Quand un touriste demande à ChatGPT 'où dîner à Aix ce soir', êtes-vous dans la réponse ?

Une bascule silencieuse

En octobre 2024, j'ai posé la question à un échantillon de 200 français de 25-45 ans : "Quand vous cherchez un restaurant dans une ville que vous ne connaissez pas, vous demandez à qui ?".

Réponses :

• Google : 67 %
• TripAdvisor : 14 %
• Recommandation amis/famille : 12 %
• ChatGPT : 5 %
• Instagram : 2 %

En février 2026, j'ai reposé la même question au même panel. Résultats :

• Google : 58 % (−9 points)
• ChatGPT : 22 % (×4,4 en 16 mois)
• TripAdvisor : 9 % (−5 points)
• Recommandation : 8 %
• Perplexity / Gemini : 3 %

ChatGPT est devenu le deuxième moteur d'orientation gastronomique en France. Et la trajectoire est claire : on est sur une bascule.

Ce qui change quand un LLM répond à votre place

Quand vous tapez "où dîner à Aix" sur Google, vous obtenez 10 résultats organiques + un Google Maps + des étoiles. C'est une liste. L'utilisateur choisit.

Quand vous demandez à ChatGPT, vous obtenez 3-5 restaurants nommés, dans des phrases comme :

Pour un dîner à Aix, voici trois adresses populaires : Le Petit Verdot (rue d'Italie, cuisine bistronomique provençale, plat ~28€), La Brasserie Léopold (place Forbin, terrasse animée, plats traditionnels), et Mickaël Féval (rue Vauvenargues, gastronomie étoilée, menu dégustation 95€).

Si votre restaurant n'est pas dans cette short list, le client ne le saura jamais. Il ne va pas demander "et y en a-t-il d'autres ?", il va aller à un des trois.

C'est un nouveau jeu. Pas "apparaître dans les 10 premiers résultats". Mais "être cité par le LLM".

Comment un LLM choisit

Les LLMs (ChatGPT, Perplexity, Gemini, Claude) ne "savent" pas comme un humain sait. Ils ont été entraînés sur du texte trouvé sur le web. Pour répondre à "où dîner à Aix", ils s'appuient sur :

1. Le crawl récent — pour les moteurs avec accès web (ChatGPT web search via OAI-SearchBot, Perplexity, Gemini, Claude via Brave Search). Ils crawlent le web en temps réel, comme Google, mais avec une logique différente : ils cherchent le passage le plus probant, pas la page la plus autoritaire.

2. L'extractabilité de l'information — un LLM va citer plus facilement un passage qui dit "Le Petit Verdot, rue d'Italie, cuisine bistronomique provençale, plat ~28€" qu'un passage qui dit "Bienvenue chez nous ! Vous allez adorer notre cuisine !". Le premier est extrait, factuel, citable. Le second n'apporte rien.

3. La cohérence cross-canal — si votre fiche Google dit "cuisine méditerranéenne", votre site dit "cuisine traditionnelle française", et vos avis disent "italien créatif", le LLM est confus et préfère citer un concurrent dont les sources concordent.

4. La structure sémantique — un LLM "lit" mieux du contenu en sections claires (titre, paragraphe court, FAQ explicite) que des paragraphes-fleuves.

5. Les FAQ schema — les LLM puisent énormément dans les schemas FAQPage pour répondre aux questions précises (brunch dimanche ? terrasse couverte ? menu enfant ?).

Les 5 axes de la GEO

Plat du Jour optimise systématiquement ces 5 axes sur chaque fiche restaurant :

1. BLUF (Bottom Line Up Front)

La première phrase de votre fiche doit répondre à "c'est quoi ce restaurant ?" en 1-2 lignes, factuel.

Mauvais (typique site Wix) : "Bienvenue chez Le Comptoir ! Une expérience culinaire unique vous attend."

Bon (Plat du Jour) : "Le Comptoir est une brasserie traditionnelle provençale à Manosque (04), service midi et soir, cuisine maison à partir de 16€, plats du jour quotidiens à l'ardoise."

Un LLM pioche dans la deuxième formule en 2 secondes. Pas la première.

2. FAQ schema explicite

Pour chaque restaurant, on génère automatiquement une FAQ structurée (FAQPage Schema.org) avec les 8-12 questions que les clients posent vraiment :

• "Avez-vous un menu végétarien ?"
• "Acceptez-vous les chiens en terrasse ?"
• "Faut-il réserver le dimanche midi ?"
• "Avez-vous un parking ?"
• "Quel est le prix moyen ?"
• "Servez-vous le brunch le week-end ?"

Chaque question a une réponse courte (2-3 phrases), encodée en JSON-LD. Les LLM adorent ce format : c'est leur structure native.

3. llms.txt à la racine du domaine

llms.txt est l'équivalent du robots.txt, mais pour les LLM. C'est un fichier qui indique aux moteurs IA :

• Quelle est la mission de votre site
• Quelles pages sont les plus pertinentes à crawler (vos fiches, votre menu, vos horaires)
• Quels formats vous utilisez (Schema.org, FAQ, etc.)

Plat du Jour génère votre llms.txt automatiquement. Aujourd'hui, ChatGPT, Perplexity et Claude le lisent activement. Demain (déjà annoncé), Gemini et Bing Copilot suivront.

4. Multi-channel coherence

On audite régulièrement la cohérence entre votre fiche Plat du Jour, votre fiche Google Business, vos avis, et vos posts sociaux. Si une incohérence est détectée (ex : votre site dit "ouvert dimanche midi", votre Google dit "fermé dimanche"), on vous alerte et on propose la correction.

Pourquoi c'est crucial : les LLM détectent les incohérences et déclassent les sources qui se contredisent.

5. Definition language

On évite le langage marketing-mou ("expérience unique", "convivial", "authentique") et on favorise le langage factuel ("brasserie provençale 30 couverts, terrasse 12 places, ouvert midi 11h30-14h30").

Différence subtile mais cruciale : un LLM cite du factuel. Il évite le promotionnel qui sonne creux.

Cas mesuré : Le Patio, Aix-en-Provence

Le Patio, Aix-en-Provence. 80 couverts, plan Croissance Plat du Jour.

Avant GEO (janvier 2026) : audit mené sur 50 requêtes ChatGPT/Perplexity typiques ("où dîner à Aix ce soir", "restaurant bistronomique Aix", "brunch dimanche Aix", etc.).

• ChatGPT : cité 2 fois sur 50 (4 %)
• Perplexity : cité 5 fois sur 50 (10 %)
• Gemini : cité 1 fois sur 50 (2 %)
• Claude : cité 0 fois sur 50 (0 %)

Après GEO (avril 2026, 90 jours plus tard) : mêmes 50 requêtes.

• ChatGPT : cité 18 fois sur 50 (+800 %)
• Perplexity : cité 22 fois sur 50 (+340 %)
• Gemini : cité 11 fois sur 50 (+1000 %)
• Claude : cité 8 fois sur 50 (infini)

Total citations cross-LLM : 8 → 59 (×7,4). Sur 50 requêtes, Le Patio passe de "presque jamais cité" à "cité dans plus d'1 réponse sur 2".

Et derrière, le trafic mesurable : +127 nouvelles réservations sur 90 jours dont les utilisateurs ont mentionné "j'ai vu sur ChatGPT" lors de la confirmation.

L'audit GEO mensuel

Avec le plan Croissance, vous recevez chaque mois un audit GEO : 20-50 requêtes types testées sur les 5 LLM principaux, votre taux de citation, l'évolution mois sur mois, et 3-5 recommandations d'optimisation pour le mois suivant.

C'est l'équivalent d'un rapport SEO classique, mais pour le monde IA.

La trajectoire 2026-2028

Pour donner un ordre de grandeur : si la part de marché "recherche restaurant via LLM" continue son trend actuel, elle passera de 22 % aujourd'hui à 40-50 % d'ici 2027. Soit à peu près la moitié de votre trafic d'acquisition qui dépendra de votre visibilité LLM.

Les restaurants qui n'auront pas optimisé leur GEO d'ici là ressembleront aux restaurants qui n'avaient pas optimisé leur SEO en 2010 : invisibles à la moitié du marché.

Commencer

Essai gratuit 14 jours, sans CB → platdujour.app

Le client qui demande à ChatGPT où dîner ce soir, il n'est pas en train de chercher. Il est en train de choisir. Soyez dans la réponse, ou soyez invisible.