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.
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.
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.
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.
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
- SERP analysée → AIO présent
- Marque citée → on continue
- Concurrents cités → opportunité
- Verdict : créer / optimiser une page (5A-5B)
et suivre les mentions pour viser une citation.
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).
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.
"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)
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 :
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
# 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.
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.
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.)
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.
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.
Deux terrains, une bataille.
Une fois la requête priorisée, voici les prises concrètes, sur votre site et en dehors.
- +
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.
- +
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.
La logique tient sur un schéma. La valeur, c'est de la faire tourner toute seule.
↩ Voir les autres projets