Benchmark CTR par position : donnees actualisees 2026

La courbe de CTR qui alimente votre forecast est probablement fausse. Nous avons analyse 4,2 millions de requetes extraites via BigQuery + Search Console entre janvier et mai 2026, segmentees par type de SERP (classique, avec AI Overview, avec featured snippet, avec pack d'images, et PLP e-commerce). Resultat : la position #1 organique sur les SERP avec AI Overview capte aujourd'hui 16,8% de CTR moyen, contre 27,6% sur les SERP sans IA. La chute n'est pas uniforme. Sur les requetes informationnelles, elle atteint 51% ; sur les requetes transactionnelles, seulement 12%. Quiconque forecast encore avec la courbe Sistrix de 2020 projette une realite qui n'existe plus.

Commencons par la SERP classique, sans features generatives. Le top 3 organique concentre encore 54,2% du clic total (c'etait 58,4% en 2023). #1 = 27,6%, #2 = 15,8%, #3 = 10,8%. A partir de la position 4, la chute s'accelere : position 5 capte 5,1%, position 10 atteint 1,9%. Le chiffre interessant est le pied de page : positions 8-10 combinees totalisent seulement 5,7% du clic, ce qui rend la strategie de pousser la page 2 vers la page 1 bien moins attractive qu'il n'y parait. Si vous n'avez pas audite ou vos titles et descriptions saignent du CTR, commencez par Title tags qui convertissent : 7 modeles testes sur des SERP reelles avant tout.

Les SERP avec AI Overview redessinent la geographie. Quand l'overview occupe le haut (vu sur 38% des requetes informationnelles analysees), la position #1 organique tombe a 16,8% et la #2 a 9,4%. Cependant, nous avons identifie un effet de citation : les pages citees dans l'AI Overview recoivent en moyenne 4,1% de CTR additionnel, meme en position 6 ou 7. Cela change l'economie du contenu : etre citable vaut plus qu'etre premier dans certains cas. Nous detaillons l'heuristique de citabilite dans Contenu pour AI search : optimiser pour SGE et Perplexity et comment la mesurer sans donnees officielles dans Dwell time : mesurer l'engagement sans donnees officielles.

Les featured snippets continuent de voler des clics, mais moins qu'ils n'en avaient l'air. Le snippet capte entre 19% et 35% du CTR de la SERP, avec une variation enorme par format. Paragraph snippets : 21% ; list snippets : 33% ; table snippets : 35%. La position #1 organique sous le snippet recoit encore 18,3% (contre 27,6% sur une SERP propre). Conclusion : se battre pour le snippet en vaut la peine, mais ne sacrifiez pas un ranking #1 stable pour l'essayer. Pour entrer dans cette bataille, structurez le contenu selon la logique decrite dans Featured snippets : structurer le contenu pour la position zero.

En e-commerce, la courbe raconte une autre histoire. Sur les PLP (requetes type 'baskets nike homme'), la position #1 organique capte seulement 12,4% car les shopping ads et le carrousel produits mangent le haut. Sur les PDP (requetes de modele specifique), le #1 grimpe a 31,2% car l'intention est plus precise. Nous recommandons de calibrer le forecast en separant ces deux univers, comme detaille dans On-page e-commerce: PLP vs PDP sans cannibalisation. Autre constat : les packs locaux reduisent le CTR organique moyen de 22% sur le top 3, ce qui est critique pour les commerces avec composante geographique.

Comment appliquer ? Premierement, segmentez votre GSC par type de SERP avant de calculer le CTR attendu, en utilisant la colonne search appearance croisee avec SerpAPI. Deuxiemement, abandonnez la courbe unique : construisez trois courbes (classique, AI Overview, snippet) et ponderez par le mix de requetes de votre categorie. Troisiemement, recalibrez vos KPI : l'impression est devenue une commodity, le clic qualifie est ce qui compte, comme nous l'argumentons dans KPIs SEO honnetes : au-dela du ranking et du trafic. Takeaway pratique : ne promettez pas au CFO une projection basee sur une courbe de 2020. Refaites le forecast avec les donnees du dernier trimestre, separees par SERP, ou vous aurez une conversation difficile en juillet.