Comment les moteurs de réponses choisissent leurs sources

Lorsque ChatGPT, Perplexity, Gemini ou les AI Overviews de Google répondent à une question, ils citent un petit nombre de pages web. Ces citations ne sont pas décoratives. Elles sont le produit d'un processus de sélection, et ce processus est suffisamment documenté pour être décrit. Cette page couvre la mécanique : comment le contenu est récupéré, comment les sources sont choisies, ce qui qualifie une page pour être seulement prise en considération, et pourquoi mesurer vos propres citations est plus difficile qu'il n'y paraît.

La génération augmentée par récupération

Les moteurs de réponses ne répondent pas à partir de la seule mémoire du modèle. Ils utilisent la génération augmentée par récupération (RAG) : au moment de la question, le système récupère des documents pertinents dans un index, puis génère une réponse ancrée dans ce qu'il a récupéré. Les pages sur lesquelles il s'est appuyé deviennent les citations. C'est ce qui rend l'AEO possible. Les données d'entraînement du modèle sont figées, mais l'étape de récupération s'exécute sur un index vivant dans lequel votre contenu peut entrer et améliorer sa position.

Ancré dans les systèmes de classement

Pour Google en particulier, le guide de Google sur les fonctionnalités d'IA indique qu'AI Overviews et AI Mode sélectionnent le contenu au moyen d'une génération augmentée par récupération ancrée dans les systèmes de classement principaux de la recherche. L'étape de récupération n'est pas un algorithme séparé et mystérieux. Ce sont les mêmes systèmes qui décident du classement organique et de ce que la couche générative a le droit de lire. Un contenu qui se classe est un contenu qui peut être cité.

Le query fan-out

Google décrit une technique appelée query fan-out, l'éclatement d'une question en plusieurs requêtes liées : le système émet simultanément plusieurs requêtes apparentées pour rassembler du contexte autour d'une seule question. La conséquence pratique est que votre page peut être récupérée pour une requête que l'utilisateur n'a jamais tapée. Une question sur les tarifs peut se ramifier en requêtes sur les fonctionnalités, les alternatives et la mise en place. Les pages qui couvrent les sous-questions adjacentes d'un sujet offrent davantage de surfaces par lesquelles la récupération peut les trouver.

Comment les citations apparaissent

Le guide de Google note que les réponses d'IA affichent des liens cliquables bien visibles vers les pages sur lesquelles elles s'appuient. Être sélectionné comme source est donc un placement de marque visible au moment exact de la réponse, et le chemin que suit un lecteur qui veut vérifier ou approfondir. La Search Console de Google inclut un rapport de performance pour l'IA générative, qui est la voie de première main pour observer ce trafic.

Le ticket d'entrée : indexé et éligible au snippet

Pour être seulement candidate, une page doit être explorable, indexée et éligible à l'affichage en snippet. C'est là toute la condition d'entrée. Selon le guide de Google, aucun balisage spécial ni fichier dédié à l'IA n'est nécessaire, llms.txt est ignoré par Google Search, et les données structurées ne sont pas requises pour les fonctionnalités d'IA générative. Google déconseille explicitement de découper le contenu en fragments ou d'écrire dans un format particulier pour l'IA. Si une page ne peut pas apparaître en snippet normal, elle ne peut pas apparaître dans une réponse d'IA ; si elle le peut, rien de plus n'est techniquement requis.

En quoi les moteurs autres que Google diffèrent

ChatGPT, Perplexity et Claude ne reposent pas sur l'index de Google. Ils exploitent leurs propres robots d'exploration et leurs propres systèmes de récupération, la position d'une page peut donc varier d'un moteur à l'autre, et leur appétit pour le contenu frais diffère de manière mesurable. Une étude portant sur 7 683 pages et 47 097 citations a constaté que Gemini citait du contenu mis à jour au cours de l'année écoulée dans 78 pour cent des cas, ChatGPT 73 pour cent et Perplexity 65 pour cent. Seuls 42 pour cent des contenus cités avaient été publiés récemment, ce qui signifie que la fraîcheur récompensée par les moteurs vient surtout des mises à jour de pages existantes plutôt que de pages neuves. Si Perplexity compte pour vous, une page ancienne mais entretenue reste dans la course ; sur Gemini, une page périmée n'a guère de chances.

Pourquoi la mesure des citations est bruitée

Vérifier si un moteur vous cite semble simple : posez-lui la question et regardez. En pratique, la sortie est instable. Sur trois exécutions identiques de ChatGPT, environ 2,2 pour cent des sources citées restent stables. Dans des mesures de réponses de LLM portant sur des marques, la langue de la requête explique 26,5 à 32,0 pour cent de la variance de mesure, tandis que l'identité de la marque en explique 1,5 pour cent. La manière dont vous posez la question influence le résultat bien plus que qui vous êtes.

Deux conclusions en découlent. D'abord, la vérification d'une requête isolée ne fournit aucun signal fiable ; seul un échantillonnage répété sur plusieurs formulations et dans le temps fait apparaître une tendance. Ensuite, traitez les tableaux de bord des prestataires avec précaution : aucun outil tiers n'a accès aux systèmes internes de Google, donc tout chiffre de citation externe est un échantillon, pas un registre. Pour ce que cela implique pour votre stratégie de contenu, voyez ce qu'est l'AEO.