https://everlange.com/assets/AboutUs-DW_0Lzhj.js

1import{j as e}from"./vendor-motion-Dg40ukRu.js";import{A as o}from"./ArticleLayout-B51h2GIJ.js";import{P as n}from"./ProseContent-CHExXR3e.js";import{u as l}from"./index-f6cR2jUt.js";import"./trophy-DSriyJGq.js";import"./users-BjU_KmIy.js";import"./eye-quEojr7F.js";import"./key-round-BHux6Rus.js";import"./scroll-text-oaq9mrmt.js";import"./tag-Dji7NFtq.js";import"./compass-nvTRpHd5.js";import"./arrow-left-bJ_DNcpA.js";import"./vendor-charts-BtrAPO2T.js";import"./vendor-pdf-BVgqk7dV.js";const c={heroTitle:"Nous construisons la nouvelle génération de sites cites par l'intelligence artificielle.",heroSubtitle:"everlange.com est le moteur d'audit et de reconstruction qui transforme un site invisible dans les réponses des LLMs en source d'autorite reconnue par ChatGPT, Perplexity, Gemini et Claude.",story:`
2<p class="lead">L'histoire d'aeotool commencé par un constat brutal, fait un matin de mars 2023 devant un écran ouvert sur Perplexity. Ismaël.C. tapait une requête commerciale banale sur un secteur qu'il connaissait par coeur. La réponse fut impeccable : synthetique, sourcee, citante. Et sur les sept sources citees, aucune n'etait le leader historique du secteur. Aucune.</p>
3
4<p>Ce jour-la, quelque chose est devenu evident. Le search avait bascule. Les moteurs ne redirigeaient plus vers des liens, ils formulaient des réponses. Et pour entrer dans ces réponses, il ne suffisait plus d'être bien classe : il fallait être <strong>citable par une machine qui decide, seule, qui merite d'être mentionne</strong>.</p>
5
6<p>Ismaël.C. avait passe quinze ans a construire des systèmes intelligents. Software engineering, data engineering, machine learning, LLM Ops. Il avait déployé des agents autonomes en production, orchestre des pipelines multi-modèles, audite des bases de connaissances RAG. Il connaissait les boyaux des moteurs de réponse. Il savait comment un LLM decoupe une page, comment il evalue la confiance qu'il accorde a une source, comment il construit sa propre réponse a partir d'un corpus vectorise. Mais il n'avait jamais applique cette comprehension a un problème marketing.</p>
7
8<p>Dans les mois qui ont suivi, il a commencé a auditer des sites pour des amis, des anciens clients, des entrepreneurs francophones. Le schema se repetait avec une regularite glacante : des sites techniquement corrects, bien classes sur Google, parfaitement pensus pour les clics humains : et totalement invisibles pour les moteurs IA. Pas de données structurées exploitables. Pas de hiérarchie semantique. Pas d'entites declarees. Pas de FAQPage. Rien pour dire a un LLM : <em>voici qui je suis, voici ce que je sais, voici pourquoi tu peux me citer en toute confiance</em>.</p>
9
10<p>Le SEO classique restait necessaire, mais il etait devenu insuffisant. Le web entrait dans l'age des réponses générées, et 95 pour cent des sites français et francophones n'etaient pas prêts.</p>
11
12<h2>Du diagnostic au moteur d'audit</h2>
13
14<p>Ismaël.C. a commencé par une grille manuelle : une liste de contrôles tiree de ses audits, couvrant les Schemas, les signaux E-E-A-T, la structuré semantique, l'accessibilite pour les bots IA. Dix critères, puis vingt, puis trente. Très vite, il a compris que le problème ne pouvait pas être traite a la main. Il fallait un moteur. Un système automatise capable de scorer n'importe quel site en moins de cinq minutes, avec des critères ponderes et traces, et de produire un rapport que le client pouvait lire sans diplome d'ingenieur.</p>
15
16<p>Le premier prototype d'aeotool est ne en mai 2024 : un crawler Cheerio, un prompt d'analyse a Gemini, trente critères. Le score etait stable, la lecture etait claire, le diagnostic etait actionnable. Il a audite soixante sites en deux mois. Les résultats convergeaient : score moyen 3.2 sur 10. Aucun site n'atteignait 5. Le problème etait systemique.</p>
17
18<p>Pendant l'hiver 2024-2025, Ismaël.C. a reecrit le moteur. Il a remplace les 30 critères bricoles par une grille de 67 critères organises en 13 categories, avec une ponderation calibree sur les comportements observes des bots GPTBot, ClaudeBot, PerplexityBot et Google-Extended. Il a ajoute des tests de citation en direct via une intégration multi-LLM, capable d'interroger GPT, Gemini, Claude et Perplexity avec la même requête pour vérifier qui etait reellement cite. Il a instrumente le moteur avec des rapports PDF, des plans d'action priorises, et une API stable pour integrer les résultats dans des dashboards clients.</p>
19
20<h2>De l'outil au service</h2>
21
22<p>Le moteur n'etait qu'une moitie du problème. Identifier les failles d'un site est utile, mais insuffisant : encore faut-il savoir les reparer. Ismaël.C. a donc construit, en parallele, une méthodologie de reconstruction complète. Onze p

22hases, de l'audit a la livraison, capables de transformer un site a 2.9 sur 10 en site a 8.8 sur 10 en six semaines : résultat reproduit sur des clients reels, dans des secteurs aussi varies que le bricolage, le transport de voyageurs, la logistique ou la restauration.</p>
23
24<p>En 2026, aeotool est devenue une plateforme : un moteur d'audit SaaS accessible a tous, une bibliotheque de cas clients documentes, un glossaire AEO rigoureux, et un cabinet de reconstruction sur mesure pour les entreprises qui veulent reprendre l'initiative face aux moteurs de réponse IA. Les fondations sont francophones, l'ambition est europeenne.</p>
25
26<p>Ce site existe parce qu'un jour, une IA a répondu a une requête commerciale sans mentionner celui qui aurait du être la première source. Il existe pour s'assurer que cela ne vous arrive pas.</p>
27  `.trim(),mission:`
28<p class="lead">Notre mission est simple et exigeante : rendre les entreprises francophones citables, verifiables et preferees par les moteurs de réponse IA.</p>
29
30<p>Chaque jour, des centaines de millions de requêtes sont adressees a ChatGPT, Gemini, Perplexity, Claude et Copilot. Chacune de ces requêtes généré une réponse composee a partir d'un petit nombre de sources choisies par le modèle. Être absent de ce panel, c'est disparaitre du web des réponses : un web qui représenté déjà plus de 30 pour cent du trafic de decouverte dans certains secteurs B2B.</p>
31
32<p>Nous existons pour inverser ce rapport de force. Concrètement, cela veut dire trois choses :</p>
33
34<ul>
35  <li><strong>Mesurer ce qui compte.</strong> Nous avons concu une grille d'audit de 67 critères, issue de l'observation directe du comportement des bots IA et de la litterature technique Schema.org, E-E-A-T, llms.txt, robots.txt et semantic HTML. Chaque critère est note, pondere, trace et justifie. Pas d'opinion, pas de buzzword.</li>
36  <li><strong>Reparer ce qui compte.</strong> Nous livrons des plans d'action priorises, des kits d'implementation techniques pour les équipes IT internes, ou des reconstructions complètes cle en main pour les PME sans developpeur. Le résultat est mesurable : score AEO avant, score AEO après, impact sur les citations reelles dans les moteurs IA.</li>
37  <li><strong>Defendre le francophone.</strong> L'essentiel de la recherche AEO est produit en anglais, pour des sites anglais, avec des benchmarks anglais. Nous calibrons nos outils et nos methodologies pour le français, les langues latines, et les spécificités culturelles de nos marches.</li>
38</ul>
39
40<p>Nous ne vendons pas une promesse d'audience. Nous vendons un changement de position sur l'echiquier des moteurs de réponse IA, et la certitude que votre entreprise sera reconnue pour ce qu'elle est : pas pour ce qu'un algorithme aura cru comprendre en son absence.</p>
41  `.trim(),vision:`
42<p class="lead">D'ici 2028, la moitie des requêtes commerciales en Europe francophone se fera sur un moteur de réponse IA. Notre vision est qu'aucune entreprise serieuse ne soit laissee hors du cadre de ces réponses faute d'outils, de méthode ou de comprehension.</p>
43
44<p>Le web tel qu'on le connait, dix liens bleus, une page de résultats et un clic, appartient déjà au passe. Les nouveaux usages sont conversationnels, synthetiques, fondes sur la confiance accordee a un petit nombre de sources identifiees. Dans ce web-la, l'autorite editoriale, la rigueur factuelle et la transparence des données structurées valent plus qu'une campagne Google Ads.</p>
45
46<p>Nous voulons que l'AEO devienne une discipline aussi structurée et outillee que le SEO l'est devenu entre 2005 et 2015. Cela suppose :</p>
47
48<ul>
49  <li>Une <strong>litterature francophone</strong> solide, avec un glossaire partage, des benchmarks publics, des cas d'usage documentes, et une recherche ouverte.</li>
50  <li>Des <strong>outils d'audit verifiables</strong>, dont les critères sont explicites, dont les scores sont reproductibles, et dont les plans d'action sont contestables.</li>
51  <li>Une <strong>communauté de praticiens</strong>, developpeurs, editeurs de contenu, dirigeants, capables de parler le même langage technique et de collaborer a l'elevation du niveau general.</li>
52  <li>Une <strong>ethique de la source</strong> : ne jamais tromper une IA par des signaux cosmetiques, ne jamais pratiquer le cloaking semantique, toujours proteger la vérité editoriale comme un bien public.</li>
53</ul>
54
55<p>aeotool est une pierre dans cet edifice. Pas la plus grande, mais la plus exigeante sur sa définition de la qualité. Nous construisons pour durer, et nous construisons pour que nos clients soient encore la dans dix ans : cites, lus, preferes.</p>
56  `.trim(),values:[{title:"Rigueur factuelle",description:"Chaque score, chaque recommandation, chaque chiffre que nous publions est trace a un critère précis et vérifiable. Pas d'opinion deguisee en donnée, pas de buzzword a la place d'un fait."}

56,{title:"Transparence absolue",description:"Notre grille de 67 critères est publique. Notre méthodologie de reconstruction est documentee. Nos cas clients sont chiffres, dates et validables. Nous refusons le marketing opaque autant que les boites noires algorithmiques."},{title:"Données ouvertes",description:"Nous publions régulièrement des benchmarks sectoriels, des protocoles d'audit, et des templates Schema.org prêts a l'emploi. La connaissance AEO doit circuler librement pour que le niveau general s'élevé."},{title:"Souverainete francophone",description:"L'AEO ne peut pas être calibre uniquement pour l'anglais. Nous adaptons nos outils, nos prompts et nos benchmarks aux spécificités du français, des langues latines et des marches europeens francophones."}],founder:{name:"Ismaël.C",role:"Fondateur & Chief AEO Architect",shortBio:"Quinze ans d'engineering IA, trois ans d'audit AEO intensif, une obsession : faire briller les entreprises francophones dans les réponses générées par les moteurs IA.",longBio:`
57<p class="lead">Ismaël.C. est le fondateur et l'architecte en chef d'aeotool. Il a passe quinze ans a la frontiere entre l'engineering logiciel et l'intelligence artificielle, en passant par toutes les couches qui l'ont menees a l'AEO.</p>
58
59<p>Son parcours suit la lente convergence des disciplines de l'IA appliquee. Il commencé comme software engineer sur des stacks backend distribues, bascule ensuite vers le data engineering pour construire des pipelines analytiques a l'échelle de millions d'evenements par jour, puis vers le machine learning ou il concoit des modèles de recommandation et de scoring en production. A partir de 2022, il se consacre entièrement au LLM Ops : intégration d'API GPT et Claude, orchestration d'agents autonomes, systèmes multi-agents pour la production editoriale et le diagnostic automatise, patterns de prompt caching et de cost optimization pour des volumes industriels.</p>
60
61<p>C'est au cours de ces annees qu'il développé une expertise rare, situee a l'intersection de trois mondes qui se parlent encore peu : l'ingenierie des LLM, la semantique du web, et le marketing B2B technique. Cette expertise devient la matière première d'aeotool. Il connait les modèles parce qu'il en a intégré en production. Il connait les bots parce qu'il a observe leur comportement sur des sites reels. Il connait les entreprises parce qu'il les a auditees une par une.</p>
62
63<h3>Expertises techniques</h3>
64
65<p>Ismaël.C. est specialiste reconnu des systèmes d'agents IA : agents autonomes, systèmes multi-agents, orchestration LLM, patterns d'intégration en production. Il a fonde et pilote plusieurs SaaS B2B sur ces sujets, en parallele de son activité d'audit. Son approche est fondee sur quelques principes non negociables : la tracabilite des décisions, la reproductibilite des scores, la mesure avant l'optimisation, et la rigueur factuelle avant la persuasion commerciale.</p>
66
67<p>Il est base en France, travaille en français et en anglais, et consacre la majorite de son temps a deux activités : construire le moteur aeotool, et auditer en direct des sites clients pour calibrer en permanence la grille de 67 critères sur le comportement reel des bots IA. Cette boucle d'amelioration continue est, selon lui, la seule manière honnête de rester pertinent dans un domaine ou les moteurs evoluent chaque mois.</p>
68
69<h3>Mission personnelle</h3>
70
71<p>Sa mission est claire : faire briller les entreprises francophones a l'ere de l'intelligence artificielle. Il considere qu'un PME français, un artisan suisse, un editeur belge ou un industriel luxembourgeois a autant de legitimite a être cite par ChatGPT qu'une multinationale americaine : a condition d'avoir les outils pour le demander proprement. aeotool est sa réponse a cette conviction. Elle n'est ni une startup chasseuse de buzz, ni un cabinet de conseil premium a 2000 euros la journee : c'est un moteur d'audit rigoureux, un service de reconstruction vérifiable, et une base de connaissance ouverte, tenus par quelqu'un qui a déjà construit des systèmes IA en production et qui sait exactement ce qui fait la différence entre une page lisible par un humain et une page exploitable par un LLM.</p>
72
73<p>Ismaël.C. communique de manière directe, sans langue de bois, et ne signe jamais une recommandation qu'il ne pourrait pas defendre devant un board technique. C'est cette exigence qu'il transpose dans chaque audit aeotool et dans chaque rebuild livre a un client.</p>

74    `.trim(),expertise:["Systèmes d'agents IA autonomes","Orchestration multi-agents LLM","Audit technique Schema.org et JSON-LD","Analyse comportementale des bots IA (GPTBot, ClaudeBot, Perplexity)","Pipelines RAG et bases de connaissances vectorielles","LLM Ops et prompt caching industriel","Architecture backend distribue et data engineering","Méthodologie E-E-A-T appliquee aux LLM","Scoring AEO/GEO multi-critères","Direction technique de SaaS B2B"],philosophy:"Le SEO visait Google. L'AEO vise l'intelligence. On ne se positionne plus dans une liste de liens bleus : on devient la source citee par une IA qui formule sa propre réponse."},stats:[{label:"Rebuilds AEO livres",value:"50+"},{label:"Score moyen post-rebuild",value:"8.4/10"},{label:"Moteurs IA couverts",value:"5"},{label:"Critères audites par site",value:"62"}],timeline:[{year:"2022",title:"Premiers travaux sur les agents IA",description:"Ismaël.C. bascule definitivement du machine learning classique vers les LLM et concoit ses premiers agents autonomes multi-modèles en production."},{year:"2023",title:"Prise de conscience AEO",description:"Face a une réponse Perplexity qui ignore un leader de secteur, Ismaël.C. commencé a auditer manuellement des sites francophones pour comprendre pourquoi les moteurs IA les ecartent."},{year:"2024",title:"Premier moteur d'audit a 30 critères",description:"Mai 2024, premier prototype d'aeotool opérationnel. Soixante sites audites en deux mois, score moyen 3.2 sur 10, constat systemique."},{year:"2025",title:"Moteur v2 a 67 critères + 11 phases de rebuild",description:"Reecriture complète du moteur avec une grille de 67 critères sur 13 categories, intégration multi-LLM pour tester les citations en direct, et formalisation de la méthodologie de reconstruction en onze phases."},{year:"2026",title:"everlange.com en ligne",description:"Lancement officiel du SaaS, ouverture du moteur d'audit au public, et consolidation de la bibliotheque de cas clients documentes (Hornbach, Transdem France Europe et plus de 50 autres)."}]},u={heroTitle:"We are building the next generation of sites cited by artificial intelligence.",heroSubtitle:"everlange.com is the audit and rebuild engine that turns a site invisible in LLM answers into an authority source recognized by ChatGPT, Perplexity, Gemini and Claude.",story:`
75<p class="lead">The aeotool story started with a brutal realization, one morning in March 2023, in front of a screen open on Perplexity. Ismaël.C. had typed a mundane commercial query in a sector he knew by heart. The answer was flawless: synthetic, sourced, citing. And among the seven sources cited, none was the historic leader of that sector. None.</p>
76
77<p>That day, something became obvious. Search had flipped. Engines were no longer redirecting to links : they were formulating answers. And to enter those answers, it was no longer enough to rank well: you had to be <strong>citable by a machine that alone decides who deserves to be mentioned</strong>.</p>
78
79<p>Ismaël.C. had spent fifteen years building intelligent systems. Software engineering, data engineering, machine learning, LLM Ops. He had shipped autonomous agents to production, orchestrated multi-model pipelines, audited RAG knowledge bases. He knew the guts of answer engines. He knew how an LLM segments a page, how it evaluates the confidence it assigns to a source, how it builds its own answer from a vectorized corpus. But he had never applied this understanding to a marketing problem.</p>
80
81<p>In the months that followed, he started auditing sites for friends, former clients, French-speaking entrepreneurs. The pattern repeated itself with chilling regularity: technically correct sites, well ranked on Google, perfectly designed for human clicks : and totally invisible to AI engines. No usable structured data. No semantic hierarchy. No declared entities. No FAQPage. Nothing to tell an LLM: <em>this is who I am, this is what I know, here is why you can cite me with confidence</em>.</p>
82
83<p>Classical SEO was still necessary, but it had become insufficient. The web was entering the age of generated answers, and 95 percent of French and French-speaking sites were not ready.</p>
84
85<h2>From diagnostic to audit engine</h2>
86
87<p>Ismaël.C. started with a manual checklist: a series of checks drawn from his audits, covering Schemas, E-E-A-T signals, semantic structure, AI bot accessibility. Ten criteria, then twenty, then thirty. Very quickly, he understood that the problem could not be solved by hand. An engine was needed. An automated system able to score any site in less than five minutes, with weighted and traced criteria, and produce a report the client could read without an engineering degree.</p>
88
89<p>The first aeotool prototype was born in May 2024: a Cheerio crawler, an analysis prompt sent to Gemini, thirty criteria. The score was stable, the reading was clear, the diagnostic was actionable. He audited sixty sites in two months. The results converged: average score 3.2 out of 10. No site reached 5. The problem was systemic.</p>
90
91<p>During the winter of 2024-2025, Ismaël.C. rewrote the engine. He replaced the 30 makeshift criteria with a grid of 67 criteria organized into 13 categories, with weighting calibrated on observed behaviors of GPTBot, ClaudeBot, PerplexityBot and Google-Extended. He added live citation tests via a multi-LLM integration, able to query GPT, Gemini, Claude and Perplexity with the same prompt to verify who was actually being cited. He instrumented the engine with PDF reports, prioritized action plans, and a stable API to integrate results into client dashboards.</p>
92
93<h2>From tool to service</h2>
94
95<p>The engine was only half the problem. Identifying a site's flaws is useful but insufficient: you also have to know how to fix them. Ismaël.C. therefore built, in parallel, a complete rebuild methodology. Eleven phases, from audit to delivery, capable of transforming a site scoring 2.9 out of 10 into a site scoring 8.8 out of 10 in six weeks : a result reproduced on real clients, in sectors as varied as DIY retail, passenger transport, logistics and restaurants.</p>
96
97<p>In 2026, aeotool has become a platform: a SaaS audit engine open to all, a library of documented client cases, a rigorous AEO glossary, and a tailor-made rebuild practice for companies that want to take back the initiative against AI answer engines. The foundations are French-speaking, the ambition is European.</p>
98
99<p>This site exists because one day, an AI answered a commercial query without mentioning the one who should have been the primary source. It exists to make sure this does not happen to you.</p>
100  `.trim(),mission:`
101<p class="lead">Our mission is simple and demanding: make French-speaking companies citable, verifiable and preferred by AI answer engines.</p>
102
103<p>Every day, hundreds of millions of queries are addressed to ChatGPT, Gemini, Perplexity, Claude and Copilot. Each of these queries generates an answer composed from a small number of sources chosen by the model. Being absent from that panel means disappearing from the answer web : a web that already represents more than 30 percent of discovery traffic in some B2B sectors.</p>
104
105<p>We exist to reverse this balance of power. Concretely, this means three things:</p>
106
107<ul>
108  <li><strong>Measure what matters.</strong> We designed an audit grid of 67 criteria, derived from direct observation of AI bot behavior and the technical literature on Schema.org, E-E-A-T, llms.txt, robots.txt and semantic HTML. Each criterion is scored, weighted, traced and justified. No opinion, no buzzword.</li>
109  <li><strong>Fix what matters.</strong> We deliver prioritized action plans, technical implementation kits for internal IT teams, or full turnkey rebuilds for SMEs without in-house developers. The result is measurable: AEO score before, AEO score after, impact on real citations in AI engines.</li>
110  <li><strong>Defend the French-speaking web.</strong> Most AEO research is produced in English, for English sites, with English benchmarks. We calibrate our tools and methodologies for French, Latin languages, and the cultural specifics of our markets.</li>
111</ul>
112
113<p>

113We do not sell an audience promise. We sell a change of position on the AI answer engine chessboard, and the certainty that your company will be recognized for what it is : not for what an algorithm thought it understood in its absence.</p>
114  `.trim(),vision:`
115<p class="lead">By 2028, half of commercial queries in French-speaking Europe will be made on an AI answer engine. Our vision is that no serious company should be left out of these answers for lack of tools, method or understanding.</p>
116
117<p>The web as we know it, ten blue links, one results page and a click, already belongs to the past. The new usages are conversational, synthetic, based on the trust granted to a small number of identified sources. In that web, editorial authority, factual rigor and structured data transparency are worth more than a Google Ads campaign.</p>
118
119<p>We want AEO to become as structured and tooled a discipline as SEO became between 2005 and 2015. This requires:</p>
120
121<ul>
122  <li>A solid <strong>French-speaking literature</strong>, with a shared glossary, public benchmarks, documented use cases, and open research.</li>
123  <li><strong>Verifiable audit tools</strong>, with explicit criteria, reproducible scores, and contestable action plans.</li>
124  <li>A <strong>community of practitioners</strong>, developers, content editors, executives, able to speak the same technical language and collaborate to raise the general level.</li>
125  <li>A <strong>source ethic</strong>: never trick an AI with cosmetic signals, never practice semantic cloaking, always protect editorial truth as a public good.</li>
126</ul>
127
128<p>aeotool is one stone in that edifice. Not the largest, but the most demanding on its definition of quality. We build to last, and we build so that our clients are still here in ten years : cited, read, preferred.</p>
129  `.trim(),values:[{title:"Factual rigor",description:"Every score, every recommendation, every figure we publish is traced back to a precise and verifiable criterion. No opinion disguised as data, no buzzword in place of a fact."},{title:"Absolute transparency",description:"Our 67-criteria grid is public. Our rebuild methodology is documented. Our client cases are quantified, dated and verifiable. We reject opaque marketing as much as algorithmic black boxes."},{title:"Open data",description:"We regularly publish sector benchmarks, audit protocols, and ready-to-use Schema.org templates. AEO knowledge must circulate freely so the general level rises."},{title:"French-speaking sovereignty",description:"AEO cannot be calibrated for English alone. We adapt our tools, prompts and benchmarks to the specifics of French, Latin languages and European French-speaking markets."}],founder:{name:"Ismaël.C",role:"Founder & Chief AEO Architect",shortBio:"Fifteen years of AI engineering, three years of intensive AEO audits, one obsession: make French-speaking companies shine in answers generated by AI engines.",longBio:`
130<p class="lead">Ismaël.C. is the founder and chief architect of aeotool. He has spent fifteen years at the frontier between software engineering and artificial intelligence, going through every layer that led him to AEO.</p>
131
132<p>His path follows the slow convergence of applied AI disciplines. He started as a software engineer on distributed backend stacks, then moved to data engineering to build analytical pipelines at a scale of millions of events per day, and on to machine learning where he designed recommendation and scoring models in production. From 2022, he dedicated himself entirely to LLM Ops: GPT and Claude API integration, autonomous agent orchestration, multi-agent systems for editorial production and automated diagnostic, prompt caching and cost optimization patterns for industrial volumes.</p>
133
134<p>During those years he developed a rare expertise, sitting at the intersection of three worlds that still barely talk to each other: LLM engineering, web semantics, and technical B2B marketing. This expertise became the raw material of aeotool. He knows the models because he has shipped them to production. He knows the bots because he has observed their behavior on real sites. He knows the companies because he has audited them one by one.</p>
135
136<h3>Technical expertise</h3>
137
138<p>Ismaël.C. is a recognized specialist in AI agent systems: autonomous agents, multi-agent systems, LLM orchestration, production integration patterns. He has founded and led several B2B SaaS on these topics, in parallel with his audit work. His approach is founded on a few non-negotiable principles: decision traceability, score reproducibility, measurement before optimization, and factual rigor before commercial persuasion.</p>
139
140<p>He is based in France, works in French and English, and spends most of his time on two activities: building the aeotool engine, and auditing client sites in real time to continuously calibrate the 67-criteria grid on the real behavior of AI bots. This continuous improvement loop is, in his view, the only honest way to stay relevant in a domain where the engines evolve every month.</p>
141
142<h3>Personal mission</h3>
143
144<p>His mission is clear: make French-speaking companies shine in the era of artificial intelligence. He considers that a French SME, a Swiss craftsman, a Belgian publisher or a Luxembourg industrialist has as much legitimacy to be cited by ChatGPT as an American multinational : provided they have the tools to ask for it properly. aeotool is his answer to that conviction. It is neither a buzz-chasing startup, nor a premium consulting firm at 2000 euros a day: it is a rigorous audit engine, a verifiable rebuild service, and an open knowledge base, held by someone who has already shipped AI systems to production and knows exactly what makes the difference between a page readable by a human and a page exploitable by an LLM.</p>
145
146<p>Ismaël.C. communicates directly, without hedging, and never signs a recommendation he could not defend in front of a technical board. This is the standard he transposes into every aeotool audit and every rebuild delivered to a client.</p>
147    `.trim(),expertise:["Autonomous AI agent systems","Multi-agent LLM orchestration","Technical audit of Schema.org and JSON-LD","Behavioral analysis of AI bots (GPTBot, ClaudeBot, Perplexity)","RAG pipelines and vector knowledge bases","LLM Ops and industrial prompt c

147aching","Distributed backend and data engineering","E-E-A-T methodology applied to LLMs","Multi-criteria AEO/GEO scoring","Technical leadership of B2B SaaS"],philosophy:"SEO targeted Google. AEO targets intelligence. You no longer position yourself in a list of blue links : you become the source cited by an AI formulating its own answer."},stats:[{label:"AEO tools delivered",value:"50+"},{label:"Average post-rebuild score",value:"8.4/10"},{label:"AI engines covered",value:"5"},{label:"Criteria audited per site",value:"62"}],timeline:[{year:"2022",title:"First work on AI agents",description:"Ismaël.C. definitively pivots from classical machine learning to LLMs and designs his first autonomous multi-model agents in production."},{year:"2023",title:"AEO awakening",description:"Facing a Perplexity answer that ignores a sector leader, Ismaël.C. starts manually auditing French-speaking sites to understand why AI engines leave them out."},{year:"2024",title:"First 30-criteria audit engine",description:"May 2024, first operational aeotool prototype. Sixty sites audited in two months, average score 3.2 out of 10, systemic finding."},{year:"2025",title:"v2 engine with 67 criteria + 11 rebuild phases",description:"Full rewrite of the engine with a 67-criteria grid across 13 categories, multi-LLM integration to test citations live, and formalization of the 11-phase rebuild methodology."},{year:"2026",title:"everlange.com goes live",description:"Official SaaS launch, opening of the audit engine to the public, and consolidation of the documented client case library (Hornbach, Transdem France Europe and 50+ others)."}]};function d(a){return a==="en"?u:c}function L({onNavigate:a}){const{t:i,lang:r}=l(),s=d(r);return e.jsxs(o,{eyebrow:i("aboutUs.eyebrow"),title:s.heroTitle,subtitle:s.heroSubtitle,onBack:()=>a("home"),backLabel:i("aboutUs.backLabel"),children:[e.jsx("section",{className:"grid grid-cols-2 md:grid-cols-4 gap-4 mb-14",children:s.stats.map(t=>e.jsxs("div",{className:"rounded-2xl border border-white/[0.06] bg-white/[0.02] p-5 text-center",children:[e.jsx("div",{className:"text-2xl md:text-3xl font-bold text-[#c8f135]",children:t.value}),e.jsx("div",{className:"mt-1 text-xs md:text-sm text-gray-400",children:t.label})]},t.label))}),e.jsxs("section",{className:"mb-16",children:[e.jsx("h2",{className:"text-2xl md:text-3xl font-bold text-white mb-6",children:i("aboutUs.storyHeading")}),e.jsx(n,{html:s.story})]}),e.jsxs("section",{className:"mb-16 grid grid-cols-1 md:grid-cols-2 gap-8",children:[e.jsxs("div",{className:"rounded-2xl border border-white/[0.06] bg-white/[0.02] p-6 md:p-8",children:[e.jsx("h3",{className:"text-xl md:text-2xl font-semibold text-white mb-4",children:i("aboutUs.missionHeading")}),e.jsx(n,{html:s.mission})]}),e.jsxs("div",{className:"rounded-2xl border border-white/[0.06] bg-white/[0.02] p-6 md:p-8",children:[e.jsx("h3",{className:"text-xl md:text-2xl font-semibold text-white mb-4",children:i("aboutUs.visionHeading")}),e.jsx(n,{html:s.vision})]})]}),e.jsxs("section",{className:"mb-16",children:[e.jsx("h2",{className:"text-2xl md:text-3xl font-bold text-white mb-6",children:i("aboutUs.valuesHeading")}),e.jsx("div",{className:"grid grid-cols-1 md:grid-cols-2 gap-4",children:s.values.map(t=>e.jsxs("div",{className:"rounded-2xl border border-white/[0.06] bg-white/[0.02] p-6",children:[e.jsx("div",{className:"text-lg font-semibold text-[#c8f135] mb-2",children:t.title}),e.jsx("p",{className:"text-gray-300 leading-relaxed",children:t.description})]},t.title))})]}),e.jsxs("section",{className:"mb-16 rounded-2xl border border-white/[0.08] bg-white/[0.03] p-6 md:p-10",children:[e.jsx("div",{className:"mb-5 text-xs font-semibold uppercase tracking-[0.2em] text-[#c8f135]",children:i("aboutUs.founderEyebrow")}),e.jsx("h2",{className:"text-2xl md:text-3xl font-bold text-white mb-2",children:s.founder.name}),e.jsx("div",{className:"text-gray-400 mb-2",children:s.founder.role}),e.jsxs("p",{className:"italic text-white/85 border-l-4 border-[#c8f135] pl-4 my-5",children:["“",s.founder.philosophy,"”"]}),e.jsx(n,{html:s.founder.longBio,className:"mb-6"}),e.jsxs("div",{children:[e.jsx("div",{className:"text-xs uppercase tracking-wider text-gray-500 mb-3",children:i("aboutUs.founderExpertiseLabel")}),e.jsx("div",{className:"flex flex-wrap gap-2",children:s.founder.expertise.map(t=>e.jsx("span",{className:"rounded-full border border-white/[0.08] bg-white/[0.04] px-3 py-1 text-xs text-gray-300",children:t},t))})]})]}),e.jsxs("section",{className:"mb-16",children:[e.jsx("h2",{className:"text-2xl md:text-3xl font-bold text-white mb-6",children:i("aboutUs.timelineHeading")}),e.jsx("ol",{className:"relative border-l-2 border-white/[0.08] pl-6 space-y-6",children:s.timeline.map(t=>e.jsxs("li",{className:"relative",children:[e.jsx("span",{className:"absolute -left-[34px] top-1 h-4 w-4 roun

147ded-full bg-[#c8f135] ring-4 ring-black"}),e.jsx("div",{className:"text-sm font-mono text-[#c8f135]",children:t.year}),e.jsx("div",{className:"text-lg font-semibold text-white",children:t.title}),e.jsx("p",{className:"text-gray-300 mt-1",children:t.description})]},t.year+t.title))})]}),e.jsxs("section",{className:"rounded-2xl border border-[#c8f135]/30 bg-gradient-to-br from-[#c8f135]/10 to-transparent p-6 md:p-10 text-center",children:[e.jsx("h2",{className:"text-2xl md:text-3xl font-bold text-white mb-4",children:i("aboutUs.ctaHeading")}),e.jsx("p",{className:"text-gray-300 mb-6 max-w-xl mx-auto",children:i("aboutUs.ctaDescription")}),e.jsx("button",{onClick:()=>a("aeo-dna"),className:"inline-flex items-center justify-center rounded-full bg-[#c8f135] px-6 py-3 text-sm font-semibold text-black hover:bg-[#d4f55a] transition-colors",children:i("aboutUs.ctaButton")})]})]})}export{L as default};