GEO pour cabinets de recrutement : attirer talents et clients via IA

Les requêtes "meilleur cabinet de recrutement tech Paris" ou "chasseur de têtes finance Lyon" basculent désormais dans ChatGPT, Claude et Perplexity, et dans les AI Overviews Google. Sistrix mesurait en avril 2026 que 58 % des requêtes Google en France déclenchent un AI Overview, avec une surreprésentation sur les recherches B2B services. Or, sur ces requêtes, les LLM ne renvoient pas dix résultats : ils citent deux à cinq cabinets, point. Le travail SEO classique d'un cabinet de recrutement (annuaires, pages métiers SEO génériques) ne suffit plus à passer le filtre des modèles. Cet article décrit le playbook GEO concret, côté acquisition clients DRH ET côté attraction candidats, pour les cabinets de recrutement français qui veulent figurer dans les réponses IA d'ici fin 2026.

Pourquoi les cabinets de recrutement sont particulièrement exposés au GEO

Le recrutement est une catégorie où l'IA générative remplace massivement la phase de shortlist. Un DRH qui cherche "cabinet de chasse de têtes spécialisé direction financière mid-cap" obtient désormais une réponse synthétique avec deux à cinq noms cités, là où Google retournait vingt liens. Côté candidats, la même bascule : "quels cabinets recrutent des CTO startup à Paris" donne une liste courte, pas une SERP.

Selon le papier fondateur GEO (Princeton, Allen Institute, Georgia Tech, novembre 2023), les LLM privilégient les sources qui combinent autorité perçue, structure explicite et redondance multi-sources. Pour un cabinet de recrutement, cela signifie trois leviers cumulés : profondeur de spécialisation visible sur le site, signaux de structure machine-readable, et présence dispersée sur l'écosystème RH.

Cartographier les requêtes IA des DRH et des candidats

Première étape : lister 15 à 30 requêtes réalistes par persona. Les DRH tapent "meilleur cabinet recrutement [fonction] [ville]", "cabinet spécialisé [secteur]", "chasseur de têtes [niveau hiérarchique]". Les candidats tapent "cabinets qui recrutent [métier] [ville]", "quel cabinet contacter pour un poste de [fonction]", "avis cabinet [nom]".

Le pattern typique observé : sur les requêtes très génériques ("cabinet recrutement Paris"), ChatGPT cite 3 à 5 grands noms historiques. Sur les requêtes verticalisées ("cabinet recrutement data scientist mid-market Lyon"), la concurrence chute et un cabinet spécialisé peut entrer dans la réponse. C'est sur cette longue traîne verticale que se joue la bataille.

Concrètement, testez chaque requête manuellement sur ChatGPT, Claude et Perplexity. Notez qui est cité, dans quel ordre, avec quelle source. Cette photo zéro conditionne tout le plan d'action.

Construire des pages de spécialisation answer-first

La page de spécialisation est l'actif central du GEO recrutement. Format type : URL en /recrutement-[fonction]-[ville], H1 explicite, premier paragraphe de 50 à 130 mots qui répond directement à la requête ("Notre cabinet recrute des directeurs financiers mid-cap à Lyon depuis X années, sur des packages de Y à Z k€..."). Ce bloc est ce que les LLM extraient en priorité.

Évitez trois erreurs GEO récurrentes côté cabinets : les pages métiers indistinctes ("recrutement cadres" sans verticale), le copywriting commercial vide en haut de page (la promesse marketing pousse l'information à scroll), et l'absence de chiffres concrets sur la mission (durée moyenne, fourchette de package, taille des comités de sélection).

Pour chaque page de spécialisation, intégrez : un encadré FAQ avec 4 à 6 questions réelles, un bloc "missions récentes" anonymisé mais chiffré, et un lien interne vers votre méthodologie de chasse. C'est exactement ce que cible un accompagnement GEO sur une vertical services B2B.

Structurer les missions en JSON-LD Service

Ahrefs, sur 1 885 pages testées en mars 2026, montre que la présence de balisage structuré JSON-LD corrèle fortement avec la fréquence de citation par les LLM. Pour un cabinet, le type pertinent n'est pas Article mais Service, avec areaServed (ville ou région), provider (votre cabinet en tant qu'Organization), et serviceType précis ("executive search direction financière").

Ajoutez un schéma Organization racine avec foundingDate, areaServed, knowsAbout listant vos verticales, et sameAs pointant vers vos profils tiers (LinkedIn cabinet, fiches dans des annuaires RH reconnus). Ce maillage de signaux machine-readable est globalement sous-exploité dans le secteur du recrutement, offrant un différenciateur compétitif pour les cabinets qui le mettent en place., ce qui en fait un différenciateur immédiat.

Pensez aussi à un fichier llms.txt à la racine qui résume vos verticales et zones d'intervention. Ce fichier n'est pas un standard officiel mais GPTBot et ClaudeBot le respectent quand il existe, et il évite que les modèles extraient des pages secondaires non représentatives.

Devenir une source de référence avec un benchmark salarial trimestriel

Le pivot le plus rentable pour un cabinet de recrutement en GEO : publier un benchmark salarial sur sa verticale, mis à jour chaque trimestre. Format type : page dédiée avec tableau par fonction, par séniorité, par zone, méthodologie publique (combien de profils, période, sources). Ce contenu est citable verbatim par les LLM quand un utilisateur demande "salaire moyen [fonction] [ville]".

Pourquoi ça marche : Semrush a tracé 150 000 citations ChatGPT, les pages qui répondent à une question chiffrée avec méthodologie explicite sont surreprésentées. Yext a documenté 6,8 millions de citations IA, même pattern. Un benchmark salarial coche les trois cases : answer-first, sourcé, structuré.

Effet collatéral : ce benchmark génère des backlinks éditoriaux (presse RH, médias économiques locaux), ce qui renforce votre off-page authority et donc votre probabilité d'être cité même sur des requêtes annexes.

Accumuler des mentions de marque hors site

Ahrefs a analysé 75 000 marques sur les citations IA et confirme un résultat connu en SEO classique mais amplifié en GEO : les LLM citent quasi exclusivement les marques dont le nom revient dans plusieurs sources tierces. Pour un cabinet de recrutement, viser 8 à 15 mentions par an réparties entre : interviews dans des médias RH (Focus RH, Les Echos Executives, Maddyness), participation à des podcasts sectoriels, inscription dans des annuaires de qualité (pas les fermes), tribunes signées par les associés.

L'erreur classique : concentrer l'effort sur LinkedIn. Le contenu LinkedIn ne forme pas la base d'entraînement principale des grands LLM. La presse sectorielle, les podcasts transcrits, et les pages thématiques de médias sont infiniment plus valorisées dans les réponses IA. Voir notre analyse des mentions de marque pour le détail.

Pour un cabinet de recrutement opérant à Paris, Lyon ou Bordeaux, ce travail de relations presse RH est complémentaire d'un consultant GEO France qui pilote la cohérence des signaux on-site et off-site.

Mesurer et itérer avec un audit GEO manuel

Mesurer le GEO ne se fait pas dans Google Search Console. La mesure de référence reste l'audit GEO manuel : tester ses 30 requêtes cibles chaque mois sur ChatGPT, Claude et Perplexity, noter présence ou absence, position dans la réponse, source citée. Ce protocole de test est lent mais c'est la seule donnée vraie.

La méthodologie ScoreGeo formalise cette mesure sur 13 critères pondérés (100 points) couvrant on-site, structure, off-site et signaux d'autorité. Pour un cabinet en phase d'amorçage GEO, viser 60 sur 100 en 6 mois est un objectif réaliste, atteignable avec un plan structuré et 1 jour homme par semaine côté cabinet.

Questions fréquentes