Pourquoi les requêtes d'achat dans les LLM changent la donne
Une requête d'achat dans un LLM n'est pas une requête informationnelle classique. Le prospect ne tape pas « meilleur outil SEO » dans un moteur de recherche : il écrit à ChatGPT, Perplexity ou Gemini une phrase complète, contextualisée, du type « je gère une équipe marketing de 8 personnes dans un SaaS B2B, quel outil pour suivre ma visibilité dans ChatGPT sans y passer mes journées ? ». La formulation est en langage naturel, le contexte est implicite (taille d'équipe, secteur, contrainte de temps) et la demande porte explicitement sur une recommandation. Le moteur ne renvoie pas dix liens bleus : il produit une réponse rédigée, cite deux ou trois marques, et le prospect repart avec une short-list déjà constituée.
Cette différence structurelle déplace le point de décision. En recherche classique, le prospect compare des pages, ouvre des onglets, construit lui-même son comparatif. Dans un LLM, la comparaison est faite en amont, par le modèle, à partir des sources qu'il juge fiables. Si votre site n'est pas cité dans cette réponse, vous n'êtes pas deuxième : vous êtes absent d'une conversation qui se déroule sans vous. La réponse citée capte la décision, car elle arrive au moment où l'intention est la plus avancée, souvent quelques jours avant une demande de démo.
D'où le principe qui structure tout ce guide : on ne rédige pas avant d'avoir cartographié. Écrire un article sur un sujet supposé stratégique sans savoir quelles requêtes d'achat il doit couvrir revient à produire du contenu que personne ne testera. La cartographie vient d'abord, la rédaction ensuite, et le suivi de citation ferme la boucle.
Les 5 familles de requêtes d'achat à couvrir
Toutes les requêtes d'achat ne se ressemblent pas, et chacune appelle un contenu différent. Cinq familles couvrent l'essentiel des intentions commerciales observées dans les LLM.
Comparatif (X vs Y). Le prospect a déjà deux ou trois noms en tête et cherche à trancher. Il veut des différences concrètes : périmètre fonctionnel, prix, limites, cas où chaque outil gagne. Le contenu citable est une page de comparaison factuelle, avec un tableau lisible et des critères explicites. Les LLM citent volontiers les pages qui assument des compromis plutôt que celles qui se déclarent meilleures partout.
Alternative à (concurrent). Le prospect utilise déjà un outil et cherche à en sortir, ou évalue une option de repli. La formulation typique est « alternative à [concurrent] pour [besoin précis] ». Le contenu citable est une page qui explique pour qui l'alternative est pertinente, ce qu'elle fait différemment, et comment se passe la migration.
Prix et budget. Le prospect veut un ordre de grandeur avant de parler à un commercial. Il demande « combien coûte », « quel budget prévoir pour », « existe-t-il une version gratuite ». Le contenu citable expose une grille tarifaire claire, les facteurs qui font varier le prix et le coût total réaliste sur douze mois.
Intégration et compatibilité. Le prospect vérifie que l'outil s'insère dans sa stack existante : « est-ce que ça se connecte à Search Console », « compatible avec Webflow », « fonctionne avec GA4 ». Le contenu citable documente les intégrations natives, les limites et les contournements possibles.
Cas d'usage métier. Le prospect cherche une preuve d'adéquation à son contexte : secteur, taille d'équipe, maturité. Le contenu citable est une page ou une étude de cas qui décrit une situation proche de la sienne et le résultat obtenu.
Construire votre matrice de requêtes : la méthode en 4 étapes
La matrice est un tableau unique, pas un document de réflexion. Elle se construit en quatre étapes, dans cet ordre.
Étape 1 : partir des données internes. Exportez de Search Console les requêtes qui génèrent déjà des impressions et des clics, en filtrant sur les intentions commerciales. Ajoutez les questions posées en démo par les commerciaux, les objections récurrentes, et les tickets support qui commencent par « est-ce que votre outil peut ». Ces sources donnent le vocabulaire réel de vos prospects, celui que les LLM reprennent.
Étape 2 : croiser avec les concurrents. Listez trois à cinq concurrents directs. Pour chacun, notez les pages qui se positionnent sur des requêtes d'achat et les angles qu'ils couvrent. L'objectif n'est pas de copier, mais d'identifier les trous : les requêtes où personne ne propose de réponse claire sont vos meilleures cibles.
Étape 3 : générer les variantes par famille et par persona. Reprenez les cinq familles et déclinez chaque intention pour chaque persona (par exemple : responsable marketing, head of growth, fondateur d'agence). Une même intention produit trois à cinq formulations différentes selon le niveau de maturité et le vocabulaire du persona.
Étape 4 : consolider dans un tableau unique. Cinq colonnes suffisent : requête, famille, persona, intention (comparer, migrer, budgéter, vérifier la compatibilité, se reconnaître dans un cas), page cible. Cette dernière colonne est essentielle : elle transforme la matrice en plan de production éditoriale et évite de créer une page par requête.
Une fois consolidée, la matrice sert deux fois. Elle alimente la rédaction, puisque chaque ligne priorisée devient un brief. Elle alimente le GEO, puisque chaque requête devient un test de citation à exécuter et à historiser. C'est ce double usage qui en fait un actif réutilisable plutôt qu'un document jetable.
40 exemples de requêtes d'achat pour SaaS B2B et agences
Comparatif, SaaS B2B :
- [votre catégorie] vs [concurrent principal]
- meilleur outil de [catégorie] pour une équipe de 10 personnes
- [concurrent A] vs [concurrent B] : lequel choisir pour un SaaS B2B
- comparatif des plateformes de [catégorie] en 2025
- quel outil de [catégorie] pour une scale-up en série A
Comparatif, agences : 6. quel outil de [catégorie] pour une agence qui gère 15 clients 7. comparatif des solutions de [catégorie] pour agences 8. [votre marque] vs [concurrent] pour un usage en agence 9. meilleur outil de [catégorie] en marque blanche 10. solution de [catégorie] multi-comptes pour agence
Alternative à, SaaS B2B : 11. alternative à [concurrent] pour [besoin précis] 12. alternative à [concurrent] moins chère 13. alternative à [concurrent] avec API ouverte 14. que choisir à la place de [concurrent] en 2025 15. alternative à [concurrent] pour une équipe sans développeur
Alternative à, agences : 16. alternative à [concurrent] pour agences 17. remplacer [concurrent] par un outil qui gère plusieurs clients 18. alternative à [concurrent] avec reporting client inclus 19. meilleure alternative à [concurrent] pour petits budgets 20. sortir de [concurrent] : quelles options
Prix et budget, SaaS B2B : 21. combien coûte un outil de [catégorie] pour un SaaS B2B 22. prix de [votre marque] vs [concurrent] 23. budget annuel pour une solution de [catégorie] 24. existe-t-il une version gratuite de [catégorie] 25. tarif d'un outil de [catégorie] pour 5 utilisateurs
Prix et budget, agences : 26. quel budget pour un outil de [catégorie] en agence 27. tarif agence de [catégorie] par client 28. coût réel d'une solution de [catégorie] sur 12 mois 29. prix d'un outil de [catégorie] en marque blanche 30. solution de [catégorie] pas chère pour agence
Intégration et compatibilité : 31. outil de [catégorie] compatible avec Search Console 32. [votre marque] se connecte-t-il à GA4 33. solution de [catégorie] avec intégration WordPress 34. outil de [catégorie] compatible Webflow et GitHub 35. [votre marque] fonctionne-t-il avec Slack et Telegram
Cas d'usage métier : 36. comment suivre sa visibilité dans ChatGPT pour un SaaS B2B 37. outil de [catégorie] pour une équipe marketing de 3 personnes 38. comment une agence suit la visibilité IA de ses clients 39. solution de [catégorie] pour un éditeur de logiciel B2B 40. outil de [catégorie] pour une équipe growth sans expert SEO
Vérifier si votre site est cité pour chaque requête
Le test de citation est simple à exécuter et facile à fausser. La méthode de base : posez la requête telle quelle à ChatGPT, Perplexity et Gemini, dans une session neuve, sans historique de conversation. Notez trois informations par test : votre marque apparaît-elle, à quelle position dans la réponse, et avec quel lien source cité. La position compte autant que la présence : être mentionné en cinquième ligne d'une liste de dix n'a pas la même valeur qu'être recommandé dans la première phrase.
Sur trente requêtes multipliées par trois moteurs, vous obtenez quatre-vingt-dix tests. À faire à la main chaque semaine, c'est intenable. C'est là qu'un suivi automatisé change l'échelle : les agents interrogent les moteurs à intervalle régulier, enregistrent les citations et historisent les résultats. Vous suivez alors une courbe de progression par requête et par moteur, au lieu d'instantanés isolés.
Trois biais doivent être contrôlés. La personnalisation d'abord : un compte connecté, une localisation ou un historique de recherche modifient la réponse. Utilisez des sessions neutres et documentez le contexte de test. La variabilité ensuite : le même prompt peut produire des réponses différentes d'un jour à l'autre, parfois d'une heure à l'autre. Répétez chaque test sur plusieurs jours avant de conclure à une absence de citation. La répétition enfin : un test unique ne prouve rien, ni dans un sens ni dans l'autre. Une citation observée trois fois sur cinq sur une semaine est un signal exploitable ; une citation vue une fois est une anecdote.
Scorer et prioriser : quelles requêtes traiter en premier
Toutes les requêtes de la matrice ne méritent pas le même effort. Une grille de scoring sur quatre critères, notés de 1 à 5, suffit à trancher.
Volume d'intention commerciale (V). Combien de prospects posent réellement cette question ? 1 pour une requête de niche, 5 pour une requête que vos commerciaux entendent chaque semaine.
Proximité de la décision (D). La requête arrive-t-elle juste avant un achat ? Une question de prix ou d'alternative à un concurrent est proche de la décision (5). Une question de cas d'usage général l'est moins (2).
Difficulté à être cité (F). À quel point la réponse est-elle verrouillée par des concurrents ou des sources tierces ? 1 si vous êtes déjà cité ou si la réponse est ouverte, 5 si trois concurrents monopolisent la réponse.
Valeur business (B). Quel est l'enjeu d'un client gagné sur cette requête ? 5 pour votre segment cible principal, 1 pour un segment marginal.
Le score final se calcule ainsi : Score = (V × 2) + (D × 2) + B − F. Le volume et la proximité de décision sont pondérés double, car ils déterminent le potentiel de pipeline. La difficulté est soustraite, car une requête très disputée coûte cher pour un gain incertain.
Exemple de classement pour la semaine : « alternative à [concurrent] pour une équipe sans développeur » obtient V=4, D=5, F=2, B=5, soit 8+10+5−2 = 21. « comparatif des plateformes de [catégorie] en 2025 » obtient V=5, D=3, F=4, B=4, soit 10+6+4−4 = 16. « prix d'un outil de [catégorie] en marque blanche » obtient V=3, D=5, F=1, B=4, soit 6+10+4−1 = 19. La première requête passe en production cette semaine, la troisième suit, la deuxième attend un renforcement de contenu comparatif.
De la matrice au contenu : le passage à l'action
Une requête priorisée se transforme en brief en cinq lignes. Page cible : la page existante la plus proche, ou une nouvelle page si aucune ne couvre le sujet. Angle : la promesse en une phrase, formulée comme le prospect la formulerait. Preuves à citer : chiffres, captures, extraits de code, résultats clients, tout ce qui rend la réponse vérifiable. Format attendu : les LLM citent plus volontiers les pages structurées avec des titres explicites, des tableaux comparatifs et des réponses directes en début de section. Persona et famille : pour garder la cohérence avec la matrice.
Le brief produit, la rédaction suit, puis la boucle se referme. Publiez, attendez l'indexation, retestez la citation sur les trois moteurs, notez l'évolution dans la matrice. Si la citation n'arrive pas après plusieurs cycles de test, l'angle ou les preuves sont en cause, pas le volume de mots. Ajustez la page plutôt que d'en créer une nouvelle.
C'est ici que la matrice révèle sa vraie valeur. Elle n'est pas un livrable de lancement mais un actif vivant : chaque test de citation l'enrichit, chaque nouveau persona ajoute des lignes, chaque concurrent qui bouge crée de nouvelles requêtes à couvrir. Une équipe qui maintient sa matrice à jour pendant six mois dispose d'une carte précise de ce que ses prospects demandent aux IA, et d'un plan éditorial qui se priorise tout seul.
FAQ
Combien de requêtes d'achat faut-il suivre au minimum ? Pour une PME SaaS ou une agence, une base de 30 à 50 requêtes bien suivies constitue un point de départ réaliste. Mieux vaut 30 requêtes testées chaque semaine sur trois moteurs que 300 requêtes collectées puis abandonnées faute de temps. La matrice s'enrichit ensuite par ajouts ciblés, quand un nouveau persona ou un nouveau concurrent apparaît.
Les réponses des LLM sont-elles stables d'un test à l'autre ? Non, les réponses varient selon la personnalisation, la localisation, l'historique de session et la date du test. Un même prompt peut donner une réponse différente d'un jour à l'autre, ce qui rend le test unique peu fiable. Répétez chaque requête sur plusieurs jours, dans des sessions neutres, et ne concluez qu'à partir d'un signal observé de façon répétée.
Faut-il créer une page par requête d'achat ? Non, c'est rarement la bonne approche. Les requêtes proches d'une même famille gagnent à être regroupées sur une page forte, avec des sections dédiées et des réponses directes. Multiplier les pages faibles dilue l'autorité et complique la maintenance, alors qu'une page complète a plus de chances d'être citée sur plusieurs formulations.
Comment savoir si une citation dans un LLM génère vraiment des clients ? Croisez les citations avec les données GA4, en isolant le trafic provenant des assistants IA, puis avec les demandes entrantes et les questions posées en démo. Si une requête citée correspond à un pic de démos ou à une objection récurrente en rendez-vous, le lien avec le pipeline devient visible. Cette corrélation permet de concentrer l'effort éditorial sur les requêtes qui produisent du revenu, pas seulement de la visibilité.