SEO × IA
Méthode + automatisation · GEO

Quand c'est l'IA qui répond, on automatise la riposte.

L'AI Overview de Google répond au-dessus des liens. Impossible de surveiller ça à la main sur des centaines de requêtes. Voici la logique, un arbre de décision, puis comment la faire tourner seule avec n8n ou Claude Code, et publier selon votre CMS.

Fig. 00 · Le basculement de la SERP
AVANT · 10 liens bleus AUJOURD'HUI · l'IA répond d'abord quelle voiture électrique 2026 quelle voiture électrique 2026 Aperçu IA ↓ liens organiques repoussés
01 Le constat

Anatomie d'une réponse IA.

Quatre éléments décident si vous existez encore aux yeux de l'utilisateur, et ce sont eux que l'automatisation va lire.

Fig. 01 · Ce que regarde vraiment l'utilisateur
Aperçu IA généré par l'IA marque SOURCES vous Résultats organiques RÉPONSE SYNTHÉTISÉE L'utilisateur peut ne jamais cliquer. SOURCES CITÉES La nouvelle « première page ». MARQUE NOMMÉE Visible même sans aucun clic. LIENS REPOUSSÉS Plus bas, beaucoup moins vus.
02 Un cas concret

Une vraie requête, décodée.

Requête réelle sur Google : « quelle voiture électrique choisir en 2026 ». Voici l'Aperçu IA renvoyé, et ce que l'automatisation en extrait.

Fig. 02 · L'Aperçu IA réel (reconstitué)
google.com · quelle voiture électrique choisir en 2026
Aperçu IAgénéré par l'IA

En 2026, le choix dépend du budget et de l'usage. En ville, la Renault 5 E-Tech et la Citroën ë-C3 s'imposent comme options abordables. Pour les familles et les grands trajets, la Tesla Model Y et le Peugeot e-3008 (jusqu'à ~700 km) dominent.

Renault 5 E-Tech Citroën ë-C3 Tesla Model Y Peugeot e-3008

SOURCES CITÉES · 5 sites

  • Atlas Automobiles
  • Vivacar.fr
  • Indigo Neo

Tous des médias auto : vos concurrents éditoriaux, pas vous.

Ce que l'automatisation lit

  • AI Overview présentoui
  • Une marque citéeoui · 4 modèles
  • Sources = concurrentsoui · médias auto
  • Votre marque citéenon

Ce que l'arbre décide

  1. SERP analysée → AIO présent
  2. Marque citée → on continue
  3. Concurrents cités → opportunité
  4. Verdict : créer / optimiser une page (5A-5B)
    et suivre les mentions pour viser une citation.
03 La logique

L'arbre de décision.

C'est le cerveau de l'automatisation. Ces règles, on les code ensuite dans un nœud Switch (n8n) ou dans un fichier arbre.md (Claude Code).

Analyse Décision Vérification On-site Off-site Stop
Fig. 03 · Arbre de décision GEO (post AI Overview)
AI Overview présent pas d'AI Overview oui non oui non oui non 1Analyser la SERP 2La réponse citeune marque ? SEO classiqueoptimiser l'organique 3Les sources sontdes concurrents ? STOPaucune opportunité 4On a une pagequi répond ? ?Sources = médias,forums, communautés ? 5AOptimiser la pageexistantecontenu · E-E-A-T · schémas 5BCréer une pagedédiéepuis l'optimiser pour l'AIO GEO Off-sitePR, citations, mentions,forums, communautés
04 Le passage à l'échelle

On code l'arbre. Il tourne seul.

Le pipeline est toujours le même : lire l'Aperçu IA par une API, détecter la marque, appliquer l'arbre, publier. Deux façons de le monter, souvent combinées.

4.1 · La donnée : lire l'Aperçu IA par API

On ne scrape pas Google soi-même (fragile, contraire aux CGU). Une API SERP renvoie l'Aperçu IA déjà parsé avec ses sources. Deux options réelles :

SerpApi

engine=google renvoie un objet ai_overview. S'il est différé : un page_token → 2ᵉ appel engine=google_ai_overview (token valable ~1 min). Sources dans references[]. ≈ 25 $/1000 requêtes.

DataForSEO

serp/google/organic/live/advanced + load_async_ai_overview:true → item type:"ai_overview" avec markdown et references[]. ≈ 0,0006 $/requête.

réponse API · ce qu'on lit (extrait)
"ai_overview": {
  "references": [
    { "source": "Atlas Automobiles", "domain": "atlas-automobiles.com" },
    { "source": "Vivacar",           "domain": "vivacar.fr" },
    { "source": "Indigo Neo",        "domain": "indigo-neo.fr" }
  ]
}
// e-potto.com absent des références = opportunité

4.2 · Option A : n8n (no-code, tourne en cron)

SCHEDULE TRIGGERChaque matincron 0 7 * * * GOOGLE SHEETSGet Rowsla liste des requêtes HTTP REQUESTAPI SERPSerpApi · DataForSEO CODEParse references[]marque ? concurrents ? SWITCH= l'arbreune sortie par cas WORDPRESSCreate / Updatebrouillon de page SLACKAlerteconcurrent cité NOTIONTâche off-siteupsert base de suivi STOPRien à fairelog seulement

Tous ces nœuds sont natifs n8n. Le point clé : le nœud WordPress (n8n-nodes-base.wordpress) sait créer ET mettre à jour articles et pages (auth par Application Password). Il n'y a donc rien à coder pour publier. Pour un champ SEO custom (Yoast, Rank Math), on complète avec un nœud HTTP Request vers /wp-json/wp/v2/posts/{id}.

4.3 · Option B : Claude Code (sur-mesure, il rédige aussi)

Claude Code orchestre : il écrit les petits scripts qui appellent l'API, applique arbre.md comme une politique, rédige le contenu, puis publie (brouillon WordPress) ou ouvre une PR. Un projet type :

structure du projet
geo-watch/
├── CLAUDE.md        # règles + garde-fous
├── arbre.md         # la politique (éditable)
├── keywords.csv     # requêtes + marque + cible
├── .env             # secrets (non commité)
├── scripts/
│   ├── fetch_aio.py # appelle l'API SERP
│   └── parse_aio.py # extrait references[]
├── data/runs/       # historique (idempotence)
└── reports/         # 1 rapport .md par run
claude-code · veille-geo
# run quotidien, sans rien publier (headless / cron)
$ claude -p "exécute la veille GEO :
   1. fetch + parse chaque requête de keywords.csv
   2. applique arbre.md, dis l'action par requête
   3. cms=wordpress → rédige et crée un
      BROUILLON via l'API REST (status: draft)
   4. cms=repo → écris content/ et ouvre une PR
   5. écris reports/<date>.md"
  --allowedTools "Read,Write,Bash(python *),Bash(gh *)"

 128 requêtes · 41 opportunités · 7 alertes · rapport.md

Garde-fous par défaut : jamais de publication directe. Brouillon WordPress ou PR git, qui sont les points de revue humaine ; secrets dans .env ; état des runs stocké pour ne pas refaire deux fois le même travail.

4.4 · Lequel choisir ?

n8n · la boucle

  • +Tourne seul, 24/7, en cron
  • +No-code, lisible par l'équipe
  • +Nœuds natifs Sheets, Slack, Notion, WordPress

Claude Code · le cerveau

  • +Juge le nuancé : vrai concurrent ? bonne intention ?
  • +Rédige déjà le contenu et les recommandations
  • +Idéal pour un audit ponctuel, s'adapte vite

En pratique : les deux. n8n orchestre la boucle et les alertes ; Claude Code tranche les cas ambigus et écrit les pages.

05 Publier

WordPress, ou autre CMS.

L'action finale (créer/mettre à jour la page et poser le schema) dépend du site. C'est là que WordPress prend une longueur d'avance.

Site WordPress · le plus « API-first »

1. Créer / mettre à jour la page

Via l'API REST /wp-json/wp/v2/posts (ou /pages), authentifiée par un Application Password. Toujours en status:"draft" d'abord, on relit, on publie.

2. Poser le schema FAQ

Le champ content accepte les blocs Gutenberg : on injecte le JSON-LD directement, sans dépendre d'un plugin. (Ou via un bloc Rank Math / Yoast à la main.)

créer un brouillon + injecter le schema
curl -u "user:app_password" \
  -H "Content-Type: application/json" \
  -X POST https://SITE/wp-json/wp/v2/posts \
  -d '{
    "title":  "Voiture électrique 2026 : le guide",
    "status": "draft",
    "content":"<!-- wp:html -->
      <script type=\"application/ld+json\">
      {\"@type\":\"FAQPage\", ...}
      </script>
      <!-- /wp:html --> ..."
  }'

note · Google a retiré l'affichage « rich results » FAQ/HowTo en 2023, mais le même JSON-LD nourrit toujours les réponses IA. Le schema reste utile pour le GEO.

Autre CMS · la voie change

Statique / Next.js

Le schema vit dans le code (JSON-LD dans le <head>). On automatise par commit + Pull Request ; le build CI (Cloudflare Pages, Netlify, Vercel) publie. Propre et réversible : c'est le cas de ce portfolio.

Webflow

Data API v2 (CMS:write) : créer/mettre à jour les items de collection, puis Publish. Le JSON-LD passe souvent par le custom code du template.

Shopify

Admin API GraphQL (pageUpdate, metafieldsSet) ; le schema se pose dans le thème (theme.liquid), éditable via l'API Asset ou le CLI.

06 Les leviers

Deux terrains, une bataille.

Une fois la requête priorisée, voici les prises concrètes, sur votre site et en dehors.

On-site · votre site
  • +

    Répondre à l'intention

    La vraie question, pas un mot-clé. Réponse citable en 2-3 phrases dès l'intro.

  • +

    Structurer pour la machine

    Titres nets, listes, tableaux, FAQ, données structurées.

  • +

    Prouver l'E-E-A-T

    Auteur, expertise, sources, dates de mise à jour.

  • +

    Rester frais

    Prix, aides, réglementation : mettre à jour ce qui bouge.

Off-site · le reste du web
  • +

    PR digitale

    Se faire reprendre par les médias que l'IA cite.

  • +

    Forums & communautés

    Reddit, Quora, avis : sources préférées des réponses IA.

  • +

    Citations & mentions

    Faire nommer la marque là où ça compte.

  • +

    Partenariats

    Co-contenus, annuaires de référence, comparateurs.

Et parfois : ne rien faire. Aucune marque citée = aucune prise. L'automatisation le détecte et n'ouvre pas de tâche inutile.

Un système, pas une astuce

La logique tient sur un schéma. La valeur, c'est de la faire tourner toute seule.

↩ Voir les autres projets