NOXEL Research Lab

NOXEL Research Lab publie des données originales sur le SEO, l'AEO, le GEO et la visibilité dans les recherches IA — tirées d'audits réels de sites web, et non de conseils recyclés.

De quoi s'agit-il

La plupart des contenus SEO reformulent les mêmes conseils que l'on trouve partout ailleurs. NOXEL Research Lab est conçu pour faire le contraire : publier des résultats issus directement d'audits réels effectués via NOXEL SEO, avec une méthodologie transparente derrière chaque chiffre.

Chaque statistique que nous publions ici comprendra un chiffre précis, une taille d'échantillon, une méthodologie, une date et une source — aucun chiffre inventé, aucune affirmation vague.

Explorer

NOXEL Préparation à la Recherche IA — Résultats v1

Échantillon : 53 sites web accessibles publiquement, sélectionnés parmi des agences marketing/SEO, des outils SaaS et un petit groupe de contrôle institutionnel (sites gouvernementaux, académiques et de référence). Il s'agit d'un jeu de données v1 de travail, et non d'un échantillon aléatoire ou représentatif du web — nous le publions maintenant parce qu'une étude transparente de taille modeste vaut mieux qu'attendre indéfiniment une étude « parfaite ». Les domaines individuels ne sont jamais nommés ; chaque chiffre ci-dessous est un agrégat.

Accessibilité aux robots IA

• 20,8 % des sites bloquaient au moins un robot IA majeur (GPTBot, PerplexityBot, et similaires).
• Parmi ces blocages, 91 % étaient attribuables à des règles explicites dans le fichier robots.txt — le reste n'avait pas de cause claire dans le robots.txt seul et nécessiterait une investigation au niveau du serveur.

Adoption des données structurées

• 28,3 % des sites n'avaient aucune donnée structurée JSON-LD.
• 66,0 % n'avaient aucun schéma Organization ou LocalBusiness.
• 94,3 % n'avaient aucun schéma BreadcrumbList.

En résumé : notre recherche a révélé que l'adoption des données structurées — en particulier le schéma BreadcrumbList — reste rare même parmi les sites techniquement sophistiqués, et que le blocage des robots IA se résume généralement au fichier robots.txt, et non à des pare-feux.

L'accessibilité aux robots IA désigne la capacité des robots tels que GPTBot et PerplexityBot à récupérer et lire une page avec succès — condition préalable pour que cette page soit un jour citée par un moteur de réponse IA.

Comment nous avons mené cette recherche

1. Dans un premier temps, nous avons sélectionné 53 sites accessibles publiquement dans trois catégories : agences marketing/SEO, outils SaaS et sites de référence institutionnels.
2. Ensuite, nous avons soumis chaque domaine au moteur d'audit de NOXEL SEO — la même technologie qui sous-tend chaque rapport NOXEL SEO — en vérifiant l'accessibilité aux robots IA et la présence de données structurées.
3. Puis, nous avons agrégé les résultats en pourcentages tels qu'indiqués ci-dessus ; aucun domaine ni score individuel n'est publié.
4. Enfin, nous prévoyons d'élargir ce jeu de données vers un échantillon plus grand et plus représentatif, et republierons les résultats mis à jour au fur et à mesure.

Nos données ont été collectées en septembre 2026. Chaque chiffre ci-dessus indique clairement la taille de son échantillon, comme promis.

Pourquoi la recherche originale est importante pour la recherche IA

Les grands modèles de langage comme ChatGPT, Claude, Perplexity et Gemini ne classent pas les pages comme le font les moteurs de recherche traditionnels — ils synthétisent des réponses et favorisent les sources qui offrent quelque chose qu'une douzaine d'autres pages ne disent pas déjà. Les conseils recyclés, les définitions reformulées et les listes génériques de « 10 astuces » sont rarement cités, car un modèle IA a déjà absorbé ces informations depuis des milliers d'autres sources lors de son entraînement. Les données originales — un échantillon réel, une méthodologie réelle, des pourcentages réels — sont différentes. C'est le type de contenu qu'un modèle IA ne peut pas déjà connaître, ce qui en fait précisément quelque chose qui mérite d'être cité.

C'est l'idée centrale de NOXEL Research Lab : au lieu de rédiger davantage de conseils SEO génériques, nous effectuons de vrais audits via le propre moteur de NOXEL SEO et publions ce que nous trouvons réellement. Chaque étude ici suit la même discipline — une taille d'échantillon divulguée, une méthodologie décrite, une date de publication et des résultats agrégés uniquement, sans qu'aucun site individuel ne soit nommé.

Ce qui arrive ensuite

Le jeu de données v1 ci-dessus est délibérément modeste — 53 sites suffisent pour publier honnêtement, mais pas pour prétendre être représentatifs du web au sens large. Notre prochaine publication élargira l'échantillon vers un jeu de données plus grand et plus stratifié (plus de catégories, plus de sites par catégorie, une méthodologie d'échantillonnage plus claire), et ajoutera de nouveaux signaux au-delà de l'accessibilité aux robots IA et des données structurées — comme la fraîcheur du contenu, la clarté des entités et la profondeur thématique sur les mêmes sites.

Si vous souhaitez être notifié lors de la prochaine publication de NOXEL Research Lab, ou si vous gérez un site et souhaitez l'inclure dans une future étude (avec votre consentement explicite — voir notre politique de données ci-dessus), contactez-nous via notre page de contact.