Référencement restaurant sur ChatGPT, Claude et Perplexity : le guide complet 2026

Imaginez. Un client cherche un italien à Lyon pour ce soir. Il y a six mois, il aurait tapé « restaurant italien Lyon » dans Google. Aujourd'hui, il pose la question à ChatGPT, Claude ou Perplexity directement depuis son téléphone. Trois recommandations s'affichent. Si votre restaurant n'en fait pas partie, vous n'existez pas pour ce client.

Cette bascule s'accélère depuis 2024. Selon plusieurs études récentes, environ 30% des recherches « où manger » passent désormais par un assistant IA plutôt que Google. Ce comportement est encore plus marqué chez les 25-40 ans urbains, qui correspondent au cœur de cible des restaurants indépendants en centre-ville.

Le problème : aucun outil SEO français pour restaurants ne couvre cette nouvelle couche en 2026. Malou, Partoo et Localo restent sur le SEO Google classique. Le nouveau standard s'appelle GEO (Generative Engine Optimization), parfois aussi AEO (Answer Engine Optimization). Ce guide explique comment les LLMs choisissent qui citer, les 8 critères techniques à appliquer, et comment vous pouvez tester votre visibilité dès aujourd'hui.

Pourquoi le GEO existe

ChatGPT a passé 700 millions d'utilisateurs hebdomadaires fin 2025. Claude.ai et Perplexity ont chacun dépassé 100 millions. Gemini est intégré nativement dans Google Search via les AI Overviews qui apparaissent au-dessus des résultats classiques pour ~25% des requêtes en France en 2026.

Pour les requêtes locales typiques d'un restaurant — « où dîner ce soir », « meilleurs italiens près de chez moi », « brunch dimanche Bastille » — les LLMs sont désormais le premier point d'entrée pour une part croissante d'utilisateurs. Ils retournent des recommandations directes, sans clic intermédiaire vers Google ou Maps.

Conséquence : la bataille pour la visibilité ne se joue plus uniquement sur le ranking Google. Elle se joue aussi dans la base d'entraînement et dans les données récupérées en temps réel par ces moteurs génératifs. Et les signaux qui comptent sont différents.

Comment ChatGPT, Claude et Perplexity choisissent qui citer

Les LLMs ne sont pas des moteurs de recherche traditionnels. Ils combinent trois sources :

1. 1Données d'entraînement : tout le web crawlé jusqu'à leur date de cutoff. Plus votre fiche est documentée, plus vous êtes intégré à cette base.
2. 2Web search live (Perplexity, ChatGPT en mode web, Claude avec outils) : récupération en temps réel via des APIs ou des crawlers ciblés.
3. 3Knowledge graphs externes (Wikidata, Wikipedia, Google Knowledge Graph) : sources de fait privilégiées pour leur fiabilité.

Pour décider de vous citer ou non, le LLM regarde une dizaine de signaux : la cohérence de votre nom et adresse à travers les annuaires (NAP consistency), votre note moyenne sur Google et le nombre d'avis, la richesse de votre fiche schema.org, la présence d'une entrée Wikidata, les mentions presse locale crédibles, la présence d'un fichier llms.txt sur votre site.

Ce mix donne un score de confiance interne. Un restaurant noté 4,2 / 5 avec 80 avis Google récents, 6 citations NAP cohérentes, une entrée Wikidata et un fichier llms.txt sera systématiquement préféré à un restaurant noté 4,5 / 5 mais avec seulement 12 avis et aucun signal externe — même si Google met le second en haut du local pack.

Les 8 critères techniques GEO

1. schema.org Restaurant complet (poids fort)

Le balisage JSON-LD `Restaurant` doit contenir au minimum : name, address (adresse postale complète), telephone, openingHoursSpecification (horaires détaillés par jour), servesCuisine, priceRange, image (au moins 3 photos), url, aggregateRating si vous avez ≥ 10 avis. Sans ces champs, les LLMs hésitent à vous citer car ils ne peuvent pas vérifier vos infos.

2. schema.org Menu structuré

Une carte balisée en JSON-LD `Menu` avec ≥ 5 plats permet aux LLMs de répondre à des questions précises (« quel restaurant a un risotto truffe à Lyon ce mois-ci ? »). C'est aussi un signal de fraîcheur.

3. Reviews + AggregateRating

Seuil pratique : ≥ 10 avis Google avec note moyenne ≥ 4,0 / 5. En dessous, vous êtes filtré par la plupart des LLMs sur les requêtes « meilleurs ». Au-delà de 50 avis, vous gagnez en priorité d'apparition.

4. FAQPage structurée

Une page FAQ avec 5 questions/réponses balisées en `FAQPage` JSON-LD est le pattern préféré des LLMs pour extraire des réponses courtes (« acceptez-vous les groupes ? avez-vous une terrasse ? »). C'est aussi un excellent boost SEO Google traditionnel.

5. Fichier /llms.txt à la racine

Standard proposé par Anthropic en septembre 2024, équivalent du robots.txt mais ciblant les LLMs. Format markdown structuré décrivant votre restaurant, vos services, vos URLs utiles. Avizo fournit un template prêt à coller — copiez-le depuis votre dashboard.

6. Entrée Wikidata

Wikidata est une source de fait privilégiée par tous les LLMs majeurs. Une fiche Wikidata (gratuite, ~30 minutes de création) avec votre Q-id renseigné dans Avizo = + 15 points GEO immédiats.

7. NAP consistency 25+ annuaires

Pages Jaunes, Apple Maps, TripAdvisor, Yelp, TheFork, Petit Futé, Michelin, Gault & Millau, Bing Places, Waze Local, plus une vingtaine d'autres. Avoir le même nom + même adresse + même téléphone partout est un signal de fiabilité critique. Avizo les liste, génère le payload NAP et trace le statut de chaque soumission.

8. Mentions presse locale (≥ 3 backlinks)

Le Bonbon, Time Out, Petit Futé, blogs food locaux, presse régionale (Le Progrès à Lyon, La Provence à Marseille). Trois mentions sur des sites d'autorité = signal fort pour les LLMs francophones, qui surpondèrent ces sources éditoriales.

Test rapide : apparaissez-vous ?

Faites le test maintenant. Demandez à ChatGPT, Claude ou Perplexity :

Trois cas possibles : (1) vous êtes cité dans le top 10 — bravo, votre GEO est déjà bon ; (2) vous n'apparaissez pas mais vos concurrents directs oui — vous avez du retard à rattraper rapidement ; (3) personne de pertinent n'est cité, le LLM hallucine ou se rabat sur des chaînes — opportunité à saisir avant que le marché se densifie.

Comment Avizo automatise tout ça

Avizo intègre la couche GEO dès le plan Pro à 165€/mois en annuel. Concrètement : audit GEO sur 8 critères avec score sur 100, génération de 5 corrections priorisées par impact, monitoring hebdomadaire de votre position sur les 4 LLMs majeurs (Claude, ChatGPT, Perplexity, Gemini), dashboard avec sparkline 4 semaines, et liste de concurrents qui sortent quand vous n'apparaissez pas.

Aucun concurrent SaaS français pour restaurants ne fait du GEO en 2026. C'est notre plus gros différenciant, et probablement votre plus gros levier d'acquisition silencieux pour les 12 à 24 prochains mois — le temps que le marché rattrape.

Questions fréquentes

Combien de temps pour voir des résultats GEO ?

Les LLMs re-crawlent régulièrement, mais l'intégration des nouvelles données prend 2 à 8 semaines selon les moteurs. Une amélioration typique observée : + 10 à + 30 points GEO en 3 mois si les 5 corrections sont appliquées rigoureusement.

Le GEO remplace-t-il le SEO Google ?

Non. Le SEO Google reste critique (~70% des recherches restent sur Google et Maps). Le GEO ajoute une couche pour les ~30% qui sont déjà partis vers les LLMs et qui ne reviendront pas. Vous avez besoin des deux.

Faut-il payer ChatGPT Plus pour être cité ?

Non. Les abonnements payants des LLMs ne donnent aucun avantage côté restaurants. Le ranking est purement technique : signaux structurés, NAP consistency, entrées Wikidata. La seule chose qui change avec un abonnement payant, c'est la fenêtre de données récentes accessibles à l'utilisateur (web search activé par défaut).

Est-ce que créer une fiche Wikidata fait vraiment la différence ?

Oui, fortement. Wikidata est une source de fait privilégiée par tous les LLMs. Avoir un Q-id avec votre nom, adresse, type de cuisine, fondation, photo représente +15 points GEO chez nous, et on observe le même ordre de grandeur en pratique sur les requêtes de test.

Combien de temps prend la mise en place complète ?

5 à 8 heures de travail au total étalées sur 2-3 semaines : 30 min pour Wikidata, 2-3 heures pour les soumissions NAP aux 25 annuaires, 1 heure pour le schema.org enrichi sur votre site, 30 min pour le llms.txt, 1 heure pour la FAQ structurée, le reste pour la relance d'avis et la prospection presse locale. Avec Avizo, vous suivez la liste step-by-step avec les payloads pré-remplis.