Les moteurs de recherche et les assistants IA « lisent » vos images. L'AI Mode de Google et les modèles multimodaux derrière ChatGPT, Perplexity et les AI Overviews détectent les objets d'une photo, font de l'OCR sur le texte qu'elle contient, déduisent la couleur, la matière et le style, puis lancent une série de requêtes en arrière-plan pour confirmer ce qu'ils regardent. Les réponses qu'ils renvoient sont façonnées par ces données visuelles, et elles incluent des images.
Le GEO d'images sert à une chose : faire en sorte que vos données visuelles renforcent votre message. C'est du SEO d'images, du texte alternatif, des données structurées et de la vitesse de page. Avec une nouvelle exigence par-dessus : vos images doivent survivre au fait d'être lues comme un concept, pas seulement servies comme un fichier.
Une image lisible par la machine, c'est une image qu'elle décode sans deviner. Un sujet net dans un cadre épuré. Tout texte incrusté en caractères contrastés et lisibles à l'OCR. Décrite dans le texte qui l'entoure et dans son attribut alt, pour que ce que le modèle voit, ce qu'il lit et ce qu'on lui dit racontent la même chose. L'IA récompense les images lisibles parce qu'elle peut les récupérer, les comprendre et les citer sans hésiter.
Tout ce qui suit est vérifié contre des sources primaires (consignes aux évaluateurs de Google, Search Central, web.dev, Microsoft/Bing) et la recherche récente. Sources à la fin.
Bonnes pratiques pour des images compatibles IA
Commencez par ce que la machine peut réellement lire.
1. Rendez chaque image lisible par la machine
Cette palette dégage un charme rustique, évoquant un chalet douillet en pleine forêt. Les tons Sujet clair, cadre épuré, et tout vrai texte posé en surimpression bien contrastée plutôt que noyé dans un fond chargé. Donnez à la machine quelque chose de propre à lire.
Testez ce que la machine lit vraiment (2 minutes).
Ouvrez la démo Cloud Vision « Try it » de Google et glissez-y votre image. Aucune connexion requise.
Lisez trois onglets : Labels (objets et concepts détectés, avec niveau de confiance), Text (OCR, capte-t-il le texte incrusté ?) et Properties (les couleurs dominantes qu'il perçoit).
Cherchez l'écart. Si votre sac « bleu marine » revient en blue, bag, leather et que l'OCR rate votre texte, la machine ne lit pas ce que vous croyez.
Téléversez ensuite la même image dans ChatGPT ou Claude et demandez : « Décris cette image le plus littéralement possible : objet, couleur, matière, tout texte, et à quoi ça sert. »
Là où Vision, le LLM et votre fiche produit ne s'accordent pas, voilà votre liste de corrections.
2. Écrivez le texte alternatif comme une phrase de fait, pas comme un tas de mots-clés
✅ « Sac week-end en cuir bleu marine avec compartiment ordinateur, posé debout » fait le travail.
❌ « sac voyage cuir SEO » ne le fait pas.
Google le dit noir sur blanc : il utilise le texte alternatif « avec des algorithmes de vision par ordinateur et le contenu de la page » pour comprendre une image, et il vous demande de ne pas le bourrer de mots-clés. Pour la recherche multimodale, l'alt sert d'ancrage qui lève l'ambiguïté des tokens visuels. Pour les agents IA, c'est le nom de l'image dans l'arbre d'accessibilité, donc la façon même dont un agent la trouve et clique dessus. Des chercheurs enrichissent l'arbre d'accessibilité avec des descriptions d'images avant de le donner aux agents, parce que l'arbre seul sous-décrit les visuels. Un seul champ, trois fonctions au-delà de l'accessibilité pour les humains.
3. Nommez vos fichiers comme un humain qui décrirait la photo
sac-weekend-cuir-bleu-marine.jpg bat IMG_4821.jpg. La formule de Google : le nom de fichier lui donne de « très légers indices sur le sujet ». De légers indices restent des indices.
Prompt pour mettre vos noms de fichiers à l'épreuve (téléversez la photo, le modèle doit la voir) : « Voici une photo de produit. Propose 3 noms de fichiers optimisés SEO comme si un humain la décrivait à quelqu'un qui ne peut pas la voir. Règles : minuscules, séparés par des tirets, pas de mots vides, ni "image" ni "photo", moins de 6 mots, attribut le plus distinctif en premier (couleur, matière, modèle, puis objet). Donne les noms de fichiers, puis une ligne sur le détail visuel qui a guidé ton meilleur choix. »
Vérifiez ensuite le gagnant contre l'onglet Labels de la démo Vision. Quand votre nom de fichier, vos pixels et la machine disent tous « bleu marine, cuir, sac », vous êtes alignés.
4. Dites en mots ce que montre l'image, juste à côté d'elle
Placez chaque image près de la phrase qu'elle illustre et décrivez-la dans le texte. Ça comble deux écarts que le modèle ne peut pas combler à votre place.
D'abord l'écart de couleur. Vous écrivez « bleu », le client cherche « bleu nuit », le modèle voit un bleu moyennement foncé.Nommez la teinte précise dans le texte et dans l'alt.
Ensuite l'écart de nom. Votre page dit « Dr. Martens 1460 à 8 œillets », mais une part énorme de la demande cherche « Doc Martens », un nom que la marque emploie à peine sur sa page. L'image montre une bottine en cuir noir à 8 œillets. Votre copie devrait donc dire « bottine en cuir noir à 8 œillets (couramment appelée Doc Martens) ». La consigne de Google est simple : placez les images « près du texte pertinent ».
Gagnez la confiance (c'est la partie E-E-A-T)
5. Utilisez vos propres photos pour tout ce que vous vendez réellement
Et sachez que l'originalité se mesure. Les images prises de première main prouvent le « Experience » du E-E-A-T, et Google sait les quantifier. La WebDetection de Cloud Vision renvoie fullMatchingImages (copies exactes sur le web) et pagesWithMatchingImages. Si votre URL détient la première date d'indexation pour un angle produit unique, Google crédite votre page comme l'origine et votre score d'expérience monte. Passez votre image phare dans l'onglet Web de la démo Vision : une seule correspondance veut dire original, une foule de correspondances veut dire interchangeable. Le stock et l'IA conviennent pour la décoration. Pour le produit lui-même, photographiez-le.
6. Oui, vous pouvez utiliser l'IA pour améliorer vos visuels produit
Le Product Studio de Merchant Center fait du détourage, de la génération de scène et de l'upscaling. Gardez le produit fidèle, ne supprimez pas les métadonnées, et étiquetez la retouche avec IPTC DigitalSourceType : TrainedAlgorithmicMedia pour une image entièrement générée par IA, CompositeSynthetic pour une vraie photo produit avec un fond ou des éléments IA (Merchant Center : contenu généré par IA). Un vrai sac incrusté sur une plage générée par IA, c'est CompositeSynthetic. Product Studio écrit cette balise automatiquement.
Ne laissez pas vos images saboter vos Core Web Vitals
7. Protégez l'image principale, parce que la couche IA pardonne moins qu'un navigateur
Les robots IA (GPTBot, OAI-SearchBot, ClaudeBot, PerplexityBot, ceux de Meta et de ByteDance) n'exécutent pas le JavaScript. Ils prennent le HTML brut et s'arrêtent là. Ils imposent aussi des délais d'attente serrés, souvent 1 à 5 secondes, parce que faire le rendu à leur échelle coûte trop cher. Une image principale lente, et le robot repart avant qu'elle charge. En RAG, les pages sont découpées en passages, vectorisées et récupérées à la demande. Si le JavaScript cache votre image décisive, vous avez un problème.
Convertissez, parce que le trafic n'est pas le but
8. Choisissez des images qui déclenchent l'action, pas juste le clic
Le cerveau lit une image en environ 13 millisecondes, et l'essentiel de ce qui lui parvient est visuel. L'image décide souvent avant qu'on ait lu un mot. Utilisez des visuels réels, contextuels, parfois produits par les utilisateurs. Sur une fiche produit, montrez les angles, les gros plans, une vue à 360°. Oubliez le stock posé qui hurle « on n'a jamais réellement utilisé ce produit ».
9. Fabriquez la familiarité par ce qui entoure le produit
L'IA étiquette chaque objet d'un cadre et déduit la marque, le positionnement prix et l'audience à partir des voisins. L'adjacence est un signal. Photographiez une montre en cuir bleu à côté d'une boussole en laiton et d'un grain de bois chaud, et vous fabriquez de l'« exploration patrimoniale ». Mettez la même montre à côté d'une boisson énergisante fluo et d'un chrono en plastique, et le récit change, tout comme la valeur perçue de l'objet (Image SEO for multimodal AI). Photographiez un contexte réel et reconnaissable dont les objets racontent une histoire qui soutient votre marque et votre prix.
10. Accordez l'émotion à l'intention (le sentiment se lit aussi)
Les modèles multimodaux notent l'émotion des visages. Cloud Vision renvoie des probabilités de joie, de tristesse, de colère et de surprise. Ça crée un vecteur d'alignement émotionnel. Si vous vendez des tenues d'été joyeuses mais que vos mannequins ont l'air maussades, l'IA peut déprioriser l'image parce que le sentiment visuel jure avec la requête. Pour une intention « repas de famille heureux », visez joyLikelihood: VERY_LIKELY. La lecture n'est fiable qu'à partir de detectionConfidence 0,90. En dessous de 0,60, le visage est trop petit, flou ou de profil, et le score d'émotion n'est que du bruit. Vérifiez les visages dans la démo Vision avant qu'une photo devienne votre image phare.
Note marché francophone. La détection d'émotion sur des visages identifiables n'est pas neutre côté conformité. En Europe, le RGPD encadre ce type de traitement et l'AI Act classe la reconnaissance des émotions parmi les usages à risque, notamment au travail et en éducation. Au Québec, la Loi 25 impose le consentement et une évaluation des facteurs relatifs à la vie privée. En clair : servez-vous du score d'émotion comme garde-fou créatif sur vos propres photos, pas comme prétexte pour profiler de vrais visages.
La nouvelle couche : agentique et lisible par la machine
11. N'expédiez pas de GIF animés, convertissez-les
Un GIF pèse 2 à 5 Mo, soit 10 à 50 fois une image statique, et il plombe le LCP quand il est au-dessus de la ligne de flottaison. Réencodez en MP4 ou WebM muet, en autoplay et en boucle (autoplay muted loop playsinline) pour couper 80 à 95 % du poids, ou laissez un CDN d'images servir la vidéo à la place du GIF. Pour une rotation à 360°, rappelez-vous que le modèle échantillonne environ une image par seconde. Tenez chaque angle clé assez longtemps pour qu'il soit capté, et gardez une prise statique et lisible à l'OCR comme visuel principal.
12. Donnez à chaque image actionnable un nom unique et exact
Le texte alternatif d'une image est son nom dans l'arbre d'accessibilité, et un agent clique par rôle et par nom. Une image cliquable sans alt est un nœud que l'agent ne peut pas adresser. Laissez les images décoratives en alt="", et faites correspondre le nom au libellé visible.
13. Éliminez les nœuds en double dans l'arbre d'accessibilité
Une image avec un alt, plus un lien voisin qui répète les mêmes mots, donne à l'agent deux cibles identiques. Un seul nom par cible. Et évitons de spammer l'ARIA comme l'industrie a spammé l'alt : un bouton sait déjà qu'il est un bouton.
14. Faites le rendu côté serveur des images qui comptent
Les images injectées par du JavaScript côté client apparaissent dans l'arbre rendu, mais pas dans le HTML brut. Un agent qui ne fait pas le rendu voit un vide là où votre client voit un produit. Dans le commerce agentique (ACP d'OpenAI, UCP de Google), l'image produit devient un champ de flux, et le flux doit concorder avec la page, sinon l'agent passe son chemin. Autre raison que ça paie : un instantané d'accessibilité propre pèse 2 à 5 Ko, alors que la capture d'écran de repli pèse 100 Ko ou plus. Des images sémantiques et bien nommées, c'est 20 à 50 fois moins cher à utiliser pour un agent.
15. Plus d'images, ce n'est pas automatiquement mieux
Des travaux évalués par les pairs ont montré que des images produit supplémentaires peuvent ne pas aider, et parfois nuire, à la performance d'un modèle multimodal. Menez avec votre prise la plus utile et arrêtez de gonfler la galerie.
La checklist
Par image
Nom de fichier descriptif (vrais mots, tirets, pas de IMG_####)
Texte alternatif unique et factuel (sujet, action, contexte ; pas de bourrage, pas de « image de »)
Largeur et hauteur définies (devrait être un réflexe par défaut)
Compressée, bon format, servie en responsive (srcset / sizes)
Posée à côté d'un texte qui nomme ce qu'elle montre (couleur précise, nom de produit courant)
Texte incrusté bien contrasté et lisible à l'OCR (≥ 30 px de hauteur de caractère, ~40 de contraste en niveaux de gris)
Nom accessible unique et concordant avec le libellé visible ; les images décoratives n'ont pas besoin d'alt
Métadonnées IPTC créateur, crédit et copyright conservées
Originale là où ça compte : passe le test « source la plus ancienne » de WebDetection (optionnel)
Retouches IA étiquetées en IPTC DigitalSourceType (TrainedAlgorithmicMedia / CompositeSynthetic), métadonnées non supprimées (surtout utile pour l'e-commerce, franchement)
Visages, s'il y en a, lus à l'émotion voulue avec detectionConfidence 0,90 ou plus
Par page
Image principale : fetchpriority="high", eager, préchargée, jamais en lazy-load, charge en quelques secondes
Images sous la ligne de flottaison en chargement différé ; rien au-dessus d'elle ne l'est
Images critiques rendues côté serveur (présentes dans le HTML brut, sans JS)
ImageObject ou données structurées Product là où elles le méritent (vérifié dans le test des résultats enrichis)
Pas de nœuds en double dans l'arbre d'accessibilité (image plus texte de lien répété)
Affirmations clés et visuels décisifs dans les premiers 20 % de la page
Photographie originale pour tout ce que vous vendez
Servie via CDN avec une vraie stratégie de cache
Par actif
GIF animés convertis en MP4/WebM muet et en boucle
Angles clés d'une rotation tenus assez longtemps pour être échantillonnés (environ 1 image/s)
Légendes écrites comme des faits autonomes
Images de flux (boutiques) concordantes avec les images de la page
FAQ
C'est quoi, le GEO d'images ?
Optimiser vos images pour que les moteurs de réponse IA et les moteurs de recherche puissent les récupérer, les comprendre et les citer. Ça part du SEO d'images, puis ça ajoute la lisibilité machine pour les modèles multimodaux qui lisent désormais les images comme des concepts plutôt que comme des fichiers.
En quoi est-ce différent du SEO d'images ?
Le GEO d'images ajoute trois réalités de lecture machine : l'IA lance une recherche visuelle en éventail sur tout ce qu'elle détecte, elle lit le texte à l'intérieur de vos images par OCR, et elle traite l'image comme un concept que votre texte doit confirmer. Cela dit, faites bien votre SEO d'images et vous avez déjà parcouru l'essentiel du chemin.
Le texte alternatif compte-t-il encore pour l'IA ?
Oui. Pour les modèles multimodaux, l'alt sert d'ancrage qui dit au modèle ce qu'il regarde. Pour les agents IA, c'est le nom de l'image dans l'arbre d'accessibilité, donc la façon dont un agent trouve et clique sur les choses. Écrivez-le comme une description claire et vraie.
Les LLM lisent-ils vraiment mes images, ou juste l'alt ?
Les deux, selon le pipeline. Les modèles multimodaux tokenisent les pixels directement. Mais beaucoup de robots et de systèmes RAG ingèrent la page comme du texte et s'appuient sur l'alt, et les agents IA agissent sur l'arbre d'accessibilité, où le nom de l'image est son alt. Les pixels comptent et le texte compte. Faites-les concorder.
Puis-je utiliser l'IA pour retoucher mes visuels produit ?
Oui. Le Product Studio de Merchant Center, signé Google, détoure les fonds, génère des scènes et fait de l'upscaling. Gardez le produit fidèle, ne supprimez pas les métadonnées, et étiquetez la retouche avec IPTC DigitalSourceType. Ce qui vous attire des ennuis, c'est la tromperie, pas l'IA en soi.
Dois-je étiqueter les images générées par IA ?
Pour l'instant, seulement si vous vendez en ligne. Merchant Center veut des images produit générées par IA balisées en IPTC DigitalSourceType, et vous ne devez pas la supprimer. Il n'existe pas de badge « généré par IA » automatique dans Google Images organique.
L'émotion de mes photos compte-t-elle ?
De plus en plus, oui. Les modèles multimodaux notent le sentiment des visages, et une humeur en conflit avec l'intention de la requête peut faire déprioriser une image. Accordez l'émotion à l'intention, et assurez-vous que le visage est assez net. Côté conformité, gardez ce score pour vos propres visuels (voir la note RGPD et Loi 25 plus haut).
Devrais-je ajouter des données structurées à mes images ?
Ajoutez ImageObject ou des métadonnées IPTC quand ça rapporte. Ça donne aux moteurs le créateur, le crédit et le contexte de licence, et ça peut faire remonter des détails plus riches dans Google Images. Sur les fiches produit, les données structurées Product valent un badge. Les données structurées aident l'éligibilité et la compréhension. Elles ne vous achètent pas une citation.
Comment les agents IA voient-ils mes images ?
Ils triangulent trois choses : captures d'écran, HTML brut et arbre d'accessibilité. Votre alt est le nom de l'image dans cet arbre. Une image-lien sans nom est inadressable, et un arbre propre (2 à 5 Ko) coûte bien moins cher à un agent que la capture d'écran de repli (100 Ko ou plus). Des images sémantiques et nommées rendent donc votre page moins chère à utiliser.
Que corriger en premier ?
Dans l'ordre : la gestion de l'image principale et du LCP (et confirmez qu'elle est dans le HTML brut), puis l'alt réécrit en vraies phrases sur vos pages les plus importantes, puis le texte incrusté rendu lisible et repris dans votre copie, puis l'étiquetage des images IA et les données structurées si vous vendez en ligne, puis le CDN et la diffusion responsive.
Sources
Officiel : bonnes pratiques SEO d'images de Google (Search Central) ;
Métadonnées d'image et ImageObject de Google (Search Central) ;
Contenu généré par IA dans Google Merchant Center (Aide) et Product Studio (Aide) ;
Consignes aux évaluateurs de la qualité de recherche de Google (sept. 2025) ;
Guides Helpful Content et avis de Google ; web.dev Optimize LCP et CLS ;
Web Almanac 2022 (la statistique sur l'image LCP) ;
Microsoft Advertising « Optimizing content for AI search answers » et l'Image Graph de Bing ; démo Cloud Vision « Try it » (docs).
Recherche et praticiens : Myriam Jessier, « Image SEO for multimodal AI », Search Engine Land (déc. 2025) ;
« AI Crawlers Do Not Render JavaScript », Lantern ; VisualWebArena (arXiv 2401.13649) sur les entrées « arbre d'accessibilité plus légendes » pour agents ; EcomMMMU (arXiv 2508.15721) sur le fait que plus d'images peut nuire.