Comment les modèles d’IA choisissent les sources qu’ils citent
Aucune des huit surfaces ne publie ses critères de sélection. Cette page consigne ce qui est observable de l’extérieur, surface par surface, avec la date de la dernière vérification et la procédure pour refaire chaque contrôle vous-même, sans faire appel à personne.
Publié le 8 septembre 2026
Réponse courte
Les modèles d’IA choisissent leurs sources à deux moments différents : quand ils cherchent en direct, ils citent des pages que leur robot d’exploration a pu télécharger ; quand ils répondent à partir de leurs données d’entraînement, ils répètent ce que leur corpus contenait déjà sur une entité. DoGeo travaille les deux séparément, parce que le premier se corrige en quelques semaines avec l’accès des robots et le rendu, et que le second dépend de nombreuses sources tierces qui décrivent l’entreprise de la même façon.
Tout ce qui figure sur cette page est vérifiable, et c’est tout l’intérêt
ExigenceDoGeo range les affirmations sur ces systèmes en trois catégories et ne publie que les deux premières.
Vérifiable directement
publiéQuel user-agent télécharge votre page, quel code de statut vous lui renvoyez, si une surface affiche ses sources, et si elle s’appuie sur un index de recherche public. Tout cela se voit dans vos propres logs serveur et dans la réponse elle-même. Vous n’avez à croire DoGeo sur parole pour rien de tout cela.
Documenté par l’éditeur
publié avec la sourceLes noms des robots d’exploration, les plages d’IP que chaque entreprise publie pour les vérifier et les mécanismes d’exclusion que chacune propose. Tout cela change, c’est pourquoi cette page est revérifiée chaque mois au lieu d’être écrite une fois pour toutes.
Mécanique interne du classement
non publiéComment un modèle pondère une source par rapport à une autre, ce que vaut un domaine à ses yeux, pourquoi il préfère une page à une autre pour la même question. Personne en dehors de ces entreprises ne le sait, et un prestataire qui vous l’explique avec assurance l’invente.
Ce domaine est plein d’affirmations péremptoires sans fondement, et les acheteurs en ont déjà lu quatre pages. La partie utile du travail ne consiste pas à deviner un classement. Elle porte sur les trois choses que vous contrôlez vraiment : qu’ils puissent vous télécharger, qu’ils puissent extraire une affirmation de vos pages, et que le reste du web vous décrive comme vous vous décrivez.
Deux modes : chercher en direct et répondre à partir de l’entraînement
MécanismeDoGeo les mesure séparément, parce qu’ils ne bougent ni avec le même travail ni au même rythme.
Quand un assistant cherche en direct, il interroge un index, télécharge une poignée de pages et rédige sa réponse à partir d’elles. C’est là qu’apparaissent les citations avec lien, et c’est là que votre site dispose d’une voie directe : si le robot peut vous télécharger et que le contenu est dans le HTML, vous êtes candidat. C’est la moitié rapide. Débloquer un robot d’exploration change ce que répond une surface dès qu’il repasse.
Quand l’assistant répond à partir de son entraînement, il ne télécharge rien. Il répète ce qu’il a appris pendant l’entraînement, qui s’est terminé il y a des mois et ne contient pas la page que vous avez publiée la semaine dernière. Pas de citation, pas de lien, et votre site ne joue aucun rôle au moment de la réponse. Ce qui joue, c’est le nombre de personnes extérieures à votre entreprise qui ont écrit sur elle avant cette date, et le fait qu’elles aient toutes dit la même chose.
La conséquence pratique est celle qu’il faut le plus souvent expliquer lors d’un premier appel : une entreprise peut corriger son accès technique en un après-midi, être citée par Perplexity la semaine suivante, et ne toujours pas être nommée dans une réponse de ChatGPT qui n’a pas cherché. Ce n’est pas un échec du travail. Ce sont deux canaux à l’intérieur d’un même produit.
| Recherche en direct | Réponse issue de l’entraînement | |
|---|---|---|
| Affiche ses sources | Oui, avec lien | Non |
| Dépend de votre site | Directement | Indirectement |
| Ce qui le fait bouger | Accès des robots, rendu, clarté avec laquelle la page énonce une affirmation | Concordance entre sources tierces dans la durée |
| Délai de réaction | De quelques jours à quelques semaines | Des mois, et lié au prochain entraînement |
| Comment on le mesure | Présence et position dans la réponse, avec la citation | Présence et exactitude de la description, sans citation |
Surface par surface : ce qui est observable sur chacune
Les neufDoGeo travaille sur huit surfaces de réponse. Voici le comportement observable de chacune, vérifié pour la dernière fois le 2026-09-08. Cette liste est une affirmation sur le périmètre, et elle est vérifiable : si une surface sort de cette page, elle sort de toutes les pages en même temps.
ChatGPT
GPTBot · OAI-SearchBot · ChatGPT-UserTrois user-agents pour trois rôles : GPTBot explore de façon générale, OAI-SearchBot alimente la recherche et ChatGPT-User télécharge une page précise quand un utilisateur la demande dans la conversation. Il cite quand il cherche et ne cite pas quand il répond à partir de son entraînement. Bloquer GPTBot tout en autorisant OAI-SearchBot est une combinaison courante, qui produit des résultats contradictoires d’une session à l’autre.
Gemini
Googlebot · Google-ExtendedS’appuie sur l’index de Google : si Googlebot ne vous indexe pas, il n’y a rien en aval. Google-Extended n’est pas un robot d’exploration : c’est un réglage qui indique si le contenu déjà récupéré par Googlebot peut servir à l’entraînement et aux réponses de Gemini. Il est désactivé par accident quand on copie un robots.txt trouvé ailleurs.
AI Overviews et AI Mode
GooglebotIls s’affichent au-dessus des résultats classiques et puisent dans le même index : ici, SEO et GEO partagent entièrement le même socle. Pas de porte séparée à laquelle frapper, pas de robot spécifique à autoriser : si votre SEO technique est cassé, ceci l’est aussi. C’est la surface où le travail classique rapporte encore pleinement.
Claude
ClaudeBot · Claude-User · Claude-SearchBotTrois agents, avec la même répartition que chez OpenAI : exploration générale, téléchargement à la demande de l’utilisateur et recherche. Il affiche ses sources quand il cherche. Il prend le HTML exactement tel que vous le servez : tout ce qui n’apparaît qu’après l’exécution du JavaScript échappe à ce qu’il peut citer.
Perplexity
PerplexityBot · Perplexity-UserNumérote ses sources dans chaque réponse et cherche en direct presque systématiquement, ce qui en fait la surface où le travail technique se voit en premier. DoGeo s’en sert comme signal avancé : quand l’accès et le rendu sont bons, Perplexity réagit généralement avant toutes les autres.
Grok
pas de user-agent documenté stablePuise beaucoup dans le contenu récent et dans la conversation publique sur X plutôt que dans des pages stables. DoGeo y mesure donc la mention de la marque plutôt que la citation de pages : compter les citations sur une surface qui cite à peine donne un chiffre qui a l’air mauvais et ne veut rien dire.
DeepSeek
poids ouvertsComme ses poids sont ouverts, il apparaît dans des produits tiers autant que dans sa propre interface, et beaucoup de ces intégrations ne cherchent pas du tout en direct. Ce qui s’y dit de votre entreprise vient presque entièrement de sources extérieures et non de votre site, ce qui en fait un bon indicateur du travail sur le consensus.
Mistral (Le Chat)
recherche avec citationsLa surface européenne, qui cherche en affichant ses sources. DoGeo la mesure dans chaque langue où le client vend, sur les mêmes questions, et c’est là que l’écart entre langues se voit le plus : une réponse dans une langue s’appuie couramment sur des pages écrites dans une autre, quelle que soit la paire testée.
ChatGPT, Perplexity ou Gemini : ce qui change quand on optimise pour chacun (2026)
DifférencesLes quatre filtres présentés plus bas sont les mêmes pour les trois. Ce qui change, c’est le robot à laisser entrer, la fréquence à laquelle chacun cherche, le nombre de sources qu’il cite et les signaux de page qui pèsent le plus.
Optimiser pour ChatGPT, Perplexity et Gemini commence par le même travail et diffère par les priorités. Gemini est celui où le SEO classique se transpose le mieux, parce qu’il s’appuie sur l’index de Google. Perplexity cherche en direct presque toujours et cite le plus de sources, donc les corrections techniques s’y voient en premier. ChatGPT cite moins de sources mais exploite chacune plus en profondeur, et répond à une partie des questions à partir de son entraînement, où c’est ce que disent les tiers d’une entreprise qui tranche.
| ChatGPT | Perplexity | Gemini | |
|---|---|---|---|
| Robot à autoriser | OAI-SearchBot pour la recherche, ChatGPT-User pour les pages qu’un utilisateur demande | PerplexityBot et Perplexity-User | Googlebot ; Google-Extended décide de l’usage dans les réponses de Gemini |
| Fréquence de la recherche en direct | Pour une partie des questions ; le reste vient de l’entraînement | Presque toujours | Pas systématique : dans l’étude de DoGeo, il a répondu sans chercher dans 26 % à 70 % des exécutions, selon le jeu de questions |
| Priorités | Autoriser les agents de recherche, mettre l’année dans les pages comparatives et construire le consensus chez les tiers | L’accès et le rendu d’abord ; des intertitres clairs sur les pages longues | L’indexation et le SEO classique, une définition explicite en haut de page et les sous-questions d’un sujet réunies sur une seule page |
| Sources par réponse | 6,88 en moyenne, chacune exploitée en profondeur | 16,35 en moyenne, chacune utilisée brièvement | Environ 10 quand il cherche, dans l’étude de DoGeo |
| Signal qui pèse le plus | La pertinence sémantique ; ses sous-requêtes ajoutent « meilleur », « avis », « comparatif » et l’année en cours | La pertinence, plus le nombre d’intertitres et la longueur de la page | L’index de Google ; dans les AI Overviews et l’AI Mode, les définitions explicites |
| Où les résultats apparaissent en premier | De quelques jours à quelques semaines quand il cherche ; des mois pour les réponses issues de l’entraînement | Le premier des trois : il réagit généralement avant tous les autres | Aussi vite que Google indexe la page |
Les quatre filtres qu’une page franchit avant de pouvoir être citée
Ce que vous contrôlezDoGeo travaille sur quatre points, et le client les contrôle tous les quatre. Il suffit d’échouer sur l’un d’eux pour que les autres ne servent plus à rien.
- 01 / ACCÈS
Le robot peut-il vous télécharger ?
Le robots.txt est la partie facile, et ce n’est presque jamais lui qui pèche. Ce qui pèche, c’est la couche de protection anti-bots du CDN, qui renvoie un challenge à un user-agent qu’elle ne reconnaît pas. Googlebot passe parce qu’il figure par défaut sur les listes d’autorisation ; GPTBot et ClaudeBot, souvent non. Le symptôme : un site bien positionné sur Google qu’aucun assistant ne cite jamais.
- 02 / RENDU
Le contenu existe-t-il avant le JavaScript ?
Google exécute le JavaScript. Les robots des assistants, en général, non : ils prennent le HTML de la première réponse. Si votre proposition de valeur, vos prix ou votre FAQ n’apparaissent qu’au démarrage du framework, cette page est vide pour eux. Pour le vérifier, désactivez le JavaScript dans un navigateur et lisez ce qui reste.
- 03 / EXTRACTION
Peut-on extraire une affirmation complète de votre page ?
Un modèle cite des fragments, pas des pages. Un fragment est exploitable quand il tient tout seul : sujet explicite, unité comprise, sans dépendre du paragraphe précédent ni d’un tableau trois écrans plus haut. « On le livre en deux semaines » n’est pas citable, parce qu’en dehors de la page personne ne sait qui livre ni ce qu’est « le ». Mettez le sujet et l’objet dans la phrase, à chaque fois, même si cela paraît répétitif.
- 04 / CONSENSUS
Le reste du web vous décrit-il de la même façon ?
Quand plusieurs sources décrivent une entreprise à l’identique, un modèle affirme. Quand chaque source dit autre chose, il reste prudent ou change de sujet. C’est pourquoi la description d’une entreprise doit être littéralement la même phrase sur son site, ses profils, les annuaires et chaque article signé. L’incohérence est la raison la plus fréquente pour laquelle un assistant refuse de se prononcer.
Refaites vous-même chaque vérification de cette page
ReproductibleDoGeo publie toute la procédure, parce qu’une méthode que personne ne peut refaire n’est pas une preuve, c’est une promesse.
Cinq vérifications, dont aucune ne demande d’outil payant :
- Ouvrez votre robots.txt et cherchez GPTBot, OAI-SearchBot, ChatGPT-User, ClaudeBot, Claude-User, Claude-SearchBot, PerplexityBot, Perplexity-User et Google-Extended. Si aucun n’apparaît et que la règle générale autorise l’exploration, vous autorisez par défaut, ce qui est très bien. Si l’un d’eux a un Disallow, c’est une décision, et il vaut la peine de savoir qui l’a prise.
- Demandez votre page avec le user-agent d’un robot d’exploration et lisez le code de statut. Un 403 ou un 503 accompagné d’un challenge signifie que votre CDN bloque ce que votre robots.txt autorise : c’est le cas le plus fréquent, et le plus coûteux à laisser passer inaperçu.
- Désactivez le JavaScript dans un navigateur et rechargez votre page d’accueil. Ce qui reste visible correspond à peu près à ce qu’un assistant peut citer. S’il ne reste qu’un en-tête et un pied de page, c’est là votre problème.
- Cherchez dans vos logs serveur les hits de ces neuf user-agents sur les trente derniers jours. Zéro hit d’un agent que vous autorisez signifie que le blocage se trouve à une autre couche, ou que personne ne vous a jamais trouvé.
- Posez à ChatGPT, Gemini, Claude et Perplexity les cinq vraies questions d’achat de votre secteur, dans votre langue, sans citer votre marque. Notez si vous apparaissez, à quelle place, et si ce qu’ils disent de vous est exact. Reposez exactement les mêmes cinq questions un mois plus tard.
L’étape cinq, c’est la méthode de mesure de DoGeo ramenée à un après-midi. La version que paient les clients est la même procédure, avec un jeu de prompts convenu et figé, exécutée sur les huit surfaces, dans chaque langue où le client vend, avec l’historique à côté. La différence tient à la rigueur et à la régularité, pas à un secret.
Ce qui est revérifié sur cette page chaque mois
MaintenanceDoGeo revérifie l’intégralité de cette page chaque mois, parce que ces surfaces changent et qu’un guide non daté se périme sans prévenir personne.
- Les noms de user-agents et les mécanismes d’exclusion que publie chaque éditeur.
- Si chaque surface affiche toujours ses sources, et si le moment où elle cherche en direct a changé.
- Si une nouvelle surface a assez d’utilisateurs pour entrer dans la liste, ou si une surface existante n’a plus de raison d’y figurer et en sort.
- Le résultat des cinq vérifications ci-dessus appliquées à ce site, qui sert de cas de test.
Dernière révision complète : 2026-09-08. Quand une affirmation de cette page cesse d’être vraie, elle est corrigée et la date change, au lieu de rester en place. Une page de méthode sans date est exactement le genre de source qu’un modèle cite de travers et qu’un acheteur cesse de croire à la deuxième visite.
Questions fréquentes sur le mécanisme
Dernière révision: 2026-09-08Comment ChatGPT, Gemini, Claude et Perplexity choisissent-ils les sources qu’ils citent ?
Quand ils cherchent en direct, ils citent des pages que leur robot a pu télécharger et dont on peut extraire une affirmation complète. Aucun des quatre ne publie comment il pondère une source par rapport à une autre, donc DoGeo ne prétend pas le savoir. Ce qui est observable et maîtrisable tient en quatre points : le robot peut-il atteindre la page, le contenu existe-t-il avant l’exécution du JavaScript, chaque affirmation se comprend-elle hors de son paragraphe, et les sources tierces décrivent-elles l’entreprise de la même façon.
Quelle différence entre optimiser pour ChatGPT, Perplexity et Gemini ?
La base est la même pour les trois : accès des robots, contenu présent dans le HTML, affirmations qui tiennent seules et descriptions cohérentes chez les tiers. La différence est une question de priorités. Gemini s’appuie sur l’index de Google, donc le SEO classique s’y transpose le mieux. Perplexity cherche en direct presque toujours et cite environ 16 sources par réponse, donc les corrections techniques s’y voient en premier. ChatGPT cite environ 7 sources par réponse, selon une étude académique de 2026 portant sur 21 143 citations, et répond à une partie des questions à partir de son entraînement, où c’est ce que disent les tiers d’une entreprise qui tranche.
Qu’est-ce que le fichier llms.txt, et mon site en a-t-il besoin ?
llms.txt est un fichier texte placé à la racine d’un site, qui dit ce qu’est l’entreprise et renvoie vers ses pages importantes, rédigé pour être lu par un modèle. DoGeo en publie un et le recommande, avec une réserve : aucune des huit surfaces n’a confirmé qu’elle l’utilise, ce n’est donc pas un levier de classement. Il mérite sa place parce que l’écrire oblige à fixer une définition unique de l’entreprise, et qu’il coûte un après-midi. Celui de ce site se trouve à /llms.txt.
Bloquer les robots d’IA protège-t-il mon contenu, ou me rend-il invisible ?
Cela vous rend invisible dans les réponses, et protège moins qu’il n’y paraît. DoGeo le dit sans détour : bloquer GPTBot ou ClaudeBot empêche l’entreprise concernée de télécharger votre site, mais n’empêche pas un modèle de parler de vous à partir de ce que d’autres ont écrit, et ne retire rien de ce qui a déjà servi à l’entraînement. Le résultat habituel cumule les inconvénients : l’assistant décrit toujours votre entreprise, mais désormais uniquement à partir de sources que vous ne contrôlez pas.
Les données structurées influent-elles sur le fait qu’une IA cite mon site ?
Indirectement, et elles valent quand même le travail. Aucune surface n’a confirmé que le JSON-LD soit un signal de sélection, donc DoGeo ne le vend pas comme tel. Ce que fait le balisage, c’est déclarer sans ambiguïté quel type d’entité vous êtes, comment vous vous appelez et ce que vous vendez : exactement ce qu’un modèle doit établir avant de pouvoir vous recommander. Une condition : le balisage doit correspondre à ce qui est visible sur la page.
Les avis et les mentions par des tiers influent-ils sur ce que l’IA dit de mon entreprise ?
Ils pèsent plus que votre propre site quand l’assistant répond à partir de son entraînement. DoGeo en fait l’un des quatre leviers : l’essentiel de ce qu’un modèle sait d’une entreprise, il l’a appris d’articles, d’annuaires, d’avis et de discussions que cette entreprise n’a pas écrits. Quand ces sources concordent, le modèle affirme ; quand elles se contredisent, il reste prudent. Les liens achetés ne comptent pas, et aujourd’hui ils font du tort.
L’IA peut-elle recommander une entreprise locale, ou seulement les marques nationales ?
Elle peut recommander des entreprises locales, et face à moins de concurrence qu’une marque nationale. DoGeo le voit fonctionner quand les données de base sont cohérentes : même nom, même adresse, même numéro de téléphone et même description sur la fiche Google, dans les annuaires du secteur et sur le site lui-même. Dans les requêtes locales, le volume de contenu compte moins et la cohérence de la fiche compte plus : une petite entreprise bien tenue l’emporte sur une grande négligée.
Pour aller plus loin
Ou laissez DoGeo faire les vérifications pour vous
DoGeo applique ces cinq vérifications à votre site et vous renvoie ce qu’il a trouvé. Il lui faut quatre informations : votre nom, votre entreprise, votre site et un e-mail professionnel.