Benjamin Gérenthon

Consultant SEO Freelance et éditeur de sites web (affiliation, publicité et ventes de liens)

[Tim Soulo 🇺🇦 @timsoulo]

In the last 6 months at @Ahrefs, we analyzed over 1 billion data points across 14 studies. Here's what we learned about AI search optimization:

1) "Best X" blog listicles are the single most prominent content format cited by AI chatbots. They make up 43.8% of all page types cited by ChatGPT specifically.

2) 67% of ChatGPT's top 1,000 citations come from sources marketers can't influence: Wikipedia (29.7%), homepages (23.8%), app stores (6.6%). Only 32.3% are influenceable content like educational pages, reviews, news, and blog posts.

3) 28.3% of ChatGPT's most-cited pages have zero Google organic visibility. These pages get cited repeatedly by ChatGPT despite not ranking in Google at all. A completely separate discovery layer.

4) ChatGPT only cites about 50% of the URLs it retrieves. It fetches dozens of pages per query but uses half as background context without attribution. This means that being retrieved and being cited are very different things.

5) Adding schema markup had zero meaningful impact on AI citations. AI Overviews actually dipped −4.6%, while AI Mode (+2.4%) and ChatGPT (+2.2%) showed changes indistinguishable from zero.

6) YouTube mentions have the highest correlation (0.737) with AI brand visibility out of all the factors we studied (including all the conventional SEO metrics like backlinks, page count, DR, etc). This held true for both Google-owned and OpenAI products.

7) AI Overviews reduce clicks to the #1 result by 58%. That’s up from 34.5% just 10 months earlier. The trend is accelerating.

8) 99.9% of AI Overviews appear on informational intent queries. Transactional, navigational, and local searches are almost entirely AIO-free. Shopping triggers AIOs just 3.2% of the time.

9) For a given search query, Google’s AI Mode and AI Overviews reach the same conclusions 86% of the time — but cite almost entirely different sources (only 13.7% citation overlap).

10) AI Overviews change every 2.15 days on average, with 70% of content differing between consecutive observations. But semantic similarity stays at 0.95. The words, sources, and entities constantly shuffle, but the actual meaning barely moves.

[Yann Decoopman @YannDecoopman]

Story time

Hier, @512banque m'a chauffé à tester le nouveau Deepseek donc j'ai testé de créer des agents sur @_HermesAgent (1 dev, 1 content et 1 seo/produit)

Je lui ai filé un vieux domaine vierge : https://t.co/lplmAsF69j et une recette globale (suite de skills) pour build un site

Opus a adapté la "Soul.md" des agents et globalement préparé un cadre adapté aux forces et faiblesses supposées des agents Deepseek et ensuite il a viré du projet

J'ai tout un ensemble de skills déjà pré-conçus dans Hermes pour éviter que ça déraille, exemple :
- Y'a un test avant / après sur le pagespeed (3 passages de 3 pages), si le pagespeed régresse alors le code reboucle avant d'aller en ligne
- un navigateur fait des tests avant / après sur ce qui sort niveau UX / Design et boucle pareil
- l'agent SEO a un screaming frog cli et quand y'a de la régression, ça reboucle aussi
- le content est comparé à des datas API pour pas être trop halluciné

La clé c'est d'avoir du prédéfini et de boucler ensuite jusqu'à validation (le principe de tester quoi, c'est pas rocket science)

Les agents ont rempli le petit Kanban avec la planification des taches et la répartition qui a pris quelques heures à se dépiler (y'a encore des trucs, genre l'exhaustivité des articles en sitemap)

L'ébauche de site est en ligne, elle vaut ce qu'elle vaut (j'ai déjà lancé bien pire) mais ça valide que Deepseek peut bosser et c'est ridiculement peu cher car j'en suis à 7.19$ après 15 heures de boucles

GPT / Codex aurait fait tout ça surement un peu mieux et tant qu'on a l'oauth dans Hermes, je vais continuer avec ça mais si un jour ça saute avec Deepseek tu as une alternative pour faire tourner des trucs tout le temps

Tweet non sponsorisé mais j'ai rien contre un aller/retour à Shenzen si jamais

[Hridoy Reh @hridoyreh]

That's how I find $5K leads for clients:

[Eric Lancheres @ericlancheres]

This is best time in the history of SEO to be doing SEO.

There, I said it.

https://t.co/tShLulbHRi

[Chesny @chesny]

Prompt: A hyper-stylized portrait of the same person, keeping their exact face and identity unchanged. They are captured in a thoughtful pose with one hand resting on their chin, illuminated by dramatic dual-tone lighting. One side of the face is lit with cool blue light, while the other side glows with vivid pink/red neon tones, creating a bold, high-contrast look. They are wearing a dark top and a watch. The background remains dark and minimal, emphasizing the colorful illumination on the face and upper body. Cinematic, sharp, and highly detailed.

[Supersocks @iamsupersocks]

Beaucoup d’agents IA comme Cursor ou Claude Code codent encore à l’aveugle sur une grosse codebase.

Ils voient bien le fichier ouvert, mais pas l’architecture globale ni l’impact réel d’un changement.

GitNexus propose une approche différente : un knowledge graph construit localement à partir de l’AST.

Tu lances npx gitnexus analyze sur ton repo.

L’outil parse tout avec Tree-sitter (TS/JS, Python, Go, Rust, etc.), résout les imports et appels cross-files, trace les flux depuis les points d’entrée, et regroupe les morceaux de code en communautés fonctionnelles via l’algorithme Leiden.

Tout reste sur ta machine, dans un dossier .gitnexus/.

Le résultat:

Un graphe avec nœuds (fonctions, classes…) et relations précises (CALLS, IMPORTS, EXTENDS…) accompagnées d’un score de confiance.

Contrairement au RAG classique qui découpe le code en chunks flous, ici la structure est pré-calculée à l’index time. L’agent n’a plus à deviner.

Ensuite tu lances gitnexus mcp. Tes agents ont accès à des outils concrets :

impact : « si je modifie cette fonction, quels fichiers et processus sont touchés ? »

context : vue 360° d’un symbole (qui l’appelle, qui il appelle, dans quel flux).

detect_changes et rename pour des refactors multi-fichiers plus sûrs. Une réponse complète en un seul appel.

Concrètement : avant, l’agent modifiait UserService.validate() sans savoir que 47 autres fonctions dépendaient de son retour. Maintenant il obtient le blast radius exact avant de toucher. Ça réduit les surprises et les allers-retours de debug.

GitNexus ne remplace pas Sourcegraph ou Cody : il les complète en apportant ce contexte architectural local et privé.

Le graphe est pré-digéré, donc même des modèles plus légers gagnent en fiabilité sur les grosses bases de code.

Support langage encore inégal (TS/JS et Python plus matures), et l’UI web limitée à ~5000 fichiers, mais la CLI gère bien plus.

Si tu utilises régulièrement des agents IA pour coder, tester npx gitnexus analyze sur un de tes repos vaut le coup.

L’idée centrale : passer d’un graphe brut exploré à la volée à un graphe intelligent pré-calculé exposé via MCP répond à un vrai pain point quotidien.

À suivre dans les mois qui viennent ça bouge pas mal dans ce sens...

[Sylvain Delaporte @Sylvain2laporte]

@NewTux26 https://t.co/gHrzrRTDsv

[Fabien SEO ✳️ @fabienr34]

Audit Landing Page Gratuit : Analyse UX, Copy et Conversion en 30 Secondes

Votre landing page convertit… ou elle vous coûte des ventes chaque jour sans que vous le sachiez ?

Découvrez un outil pour tester votre Landing page :

https://t.co/v8bxH6r7EQ

Collez l’URL de votre LP.
Et l'outil analyse sans pitié.

Copy. UX. Conversion. Design.

1️⃣ Ce que l’outil fait

Vous entrez l’URL.

ça génère :

📸 Un screenshot annoté
🧠 Une analyse IA
📉 Les points de friction
📈 Les opportunités de conversion
Tout directement sur votre page.

2️⃣ Audit visuel, pas théorique

Pas de PDF générique. Mais ça pointe :

❌ Headlines faibles
❌ CTA invisibles

❌ Manque de preuve sociale
❌ Hierarchie visuelle confuse
❌ Problèmes de lisibilité
❌ Frictions UX

Directement sur le visuel de votre page.

3️⃣ Sans filtre

L'outil ne ménage rien.

Chaque faiblesse est identifiée :

• Copywriting
• Structure
• Argumentaire
• Tunnel de conversion
• Design

Votre page est disséquée.

4️⃣ Pas de blabla

Chaque problème = une action concrète :

👉 Reformuler ce bloc

👉 Déplacer ce CTA

👉 Ajouter cette preuve

👉 Simplifier cette section

👉 Supprimer cette distraction
Objectif : + conversions.

5️⃣ Pourquoi c’est important

90% des LP :

• Manquent de clarté

• Enterrent leur proposition de valeur

• Ajoutent trop de friction

• Sous-exploitent la preuve sociale

Et personne ne leur dit.

6️⃣ Gratuit. Rapide. Brutal.

✔ Analyse gratuite
✔ Résultat en 30 secondes
✔ Propulsé par l’IA
✔ Axé performance

Pas besoin d’attendre une agence 2 semaines.

🎯 Si vous avez du trafic,

vous avez probablement des fuites.

Testez votre LP : https://t.co/v8bxH6r7EQ

Qui vient de tester sa landing ?

Créateur de l'outil : https://t.co/JyetHUbLbP

[Grégory Pairin @Greg0ry]

J-1 avant les soldes.
Les ecommerçants sont-ils vraiment prêts ?
Petit checklist express avant le coup d’envoi👇

[Brodie Clark @brodieseo]

Nice experiment to run to compare image quality against Nano Banana Pro.

The process involved using the title/H1s of the posts and had some interesting results.

-> How To Create SEO Images At Scale With Screaming Frog + Nano Banana Pro by @chris_nectiv https://t.co/pNdCO2XiEi

[code w/Guillaume 💻 @guillaume_rygn]

🔗 Lien : https://t.co/1aFFiXsXIA

[David Roberts @recap_david]

I built an AI system that automates product video creation for entire e-commerce catalogs.

(Saves $30K per collection shoot, increases conversion rates by 40% on sites)

Here's how the automation works:

→ Firecrawl scrapes product photos from any e-commerce collection page
→ Google's Veo 3.1 generates professional model videos showing fit and movement
→ Each animation starts and ends with the original photo for seamless looping
→ Videos are automatically organized and stored in Google Drive
→ Everything processes in batches while you handle other business priorities

This system can transform how fashion companies showcase products and consistently drives higher engagement from potential customers.

Static product photos just don't cut it anymore. Customers want to see how clothes actually fit and move before they buy.

Want the complete blueprint? Here are the steps:

1. Like & RT this post ✅
2. Follow me for more e-commerce automation insights
3. Comment "FIT"

I'll send you the entire n8n workflow, all the prompts, and a full setup video for free.

No more expensive video shoots or wondering if your product photos are converting.

[Noel Ceta @noelcetaSEO]

I analyzed 100 Google Business Profiles to find what ACTUALLY impacts rankings in 2025.

Forget the BS advice from 2019.

Here are the 47 factors that matter NOW (ranked by impact): 🧵👇

[tobi lutke @tobi]

Shopify merchants will be able to sell directly in ChatGPT.

We’ve been working with @OpenAI for quite some time so people can search and buy products in chat, and it’s something we’ve had a hard time keeping quiet.

Rollout is coming very very soon.

[Himanshu @him_q14]

Use this structure for your SAAS Landing page

Thank me later

[Fabien SEO ✳️ @fabienr34]

Comment mieux se classer sur Google Maps SEO Mon post Linkedin du jour https://t.co/eRmaHd1LeO

[Guillaume Guersan @GuillaumGuersan]

Si ton SEO te rapporte pas de cash, c’est pas du SEO.
C’est de la masturbation intellectuelle.

J’ai listé les vrais KPI SEO à suivre (et ceux qu’il faut oublier) 👉 https://t.co/WwxbNKEQH6

[Cyril JOUAULT @cyriljlt]

Un petit process sympa, tu prends une vidéo qui parle d'une stratégie (SEO, affiliation, cold mailing,...)

Tu passes ça dans : https://t.co/SylFgifc3G

Tu récupères le transcript, tu demandes à l'ia à adapter ça à ton besoin. En 15 minutes tu peux appliquer une V1 du process

[Benjamin Gérenthon @bgerenthon]

@kgraphistecom @mrgris Intéressé

[Kevin Benabdelhak @kgraphistecom]

🔥 Dans la V4 de mon scraper de fiches Google, vous pouvez maintenant envoyer des mails personnalisés aux entreprises directement depuis le logiciel. Il y a eu aussi pleins de micro-ajustements.

Pour l'obtenir gratuitement :
✅Likez
✅Partagez
✅Je vous DM