LLMO
Aussi : Large Language Model Optimization · optimisation pour les LLM
Autre nom du GEO, formé sur le modèle de langage plutôt que sur le moteur, auquel s’ajoute l’idée d’agir sur ce que le modèle a appris.
Ce que c’est
LLMO signifie Large Language Model Optimization, « optimisation pour les grands modèles de langage ». Le sigle circule chez les agences et les éditeurs d’outils ; nous ne lui connaissons ni auteur ni texte de référence, et le guide de Google sur l’IA générative, qui cite AEO et GEO, ne l’emploie pas. Il désigne le même travail que le GEO, nommé d’après le modèle qui rédige plutôt que d’après le moteur qui l’entoure.
Le déplacement n’est pas neutre. Un modèle répond de deux façons : de mémoire, avec ce que son entraînement lui a laissé jusqu’à sa date de coupure, ou à partir de pages qu’une recherche lui fournit au moment de répondre. La documentation de l’outil de recherche web d’Anthropic décrit ce partage : recherche pour ce qui est récent, changeant ou absent des données d’entraînement, réponse directe pour les connaissances stables. Parler d’optimisation « pour le LLM » met l’accent sur la première voie.
Ce qu’on y fait
Sur la voie de la recherche, rien ne distingue le LLMO du GEO : accès des robots de recherche, pages indexées, passages qui se comprennent seuls. Sur la voie de la mémoire, ce qui dépend d’un site tient en deux choses.
- Décider de l’accès des robots d’entraînement. Chaque éditeur les sépare de ses robots de recherche. Chez OpenAI,
GPTBotsert à l’entraînement et se règle indépendamment d’OAI-SearchBot. Chez Google, le jetonGoogle-Extendedrègle l’entraînement des modèles Gemini et l’ancrage dans l’application Gemini, sans effet sur la recherche. Les refuser est un choix à faire en connaissance de cause, pas une ligne héritée d’un modèle derobots.txt. - Être décrit de façon concordante. Pour les modèles de langage, aucun éditeur ne documente l’équivalent d’un graphe de connaissances. La lecture prudente est qu’un modèle connaît une marque par les textes qu’il a vus : même nom, même activité, mêmes faits sur le site, dans les registres et chez les tiers. C’est le travail du chapitre Entités, et il sert aussi la recherche.
Ses limites
Agir sur les données d’entraînement est une idée séduisante et à peu près invérifiable. Aucun éditeur ne publie la façon dont les textes d’entraînement sont choisis ni pondérés ; les robots documentés permettent de refuser, pas de se faire inclure. Un modèle n’apprend plus rien après sa date de coupure : une page publiée aujourd’hui n’y entrera, au mieux, qu’avec une version future, sans qu’on puisse le constater ni le dater. Et l’effet ne se mesure pas : une réponse donnée de mémoire n’affiche pas de source qui la relie à une page.
Ce qui se vérifie se trouve du côté de la recherche : un robot passé dans les journaux, une page citée dans une réponse. C’est la raison pour laquelle le vocabulaire du manuel garde GEO et écarte ce sigle.
À ne pas confondre avec
- GEO
- Même travail, autre nom. Le GEO désigne le moteur qui cherche puis rédige, le LLMO le modèle seul. GEO a une origine datée et nomme mieux ce sur quoi un site agit : la récupération.
- AIO
- AIO vise « l’IA » en général et abrège aussi AI Overviews. LLMO est plus précis sur l’objet, le modèle de langage, sans désigner un travail différent.
Le sujet, traité en entier
Sources
- Anthropic — Web search tool Cas où le modèle cherche et cas où il répond directement. Décrit l’outil de l’API, pas l’application grand public. Reprise du manuel et rouverte le 20 novembre 2026.
- OpenAI — Overview of OpenAI Crawlers GPTBot pour l’entraînement, OAI-SearchBot pour la recherche, réglages indépendants. Reprise du manuel et rouverte le 20 novembre 2026.
- Google — Google’s common crawlers Définition du jeton Google-Extended et de son périmètre. Ouverte le 20 novembre 2026.
- Google Search Central — Optimizing your website for generative AI features on Google Search Page datée du 10 juillet 2026. Cite AEO et GEO ; le sigle LLMO n’y figure pas. Ouverte le 20 novembre 2026.