Ce travail de recherche aborde le concept d'Optimisation pour Moteurs Génératifs (GEO), un nouveau paradigme d'optimisation de contenu qui se concentre sur la visibilité des sources dans les réponses générées par les systèmes d'IA. Pour étudier ce phénomène, Paul présentera un projet de recherche s'appuyant sur 1) un outil open-source GEMQT (Generative Engine for Multiple Queries Tool) qu'il a développé, qui permet de mener des expériences à grande échelle et reproductibles sur les systèmes conversationnels ; 2) un outil plus efficace et systématique qui est LiteLLM, une bibliothèque qui fournit une interface unifiée pour appeler de nombreuses API de modèles d'IA, gérant ainsi la complexité technique et les erreurs ; puis 3) une analyse préliminaire des données récoltées. L'objectif final de ce travail est d'identifier les variables d'une page internet qui influencent la visibilité d'une ressource web dans une réponse générée par l'IA.