Recherche
Sageo Estudio est une pratique de recherche avant d'être une agence. Nous publions ici les axes de travail ouverts, la méthode avec laquelle nous mesurons et la base conceptuelle qui nous sert à interpréter les résultats.
Sageo Estudio ne publie pas de résultats de clients sans autorisation expresse. Elle ne publie pas non plus de chiffres de performance qui lui soient propres : tout chiffre sur la visibilité dépend du point de départ, du marché et de la période, et le présenter hors contexte serait trompeur.
Quand un cas sera publié, il inclura la période travaillée, le périmètre réel de l'intervention et la source de la donnée. En attendant, cette page montre une méthode et des questions ouvertes, pas un historique de résultats.
Recherche en cours
Nous étudions pendant que nous construisons. CasaNova est l'un des projets que nous utilisons aujourd'hui comme environnement réel pour étudier comment SEO, AEO, GEO et Search Intelligence interagissent dans un commerce électronique, au lieu de théoriser sur des données de tiers.
Un projet de commerce électronique sur lequel SAGEO enquête et expérimente. Ce n'est pas un cas de succès clos ni un résultat que nous puissions publier pour l'instant : c'est le lieu où nous testons, mesurons et apprenons.
Travailler sur un projet qui nous appartient permet d'observer le cycle complet — décision, mise en œuvre et effet — sans les contraintes de temps et de périmètre d'un projet client.
Ce que nous observons est documenté avec son contexte et ses limites, pas comme une conclusion générale.
Les enseignements deviennent des critères de travail que nous appliquons ensuite aux projets.
Une partie de ce travail alimente SAGEO Intelligence, la plateforme d'analyse de la présence des marques dans les systèmes d'IA que nous développons.
Comment lire cette page. Ce qui est en cours est signalé comme tel. Aucune carte de cette section ne présente de résultats : elles décrivent ce qui est étudié et avec quelle méthode.
Axes ouverts
Chaque axe repose sur des mesures reproductibles. Aucun n'est publié comme conclusion close tant que nous n'avons pas assez d'observations pour le soutenir.
La même requête formulée dans différents systèmes renvoie des réponses aux structures et aux sources différentes. Nous documentons leurs points communs, leurs contradictions et les facteurs qui corrèlent avec le fait d'apparaître dans plusieurs d'entre eux.
Méthode : ensemble de requêtes fixe, échantillonnage périodique, lecture en proportion.
Être premier dans le résultat traditionnel n'implique pas d'être la source citée dans une réponse générée. Nous cherchons à mesurer cet écart et à comprendre ce qui l'explique.
Méthode : croisement des positions avec les sources récupérées dans les réponses.
Une marque décrite différemment selon les sites oblige le système à choisir. La recherche vise à mesurer si cette ambiguïté se traduit par moins de mentions.
Méthode : comparaison de marques à différents niveaux de cohérence.
Le balisage sémantique facilite l'extraction, mais ne la garantit pas. Nous examinons dans quelles conditions il apporte quelque chose et dans quels cas le contenu visible pèse plus que le balisage.
Méthode : tests contrôlés avant et après, avec ligne de base.
Méthode
Les mêmes règles s'appliquent à un rapport public et à un diagnostic client. Sans elles, les données servent à décorer une présentation, pas à décider.
L'état initial est documenté avec le même instrument que celui qui sera utilisé à la fin. Un changement sans point de départ mesuré n'est pas un résultat : c'est une impression.
Le nombre de requêtes et les systèmes à observer sont définis à l'avance, et ce périmètre est annoncé avec le résultat. Choisir les requêtes après avoir vu les données invalide la conclusion.
Les réponses des systèmes génératifs varient selon le lieu, la langue, la session et le moment. Nous rapportons une proportion et une évolution, jamais une valeur absolue présentée comme une certitude.
Tout rapport indique ce qui n'a pas pu être mesuré, quelles variables n'ont pas été contrôlées et quelles conclusions sortent du périmètre des données disponibles.
Base conceptuelle
Des définitions de travail, rédigées pour être précises et non pour impressionner. C'est la base du glossaire que nous publierons séparément.
Discipline qui consiste à étudier, mesurer et interpréter comment une marque est trouvée, comprise, recommandée et citée dans l'écosystème de recherche, avant de décider sur quoi intervenir.
Optimisation pour les moteurs de recherche traditionnels. Elle travaille l'exploration, l'indexation, la pertinence, l'expérience d'usage et l'autorité, dans le but d'apparaître sur les requêtes pertinentes.
Optimisation pour les moteurs de réponse. Elle travaille le format, la structure et le balisage du contenu pour qu'une réponse directe puisse être extraite et attribuée.
Optimisation pour les systèmes génératifs. Elle travaille l'entité de marque, la cohérence des signaux et la présence dans les sources que ces systèmes récupèrent, afin d'améliorer la probabilité d'être mentionné et cité.
La représentation d'une marque comme quelque chose d'identifiable et de descriptible : ce qu'elle est, ce qu'elle offre, dans quelle catégorie elle est en concurrence et avec quels attributs. Si cette représentation est contradictoire, le système ne peut rien affirmer avec confiance.
Usage d'une marque ou d'un contenu comme source au moment de construire une réponse. Cela exige des données vérifiables et attribuables, et ne doit pas être confondu avec une mention sans fondement.
Système qui résout une requête en affichant une réponse directe à la place d'une liste de liens, ou en plus de celle-ci. Il peut fonctionner sur un index propre ou sur du contenu récupéré au moment de la requête.
Système qui produit du texte nouveau à partir d'un modèle. En recherche, il combine récupération de sources et génération, de sorte que sa réponse n'équivaut pas à un classement stable.
Formats
Chaque type de contenu a sa place et son niveau d'exigence. Nous les publions quand la méthode et les données sont à la hauteur, pas pour remplir une section.
Des explications détaillées sur les concepts de recherche, d'entité et de visibilité dans l'IA.
Des mesures à méthode déclarée, échantillon défini et limites explicites.
Un suivi périodique de la façon dont les différents systèmes répondent sur une catégorie.
Des définitions stables des termes qu'utilise la discipline, avec des liens internes.
Étiquettes de statut. « En cours » indique une recherche active ; « en préparation » et « en attente » indiquent un travail planifié et pas encore publié. Aucune de ces cartes ne contient de résultats : elles décrivent ce qui est étudié et comment.
Commençons
Demandez le diagnostic initial : nous mesurons votre situation actuelle avec la même méthode que dans nos recherches et nous vous montrons ce que nous trouvons.
