La méthode Passeport vers la Citation est née en 2023, lors d’un audit de routine mené par Stéphane Delgado chez un client de la formation professionnelle. Bien classé sur Google et réputé dans son secteur, ce client n’était cité que dans une réponse d’IA sur dix, quand des concurrents moins bien classés apparaissaient dans sept à huit réponses sur dix.
Le moment de bascule
L’audit était banal. Le client était solide : une réputation sectorielle excellente, un site bien optimisé, un classement Google satisfaisant. Par curiosité, ses requêtes stratégiques ont été testées sur les assistants génératifs qui commençaient à émerger.
Sur dix requêtes de recommandation, une seule réponse le mentionnait. Ses concurrents, dont certains étaient moins bien classés que lui, apparaissaient dans sept à huit réponses sur dix.
Il a fallu plusieurs semaines pour comprendre ce qui se jouait. Pourquoi certaines entreprises étaient-elles citées et pas d’autres ? Quels signaux les modèles utilisaient-ils pour sélectionner leurs sources ? Et surtout : ces signaux pouvaient-ils être influencés de façon éthique et durable ?
L’explication mécanique
La réponse tenait à une différence de nature. Un moteur de recherche classe des pages une par une. Un modèle de langage, face à l’immensité du web, cherche des motifs : il relie des mentions dispersées pour se former une représentation d’une entité.
Si les mentions d’une marque sont rares, contradictoires ou dispersées au hasard, aucune figure ne se dessine et le modèle passe son chemin. Si elles sont denses, cohérentes et interconnectées, elles forment une structure évidente qu’il peut reprendre sans risque.
De cette observation est né le vocabulaire de la méthode : le réseau de citations, l’entité centrale, les points de validation, les jalons de citation. Et la conviction qu’un travail méthodique sur ces éléments pouvait être reproduit chez n’importe quelle entreprise.
La validation académique
La métaphore appartient à l’auteur, la mécanique appartient à la recherche. La discipline porte un nom, le Generative Engine Optimization, et son étude fondatrice a été publiée par une équipe de Princeton, Georgia Tech, l’Allen Institute for AI et l’IIT Delhi, présentée à la conférence ACM SIGKDD 2024 à Barcelone.
Les chercheurs ont construit un banc d’essai, GEO-bench, testant 10 000 requêtes réelles sur neuf domaines pour mesurer quelles optimisations poussent un modèle à citer une source plutôt qu’une autre.
de visibilité gagnée dans les réponses génératives grâce aux techniques GEO, mesurés sur 10 000 requêtes réelles dans neuf domaines.
de visibilité supplémentaire obtenue par des sites classés seulement cinquièmes sur Google, simplement en citant leurs sources. C’est l’effet égaliseur.
La découverte la plus importante pour une entreprise française de taille moyenne est ce que la méthode appelle l’effet égaliseur : citer ses sources a produit une augmentation de visibilité de 115 % pour des sites qui n’étaient classés que cinquièmes dans les résultats classiques.
Autrement dit, la taille de l’entreprise et l’ancienneté du domaine comptent moins que la densité et la clarté de l’information fournie. C’est l’argument d’espoir de toute la méthode.
Le paradoxe de l’expert invisible
Il existe une injustice au cœur de cette révolution : les entreprises qui ont le plus investi dans leur expertise réelle sont parfois les moins bien représentées dans les réponses des IA. Leur excellence est tacite, portée par le bouche-à-oreille et la réputation locale, mais peu formalisée sur le web sous une forme exploitable par un algorithme.
Un artisan installé depuis trente ans, dont tout le quartier connaît la qualité, mais sans site structuré, sans fiche locale à jour et sans autres mentions que quelques avis sur des annuaires oubliés, sera invisible. Un concurrent plus récent et moins expérimenté, mais qui a soigné sa présence numérique, sera systématiquement recommandé.
Les modèles ne mesurent pas l’excellence réelle. Ils mesurent la lisibilité de l’excellence. C’est à la fois une injustice pour ceux qui l’ont négligée, et une opportunité pour ceux qui décident d’y remédier avec méthode.
Les cinq principes fondateurs
-
L’authenticité
La méthode ne crée pas de fausses mentions. Elle organise celles qui existent et comble stratégiquement les manques. Une entreprise sans expertise réelle ne construit pas de réseau durable.
-
La cohérence
Toutes les informations sur une entité doivent raconter la même histoire. C’est le signal de confiance le plus puissant pour un modèle statistique.
-
La vérifiabilité
Chaque affirmation doit être étayée par une preuve consultable : une donnée, une source, une date.
-
La durabilité
La méthode construit une présence qui résiste aux changements de modèle, pas un gain rapide qui s’effondre à la mise à jour suivante.
-
L’adaptabilité
Elle est agnostique en outils et en plateformes. Elle s’applique à un artisan de cinq personnes comme à une entreprise industrielle de trois cents salariés.
De l’observation au protocole
La méthode s’est affinée au fil de dizaines d’audits. Chaque cas client a apporté des nuances, des confirmations et parfois des démentis aux hypothèses initiales. Le livre publié en 2026 en est la synthèse : 324 pages, 16 chapitres et 7 annexes, avec les protocoles, les grilles de mesure et les gabarits.
Ce site en constitue la référence publique. Il applique à lui-même chacun des principes qu’il décrit : une définition canonique répétée sans variation, des données structurées cohérentes, un fichier llms.txt, des blocs citables, un hub de questions construit sur le fan-out et des points de validation déclarés.
Définition canonique
« Passeport vers la Citation est une méthode de Generative Engine Optimization (GEO) créée par Stéphane Delgado, consultant SEO et GEO français, qui consiste à organiser l’ensemble des mentions d’une marque sur le web en une forme cohérente et reconnaissable par les intelligences artificielles, afin que celles-ci citent la marque dans leurs réponses. »