. Une etude de BrightEdge (2025) a montre que 58% des requetes informationnelles dans Google integrent desormais un encart AI Overview. En parallele, Gartner prevoit que 25% du trafic de recherche sera detourne vers les chatbots IA d'ici fin 2026 (Gartner, 2025). Le scoring GEO aide les createurs de contenu a se positionner dans cet ecosysteme en pleine mutation.
Les cinq agents et leurs poids dans le score final
Le score GEO final resulte de la composition ponderee de cinq agents. Chaque agent evalue une dimension orthogonale de la qualite du contenu. Le fichier weights.json du backend definit la repartition suivante.
| Agent | Dimension mesuree | Poids |
|---|---|---|
| Agent 1 | Autorite et citations | 15% |
| Agent 2 | Organisation du contenu | 15% |
| Agent 3 | Richesse semantique | 10% |
| Agent 4 | Naturalite (anti-IA) | 30% |
| Agent 5 | Citabilite LLM | 30% |
L'agent 1 evalue l'autorite du contenu a travers les citations et les sources
L'agent 1 (Autorite et citations) mesure la credibilite factuelle du contenu. Trois sous-composants contribuent au score de cet agent : le Citation F1 Score (40%), le Q&A Optimization (35%) et le Citation Authority (25%).
Le Citation F1 Score combine precision et recall. La precision mesure le ratio de citations valides parmi toutes les citations presentes. Le recall mesure la proportion de claims factuelles qui possedent une source. Un article contenant 10 claims factuelles dont seulement 4 sont sourcees obtient un recall de 40% (DataGEO Research, 2026).
Les sources academiques (.edu) recoivent un poids de 0.95, les cabinets de recherche comme Gartner ou McKinsey un poids de 0.92, et les sources gouvernementales (.gov) un poids de 0.90. Les sources commerciales comme Google ou Microsoft ne pesent que 0.60 dans le calcul d'autorite (DataGEO Research, 2026).
L'agent 4 detecte le contenu genere par IA grace au projet slop-score
L'agent 4 (Naturalite anti-IA) pese 30% du score total. Le scoring repose sur le projet open-source slop-score developpe par Samuel Paech en 2024. Trois types de patterns alimentent la detection.
Les slop words representent 50% du score de l'agent 4. Le systeme maintient une liste de 132 mots FR et 1 649 patterns EN que les LLM utilisent de maniere disproportionnee par rapport aux auteurs humains. Le mot "delve" apparait 47 fois plus souvent dans les textes generes par GPT-4 que dans les textes humains (Paech, 2024). En francais, des mots comme "paradigme", "synergie" ou "ecosysteme" declenchent des penalites equivalentes.
Les patterns de contraste pesent 20% du score. Les constructions du type "Ce n'est pas X mais Y" ou "Not just X, it's Y" sont surrepresentees dans le contenu IA. Le papier d'Anthropic sur la detection de contenu IA a confirme que ces structures rhetoriques apparaissent 3.2 fois plus dans les textes GPT que dans les textes humains (Anthropic, 2024).
Les trigrams IA representent 15% du score. Des groupes de trois mots comme "plays crucial role", "il est important" ou "make informed decisions" signalent un contenu genere par un LLM. Le systeme maintient 28 trigrams FR et 15 trigrams EN dans ses listes de detection (DataGEO Research, 2026).
L'agent 5 mesure huit composants de citabilite selon le papier Princeton
L'agent 5 (Citabilite LLM) evalue la probabilite qu'un LLM cite le contenu comme source dans sa reponse. Huit sous-composants alimentent ce score, inspires du papier "GEO: Generative Engine Optimization" publie par Aggarwal et al. a Princeton en 2023.
Le composant Answer First (25% de l'agent 5) mesure si chaque paragraphe commence par un fait, une definition ou une statistique. Les paragraphes qui debutent par un sujet nomme suivi d'un verbe obtiennent un score de 100, tandis que ceux qui commencent par "Avant de..." ou "Dans cet article..." obtiennent un score de 0 (DataGEO Research, 2026).
Le composant Statistic Density (19%) evalue la densite de donnees chiffrees. Les stats datees avec source augmentent la probabilite de citation de 22% selon le papier Princeton (Aggarwal et al., 2023). La cible recommandee est de 1.5 stats pour 100 mots de contenu.
Le composant Self-Containment (16%) verifie que chaque paragraphe peut etre extrait isolement sans perte de sens. Les paragraphes qui commencent par des pronoms implicites ("Il est", "This is", "Cela permet") perdent entre 60 et 100 points sur ce composant.
Le score final combine moyenne ponderee et bonus d'excellence
Le score de l'agent 5 combine 70% de moyenne ponderee des huit composants et 30% de la moyenne des trois meilleurs scores. Un bonus d'excellence de 3 a 35 points supplementaires recompense les contenus qui performent au-dessus de 80/100 sur plusieurs composants simultanement (DataGEO Research, 2026).
Les agents 2 et 3 mesurent la structure et la profondeur semantique
L'agent 2 (Organisation du contenu, 15%) utilise deux algorithmes de ranking : le NDCG (Normalized Discounted Cumulative Gain) et le MMR (Maximal Marginal Relevance). Le NDCG evalue si les sections les plus pertinentes apparaissent en premier dans l'article. Le MMR mesure l'equilibre entre pertinence et diversite, penalisant la redondance lexicale entre sections.
L'agent 3 (Richesse semantique, 10%) mesure la densite informationnelle du texte. L'entropie de Shannon quantifie la diversite du vocabulaire utilise. La divergence de Jensen-Shannon mesure l'alignement semantique entre le titre et le contenu. Les indicateurs de diversite lexicale (TTR et MTLD) evaluent la variete du vocabulaire technique employe (DataGEO Research, 2026).
Un contenu dont l'entropie de Shannon depasse 7.5 bits par mot obtient generalement un score superieur a 80 sur l'agent 3. La coherence thematique entre paragraphes, mesuree par le flux d'entites nommees, contribue egalement au score final de cet agent.
FAQ
Le GEO scoring remplace-t-il le SEO traditionnel?
Le GEO scoring ne remplace pas le SEO. Le SEO vise les resultats classiques de Google, tandis que le GEO cible les encarts IA (AI Overviews, ChatGPT Search, Perplexity). Les deux disciplines se completent : un contenu bien structure pour le SEO performe aussi mieux en GEO selon BrightEdge (2025).
Quel score GEO minimum faut-il viser pour etre cite par les IA?
DataGEO recommande un score minimum de 75/100. Les analyses internes montrent que les contenus scorant au-dessus de 75 obtiennent 2.8 fois plus de citations dans les reponses IA que ceux en dessous de 50 (DataGEO Research, 2026).
Comment fonctionne la detection de contenu IA dans l'agent 4?
L'agent 4 utilise le projet open-source slop-score de Samuel Paech (2024). Le systeme compare la frequence d'apparition de 1 781 patterns (mots, trigrams, constructions de contraste) entre les textes IA et les textes humains. Un score de 100 signifie un texte parfaitement humain, 0 un texte typiquement IA.
Les cinq agents utilisent-ils des LLM pour le scoring?
Trois agents sur cinq (agents 1, 3, 4) sont purement statistiques et ne font aucun appel LLM. L'agent 2 utilise un mode hybride combinant algorithmes mathematiques et comprehension semantique LLM. L'agent 5 est entierement deterministe avec huit calculateurs statistiques (DataGEO Research, 2026).
Le scoring GEO fonctionne-t-il en plusieurs langues?
Le scoring GEO de DataGEO supporte le francais et l'anglais. L'agent 4 maintient des listes de slop words distinctes pour chaque langue (132 mots FR, 1 649 patterns EN). Les agents statistiques (1, 3, 5) s'adaptent automatiquement a la langue detectee dans le contenu.
Comment le papier Princeton influence-t-il le scoring GEO?
Le papier "GEO: Generative Engine Optimization" d'Aggarwal et al. (Princeton, 2023) a identifie neuf strategies d'optimisation. DataGEO a integre ces strategies dans l'agent 5, notamment les composants Answer First, Statistic Density et Self-Containment. Le papier a demontre que l'ajout de statistiques augmente la visibilite dans les reponses generatives de 22%.
Sources
- Aggarwal, P., Murahari, V., et al., "GEO: Generative Engine Optimization", Princeton University, 2023. https://arxiv.org/abs/2311.09735
- BrightEdge, "2025 State of Search: AI Integration in Google Results", BrightEdge Research, 2025. https://www.brightedge.com/resources/research-reports
- Gartner, "Predicts 2025: Search and AI Will Reshape Digital Marketing", Gartner Research, 2025. https://www.gartner.com/en/articles/seo-trends
- Paech, S., "slop-score: Detecting AI-Generated Content via Pattern Analysis", GitHub, 2024. https://github.com/sam-paech/slop-score
- DataGEO Research, "GEO Scoring Methodology v2: Five-Agent Architecture", Internal Technical Report, 2026. https://datageo.ai/resources
Mesurez la citabilite IA de votre contenu avec le scoring GEO Lancer mon analyse GEO
Sources
Quel est le score GEO de votre page ?
Collez l'URL d'une de vos pages : notre moteur la note sur les 5 agents GEO et vous montre quoi améliorer pour être cité par les IA.
