Être recommandé par ChatGPT pour 'meilleure école [métier]'

La requête que vos candidats soumettent à ChatGPT avant de vous contacter

Un candidat qui cherche une formation en ingénierie durable ne commence plus nécessairement par Google. Il pose la question directement : « Quelle est la meilleure école pour devenir ingénieur en énergie en Suisse romande ? » Il obtient une liste de quatre à six établissements, avec une description synthétique de chacun — durée, coût, taux d'insertion, accréditations. Cette liste devient sa shortlist. Ce qui n'y figure pas n'existe pas dans son parcours de décision.

C'est le moment BOFU (bottom of funnel) de la visibilité IA : le candidat est prêt à choisir, la requête est précise, et la réponse du moteur IA détermine directement qui sera considéré. Vos pages de programme sont le levier principal. Si elles ne contiennent pas les signaux que ChatGPT, Perplexity et Gemini cherchent, votre école sera invisible au moment le plus décisif du parcours de recrutement.

Les établissements avec Schema.org structuré obtiennent en moyenne +12 points de visibilité IA (Source : Monitoring GEO Skolbot, 500 requêtes × 6 pays × 3 moteurs IA, fév. 2026). L'enjeu n'est pas technique — il est stratégique. Cette checklist détaille ce qui doit figurer sur chaque page de programme pour décrocher une recommandation.

Pour comprendre les mécanismes généraux de la visibilité IA en Suisse, consultez notre guide GEO pour les écoles. Pour les critères qu'un moteur IA utilise pour formuler une recommandation, voir notre article sur les critères IA de recommandation d'école.

Pourquoi les pages de programme sont le point d'entrée des recommandations BOFU

Les moteurs de réponse IA distinguent deux types de requêtes éducatives :

• Les requêtes génériques (« meilleures écoles de commerce en Suisse ») — elles activent les données d'entraînement et favorisent les institutions à forte notoriété mondiale comme l'EPFL, l'IMD ou les grandes HES-SO.
• Les requêtes métier spécifiques (« meilleure formation infirmière HES Genève », « bachelor data science Lausanne cours du soir ») — elles consultent les sources web actuelles et favorisent les pages qui répondent précisément à la requête.

C'est sur les requêtes métier spécifiques que les HES, les écoles privées et les institutions de taille moyenne ont leur meilleure chance de recommandation. Et la page de programme est précisément la page qui doit y répondre.

Un moteur IA qui traite la requête « meilleure HES pour un bachelor en soins infirmiers en Suisse romande » va chercher les pages qui contiennent : la mention explicite du titre (bachelor HES en soins infirmiers), les accréditations reconnues (AAQ, swissuniversities), les données d'insertion professionnelle, les conditions d'admission, les frais en CHF et la localisation géographique précise. Si votre page de programme contient ces éléments sous une forme structurée, vous êtes candidat à la recommandation. Si elle ne contient que du texte promotionnel, vous êtes absent.

La checklist BOFU : 7 blocs à implémenter sur chaque page de programme

Bloc 1 — L'identité institutionnelle complète

Chaque page de programme doit rappeler sans ambiguïté qui est l'établissement qui délivre ce programme. Ce n'est pas acquis : beaucoup de pages de programme négligent le contexte institutionnel au profit du contenu pédagogique.

Ce que la page doit mentionner explicitement :

• Le nom officiel de l'établissement, tel qu'enregistré auprès de swissuniversities ou de l'AAQ
• Le réseau ou rattachement institutionnel (HES-SO, FHNW, HES-SO Valais-Wallis, HESAV, etc.)
• Le type d'accréditation et l'organisme accréditor (AAQ pour les HES et universités suisses)
• Le canton et la ville d'implantation principale

Un moteur IA qui ne peut pas identifier avec certitude quel établissement délivre le programme va soit attribuer le programme à une institution plus connue, soit l'omettre. L'ambiguïté nuit à la recommandation.

Bloc 2 — Les données factuelles du programme

C'est le bloc le plus critique. Les requêtes BOFU sont factuelles : le candidat veut des données comparables. Les moteurs IA extraient ces données et les synthétisent dans leur réponse. Sans données, pas de synthèse possible.

Tableau des données minimales à faire figurer sur chaque page de programme :

Ces données ne sont pas du contenu marketing. Ce sont des données de preuve que le moteur IA peut citer directement. Un candidat qui lit la réponse de ChatGPT sur « meilleur bachelor travail social Suisse romande » et voit des données précises attribuées à votre école est plus enclin à visiter votre page — et votre page de programme devient une source vérifiable que l'IA peut recommander avec confiance.

Bloc 3 — Le balisage Schema.org Course et EducationalOrganization

Le balisage Schema.org est le signal technique le plus direct pour la visibilité IA. Il transforme votre page HTML en données structurées que les moteurs IA lisent de façon fiable, sans avoir à interpréter un contenu narratif.

Pour une page de programme, les deux schémas essentiels sont :

EducationalOrganization sur chaque page (via le schéma global du site ou injecté par page) :

• name : nom officiel de l'établissement
• accreditation : lien vers la décision d'accréditation AAQ
• address : adresse physique complète
• url : URL canonique de l'établissement

Course sur chaque page de programme :

• name : titre exact du programme
• description : description factuelle en 2-3 phrases
• provider : référence à l'EducationalOrganization
• educationalLevel : bachelor / master / CAS / DAS / MAS
• timeToComplete : durée en notation ISO (P6S pour 6 semestres)
• offers : prix en CHF avec priceCurrency: CHF
• programPrerequisites : conditions d'admission

Pour en savoir plus sur l'implémentation Schema.org dans le contexte de la visibilité IA, consultez notre article sur le contenu cité par ChatGPT.

Bloc 4 — La FAQ balisée sur les questions d'admission

Les candidats en phase BOFU ont des questions précises sur l'admission : quelles conditions, quels délais, quels documents, quels frais pour les étudiants étrangers. Ces questions sont posées directement aux moteurs IA. Une section FAQ balisée en JSON-LD sur votre page de programme crée une correspondance directe entre la requête du candidat et votre réponse.

Questions à couvrir systématiquement pour une école suisse :

• Quelle maturité est requise ? — distinguez maturité fédérale, maturité professionnelle avec examen complémentaire, maturité spécialisée, et les équivalences cantonales.
• Quels sont les frais pour un étudiant étranger ? — en CHF, distincts des frais pour les résidents suisses.
• Existe-t-il des bourses ou des aides financières ? — bourses d'excellence cantonales, accords bilatéraux, prêts d'études cantonaux.
• Quelle est la procédure d'admission pour un candidat avec un diplôme étranger ? — passerelles, reconnaissance de diplômes, rôle du SEFRI.
• Y a-t-il des places pour les étudiants à temps partiel ou en emploi ?

Ces FAQ ne sont pas du contenu générique. Les réponses doivent être spécifiques à votre programme, avec des données factuelles. Un moteur IA qui extrait une réponse de votre FAQ peut la citer directement — et nommer votre école comme source de l'information.

Bloc 5 — Les preuves sociales vérifiables

Les moteurs IA évaluent la fiabilité d'une source en croisant les données entre plusieurs signaux. Pour une page de programme, les preuves sociales vérifiables renforcent le signal de fiabilité :

• Témoignages d'alumni avec prénom, promotion et poste actuel — pas des citations anonymes
• Taux de satisfaction étudiante avec méthode de collecte et taille d'échantillon
• Classements ou distinctions sectoriels avec source et année (classements Eduniversal, distinctions AAQ, partenariats Erasmus+)
• Employeurs partenaires — une liste d'employeurs nommés qui recrutent vos diplômés est un signal de pertinence professionnelle fort pour les requêtes métier

Ces éléments doivent figurer sur la page de programme elle-même, pas seulement sur une page dédiée aux témoignages. Les moteurs IA indexent la page qui répond à la requête — et la page de programme est celle que le candidat consultera après avoir lu la recommandation.

Bloc 6 — L'ancrage géographique et linguistique suisse

En Suisse romande, les pages de programme rivalisent avec un corpus francophone dominé par les contenus français. Un moteur IA qui traite une requête en français puise dans un corpus où les écoles françaises (Grandes Écoles, universités, IUT) sont massivement surreprésentées. Pour distinguer votre contenu suisse, l'ancrage lexical est essentiel.

Sur chaque page de programme, utilisez systématiquement :

• Maturité fédérale (pas « baccalauréat »)
• Frais en CHF (pas en EUR)
• HES, EPF, haute école (pas « grande école »)
• Crédit ECTS dans le contexte du système de Bologne suisse
• nLPD quand vous mentionnez la protection des données (la Suisse applique la nouvelle Loi fédérale sur la protection des données, pas le RGPD européen — la Suisse n'est pas membre de l'UE)
• Références institutionnelles suisses : swissuniversities, AAQ, SEFRI — et non les équivalents français ou européens

Chaque page qui emploie systématiquement ce vocabulaire envoie un signal géographique clair aux moteurs IA. Une page qui mélange terminologie française et suisse crée de l'ambiguïté — et les moteurs IA résolvent l'ambiguïté en faveur de la source la plus cohérente.

Bloc 7 — La cohérence cross-canal des informations du programme

Un moteur IA qui évalue votre programme croise plusieurs sources : votre site, votre fiche swissuniversities, votre page LinkedIn, votre fiche sur les annuaires étudiants (Studyportals, Mastersportal). Si ces sources présentent des informations divergentes — titre du diplôme légèrement différent, frais pas à jour, conditions d'admission contradictoires — le modèle ne sait pas quelle version citer. Il peut préférer un concurrent mieux cohérent, ou signaler une incertitude dans sa réponse, ce qui nuit à votre crédibilité.

Audit de cohérence à effectuer pour chaque programme :

Cet audit, réalisé une fois par an avant la rentrée académique, garantit que les moteurs IA disposent d'une version cohérente de votre offre sur toutes les sources qu'ils consultent.

Comment prioriser : par programme, par marché, par moteur IA

Appliquer cette checklist à l'ensemble de votre catalogue de programmes en une seule fois est irréaliste pour la plupart des équipes. Une approche par priorité est plus efficace.

Par programme : commencez par les programmes à fort volume de recrutement et ceux sur des marchés compétitifs (management, ingénierie, santé, informatique). Ce sont les segments où les requêtes BOFU sont les plus fréquentes et où la recommandation IA a le plus d'impact.

Par marché linguistique : les écoles romandes doivent prioriser l'optimisation en français. Mais si votre programme attire des candidats internationaux (particulièrement dans les filières anglophones ou les MBA), une version anglaise de la page — pas une traduction automatique, mais une page optimisée nativement — élargit considérablement votre surface de recommandation IA.

Par moteur IA : Perplexity est le plus simple à auditer, car il cite ses sources explicitement sous chaque réponse. Commencez par tester vos 10 requêtes BOFU prioritaires sur Perplexity pour identifier quelles pages sont déjà citées et lesquelles ne le sont pas. ChatGPT et Gemini suivent des logiques similaires mais moins transparentes.

Pour une méthodologie complète de suivi de vos KPIs de visibilité IA, consultez notre article sur les KPI ChatGPT et Perplexity pour les HES.

Ce que la checklist ne remplace pas

Cette checklist optimise vos pages existantes pour la visibilité IA. Elle ne remplace pas trois conditions préalables :

1. Un programme qui répond à un besoin réel du marché — un moteur IA peut recommander votre programme, mais si les débouchés professionnels ne correspondent pas aux attentes des candidats, la conversion ne suivra pas.

2. Une présence dans les sources tierces — classements, articles de presse, forums étudiants, rapports sectoriels. Les moteurs IA croisent votre site avec des sources externes. Une page de programme parfaitement optimisée mais sans mentions tierces aura une visibilité limitée sur les requêtes génériques.

3. Un suivi régulier — les modèles de langage évoluent, les sources qu'ils consultent changent, et la concurrence optimise aussi ses pages. La visibilité IA se pilote comme n'importe quel indicateur de performance : avec un suivi mensuel et des ajustements réguliers.

FAQ

Une page de programme courte peut-elle être recommandée par ChatGPT ?

Oui, si elle contient les données structurées essentielles. Un moteur IA préfère une page courte et dense en données factuelles (balisage Schema.org, tableau de données, FAQ) à une page longue sans structure claire. La longueur ne compense pas l'absence de données.

Faut-il créer une page séparée pour chaque spécialisation ou option d'un programme ?

Pour les spécialisations avec des débouchés métier distincts, oui. Un candidat qui cherche « bachelor informatique orientation cybersécurité Suisse » pose une requête très spécifique. Une page dédiée à la spécialisation a plus de chances d'y répondre qu'une page générale sur le bachelor informatique.

La nLPD impose-t-elle des contraintes particulières sur les pages de programme ?

La nLPD s'applique dès que la page de programme collecte des données personnelles — formulaires de contact, demandes de brochure, inscriptions à des journées portes ouvertes. La politique de confidentialité doit mentionner les données collectées, leur base légale, et la durée de conservation. Le PFPDT (Préposé fédéral à la protection des données et à la transparence) est l'autorité de référence suisse — pas la CNIL française. La conformité nLPD est un signal de sérieux institutionnel que les moteurs IA valorisent comme indicateur de fiabilité.

Comment savoir si une page de programme est déjà citée par ChatGPT ?

Testez les requêtes métier spécifiques à votre programme dans ChatGPT, Perplexity et Gemini. Pour Perplexity, les sources sont affichées sous chaque réponse — vous pouvez vérifier directement si votre page est citée. Pour ChatGPT, la mention nominale de votre école dans la réponse est l'indicateur principal. Documentez les résultats et répétez le test chaque mois pour suivre l'évolution.

Combien de temps faut-il pour qu'une page optimisée commence à être recommandée ?

Entre 4 et 10 semaines pour les moteurs qui consultent le web en temps réel (Perplexity, Gemini avec Search). Pour ChatGPT en mode standard, le délai dépend des cycles de mise à jour des données d'entraînement — cela peut prendre jusqu'à 3 mois. Les optimisations techniques (Schema.org) produisent des effets plus rapides que les optimisations de contenu (FAQ, données chiffrées).