GEO : comment Ornikar est devenue une marque citée par l’IA, avec le playbook pour y arriver

Ornikar × Qwairy : témoignage client

Dans la recherche IA, la récompense n’est pas un clic, c’est une mention.

Quand quelqu’un demande à un modèle quelle auto-école choisir, ou comment fonctionne l’assurance auto pour un jeune conducteur, ce qui compte, c’est que votre marque soit nommée, citée et recommandée. Le trafic peut suivre, mais être la marque dont parle le modèle, voilà le vrai enjeu.

Ornikar l’a compris tôt. Voici l’histoire du playbook opérationnel que Matthias Lavoisier a construit pour faire d’Ornikar une marque citée dans les réponses IA, et de la façon dont les résultats business ont suivi.

Le client : Ornikar

Ornikar  est le leader de la formation à la conduite en ligne en France, et un acteur de l’assurance auto en ligne. Matthias, Head of SEO d’Ornikar, dispose ainsi de deux terrains de jeu très différents.

Sur la formation à la conduite, Ornikar est la référence : une catégorie riche en pédagogie, où les gens cherchent sans cesse des règles du code de la route et des informations pratiques, exactement les questions désormais exposées aux réponses de l’IA.

Sur l’assurance auto, le combat est plus rude : une notoriété plus faible, un marché dominé par les comparateurs. Ornikar décroche pourtant des positions dans le top 3 sur des termes comme « assurance auto ».

Un fil rouge traverse tout : la confiance.

Environ 70 % des permis de conduire en France sont financés par les parents : Ornikar doit donc rassurer deux publics à la fois, le jeune élève et le parent qui paie.

Chez Ornikar, le SEO a toujours servi cette mission de confiance autant que le trafic, et c’est précisément pourquoi être recommandé par les modèles d’IA, et pas seulement visité, était l’objectif naturel.

Le défi : devenir la marque que les modèles citent

Le basculement était net : les requêtes informationnelles, comme « combien de grammes d’alcool avant de conduire » ou « peut-on conduire en tongs », trouvent de plus en plus leur réponse directement dans ChatGPT, souvent sans aucun clic.

Courir après ce trafic perdu aurait été le mauvais réflexe. La bonne question était : quand un modèle répond, Ornikar est-elle la marque qu’il mentionne et la source qu’il cite ?

Y parvenir est difficile pour deux raisons précises :

• Aucun volume de recherche pour s’orienter. Contrairement au SEO classique, le GEO n’offre aucun volume de mots-clés qui indique quoi suivre ou prioriser.
• Un terrain de jeu encombré et atypique. Dans la formation à la conduite, les sites gouvernementaux occupent une grande partie de l’espace que citent les modèles : Ornikar devait donc se comparer à ses vrais concurrents commerciaux, et non aux références officielles qu’elle ne délogera jamais.

Matthias a fait ce pari tôt : sa première conversation avec Qwairy remonte à août 2025, alors que la plupart des marques ne bougeaient pas encore.

Il a testé la plateforme, décidé vite, et l’a choisie en partie parce qu’elle a été conçue par un SEO pour répondre à de vrais problèmes de SEO, plutôt que d’être un produit purement technique surfant sur le buzz.

Avec la direction déjà mobilisée sur l’IA, le GEO était stratégique dès le premier jour.

Ce qu’Ornikar a concrètement fait

C’est le cœur du sujet : un système opérationnel approfondi et reproductible pour être mentionné et cité.

1. Construire un jeu de prompts sans volume de recherche

Sans volume de mots-clés sur lequel s’appuyer, Matthias a fabriqué ses propres signaux :

• Regex GSC sur l’intention de question : isoler les requêtes construites autour de « comment », « quel », « meilleur » et de formulations similaires.
• Le « 1-2 impression trick » : faire remonter dans la Search Console des requêtes de longue traîne extrême qui n’ont qu’une ou deux impressions, en partant de l’hypothèse que ces impressions viennent des LLM. Une façon astucieuse de retrouver à rebours les questions que les gens posent réellement à l’IA.
• People Also Ask comme point de départ supplémentaire.
• Le query fan-out pour élargir : analyser le fan-out des premiers prompts pour en générer de nouveaux (transformer un « meilleure assurance pour un jeune conducteur » générique en « meilleure assurance jeune conducteur 2026 », comme le formule un modèle).

2. Suivre par segment, face aux vrais concurrents

Ornikar couvre l’assurance auto, l’assurance habitation et la formation à la conduite : un score de visibilité global unique n’aurait donc aucun sens.

La fonctionnalité que Matthias apprécie le plus dans Qwairy est le filtrage de la GEO Matrix par thème, qui permet de lire la visibilité, le taux de citation et la part de voix segment par segment. Surtout, la segmentation permet à Ornikar de se comparer à de véritables rivaux commerciaux plutôt qu’aux références gouvernementales du code de la route, qui dominent sans être des concurrents.

C’est le tableau de bord qui définit le succès : pas « combien de trafic », mais « sommes-nous la marque citée dans ce segment, face aux acteurs avec lesquels nous sommes réellement en concurrence ».

3. Le playbook des sources et des citations, en trois volets

Une fois que Qwairy montre où Ornikar est sous-citée et quelles sources les modèles exploitent, le travail se répartit en trois volets :

1. Réoptimiser les contenus qu’elle possède déjà mais qui ne sont ni cités ni explorés. Ornikar a bâti une Content Factory interne pour le faire à grande échelle : ajout de résumés en tête de paragraphe, de listes et de tableaux, contrôle qualité du contenu, et balisage schema automatique des FAQ pour que les réponses soient lisibles par les machines.
2. Créer le contenu qui lui manque, par exemple des pages de classement local (« meilleures auto-écoles à Reims 2026 ») qui correspondent à la façon dont les gens formulent désormais leurs prompts locaux (« je cherche une auto-école pour mon fils à Reims »).
3. Bâtir une autorité externe : des placements gagnés et stratégiques, identifiés directement dans les données de sources de Qwairy grâce à Page Finder, qui signale où une citation est à portée de main. Au lieu d’une prospection de liens à froid, Ornikar repère l’opportunité et agit vite. Un enseignement utile : ce ne sont pas seulement les grands médias qui font bouger les lignes, des sites plus petits mais thématiquement pertinents peuvent eux aussi modifier les réponses, et ils sont cités remarquablement vite.

4. L’analyse des logs pour guider les robots d’IA

En lisant ses logs serveur, Ornikar a remarqué que des robots d’IA revenaient sans cesse sur certaines URL, dont certaines n’existaient pas.

Plutôt que de gaspiller cette attention des robots, l’équipe a publié du contenu réellement utile sur ces URL et y a relié des liens internes, orientant le robot vers les pages les plus importantes d’Ornikar, chacune se terminant par une section qui présente qui est Ornikar.

5. Un contenu conçu comme les modèles l’aiment

Deux habitudes ont payé : injecter des données propriétaires et à jour dans les pages, et placer des prix dynamiques directement dans les titres.

Les modèles favorisent nettement les contenus récents, précis et chiffrés, et Ornikar a vu la différence sur les pages où ces pratiques ont été déployées.

6. Reddit et la réputation de marque

La réputation est discrètement devenue une composante du SEO.

Ce qui s’écrit sur vous, sur des forums comme Reddit où les futurs élèves débattent de l’auto-école à choisir, alimente directement ce que disent les modèles.

Ornikar développe ici à la fois la veille et la participation, avec un soin particulier compte tenu des moments chargés d’émotion dans cette catégorie (rater un examen se vit rarement à la légère). C’est un domaine qu’elle fait activement monter en puissance.

Les résultats : la mention d’abord, le trafic en bonus

Le KPI qui compte est la présence de la marque dans les réponses IA, et c’est là que les gains apparaissent en premier.

La version honnête inclut les accrocs : le taux de mention a légèrement reculé en février. Ce n’est pas une régression, mais la conséquence d’un ajout délibéré de prompts locaux et par ville difficiles, sur lesquels Ornikar partait de plus bas, avant de travailler à combler l’écart.

Et oui, le business a suivi. Matthias a instrumenté le tunnel dès le départ pour suivre les sessions issues des LLM jusqu’à la conversion.

En mai 2026, l’équipe a observé davantage de liens renvoyant vers ses pages dans les réponses de ChatGPT. Il s’agit de l’évolution observée à cette période, pas du lancement des citations ou des liens dans ChatGPT.

Comme la mesure était déjà en place, Ornikar l’a capté proprement : environ 6 à 7 fois plus de sessions LLM, une conversion proche du doublement (le modèle envoie un visiteur, les pages d’Ornikar qui installent la confiance font le reste), et un GEO qui se stabilise à environ 2 % des sessions totales, sur une très large base informationnelle.

Une anecdote résume mieux le sujet que n’importe quel graphique : une prospect qui avait laissé son numéro a rappelé en disant qu’elle avait découvert Ornikar via ChatGPT, en cherchant des horaires de leçons de conduite.

C’est le vrai mécanisme : être mentionné, être découvert. Le trafic est une conséquence de la mention, pas un substitut.

Vue d’ensemble : la mention est l’objectif, le chiffre d’affaires en est la preuve

Il est tentant de faire du GEO une histoire de trafic, parce que le trafic se compte facilement.

Mais sur les LLM, le trafic est un sous-produit ; l’actif, c’est d’être la marque qui est nommée et recommandée.

Ornikar a gardé cet ordre : optimiser pour la mention et la citation, et considérer la hausse des sessions et de la conversion comme une confirmation.

Cette confirmation a compté en interne.

Quand le changement de liens de mai a produit un bond mesurable, il a fait du GEO un investissement défendable plutôt qu’un acte de foi, ce qui a rendu beaucoup plus facile de justifier le budget et le temps, y compris pour le travail moins glamour de construction d’autorité sur des sites externes.

Ce qui a fait le succès de cette démarche

Les enseignements que d’autres équipes peuvent reproduire :

1. Optimisez pour la mention, pas pour le clic. L’objectif, dans la recherche IA, est d’être la marque citée et recommandée. Suivez le taux de citation et la part de voix par segment, pas seulement les sessions.
2. Fabriquez vos propres signaux. Pas de volume de recherche ? Utilisez la regex GSC sur les questions, les requêtes de longue traîne à faible nombre d’impressions, People Also Ask et le query fan-out pour construire votre jeu de prompts.
3. Suivez par segment, face à de vrais concurrents. Un score global masque la réalité, et compte comme rivales des références que vous ne délogerez jamais.
4. Déroulez le playbook des sources en trois volets. Réoptimisez ce que vous possédez, créez ce qui vous manque et gagnez de l’autorité là où elle est à portée de main : laissez les données désigner les gains les plus rapides.
5. Exploitez vos logs. Le comportement des robots d’IA est une feuille de route : placez du contenu là où les robots vont déjà, puis guidez-les plus loin avec des liens internes.
6. Nourrissez les modèles de données fraîches et précises. Des chiffres propriétaires et des détails dynamiques et à jour (même dans les titres) valent des citations.
7. Instrumentez le tunnel, pour le prouver et non pour courir après. Suivre les sessions LLM jusqu’à la conversion est ce qui transforme la mention en un budget que vous pouvez défendre.

À propos de Qwairy

Qwairy est la plateforme de GEO (Generative Engine Optimization) qui aide les marques à mesurer et à améliorer leur visibilité dans les moteurs de réponse IA : ChatGPT, Claude, Perplexity, Gemini, Copilot, Grok et d’autres. Des mentions de marque et citations de sources au sentiment, à la part de voix et aux matrices par segment, Qwairy transforme l’univers opaque de la recherche IA en quelque chose que vous pouvez suivre, sur lequel vous pouvez agir et que vous pouvez prouver. Envie de voir comment votre marque apparaît dans la recherche IA ? Réserver une démo ou commencer gratuitement.