SRO (Selection Rate Optimization)
Optimiser la probabilité d'être choisi comme source, pas le rang.
Définition
Le SRO (Selection Rate Optimization) est la discipline qui mesure et optimise le taux de sélection (SR) : la fréquence à laquelle un contenu est retenu comme source citée par un moteur génératif (Google AI Mode, Gemini, ChatGPT, Perplexity, Claude) parmi l'ensemble des résultats qu'il a récupérés. Concept formalisé en 2025 par le cabinet DEJAN AI (Dan Petrovic), le SRO peut être vu comme l'équivalent IA-natif du CTR : là où le SEO optimise le rang dans une SERP et le CTR le clic humain, le SRO optimise la probabilité d'être cité dans une réponse synthétisée. Le terme reste émergent : il est aujourd'hui repris par quelques cabinets spécialisés mais ne fait pas encore l'objet d'un consensus établi dans l'industrie du SEO.
À retenir : le SEO optimise la probabilité d'être trouvé. Le SRO optimise la probabilité d'être retenu.
La métrique : le taux de sélection (SR)
Le taux de sélection se calcule simplement :
SR = (nombre de sélections / nombre de sources récupérées) × 100
Contrairement au CTR, il ne suppose aucune action humaine : il capte un choix implicite du modèle, qui évalue de nombreuses sources mais n'en retient qu'une poignée pour construire sa réponse. C'est l'indicateur d'attention de l'économie générative : ce qui influence réellement la réponse, par opposition à ce qui est récupéré puis ignoré.
Cette métrique n'est aujourd'hui fournie par aucune plateforme : elle n'apparaît ni dans Google Search Console ni dans un tableau de bord officiel. Elle doit être estimée indirectement, en observant à plusieurs reprises quelles sources reviennent citées dans des réponses génératives sur un ensemble de requêtes représentatif.
Pourquoi ça compte
Dans une réponse générative, l'utilisateur ne voit pas dix liens : il lit une synthèse construite à partir de quelques sources retenues. Être indexé ou bien classé ne suffit plus — il faut être sélectionné au moment où le modèle rédige.
La sélection obéit à un budget contraint. Dans les expérimentations publiées par DEJAN AI, le budget de sélection observé est d'environ 2 000 mots par requête, réparti entre les sources selon leur rang, et ~32 % du contenu d'une page y survivrait en moyenne au filtre de sélection. Ces chiffres proviennent d'observations expérimentales sur les moteurs testés par DEJAN, pas d'une spécification officielle des modèles : ils peuvent varier selon le moteur, le modèle ou le contexte de la requête. Dans cette logique expérimentale, toutes les sources se disputent donc une part d'un gâteau dont la taille reste globalement fixe. Le rang compte encore — DEJAN observe que la source classée n°1 obtient environ deux fois la part de la n°5 — mais il ne garantit rien : une page n°1 noyée dans le verbiage peut n'être jamais convoquée.
Conséquence : un contenu peut générer de la visibilité IA sans une seule visite, et rester invisible malgré un excellent classement SEO. La sélectivité, pas le volume, est le goulot d'étranglement.
Un facteur déterminant : le primary bias
Parmi les leviers du taux de sélection, l'un des plus déterminants observés par DEJAN n'est pas le snippet : c'est le primary bias — la perception interne qu'a le modèle de la pertinence d'une marque sur un sujet donné, formée pendant son entraînement. À passage égal, une source que le modèle « reconnaît » comme autorité thématique est plus souvent privilégiée ; une marque à faible primary bias est déprioritisée même lorsqu'elle figure dans les résultats récupérés.
Ce biais se travaille. Le SEO traditionnel — contenu on-page cohérent, signaux off-page, autorité de domaine — alimente les données qui façonnent cette perception. Dans les observations de DEJAN, ce déplacement s'opère généralement sur plusieurs mois, mais c'est le travail de fond qui rend tout le reste plus efficace.
Comment l'optimiser
Ces leviers n'ont pas tous le même poids : le premier conditionne l'efficacité des trois suivants.
- Autorité thématique : cohérence du silo, signaux E-E-A-T, off-page — pour nourrir le primary bias sur le long terme. C'est le levier le plus lent à activer, mais aussi le plus structurant.
- Blocs auto-suffisants : chaque passage doit pouvoir être cité hors contexte sans perdre son sens. Le modèle voit du texte et du markdown, pas ta mise en page.
- Densité avant longueur : aller au fait, réponse en haut de page, zéro phrase de transition vide. Au-delà de ~2 000 mots, le contenu supplémentaire dilue ta couverture sans augmenter ce qui est sélectionné.
- Donnée vérifiable : appuyer chaque affirmation par un chiffre, une source ou une condition qu'un modèle peut recouper — il hésite à citer ce qu'il ne peut corroborer.
SRO, SEO et CTR : la distinction
| Discipline | Unité optimisée | Moment clé | Qui choisit |
|---|---|---|---|
| SEO | Rang dans la SERP | Indexation et classement | Algorithme de ranking |
| CTR | Clic sur un lien | Affichage de la SERP | Internaute humain |
| SRO | Citation comme source | Rédaction de la réponse IA | Modèle génératif |
Le SEO te fait entrer dans le corpus consulté ; le SRO décide si tu es retenu une fois dedans.
Exemple concret
Recherche : « comment nettoyer un canapé en cuir ? ». La première page consacre 700 mots à l'histoire du cuir et à ses différents types avant d'aborder l'entretien. La seconde répond dès les premières lignes par un bloc autonome : « Nettoyez avec un chiffon microfibre légèrement humide, puis appliquez un lait nourrissant adapté au cuir ; évitez l'eau savonneuse qui assèche la matière. » Face à une requête conversationnelle, le moteur extrait ce passage compact et vérifiable et le cite ; la première page, pourtant bien classée sur le mot-clé, n'est jamais convoquée. Le SRO consiste à reproduire ce qui a fait gagner la seconde : un bloc extractible, dense et vérifiable.
Erreurs fréquentes
- Confondre SRO et volume : empiler des mots dilue la densité et fait baisser le taux de sélection.
- Optimiser le rang sans vérifier la citation : ce sont deux métriques désormais découplées.
- Enfouir la réponse sous une longue introduction : le passage citable doit être atteignable immédiatement.
- Négliger le primary bias : sans autorité thématique, même un snippet parfait reste sous-sélectionné.
- Avancer des affirmations non sourçables : un modèle hésite à citer ce qu'il ne peut pas corroborer.
- Chercher un « rapport SRO » dans un outil officiel : cette métrique n'est fournie par aucune plateforme et doit être estimée par observation répétée des réponses génératives.
Termes liés
- Citation / mention IA
- Bloc extractible
- Visibilité IA (AI Visibility)
- Découvrabilité (couche AI SEO)
- Répondabilité (couche AEO)
- GEO (Generative Engine Optimization)
FAQ
Le SRO remplace-t-il le SEO ? Non, il le complète. Le SEO te fait entrer dans le corpus que le moteur consulte (découvrabilité) ; le SRO travaille l'étape suivante, où le modèle choisit, parmi les sources disponibles, lesquelles citer. Le SEO contribue notamment à renforcer les signaux susceptibles d'alimenter le primary bias.
Comment mesure-t-on un taux de sélection ?
En suivant la fréquence à laquelle un contenu est cité comme source dans les réponses génératives sur un ensemble de requêtes — SR = sélections / sources récupérées × 100 — plutôt que sa position dans les pages de résultats classiques. C'est une métrique de citation, pas de classement, et elle doit être estimée par observation répétée plutôt que lue dans un outil officiel.
Pourquoi un bon classement SEO ne garantit-il pas la citation ? Parce que le moteur ne reprend pas mécaniquement le premier résultat : il sélectionne le passage le plus dense et le plus autonome, sous contrainte de budget de sélection et de primary bias. Une page n°1 verbeuse peut être ignorée au profit d'une page moins bien classée mais plus citable.
Les chiffres avancés (2 000 mots, ~32 %, ratio n°1/n°5) sont-ils universels ? Non : ce sont des observations expérimentales publiées par DEJAN AI sur les moteurs qu'ils ont testés, pas une spécification officielle des modèles. Ils donnent un ordre de grandeur utile mais peuvent varier selon le moteur, le modèle et le contexte de la requête.