En France, « referencement youtube » pèse 210 recherches par mois et « youtube seo » 110, à 4,55 euros le clic en publicité. Ce sont deux requêtes distinctes, pas un total. La première page de résultats répond par huit guides pratiques, dont quatre annoncent un décompte de conseils dès leur titre. Ils disent tous la même chose : mots-clés dans le titre, miniature soignée, description longue, tags, durée de visionnage.
En parallèle, une étude de Semrush portant sur 230 000 requêtes place YouTube parmi les cinq domaines les plus cités par le Mode IA de Google. Le raccourci est tentant : la vidéo serait le format qui gagne dans les réponses génératives, donc le SEO YouTube serait devenu du GEO sans le savoir.
J'ai voulu vérifier ce que voit réellement un robot de moteur génératif quand il arrive sur une page de vidéo. Le résultat ne va pas dans le sens du raccourci.
Ce que j'ai mesuré le 24 août 2026. J'ai récupéré le fichier robots.txt de YouTube et son sitemap déclaré, demandé trois pages de vidéo réelles avec l'agent utilisateur de GPTBot pour compter le texte effectivement lisible sans JavaScript, inspecté les balises et le balisage JSON-LD que ces pages exposent, relevé la première page de résultats française de « référencement youtube » puis extrait le texte des pages classées pour y chercher toute mention des moteurs génératifs, et compté le vocabulaire de la parole dans deux documentations vidéo de Google, dans son guide des fonctionnalités IA, et dans les documentations de robots d'OpenAI, de Perplexity et d'Anthropic. Tout est reproductible avec curl et une dizaine de lignes de Python.
YouTube domine chez Google et disparaît chez Perplexity
L'étude Semrush du 10 novembre 2025, signée Luke Harsel, couvre treize semaines de relevés hebdomadaires du 14 juillet au 12 octobre 2025 sur ChatGPT search, Google AI Mode et Perplexity. Elle donne les podiums plateforme par plateforme, et l'écart est net.
Pour le Mode IA, verbatim : « Its top cited domains included LinkedIn, YouTube, Reddit, Google, and Google Blog (all of which are properties that Google either owns or has a major partnership with). » L'auteur pose lui-même la remarque de propriété entre parenthèses. Sur la même surface, YouTube fait partie du trio qui progresse le plus, à égalité avec deux autres domaines : « The most movement on AI Mode came from user-generated content (UGC) domains. YouTube, Reddit, and Facebook grew the most. »
Pour Perplexity, verbatim : « Perplexity's top sources were Reddit, LinkedIn, NIH, Microsoft, and Google. » YouTube n'y figure pas. Il n'apparaît pas non plus dans les mouvements relevés côté ChatGPT, où les gagnants nommés sont PRnewswire, Forbes et Medium.
Une plateforme vidéo qui serait citée pour la qualité de son contenu le serait partout. Une plateforme citée uniquement par le moteur de son propriétaire l'est pour une autre raison. C'est la même leçon que celle tirée de la place de Reddit dans les réponses génératives, et le miroir de celle de Wikipédia : observer les domaines les plus cités puis imiter leur forme est un raisonnement qui ne tient pas, parce que la position vient souvent d'un rapport d'accès et non d'un mérite éditorial.
Restait à savoir de quel rapport d'accès il s'agit ici. La réponse tient en une mesure.
Une page de vidéo servie à GPTBot contient 44 mots
J'ai demandé trois pages de vidéo réelles avec l'agent utilisateur de GPTBot, depuis une adresse ordinaire. Les trois répondent HTTP 200, sans blocage, sans page d'avertissement. J'ai ensuite retiré les balises script et style, retiré les balises restantes, et compté ce qui reste.
Video HTML (car.) Mots visibles og:description
----------- ----------- ------------- --------------
dQw4w9WgXcQ 1 375 221 44 159 car.
LeUJsyx53wU 1 375 647 47 160 car.
uUdRbqcguAc 1 189 332 45 160 car.
Entre 1,19 et 1,38 mégaoctet de HTML par page, et quarante-quatre à quarante-sept mots de texte lisible. Ces mots sont le titre de la vidéo, puis le pied de page du site, « Présentation Presse Droits d'auteur Nous contacter Créateurs Publicité Développeurs », jusqu'au « © 2026 Google LLC ». Sur la totalité des trois pages, aucun mot ne provient de la vidéo elle-même, ni de sa description, ni de ce qui y est dit.
La description existe pourtant. Elle se trouve dans un objet JavaScript nommé ytInitialPlayerResponse, à l'intérieur d'une balise script, et elle pèse 2 431 caractères sur la première vidéo, 1 581 sur la deuxième, 669 sur la troisième. Un robot qui télécharge le JavaScript sans l'exécuter la traverse sans la lire. C'est exactement le mécanisme établi par l'étude Vercel et Merj sur 569 millions de requêtes GPTBot, et c'est le sujet de notre article sur le rendu JavaScript et les crawlers IA.
Le seul endroit où cette description apparaît en clair est la balise og:description, et elle y est coupée. Le plafond est constant sur les trois pages, 159 puis 160 puis 160 caractères, toujours terminés par trois points de suspension au milieu d'une phrase. Ce qui varie, c'est ce que ce plafond laisse passer : 6,5 pour cent du texte sur la description de 2 431 caractères, 10,1 pour cent sur celle de 1 581, 23,9 pour cent sur celle de 669. Plus la description est fournie, plus la proportion perdue est grande. Le format qui gagnerait la citation générative expose donc, à un robot qui n'exécute pas JavaScript, un titre et un début de phrase tronqué.
La transcription existe, et YouTube en interdit le chemin
Une vidéo a bien une surface textuelle complète : sa transcription. Chaque page de vidéo la déclare, dans un tableau captionTracks qui contient l'adresse des pistes de sous-titres. J'ai extrait cette adresse. Elle pointe vers https://www.youtube.com/api/timedtext, avec une série de paramètres signés.
Or le fichier robots.txt de YouTube tient en 33 lignes, deux groupes User-agent seulement, 22 lignes Disallow, aucune ligne Allow, et deux lignes Sitemap. Une de ces 22 lignes est vide, celle du groupe réservé à Mediapartners-Google, ce qui l'autorise partout : il reste donc 21 chemins réellement interdits au robot générique. Aucun robot d'intelligence artificielle n'y est nommé : ni GPTBot, ni ClaudeBot, ni PerplexityBot, ni CCBot. Contrairement à Reddit, YouTube ne ferme pas la porte. Mais sept de ces 21 interdictions méritent d'être lues côte à côte.
Disallow: /api/
Disallow: /comment
Disallow: /feeds/videos.xml
Disallow: /get_video_info
Disallow: /results
Disallow: /timedtext_video
Disallow: /youtubei/
Ces sept lignes couvrent toutes les routes du texte. Trois ferment la transcription : /api/ englobe /api/timedtext, donc la piste de sous-titres que la page vient de déclarer, /timedtext_video est nommé explicitement, et /youtubei/ est l'interface interne que l'application utilise pour charger la transcription dans le panneau latéral. Les quatre autres ferment le reste : /comment retire les commentaires, /get_video_info les métadonnées du lecteur, /feeds/videos.xml le flux de la chaîne, /results la page de recherche interne.
La page de la vidéo est donc ouverte à tous les robots, et les trois points d'accès qui portent la parole sont fermés. Un robot qui respecte le fichier n'a pas le droit d'aller chercher le texte, et la page qu'il a le droit de lire n'en contient pas. Par surcroît, une requête nue sur /api/timedtext renvoie zéro octet : les paramètres signés de la page sont nécessaires, ce qui ajoute une barrière technique à la barrière déclarative.
Cette configuration n'est pas un accident, et elle n'est pas un blocage non plus. C'est la signature d'une plateforme qui accepte d'être indexée comme un catalogue de titres et refuse d'être moissonnée comme un corpus de texte. La distinction entre les familles de robots et ce que chaque directive autorise vraiment est détaillée dans notre article sur les user-agents IA et le robots.txt.
Le sitemap de YouTube ne contient aucune vidéo
Les deux lignes Sitemap du fichier promettent une route de découverte. J'ai suivi la première.
https://www.youtube.com/sitemaps/sitemap.xml pèse 339 octets et déclare 23 sitemaps enfants. Aucun ne concerne les vidéos. Vingt et un d'entre eux couvrent les pages institutionnelles de l'entreprise : YouTube Kids, Trends, about.youtube, les offres d'emploi, l'espace créateurs, les règles des Originals, le site des contributeurs, l'impact social, la réalité virtuelle, YouTube Artists, le programme de mesure, deux espaces dédiés à la famille, les conditions d'utilisation, How YouTube Works, Health, News, Research, et les trois pages d'abonnement Premium. Les deux restants sont un sitemap de correspondance publicitaire et le fichier nommé misc.xml.
Le fichier misc.xml, celui dont le nom laisse espérer un fourre-tout, contient exactement une URL : /videomasthead/, la page de présentation d'un format publicitaire.
Autrement dit, la plateforme que le Mode IA place dans son podium publie un sitemap qui ne référence pas une seule vidéo. Combiné à l'interdiction du flux de chaîne et de la page de résultats internes, cela ne laisse aux robots aucune route déclarée vers le catalogue. La découvrabilité, qui est précisément la fonction du lien que Google nomme pour ses surfaces IA comme nous l'avons vu à propos du maillage interne, n'est pas offerte ici.
Google n'en a pas besoin : il possède la plateforme, les sous-titres et la reconnaissance automatique de la parole qui les produit. L'asymétrie mesurée par Semrush entre le Mode IA et Perplexity s'explique donc sans mystère. YouTube est cité par le seul moteur qui n'a pas besoin de le lire.
La documentation de Google sur la vidéo ne parle jamais de ce qui est dit
Le geste suivant est devenu une habitude sur ce blog : compter les mots dans les documentations officielles, puis imprimer le contexte de chaque occurrence avant de conclure. J'ai aplati trois pages de Google Search Central, le guide des bonnes pratiques vidéo, la référence des données structurées VideoObject, et le guide des fonctionnalités IA.
Occurrences Guide video VideoObject ai-features
----------- ----------- ----------- ----------------
caracteres 26 520 46 947 13 605
video 280 191 12 (1 hors menu)
transcript 0 0 0
caption 0 0 0
subtitle 0 0 0
audio 0 0 0
AI Overview 0 0 14
AI Mode 0 0 11
Le guide des bonnes pratiques vidéo pèse 26 520 caractères aplatis et prononce 280 fois le mot « video ». Il ne prononce jamais « transcript », ni « caption », ni « subtitle », ni « audio », ni « speech », ni « spoken ». Ce dont il parle, ce sont les miniatures, les URL stables, les formats de fichier et les moments clés. Son avertissement le plus insistant porte sur l'image fixe : « If the video's thumbnail URL changes too often, Google may not be able to successfully index your videos. »
Les deux documentations vidéo comptent aussi zéro occurrence de « AI Overview », zéro de « AI Mode » et zéro de « Gemini », alors que le guide des fonctionnalités IA nomme les Aperçus IA quatorze fois et le Mode IA onze fois. La documentation vidéo de Google n'a donc pas été mise à jour pour les surfaces génératives, et la documentation générative ne descend pas jusqu'à la vidéo.
La colonne de droite demande une précaution que ce blog applique désormais par réflexe. Le guide IA remonte douze occurrences de « video » sur la page entière, mais après retrait du menu latéral de navigation, il n'en reste qu'une dans le corps du texte, sur 6 226 caractères de rédaction. Les onze autres sont des entrées de sommaire. Même chose pour « YouTube » : trois occurrences sur la page, zéro dans le corps.
Cette occurrence unique vaut d'être lue en entier, parce qu'elle donne la hiérarchie. Deux lignes se suivent dans la liste des bonnes pratiques : « Making sure that important content is available in textual form », puis « Supporting your textual content with high-quality images and videos, when applicable ». Le texte est le contenu. La vidéo est un appui, quand cela s'applique. Google range lui-même la vidéo du côté de l'ornement.
Une dernière vérification achève le tableau. Le vocabulaire schema.org définit bien une propriété transcript sur VideoObject, décrite ainsi : « If this MediaObject is an AudioObject or VideoObject, the transcript of that object. » La documentation de Google sur VideoObject, longue de 46 947 caractères aplatis, ne la mentionne pas une seule fois. Elle exige trois propriétés, name, thumbnailUrl et uploadDate, et recommande notamment contentUrl, description, duration et embedUrl.
Le balisage JSON-LD que YouTube place sur ses propres pages de vidéo pèse 610 caractères et contient quatre propriétés plus un commentaire d'utilisateur : @id, name, thumbnailUrl, uploadDate. Les trois propriétés exigées sont donc là, et aucune des quatre recommandées. Pas de description, pas de duration, pas de contentUrl, pas d'embedUrl, et bien sûr pas de transcript. La propriété qui rendrait une vidéo lisible par un modèle de langage existe dans le standard, n'est pas documentée par Google, et n'est utilisée par personne, y compris par la plateforme dont c'est le métier. Le rapport entre balisage et citation générative, et pourquoi la corrélation ne suffit pas à établir la causalité, est traité dans notre article sur schema.org et le GEO.
Les robots tiers ne promettent rien sur la vidéo
Reste à savoir ce que les autres éditeurs annoncent. J'ai compté les mêmes termes dans la documentation de robots d'OpenAI, dans celle de Perplexity et dans l'article de support d'Anthropic.
Chez Perplexity, 5 798 caractères aplatis, zéro occurrence de « video », « transcript », « caption », « audio » et « YouTube ». Chez Anthropic, 20 184 caractères, les mêmes cinq zéros.
Chez OpenAI, le compte brut est différent et c'est le même piège que dans la colonne précédente. La page remonte sept « video », trois « transcript », trois « speech » et neuf « audio ». J'ai imprimé le contexte de chaque occurrence : toutes se trouvent dans le menu latéral de navigation du site de documentation, entre « Image generation » et « Realtime transcription », qui sont des rubriques d'API sans aucun rapport avec les robots d'exploration. Zéro occurrence rédactionnelle. Ce faux positif justifie la règle maison : ne jamais publier un zéro sans avoir imprimé le contexte de ce qui n'en était pas un.
Ces comptages ne prouvent pas que ces robots ignorent la vidéo. Ils établissent qu'aucun des trois éditeurs ne prend d'engagement à ce sujet, donc qu'il n'y a rien à configurer de ce côté et que l'observation reste la seule source, comme pour l'analyse des logs serveur.
Ce que le SEO YouTube optimise, et ce qu'il n'atteint pas
Les huit guides de la première page de résultats ne se trompent pas. Ils décrivent correctement un système, mais ce n'est pas celui qui produit une citation générative.
Le référencement YouTube tel qu'il s'enseigne optimise un moteur de recommandation interne. Ses variables sont la miniature, le taux de clic, la durée de visionnage, les tags, la fréquence de publication. Ce moteur travaille sur des signaux de comportement, il vit à l'intérieur de la plateforme, et il décide de la place d'une vidéo dans un fil. Détail savoureux au passage : les pages de vidéo portent toujours une balise meta name="keywords", longue de 477 caractères sur la première vidéo testée, alors que Google déclare ignorer cette balise depuis 2009, ce que nous avons documenté à propos de la densité de mots-clés.
Une citation générative relève d'un autre système. Un moteur en récupération directe télécharge une adresse, en extrait des passages, choisit celui qui répond et le cite. Ses variables sont l'accessibilité de la page, la présence de texte, et l'autonomie du passage extrait, ce qui est l'objet même de notre article sur le fan-out de requêtes.
Sur les trois pages de vidéo mesurées, ce second système trouve quarante-quatre à quarante-sept mots de pied de page. Aucune quantité de travail sur la miniature ne change ces nombres.
J'ai voulu savoir si la première page de résultats française posait la question. Les huit résultats organiques se répartissent en cinq pages datées, de septembre 2020 à novembre 2025, et trois pages sans date affichée. J'ai récupéré sept d'entre elles, la huitième et première du classement répondant HTTP 403 à toute requête non autorisée. Sur ces sept pages, 813 phrases de plus de quarante caractères. Quatre phrases contiennent à la fois un terme du sujet et un terme de moteur génératif, sur deux pages seulement. Et sur ces quatre, deux recommandent ChatGPT comme outil pour concevoir une miniature, ce qui ne traite pas le sujet. Il reste deux phrases de couverture réelle, dans une section d'Eskimoz intitulée « Le référencement hors Youtube (spécial LLM) », dont voici le verbatim : « Une vidéo bien positionnée sur Bing, ou même sur Google, aura plus de chances d'être reprise dans les réponses d'un LLM et d'augmenter votre visibilité GEO. » C'est la bonne intuition, sans la mesure qui la soutiendrait.
Deux phrases sur 813 : le trou éditorial est franc, et il est mesuré plutôt que supposé.
Ce qu'il faut faire à la place
La conclusion pratique est courte, et elle déplace le travail hors de YouTube.
Publier la transcription sur votre page, en HTML. C'est le seul geste qui transforme une vidéo en source citable. Pas dans un accordéon injecté par JavaScript, pas dans un widget tiers, pas derrière un bouton. Du texte dans le document, avec des intertitres, comme un article. La vidéo reste sur YouTube pour son audience, sa transcription vit sur votre domaine pour sa citabilité.
Ne pas coller le brut. Une transcription automatique est une suite de phrases sans ponctuation ni structure, où chaque paragraphe dépend du précédent. C'est le défaut exact que le fan-out de requêtes sanctionne : un passage qui commence par « et donc ça, c'est le point important » ne survit pas à son extraction. Relire, ponctuer, découper en sections nommées, et donner à chaque bloc de quoi se comprendre seul.
Vérifier ce que le robot voit, pas ce que l'écran montre. La commande suivante télécharge une page, retire le JavaScript et les styles, retire les balises, et compte les mots qui restent. Elle vaut pour votre page comme pour n'importe quelle autre, et je l'ai testée sur cet article avant de la publier.
curl -sL "https://votresite.fr/page/" \
| python3 -c "import sys,re; t=sys.stdin.read(); \
t=re.sub(r'(?is)<(script|style)[^>]*>.*?</\1>',' ',t); \
print(len(re.sub(r'(?s)<[^>]+>',' ',t).split()))"
Comparez ce nombre au nombre de mots que vous croyez avoir publié. L'écart est la part de votre page invisible aux moteurs en récupération directe.
Renseigner la propriété transcript. Google ne la documente pas, donc personne ne peut promettre un effet. Elle coûte une ligne dans un balisage que vous produisez déjà, elle est valide au sens du vocabulaire, et elle a l'avantage de dire explicitement à un système d'extraction où se trouve le texte de la vidéo. À traiter comme une hypothèse peu coûteuse, pas comme un levier démontré.
Ne pas confondre les deux métiers. Si votre objectif est l'audience sur YouTube, les huit guides de la première page sont utiles et cet article ne les contredit pas. Si votre objectif est d'être cité dans une réponse générative, le chantier est sur votre propre domaine. C'est la même conclusion que celle tirée du contenu fermé derrière un formulaire : ce qui n'existe pas en texte accessible n'existe pas pour un modèle.
Ce que cet article n'établit pas
Trois limites, et elles comptent.
Les mesures portent sur ce qu'une page sert et sur ce qu'un fichier autorise, pas sur le comportement réel des robots. Rien ici ne prouve qu'OpenAI, Anthropic ou Perplexity s'abstiennent effectivement d'aller chercher une transcription. Ce qui est établi, c'est que le site le leur interdit et qu'un robot conforme doit s'y tenir.
Le compte de 44 mots vaut pour un robot qui n'exécute pas JavaScript. Googlebot rend les pages en seconde vague et Gemini repose sur son infrastructure, donc ce chiffre ne décrit pas ce que voient les surfaces de Google. C'est précisément ce qui rend l'asymétrie mesurable, et c'est aussi ce qui interdit de généraliser le chiffre à tous les moteurs.
Enfin, je n'ai pas mesuré l'effet de la transcription publiée. Rien ne compare ici une page portant sa transcription à la même page sans elle, sur le taux de citation. Cette comparaison demanderait un groupe témoin et un jeu de requêtes figé, exactement le protocole décrit dans notre article sur le test A/B en GEO, et le suivi qui va avec est détaillé côté mesure des citations.
Ce qu'il faut retenir
YouTube est un domaine de tête du Mode IA et un absent du podium de Perplexity, parce que la seule surface qui le cite massivement appartient à son propriétaire. Pour tous les autres moteurs, une page de vidéo est un mégaoctet de HTML qui se réduit à quarante-quatre à quarante-sept mots de pied de page, avec une description plafonnée à 160 caractères dans la seule balise lisible, une transcription déclarée puis interdite par le fichier robots.txt du site, et un sitemap qui ne référence pas une vidéo.
Le raccourci « la vidéo gagne dans les réponses IA » est donc faux dans les deux sens. La vidéo comme format n'est pas favorisée. La vidéo comme texte, elle, est la matière la plus dense qu'une entreprise produit sans jamais la publier : un webinaire, une démonstration produit, un entretien client, ce sont des milliers de mots d'expertise que personne ne peut lire.
C'est ce genre d'inventaire, entre ce qui existe chez vous et ce qui est réellement lisible par un moteur, que nous ouvrons chaque audit GEO, et le vocabulaire de ces sujets est détaillé dans notre glossaire. La question de départ y devient très simple : combien de mots avez-vous publiés que personne ne peut citer ?