Pour une PME belge, comprendre comment un LLM lit un site web conditionne directement ses chances d'être citée par ces outils. Un LLM ne lit pas une page comme un humain : il découpe le contenu en courts passages, ou « chunks », qu'il indexe et récupère séparément lors d'une recherche. Un paragraphe qui traite une seule idée en 2 à 4 phrases est donc plus facile à extraire qu'un pavé de texte dense mélangeant plusieurs arguments. Les chiffres datés et sourcés, ainsi que le balisage schema.org qui précise sans ambiguïté ce que représente un contenu, renforcent aussi les chances qu'un passage soit repris tel quel dans une réponse générée.
Exemple concret
Une fiduciaire liégeoise qui publie un guide « délai de dépôt TVA en Belgique en 2026 », structuré en chunks courts et balisé en schema.org Article, a plus de chances d'être citée par Claude ou ChatGPT qu'un article équivalent rédigé en un seul bloc de texte sans repères clairs.
Entraînement vs recherche en temps réel
Un LLM combine deux sources : ce qu'il a appris pendant son entraînement, figé à une date donnée, et une recherche web en temps réel pour les outils qui en disposent (ChatGPT avec navigation activée, Perplexity, Google AI Overviews). Seule cette seconde mécanique permet à un contenu récent d'être cité.
Cette logique d'extraction est au cœur du GEO, la discipline qui optimise un site pour ces moteurs génératifs. Le balisage schema.org facilite justement ce travail d'extraction, tout comme la compréhension des AI Overviews de Google, qui s'appuient sur des mécanismes proches.