Trafic LLM

Le trafic référé par les chatbots IA est marginal en volume (~3 % vs 94 % Google) mais bien plus qualifié : 4,4× de conversion pour les marques citées, ~11 % via ChatGPT. Le LLM filtre l'intention en amont du clic. À instrumenter dès maintenant, parce que la cohorte 18-24 ans bascule déjà.

Orpaillage dans une rivière : l'eau et le gravier débordent du tamis, quelques paillettes d'or restent au fond.
Peu nombreux, déjà en or

Les assistants conversationnels - ChatGPT, Perplexity, Claude, Gemini - commencent à renvoyer du trafic vers les sites marchands. En volume, ce trafic reste marginal : de l’ordre de 3 % des recherches, là où Google en capte encore plus de 90 %. Mais sa qualité change la lecture du sujet : les visiteurs qui arrivent depuis un chatbot convertissent plusieurs fois mieux que la moyenne. Cette page fait le cadrage chiffré de ce canal émergent.

L’idée centrale tient en une phrase : le LLM agit comme un filtre d’intention en amont du clic. Dans une conversation, l’utilisateur explore, compare et présélectionne avant de suivre un lien sortant. Au moment où il clique, l’essentiel de la décision est déjà pris. Le trafic référé est donc peu nombreux, mais très avancé dans le parcours d’achat.

Les données mobilisées ici viennent d’études clickstream à grande échelle (SimilarWeb, Semrush, SparkToro/Datos) publiées fin 2024 et courant 2025, complétées par des retours de praticiens DTC et une enquête FR (FEVAD/Odoxa). La direction est solide ; les ordres de grandeur varient selon la définition retenue de « la recherche » et selon le chatbot.

Ce que cette page traite : le volume, la qualité et le mécanisme du trafic référé par les LLMs, et ce qu’il faut commencer à instrumenter. Ce qu’elle ne traite pas : comment apparaître dans les réponses des chatbots (l’optimisation côté offre) ni comment la marque est encodée dans les modèles (l’amont brand) - deux sujets connexes traités ailleurs dans Basecamp.

L’essentiel en 5 points

  • Volume encore marginal (~3 % des recherches), mais Google perd structurellement des parts dans un univers de recherche fragmenté.
  • Qualité supérieure : 4,4× de conversion pour les marques citées, ~11 % de conversion via ChatGPT, sessions plus longues.
  • Mécanisme : le LLM filtre l’intention avant le clic ; la conversion atterrit souvent en Google brandé ou en direct, donc sous-mesurée.
  • Signal avancé : chez les 18-24 ans, ChatGPT dépasse déjà Google en part de sessions de recherche ; en France, un cyberacheteur sur trois utilise l’IA dans son parcours d’achat.
  • À instrumenter dès maintenant même à 1-3 % de volume, parce que le canal croît 3 à 4 fois plus vite et que son attribution est opaque.

L’IA reste marginale en volume

Quand on définit la recherche au sens large - web, Amazon, YouTube, Reddit, social, commerce - Google représente 73,7 % des recherches desktop aux États-Unis, selon le panel SparkToro/Datos (US + Europe, Q4 2025). Les outils IA confondus (ChatGPT, Claude, Copilot, Gemini) pèsent 3,2 %, soit moins que Bing, YouTube ou Amazon. Semrush converge : « 94.3% of searches are happening on Google still » (octobre 2025).

Le récit de la substitution est donc prématuré en volume absolu. Mais Google a perdu 3,5 points de part en 2025 dans cet univers élargi : la fragmentation est structurelle, même si elle ne profite pas prioritairement aux LLMs. Surtout, lire ce canal à travers un agrégat moyen masque la transition. Ce qui se passe sur la cohorte 18-24 ans est déjà mesurable et structurant pour les trois à cinq ans à venir.

Un trafic deux à quatre fois plus qualifié

La première étude à grande échelle sur le sujet, menée par Kevin Indig avec SimilarWeb (7 millions de sessions, septembre-novembre 2024), compare le trafic de référencement des chatbots et de Google Search sur du trafic transactionnel - des sessions qui se terminent sur une page de checkout ou de sign-up.

Métrique Google Search Chatbots IA Copilot
Durée de session moyenne 8,1 min 10,4 min 11,6 min
Pages vues par session 11,8 12,4 -
Croissance (sept.-nov. 2024) +5 % +15 à 22 % +15 %

Côté conversion, l’étude clickstream de Cynthia Shim (Semrush) établit un écart de 4,4× : les clients qui arrivent via un moteur IA où la marque est explicitement citée « are 4.4 times as likely to convert ». WARC, sur des données SimilarWeb et Adobe, converge : les visiteurs référés par ChatGPT convertissent à environ 11 % - mieux que le paid search, l’email ou le social - tout en passant plus de temps et en voyant plus de pages. Ces métriques signalent une intention d’achat déjà avancée au moment du clic.

Le mécanisme : un filtre d’intention avant le clic

Dans une conversation, l’utilisateur passe par un cycle d’exploration et d’évaluation avant de cliquer : il pose des questions, affine sa recherche, compare des options dans le même fil. Josh Blyskal (Profound) le quantifie : 80 % des utilisateurs consultent ChatGPT avant d’acheter en formulant leur problème, 47 % reçoivent une recommandation produit, et ceux qui la suivent se rendent ensuite sur Google pour transacter. « Google becomes this navigation and transaction layer. » Le parcours se segmente : exploration et présélection en chat, navigation et conversion en SERP.

Conséquence directe pour la mesure : la conversion atterrit en trafic Google brandé ou en direct, pas comme conversion ChatGPT. Le canal LLM est sous-mesuré par construction, sauf à instrumenter séparément le referrer chatbot dès maintenant.

La homepage devient une porte d’entrée

Donnée contre-intuitive : ChatGPT envoie environ 30 % de son trafic vers la homepage, contre 10 % pour Google Search (Perplexity étant le plus précis en deep linking). L’indexation incomplète du web pousse les chatbots à pointer la homepage par défaut. À mesure qu’ils comprennent mieux l’architecture des sites, le deep linking devrait progresser. Le corollaire est immédiat : optimiser sa homepage pour convertir ce trafic à intention avancée devient une priorité, pas seulement les pages produit.

La transition est déjà visible chez les jeunes

Chez les 18-24 ans, ChatGPT est utilisé dans 50 % des sessions de recherche, contre 25 % pour Google : une inversion mesurable sur la cohorte qui forme ses habitudes numériques. ChatGPT atteint 400 millions d’utilisateurs hebdomadaires actifs, et dans 71,5 % des cas ce trafic est complémentaire à Google - pas de substitution forcée, pas d’arbitrage budgétaire immédiat.

Le signal n’est pas qu’américain ni générationnel. L’étude FEVAD/Odoxa 2026 montre qu’un cyberacheteur français sur trois utilise déjà l’IA générative dans son parcours d’achat, toutes tranches d’âge confondues. Pour un pilote FR, le seuil d’attention se déplace plus vite que ne le suggèrent les benchmarks US, parce que la phase d’exploration a déjà basculé pour environ un tiers des acheteurs.

Commerce agentique : un horizon, pas encore un canal

L’achat délégué à un agent reste embryonnaire. Adyen rapporte que 35 % des acheteurs US utilisent déjà un assistant IA dans leurs achats, mais l’adoption opérationnelle est basse : Michael Leman (Nivo) estime à environ 0,022 % la probabilité qu’un agent complète un achat donné, pour un consommateur donné, un jour donné.

Côté acquisition directe, les praticiens DTC (Ridge, Jones Road) décrivent un ChatGPT Shopping pré-seuil de rentabilité : de l’ordre de 1 000 utilisateurs et 40 conversions en 30 jours, trop faible pour une ligne budgétaire dédiée. Et l’attribution est une boîte noire : « you literally don’t have a Google search console. You don’t have a Google Trends. » Impossible d’enchérir, de tester des créatifs, d’ajuster le ciblage. La seule action disponible est la présence dans les corpus - earned media, avis produit, crawlabilité. Limite supplémentaire pour les challengers : le top des pages citées par les LLMs est dominé par Amazon, eBay, Walmart, les mêmes acteurs qui dominent l’organique. La domination en search se transfère mécaniquement, pour l’instant, dans les réponses des chatbots.

Si ta scale-up plafonne aujourd’hui

1. Tracke le trafic LLM séparément dès maintenant.

Il pèse peut-être 3 % du volume, mais sa qualité est supérieure. Segmente par source dans ton analytics (ChatGPT, Perplexity, Copilot, Gemini) pour mesurer l’évolution sans attendre que le canal devienne significatif. Ajoute les LLMs au menu « comment avez-vous entendu parler de nous ? » en post-achat.

2. Revois le rôle de ta homepage.

Si 30 % du trafic LLM y atterrit avec une intention avancée, elle doit convertir : preuve sociale, CTA clairs. Les codes de la landing page s’appliquent à la homepage pour ce segment.

3. Méfie-toi du ROAS par canal.

Le trafic LLM est marginal en volume mais à 4,4× la conversion moyenne. Le ROAS apparent des canaux qui le récoltent (Google brandé, direct, organique) en est mécaniquement gonflé. N’attribue pas cette sur-performance à tes campagnes brandées sans isoler la couche LLM en amont (voir Attribution).

4. Lis le signal 18-24 ans comme un indicateur avancé.

Sur les catégories où cette cohorte forme aujourd’hui ses préférences, une absence de présence dans les LLMs se paiera comme un déficit difficile à rattraper d’ici trois à cinq ans.

5. Décide ton timing d’investissement.

Le canal est émergent (~1-3 %) mais croît 3 à 4 fois plus vite. La question n’est pas si les LLMs deviennent un canal significatif, mais quand - et si tu veux être first mover ou suiveur.

Pour aller plus loin

  • Attribution - mesurer l’incrémentalité d’un canal dans un mix multi-touch, et pourquoi le trafic LLM échappe par construction aux modèles classiques.

Sources

ℹ️ À propos de cette page

Reaching Kibo explore les vrais moteurs de la croissance des scale-ups B2C - et comment les mettre en pratique. Cette page appartient à Basecamp, le playbook du projet.

Elle est rédigée par IA, d’après le cadre et la direction que je donne. Une erreur, un désaccord, une source à ajouter ? Écris-moi : romain@reachingkibo.com.