Kevin Indig - le canal search à l'ère de l'IA, mesuré

Analyste organic growth et auteur de la newsletter Growth Memo, Kevin Indig documente ce que l'IA fait au canal search : la raréfaction du clic, la qualité du trafic LLM, la mesure de la visibilité IA. Basecamp lui doit la colonne vertébrale de ses pages Trafic LLM et GEO.

Kevin Indig est analyste du search et de la croissance organique, passé par les équipes growth de Shopify, G2 et Atlassian, et auteur de Growth Memo, sa newsletter doublée d’une chaîne YouTube. Son terrain : le SEO, la distribution de contenu owned, et la mutation du search sous l’IA (AI Overviews, ChatGPT, trafic LLM). Il compte pour une raison précise : là où le débat sur « l’IA qui tue le SEO » se nourrit de récits, Indig apporte des mesures, ses propres études (dont une avec SimilarWeb sur 7 millions de sessions) et des méta-analyses. Corpus d’analyste-praticien, pas d’études académiques contrôlées ; on le mobilise comme tel.

À suivre : growth-memo.com

Ce que Basecamp en retient

Le clic organique se raréfie structurellement, mais l’intention d’achat ne disparaît pas : elle migre. Sur données clickstream, environ 58 % des recherches Google ne produisent aucune visite externe (37 % sans clic, 21 % relancent une recherche). Sa méta-analyse de 19 études sur les AI Overviews mesure le mécanisme : quand ils apparaissent, ils occupent 42 à 48 % de l’écran et le taux de clic des liens classiques chute de moitié, 1 % seulement des utilisateurs cliquant les citations. D’où le cas client qu’il rapporte : 50 % de trafic organique perdu sur un an, 20 % de conversions gagnées. La leçon : ne pas lire une chute de trafic comme une chute de demande. C’est le socle de Generative Engine Optimization (GEO).

Le trafic LLM est marginal en volume, supérieur en qualité. L’étude Indig/SimilarWeb établit que les visiteurs référés par les chatbots IA restent plus longtemps (10,4 minutes contre 8,1 pour Google), voient plus de pages, et arrivent la décision largement faite, le LLM ayant filtré l’intention en amont du clic. S’y ajoute le signal de cohorte : chez les 18-24 ans, ChatGPT porte 50 % des sessions de recherche contre 25 % pour Google. Une étude complémentaire sur les visiteurs référés par les chatbots confirme et élargit le résultat. C’est la charpente de Trafic LLM.

La visibilité IA se mesure en part relative, se gagne par la marque - et l’objectif n’est pas la citation, c’est la mention comme meilleure solution. Indig démonte d’abord le réflexe du dashboard de prompts : les prompts sont probabilistes, un jeu fixe donne un échantillon, pas une mesure ; trianguler citations, trafic référé et logs de crawl, piloter au share of citations plutôt qu’en volume brut. Surtout, il mesure que la popularité de la marque est un des plus gros drivers de visibilité dans ChatGPT, et que YouTube est le domaine le plus cité dans les réponses IA : la construction de la disponibilité mentale devient un argument de visibilité IA à part entière. Puis, en 2025, le cadre évolue : l’ambition doit pivoter de l’optimisation de citations vers la présence multi-plateforme et l’influence - être mentionné comme la référence de catégorie, pas seulement cité. Les signaux de confiance (experts identifiés, taux de satisfaction, ancienneté) construisent une saillance pré-besoin qui se convertit en sélection préférentielle quand la marque apparaît dans une réponse IA. Côté earned media, les mentions off-site - y compris la petite presse locale - pèsent davantage que le contenu propriétaire pour entraîner les modèles à recommander la marque ; une personnalité fondatrice prolifique (citations, prises de position publiques) est l’actif IA de marque le plus puissant à construire dans la durée. Deux prérequis techniques s’ajoutent : la crawlabilité (la plupart des crawlers LLM ne comprennent pas JavaScript et peuvent être accidentellement bloqués - action 30 minutes, impact immédiat) et le déficit de compréhension client hérité du tout-perf. La convergence de tout cela : La marque vue par les LLMs.

Le test de résilience d’un mix : couper 20 à 30 % du budget publicitaire et continuer à croître. L’acquisition payante n’est pas le problème, elle est le socle ; mais un mix où 50 à 70 % des nouveaux clients dépendent d’un seul canal payant est fragile face aux hausses de CPC et aux changements d’algorithme. Sa séquence pour bâtir le plancher owned : canaux produit d’abord, puis SEO + email, puis YouTube organique, en acceptant une attribution structurellement floue (benchmarks de mix et post-purchase surveys plutôt que last-click). Ce test travaille dans Split Brand-Activation.

L’influence avant la recherche - et YouTube comme canal de séquencement après le SEO. Indig articule un principe de séquencement souvent négligé : la notoriété (social, publicité) influence l’audience avant qu’elle ait une intention de recherche, créant la reconnaissance qui convertit quand la marque apparaît dans les résultats. C’est le principe “win before the search” - le chaînon manquant entre les canaux d’audience et le SEO. Dans ce cadre, YouTube est le canal d’expansion naturel une fois le SEO en place. Il documente comment l’algorithme récompense la rétention (temps passé, bumps dans la courbe de rétention comme source d’insights comportementaux) bien plus que les métadonnées. Pour la conversion : CTA auditif (dit dans la vidéo) combiné à un lead magnet téléchargeable pour les vidéos haute intention ; renvoi vers d’autres vidéos de la chaîne pour les vidéos mid-funnel plutôt que vers le site. Les acheteurs utilisent YouTube comme moteur de recherche pendant leur parcours (features produit, tutoriels, comparatifs) - ce qui en fait un canal de récolte autant que de construction. La mécanique de séquencement et la logique d’intent convergent dans Canaux d’Intention et Canaux d’Audience et dans les pages du canal YouTube.

Autour des memos, Indig tient aussi un carnet d’entretiens praticiens (Joost de Valk, Christopher Penn, Peep Laja, Phil Nottingham, Luke Carthy) qui alimente la couche craft du playbook.

Où ça irrigue Basecamp

  • Trafic LLM - l’étude SimilarWeb qui fonde la lecture « peu de volume, meilleure qualité », et le signal démographique 18-24 ans.
  • Generative Engine Optimization (GEO) - les intentions de requête nouvelles, les signaux de citation et la mesure de la visibilité IA.
  • La marque vue par les LLMs - le pivot « top of mind > top ranking », les signaux de confiance comme saillance pré-besoin et la popularité de marque comme driver de visibilité IA.
  • Split Brand-Activation - le test « couper 20-30 % du paid et continuer à croître ? » comme diagnostic de dépendance.
  • Google Search Ads - la séquence DTC de Luke Carthy, interviewé par Indig : paid Search pour valider, SEO pour pérenniser, audience owned pour s’émanciper.
  • Canaux d’Intention et Canaux d’Audience - « win before the search » : comment le social et la publicité influencent l’audience avant l’intent de recherche.
  • SEO - le SEO comme première couche owned avant l’expansion YouTube.
  • YouTube - la rétention comme critère d’algorithme, les CTAs de conversion et le canal d’expansion après le SEO.

Les repères

Trafic LLM et visibilité dans les réponses IA

Résilience du mix et canaux owned

Entretiens praticiens

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 aux sources de Basecamp : les penseurs, médias et institutions dont le playbook se nourrit, et ce qu’on en retient.

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.