Avec les interfaces conversationnelles, Google Maps pourrait perdre de son importance comme destination tout en gagnant de la valeur comme infrastructure.
Le mouvement a déjà commencé. En 2025, Google a rendu disponible dans l’API Gemini le Grounding with Google Maps. Un développeur peut ainsi connecter le raisonnement d’un modèle Gemini aux données actualisées de Maps pour produire des recommandations locales. Google décrit explicitement des usages comme les recommandations hyperlocales, les itinéraires ou les réponses concernant un établissement précis. Depuis 2026, ces outils peuvent également être combinés à des fonctions externes dans des workflows agentiques.
Ce qui ressemblait à une base cartographique devient progressivement une couche de connaissance du monde physique.
Maps avait déjà transformé les commerces en données
L’actif principal de Google Maps est un graphe d’entités locales : établissements, catégories, coordonnées, horaires, notes, avis, photos, attributs, relations géographiques et identifiants persistants.
L’API Places revendique aujourd’hui des données sur plus de 200 millions de lieux. Surtout, un Place ID permet d’identifier un lieu de manière unique dans Google Places et Google Maps. Cette caractéristique est moins spectaculaire qu’un nouveau modèle génératif, mais elle est fondamentale : avant de recommander un restaurant, un hôtel ou un garagiste, une machine doit d’abord savoir précisément de quelle entité elle parle.
Le SEO local travaillait déjà sur cette représentation. Cohérence des informations, catégories, pages locales, avis ou attributs servaient principalement à améliorer la visibilité dans Maps et le Local Pack. Avec les LLM, les mêmes données peuvent acquérir une fonction plus importante : alimenter une machine chargée non plus seulement de classer des établissements, mais de choisir lesquels correspondent à une demande.
Le LLM ajoute une couche d’interprétation
La requête « restaurant japonais Lille » se prête naturellement à un moteur de recherche local. « Un japonais calme pour six personnes vendredi soir, moins de 50 euros par personne, avec une vraie option végétarienne » pose un autre problème.
Une partie des critères est structurée : localisation, catégorie, horaires. D’autres nécessitent d’interpréter des descriptions, des menus ou des avis. D’autres encore demandent un arbitrage entre plusieurs contraintes.
C’est précisément la jonction que Google construit entre Gemini et Maps. Lancé en 2026, Ask Maps permet de poser des questions complexes sur des lieux puis d’obtenir une sélection personnalisée. Google indique que le service s’appuie sur les informations de plus de 300 millions de lieux et les contributions de plus de 500 millions d’utilisateurs. L’un des exemples donnés par l’entreprise consiste à rechercher un restaurant dont l’ambiance reste suffisamment calme pour discuter.
Autrement dit,
- Maps fournit une représentation du monde local
- Le modèle interprète l’intention et organise la sélection
De la SERP à la shortlist
Dans le modèle historique du SEO local, l’entreprise cherche une position. L’utilisateur reçoit plusieurs résultats et effectue lui-même une partie du travail : ouvrir les fiches, lire des avis, comparer les horaires, regarder les photos, vérifier les sites.
Un assistant absorbe une partie de ce travail et répond directement : Voici 3 établissements qui correspondent à vos critères.
Le passage du ranking à la shortlist modifie la nature de la visibilité. La question n’est plus uniquement de savoir si l’entreprise apparaît suffisamment haut dans un ensemble de résultats. La visibilité devient : fait-elle partie des quelques entités que le modèle considère comme suffisamment pertinentes et fiables pour les recommander ?
Les premières données disponibles suggèrent que ces deux ensembles ne se confondent pas systématiquement. BrightLocal a analysé environ 200 000 recherches locales sur ChatGPT, Google AI Mode et AI Overviews. Une entreprise suivie apparaissait dans 66 % des recherches Maps, contre 32 à 38 % sur les différentes surfaces IA. Le chevauchement des recommandations reste également instable d’une exécution à l’autre.
Le GEO local commence probablement ici : non pas comme remplacement du SEO local, mais comme élargissement du problème de sélection.
Quand l’interface disparaît, l’infrastructure prend de la valeur
Si un utilisateur demande directement à Gemini, à un assistant automobile ou demain à un agent de réserver un restaurant correspondant à cinq contraintes, il peut ne jamais ouvrir Google Maps. La carte perd alors une interaction visible.
Mais l’assistant a toujours besoin de connaître les établissements disponibles, leurs horaires, leur localisation, leur réputation et certains attributs. Une interface conversationnelle ne supprime pas ce besoin ; elle augmente plutôt son importance.
Google fournit désormais cette infrastructure directement aux développeurs. Le Grounding with Google Maps permet à une application fondée sur Gemini d’interroger Maps lorsqu’une requête possède un contexte géographique. Google propose également un serveur MCP destiné aux agents, capable notamment de rechercher des lieux et de calculer des itinéraires.
Maps peut donc progressivement être utilisé sans que Maps soit l’interface principale.
Un consommateur ne visite pas un processeur de paiement lorsqu’il achète en ligne et ne consulte pas un CDN lorsqu’il charge un site. L’invisibilité ne signifie pas l’absence de valeur. Elle peut au contraire signaler que la technologie s’est déplacée suffisamment bas dans la pile pour devenir une dépendance.
Google Maps pourrait suivre cette trajectoire : rester un produit grand public tout en devenant une couche mobilisée par Search, Gemini, des agents et des applications tierces.
Le cas français rend le mouvement particulièrement intéressant
Depuis le 22 juillet 2026, AI Overviews et AI Mode sont disponibles dans Google Search en France. Google permet donc désormais aux utilisateurs français de formuler des requêtes plus longues, puis de poursuivre leur recherche conversationnellement.
En parallèle, une enquête Yext menée auprès de 676 consommateurs français indique que 39,8 % avaient utilisé un outil d’IA pour une recherche locale au cours du mois précédent. Les outils conversationnels arrivaient en deuxième position parmi les outils de recherche locale déclarés. La taille de l’échantillon et l’origine commerciale de l’étude interdisent d’en faire une mesure définitive du marché français, mais le signal d’usage existe.
L’offre, elle, semble moins mature. Un baromètre publié sur data.gouv.fr en octobre 2026, portant sur 474 sites de TPE-PME issus de SERP locales françaises, obtient un score moyen de préparation technique au référencement IA de 48/100. L’étude mesure l’exploitabilité technique, pas la visibilité réelle dans les LLM, mais elle suggère que les entreprises locales n’ont pas encore largement adapté leurs actifs numériques à ces nouveaux intermédiaires.
Cette asymétrie mérite d’être suivie : l’usage conversationnel peut progresser plus rapidement que la capacité des entreprises à contrôler la manière dont elles y sont représentées.
La bataille portera sur la couche de données
Il serait néanmoins excessif d’en déduire que Google Maps deviendra la base de données universelle du commerce conversationnel. Une recommandation locale peut mobiliser le site de l’entreprise, une plateforme de réservation, un comparateur, des avis ou des données propriétaires. L’étude BrightLocal relève d’ailleurs que 93 % des domaines uniques utilisés comme sources dans son échantillon étaient des sites d’entreprises.
Le scénario le plus plausible est donc celui d’une architecture distribuée dans laquelle plusieurs sources décrivent le commerce tandis que le LLM assure la composition et l’interface.
Google dispose cependant d’un actif difficile à reproduire : une représentation massive, actualisée, commentée et identifiable du monde physique.
Voilà pourquoi la disparition éventuelle d’une partie des clics vers Maps ne signifierait pas nécessairement son affaiblissement. Si les assistants deviennent l’interface du commerce local, la valeur pourrait se déplacer de l’endroit où l’utilisateur cherche vers l’infrastructure qui permet à la machine de savoir quoi lui recommander.
Pour le SEO local, le déplacement est conséquent. Il ne s’agira plus seulement d’être visible sur une carte. Il faudra être une entité suffisamment cohérente, documentée et vérifiable pour survivre au passage de la carte à la conversation.