Gintare Rimolaityte, PDG et cofondatrice de Trendos – Série d’entretiens

Gintare Rimolaityte est la PDG et cofondatrice de Trendos, la plateforme de visibilité dans la recherche par IA qui aide les marques à comprendre et à optimiser leur présence dans les grands modèles de langage (LLM). Elle a acquis une première expérience chez Oxylabs en 2020, d’abord comme responsable du développement commercial, puis comme directrice commerciale, dirigeant les équipes de vente, de développement commercial, de gestion des comptes et de réussite client de l’une de ses unités opérationnelles. De 2022 à 2025, elle a été PDG de la plateforme d’engagement JumpTask. Avant de cofonder Trendos en 2026, elle a brièvement occupé un poste de cheffe de produit chez Adment, consacré à la prévention de la fraude à l’affiliation dans la recherche payante et les programmes d’affiliation. En tant que PDG de Trendos, Gintare dirige plusieurs équipes et supervise la croissance stratégique. Elle vit et travaille à Vilnius.

Trendos est une plateforme de visibilité dans la recherche par IA qui aide les marques à suivre, mesurer et optimiser leur présence dans les LLM et les moteurs de recherche fondés sur l’IA. Avec Trendos, les marques éliminent l’important angle mort créé par le passage de la recherche Google à l’IA conversationnelle, qui a rendu le processus de recommandation pratiquement invisible à leurs yeux. Au-delà du suivi de la visibilité globale, Trendos rend les outils de veille du marché de l’IA accessibles, intuitifs et abordables, afin que les marques puissent influencer et optimiser les moments et les contextes dans lesquels elles apparaissent. Sa technologie capture les réponses et les publicités réellement affichées dans les environnements d’IA grâce à la collecte à grande échelle de sessions de LLM, puis analyse ces données structurées et les restitue sous forme d’informations claires sur la visibilité des marques et l’activité de leurs concurrents. Trendos a été fondée en mars 2026 à Vilnius, en Lituanie, avec le soutien de Tesonet, un créateur mondial d’entreprises à l’origine notamment de Nord Security, Surfshark et Hostinger.

Votre parcours vous a menée de la direction commerciale chez Oxylabs à la direction de JumpTask, puis à un poste produit chez adment.ai, avant de cofonder Trendos. Quels changements dans la manière dont les consommateurs découvrent les marques grâce à l’IA vous ont convaincue de la nécessité de Trendos, et quelles lacunes perceviez-vous dans les plateformes existantes de référencement et de visibilité dans l’IA ?

À l’époque où je menais régulièrement des entretiens avec des responsables marketing, j’entendais sans cesse la même chose : la recherche par IA arrive et, même si quelques outils existent déjà, personne ne sait vraiment à quel point ils sont fiables.

Je n’avais pas seulement à les croire sur parole, car j’observais aussi cette évolution en temps réel. Les consommateurs passaient du défilement de liens sur Google aux questions posées directement aux LLM. Pour les spécialistes du marketing, cette seconde approche était une sorte de boîte noire. Ils ne pouvaient même pas savoir s’ils étaient mentionnés, encore moins comment leur marque était décrite ou positionnée par rapport aux concurrents.

Je voyais deux problèmes dans les logiciels existants. D’abord, beaucoup ressemblaient à des plateformes de référencement auxquelles on avait ajouté une fonction d’IA. Ensuite, les rares outils conçus expressément pour cet usage affichaient des tarifs réservés aux grandes entreprises. Si vous n’étiez pas une grande marque ayant le budget nécessaire pour comprendre sa visibilité dans l’IA, vous étiez exclu et avanciez à l’aveugle. Cela me dérangeait. Chaque marque mérite de savoir comment elle apparaît, pas seulement celles capables de débourser une somme à cinq chiffres chaque mois. Avec Trendos, nous voulons offrir aux marques de toute taille un moyen précis et équitablement tarifé de comprendre et d’optimiser leur visibilité dans l’IA.

Les réponses générées par l’IA peuvent sembler opaques aux spécialistes du marketing. D’après les données collectées par Trendos, quels sont les signaux les plus importants qui semblent déterminer si une marque est mentionnée, citée ou recommandée par des systèmes comme ChatGPT, Gemini, Claude et Perplexity ?

En matière de signaux, l’essentiel est d’être mentionné suffisamment souvent, aux bons endroits et de façon structurée. Cela diffère du référencement, où un lien dofollow est nécessaire pour transmettre de l’autorité. Dans la recherche par IA, les modèles n’indexent pas votre site : ils en extraient le contenu. Le lien devient superflu. Il suffit que le nom de votre marque apparaisse clairement et fréquemment sur les pages dont ces modèles tirent déjà leurs informations.

D’après nos données, cinq piliers entrent en jeu : votre propre site web, les relations publiques et la couverture médiatique obtenue, les plateformes d’avis comme Trustpilot et G2, les affiliés et les réseaux sociaux. Leur importance respective varie selon le secteur. L’habillement et le commerce électronique s’appuient sur les médias détenus par la marque, car les modèles peuvent facilement extraire les informations des pages produit. Les services financiers aux particuliers reposent davantage sur les comparateurs affiliés. Les marques SaaS et B2B sont largement citées à partir de plateformes d’avis comme G2 et Capterra. Il n’existe pas de formule universelle. Il faut examiner ses propres citations pour déterminer quel pilier compte le plus.

La structure compte aussi. Les marques que nous voyons le plus souvent citées publient un contenu clair et direct, qui répond d’emblée aux questions, souvent sous forme de FAQ. Les modèles peuvent facilement en extraire les informations. Les articles de blog surchargés de mots-clés n’aident pas. Ce qui fonctionne, c’est de répondre d’abord à la question, puis d’ajouter les détails. Concernant les contenus générés par l’IA, nous ne constatons actuellement aucune pénalisation par les modèles. Le contenu cité est celui qui répond bien à la question, quelle que soit la personne ou la technologie qui l’a rédigé.

Il existe aussi une part d’aléatoire dans tout cela. Ces modèles prédisent le mot suivant au lieu d’appliquer un unique algorithme de classement fixe. On peut tout faire correctement et malgré tout observer de la volatilité. Chez Trendos, nous essayons d’aider les marques à se concentrer sur les signaux qu’elles maîtrisent et à cesser de courir après ceux qu’elles ne maîtrisent pas.

Contrairement à un classement Google traditionnel, une réponse d’IA peut changer lorsque la même question est posée plusieurs fois. Comment mesurer la visibilité dans l’IA de façon fiable lorsque les modèles sous-jacents sont probabilistes, et quel volume d’échantillonnage faut-il pour qu’une marque puisse tirer des conclusions pertinentes des données ?

C’est un sujet très débattu dans le secteur actuellement. Une entreprise a récemment affirmé sur LinkedIn qu’il fallait collecter une réponse environ 100 fois par jour et calculer la moyenne des résultats pour obtenir quelque chose de fiable. Certaines grandes plateformes estiment toujours qu’une fois par jour suffit. Je ne pense pas que l’un ou l’autre camp ait pleinement étayé sa position avec des preuves concrètes.

Nous adoptons une approche empirique. Des clients comme NordVPN utilisent notre suivi depuis un certain temps, ce qui nous permet d’observer la volatilité de leur visibilité et de leurs classements sur cette période prolongée. En réalité, cela ne bouge pas tant que ça. Une collecte plus fréquente apporte probablement un peu plus de précision, mais l’écart représente une fraction de pour cent, et certainement pas la différence entre être invisible et occuper la première place. Cela pourrait faire passer une marque de la 35e à la 32e place, ce qui compte beaucoup moins que les grands facteurs structurels sur lesquels elle peut réellement agir.

Notre approche consiste à assurer un suivi régulier dans la durée plutôt qu’à rechercher une fréquence d’échantillonnage extrême, et à laisser les marques examiner leur propre courbe de tendance pour juger de la stabilité ou de la volatilité de leur catégorie.

Le référencement naturel, l’optimisation pour les moteurs de réponse et l’optimisation pour les moteurs génératifs suscitent de nombreux débats. Quels principes du référencement traditionnel restent importants dans la recherche par IA, et où les spécialistes du marketing se trompent-ils lorsqu’ils appliquent simplement leurs pratiques habituelles de référencement aux grands modèles de langage ?

Plusieurs principes du référencement restent importants dans la recherche par IA. Prenons les ramifications de requêtes, c’est-à-dire les recherches complémentaires que ChatGPT lance en coulisses avant de fournir une réponse. Elles reposent toujours sur de véritables comportements de recherche, ce qui fait du classement associé un exercice de référencement. On optimise toujours des mots-clés de longue traîne, mais en visant ce que recherche le modèle plutôt que ce qu’une personne saisit dans Google.

Beaucoup de spécialistes du marketing supposent à tort qu’une mention doit fonctionner comme un lien entrant. En référencement, on recherche un lien dofollow, car c’est ainsi que se transmettent l’autorité et la note du domaine. Dans la recherche par IA, les modèles n’indexent pas votre site. Puisqu’ils en extraient le contenu, aucun lien n’est nécessaire : il suffit de mentions suffisamment claires de la marque sur une page à laquelle le modèle fait déjà confiance. Les équipes passent beaucoup de temps à chercher des placements de liens alors qu’elles devraient rechercher la mention elle-même.

Une autre erreur fréquente consiste à conserver les anciennes habitudes de référencement. Les contenus écrits principalement pour placer des mots-clés, avec la véritable réponse enfouie au milieu de la page, ont tendance à être ignorés par les modèles d’IA. Répondez d’abord à la question, clairement et directement, puis ajoutez les détails.

Je dirais aussi que c’est une erreur de décider que le référencement est mort et de repartir de zéro. Le référencement n’est pas mort ! Le GEO est une extension du SEO, à laquelle s’ajoutent les réseaux sociaux et les affiliés, le tout fonctionnant ensemble. Les marques qui pratiquent déjà bien le référencement n’ont pas fourni tous ces efforts pour rien, mais elles ne doivent pas non plus supposer que les anciennes règles s’appliquent à l’identique.

Trendos suit les sources citées par les systèmes d’IA lorsqu’ils répondent à des questions sur les marques. Qu’avez-vous appris sur les types de sources auxquels les moteurs d’IA semblent faire le plus confiance, et quelle influence une entreprise peut-elle raisonnablement exercer sur ces citations sans chercher à manipuler le système ?

La confiance ne repose pas sur une hiérarchie unique. Elle dépend du secteur. Les sources les plus citées dans l’habillement, à savoir les médias détenus par la marque, ne sont pas celles des services financiers aux particuliers, où dominent les contenus affiliés et les applications. Aucun type de source ne l’emporte partout. Il faut examiner les citations de sa propre catégorie pour comprendre à quoi les modèles font confiance.

La structure compte autant que le type de source. Les sites éditoriaux faisant autorité gardent du poids, mais tout ne se résume pas à un score d’autorité unique comme la note du domaine. Nous constatons que la régularité compte davantage : la fréquence à laquelle une marque est mentionnée dans un ensemble de sources fiables. Une page claire et bien structurée d’un petit site peut surpasser un long article d’une grande publication, simplement parce que le modèle peut plus facilement en extraire les informations et les utiliser.

Quant à l’influence sans manipulation, je la distinguerais entièrement d’une logique de référencement. Il ne s’agit pas de manipuler un graphe de liens, mais d’obtenir des mentions authentiques dans ces cinq piliers : votre propre site, les retombées de relations publiques, les plateformes d’avis comme Trustpilot et G2, les relations d’affiliation et la présence sur les réseaux sociaux. Il faut ensuite tout structurer pour faciliter la lecture par un modèle. Ce n’est pas si différent d’un bon travail de construction de marque. Les marques les plus visibles cherchent moins à contourner le système qu’à être présentes de façon vérifiable dans les espaces auxquels les modèles font déjà confiance.

Trendos a lancé un indice suivant les 1 000 marques bénéficiant de la plus forte visibilité dans l’IA sur différents marchés. Quelles tendances ou surprises ont émergé de ces données, et qu’est-ce qui distingue les marques régulièrement présentes dans les recommandations générées par l’IA des concurrents qui restent largement invisibles ?

La première surprise est la différence de comportement entre les moteurs. Sur un même marché, les recommandations de ChatGPT et de Google AI Overviews n’ont en commun qu’environ deux tiers des 100 premières marques du pays. AI Overviews privilégie fortement les commerces du quotidien. Trader Joe’s y occupe la 35e place aux États-Unis, contre la 567e sur ChatGPT. ChatGPT privilégie les marques B2B et les entreprises comme Gartner, ServiceNow et Databricks, qu’AI Overviews ignore largement.

La deuxième surprise est le caractère très local des résultats. Soixante-dix pour cent des marques de notre indice n’apparaissent que dans un seul pays et, en Allemagne, près d’un tiers des 100 premières marques ne figurent ni dans la liste britannique ni dans la liste américaine.

Ce qui distingue les marques durablement visibles, c’est l’étendue de leur présence. Une marque typique du top 10 apparaît dans plus de 90 catégories de produits ; une marque classée dans la moitié inférieure apparaît dans environ cinq. Elles ne sont pas simplement mentionnées plus souvent : elles sont pertinentes pour un bien plus grand nombre de questions. Et les listes évoluent vite : les toutes premières places changent peu d’un mois à l’autre, mais environ 13 % des marques disparaissent de chaque liste en un seul mois. La visibilité n’est pas un acquis définitif ; elle doit se mériter continuellement.

Ad Radar de Trendos suit les placements sponsorisés affichés à côté des conversations ChatGPT. Que révèlent les premières données sur les secteurs et les annonceurs qui avancent le plus vite, et comment distinguer la visibilité payante des marques mentionnées ou recommandées naturellement par le modèle d’IA sous-jacent ?

Les publicités ChatGPT sont fortement orientées vers le commerce de détail et le B2C, qui représentent environ 50 à 70 % de ce que nous suivons. Le reste relève du B2B, principalement des entreprises et des agences faisant la promotion de leurs propres services. C’est logique, car la base d’utilisateurs de ChatGPT est principalement composée de consommateurs, tout en comptant une réelle présence B2B.

La plateforme publicitaire d’OpenAI n’en est encore qu’à ses débuts. De nouveaux formats et de nouvelles fonctions s’y ajoutent continuellement, et le déploiement est inégal : lors de ma dernière vérification, les annonces n’étaient ni diffusées ni facturables dans plusieurs marchés européens, même après l’annonce de leur extension à ces marchés par OpenAI. Toute lecture des secteurs les plus rapides reflète donc davantage les acteurs prêts à tester quelque chose de nouveau que ceux qui feront encore de la publicité dans six mois.

C’est aussi là que se situent les lacunes pour les annonceurs. OpenAI ne montre pas pour quelles requêtes vos annonces apparaissent, ni ce que font vos concurrents. Avec Ad Radar de Trendos, les marques peuvent voir précisément quelles requêtes déclenchent leurs publicités et observer les autres annonceurs de leur catégorie : le nombre d’annonces diffusées, leurs pages de destination et les titres et descriptions utilisés.

Pour l’instant, les mentions payantes et naturelles sont faciles à distinguer. ChatGPT identifie clairement les placements sponsorisés et les affiche en bas de la réponse ; rien n’est donc intégré à la réponse elle-même. Une recommandation naturelle signifie que le modèle vous choisit comme réponse ; un placement payant signifie que vous louez un emplacement en dessous.

Honnêtement, je m’attends à ce que cette distinction devienne plus difficile avec le temps. Plus une publicité ressemble à une partie authentique de la réponse, plus elle tend à être performante. Cela s’est vérifié sur Google et Meta, et ChatGPT suivra probablement la même direction. C’est précisément pour cette raison que les marques doivent suivre côte à côte leur visibilité payante et leur visibilité naturelle.

L’un des défis de l’optimisation pour les moteurs génératifs consiste à distinguer corrélation et causalité. Lorsqu’une marque améliore sa visibilité dans l’IA, comment une équipe marketing peut-elle déterminer quelle action a réellement provoqué cette amélioration : relations publiques numériques, couverture par des tiers, amélioration des contenus propres, avis, changements techniques ou autre chose ?

L’attribution est l’une des questions les plus difficiles du GEO, et personne ne peut encore relier parfaitement chaque action à chaque résultat. Mais les marques sont loin d’agir au hasard. Avec Trendos, on peut voir précisément quelles sources les moteurs d’IA citent lorsqu’ils mentionnent une marque et ses concurrents, ce qui en dit long sur ce qui fonctionne.

L’approche la plus fiable consiste à relier une action précise à une source précise. Si vous obtenez une couverture sur un site déjà cité dans votre catégorie, vous pouvez observer si cette source commence à apparaître dans les réponses aux requêtes pertinentes et si votre marque apparaît avec elle. Il en va de même pour les avis, les placements affiliés ou les nouveaux contenus de votre propre site. Vous n’attendez pas que votre score global bouge en vous demandant pourquoi : vous voyez quelles sources les modèles utilisent réellement.

Pour le payant, c’est encore plus clair. Avec les annonces ChatGPT, on peut suivre l’impact direct comme pour n’importe quel autre canal payant, en utilisant des paramètres UTM pour mesurer le trafic et les conversions.

Il reste préférable d’observer les tendances sur plusieurs semaines plutôt que de réagir à une seule journée, car les réponses d’IA varient naturellement. Nous développons également Key Insights, qui fait ressortir automatiquement ces liens, afin que les équipes n’aient pas à fouiller elles-mêmes chaque graphique. Le GEO comporte encore une part d’incertitude, mais les marques disposent désormais des outils nécessaires pour voir clairement ce qui leur apporte le plus de valeur.

Trendos a récemment présenté une intégration MCP permettant aux agents d’IA d’interroger directement les données de visibilité, de concurrence, de citations et de publicité. Pensez-vous que la gestion de la visibilité dans l’IA passera progressivement de spécialistes du marketing étudiant des tableaux de bord à des agents identifiant continuellement les lacunes et recommandant ou exécutant des changements pour leur compte ?

Je pense effectivement que c’est la direction prise, et nous construisons déjà dans cette optique. Même sans faire intervenir les agents, Trendos évolue vers un service qui agit pour les marques au lieu de simplement leur présenter un tableau de bord. Nous avons récemment repéré un petit producteur dont le site était complètement bloqué pour les robots d’IA en raison d’un problème technique élémentaire que personne dans son équipe ne savait devoir vérifier. Nous avons signalé le problème à la marque, mais notre ambition est de pouvoir le résoudre pour elle sans qu’un membre de son équipe ait d’abord à interpréter un graphique.

Les agents en sont le prolongement naturel. Si un système peut déjà lire les données derrière Trendos, il ne devrait pas lui être très difficile de repérer ensuite une citation manquante et d’agir en conséquence. Je ne pense pas que les tableaux de bord disparaîtront entièrement. Nos utilisateurs les plus techniques veulent toujours les données brutes, en particulier les ramifications exactes des requêtes et le texte réel des réponses. Mais pour la plupart des marques — les 90 % qui ne veulent pas devenir analystes de données — je pense que l’aboutissement sera un agent gérant discrètement cela en arrière-plan et n’attirant l’attention que lorsqu’une décision humaine est nécessaire.

À mesure que les assistants d’IA dépassent la simple réponse aux questions pour recommander des produits, comparer des fournisseurs et, à terme, réaliser des transactions grâce à des agents, comment voyez-vous évoluer la notion de « visibilité dans la recherche », et quels indicateurs compteront finalement le plus pour les marques ?

Je pense que la « visibilité dans la recherche » deviendra un élément d’un ensemble plus vaste : savoir si un agent choisit votre marque lorsqu’il agit pour le compte de quelqu’un. Être mentionné dans une réponse est une chose. Être la marque qu’un agent sélectionne réellement, compare favorablement aux autres et avec laquelle il conclut une transaction en est une autre, avec un niveau d’exigence bien supérieur. Nous en voyons déjà les prémices avec le commerce agentique.

Une fois le commerce agentique lancé, la visibilité seule ne suffira plus. Le sentiment associé à la marque prendra une importance considérable. Un agent comparant trois fournisseurs pour votre compte évaluera non seulement qui est mentionné, mais aussi qui est décrit comme digne de confiance, bien noté et offrant un bon rapport qualité-prix. Le taux de recommandation — autrement dit, la fréquence à laquelle votre marque est choisie parmi celles envisagées — sera un indicateur bien plus pertinent que le nombre brut de mentions.

L’autre élément qui devrait gagner en importance est la structure et la lisibilité par les machines. Aujourd’hui, il s’agit de rédiger des contenus de type FAQ pour qu’un modèle puisse facilement en extraire les informations. Lorsque les agents réaliseront des transactions pour votre compte, la question sera de savoir si vos tarifs, vos stocks et vos conditions sont structurés de façon à leur permettre de les lire et d’agir directement à partir de ces informations, plutôt que de simplement les décrire.

Une réserve importante : nous n’en sommes qu’au début. Je préfère le dire clairement plutôt que de prétendre que nous avons tout compris. Ce dont je suis certaine, c’est que les marques attentives à cette évolution avant que les agents n’effectuent des transactions à grande échelle prendront une véritable longueur d’avance, comme les premières marques à avoir investi dans le référencement sur Google.

Merci pour cet excellent entretien. Les lecteurs souhaitant en savoir plus peuvent consulter Trendos.