Comment ChatGPT, Perplexity et Google AI Overviews choisissent les sources qu'ils citent

Un prospect demande à ChatGPT quel installateur choisir dans sa région. La réponse cite trois entreprises, sources à l'appui. Vous n'y êtes pas, alors que vous sortez premier sur Google pour la même question. Ce n'est ni un bug ni une injustice : les deux systèmes ne font pas le même travail. Voici comment une réponse d'IA se fabrique réellement, et à quels moments précis une entreprise en sort.

En bref :

• Une réponse d'IA n'est pas un classement affiché, c'est un montage : votre question est réécrite en plusieurs requêtes, quelques pages sont récupérées, et des morceaux sont assemblés.
• Google appelle cette multiplication le « query fan-out », et donne l'exemple d'une question sur les mauvaises herbes qui déclenche trois recherches différentes.
• Trois portes se ferment avant toute sélection : le robot n'a pas pu lire le site, la page n'est pas éligible à un extrait, ou le site est exclu des fonctionnalités IA.
• La recherche académique de référence (KDD 2024) mesure jusqu'à 40 % de visibilité en plus pour un contenu qui cite ses sources, chiffre ses affirmations et intègre des citations directes. Le bourrage de mots-clés, lui, ne fonctionne pas.
• Depuis 2026, Google mesure cette visibilité dans Search Console. Pour ChatGPT et Perplexity, aucun tableau de bord équivalent n'existe.

Une réponse d'IA se fabrique en trois temps

Quand vous tapez une question dans Google, le moteur cherche des pages et vous les classe. Vous voyez le classement. Quand vous posez la même question à un assistant IA, il se passe autre chose : le système récupère des pages, puis rédige un texte qui s'appuie dessus, et n'affiche que quelques liens de soutien.

Google donne un nom à cette mécanique dans sa documentation destinée aux propriétaires de sites : la génération augmentée par récupération, ou grounding. La définition officielle décrit une technique qui « améliore la qualité, la précision et la fraîcheur des réponses IA en s'appuyant sur nos systèmes de classement pour récupérer des pages pertinentes et à jour depuis notre index », avant d'examiner l'information de ces pages pour composer la réponse. Vous pouvez lire la page complète de Google sur l'optimisation pour les fonctionnalités IA, consacrée aux fonctionnalités génératives.

Retenez le découpage en trois temps, parce que chacun élimine des entreprises pour une raison différente :

1. La question est transformée. Ce n'est pas votre phrase qui part au moteur, c'est une ou plusieurs requêtes reformulées.
2. Les pages candidates sont filtrées. Le système ne peut retenir que ce qu'il a pu lire, indexer et qu'il a le droit d'afficher.
3. Une phrase est sélectionnée. Le texte final s'appuie sur des passages précis, pas sur des pages entières.

Une entreprise peut être excellente sur le temps 3 et disparaître au temps 2. C'est le cas le plus fréquent, et le plus invisible.

Temps 1 : votre question n'est pas celle qui est posée au moteur

Google nomme « query fan-out » l'éclatement d'une question en plusieurs recherches simultanées. L'exemple donné dans sa documentation est parlant : pour « comment rattraper une pelouse envahie de mauvaises herbes », le modèle peut lancer en parallèle « meilleurs herbicides pour pelouse », « désherber sans produits chimiques » et « comment prévenir les mauvaises herbes ». Une seule question de l'utilisateur, trois recherches, donc trois lots de pages candidates.

OpenAI décrit le même principe côté ChatGPT, avec ses propres mots. Sa page d'aide sur la recherche indique que ChatGPT « réécrit typiquement votre requête en une ou plusieurs requêtes ciblées » envoyées à ses partenaires de recherche, et donne l'exemple d'une question de chercheur en biotechnologie transformée en une requête technique resserrée, suivie de requêtes de relance plus spécifiques encore. Les partenaires nommés par OpenAI dans cette page sont Bing et Shopify.

Deux conséquences très concrètes pour une PME.

Vous n'êtes pas cité pour la question, vous êtes cité pour une sous-question. Si un prospect demande « comment choisir un installateur de chauffage en Wallonie », les recherches dérivées porteront sur le prix d'une installation, les délais, les garanties, les primes régionales. La page qui répond nettement à une de ces sous-questions entre dans le lot. La page « qui sommes-nous » n'entre nulle part.

Votre région entre dans la requête sans que personne ne la tape. OpenAI précise collecter une localisation générale à partir de l'adresse IP et pouvoir la transmettre à ses partenaires de recherche pour améliorer la pertinence, en illustrant avec un « quels sont les bons restaurants près d'ici » transformé en « meilleurs restaurants San Francisco ». L'adresse IP elle-même n'est pas transmise. Pour un artisan de Namur, cela veut dire que la géographie est déjà dans le circuit, et qu'une page sans ancrage local perd un signal que ses concurrents ont.

Temps 2 : trois portes qui se ferment avant la sélection

Ici, la plupart des entreprises absentes des réponses IA ne sont pas mal classées. Elles sont hors jeu.

Porte 1, l'accès. Un moteur ne peut retenir que ce que son robot a pu lire. OpenAI est explicite sur ce point : il n'existe aucun moyen de garantir une place, mais « pour être inclus, il est important d'autoriser OAI-SearchBot à explorer votre site, et de vous assurer que votre hébergeur ou votre réseau de diffusion laisse passer le trafic depuis nos adresses IP publiées ». Deux verrous, donc, pas un : le fichier qui déclare les règles d'exploration, et le pare-feu qui peut écarter le robot sans que personne ne soit prévenu. OpenAI documente ses différents robots et le fait qu'ils se règlent séparément, celui qui alimente la recherche n'étant pas celui qui sert à entraîner les modèles. Perplexity fonctionne de la même façon, avec deux agents distincts et ses plages d'adresses publiées, et recommande d'automatiser la mise à jour des règles de pare-feu.

Porte 2, l'éligibilité. Google pose une condition que peu de dirigeants connaissent : pour apparaître dans les fonctionnalités IA, « une page doit être indexée et éligible à un affichage avec extrait dans Google Search ». Autrement dit, un site qui a demandé à Google de ne pas afficher d'extrait de ses pages, réglage souvent posé des années plus tôt par un prestataire soucieux de protéger le contenu, se retire mécaniquement des réponses IA. Le classement, lui, ne bouge pas. C'est une des façons les plus discrètes de disparaître.

Porte 3, l'exclusion volontaire. Depuis 2026, Search Console propose un réglage dédié, le contrôle des fonctionnalités IA génératives. L'option d'exclusion est décrite sans ambiguïté par Google : le contenu du site est empêché d'être visible dans ces fonctionnalités, et « vous ne recevrez aucun trafic ni aucune impression de ces fonctionnalités ». Ce réglage ne touche ni le classement classique ni l'entraînement des modèles, qui relèvent d'autres commandes. Il est en cours de déploiement progressif chez les propriétaires de sites, ce que Google indique en tête de sa page d'aide.

Pour une PME, la conclusion pratique tient en une phrase : avant de se demander comment être mieux cité, il faut vérifier qu'on est encore éligible. C'est le sujet de notre article sur les raisons pour lesquelles un site devient invisible pour les assistants IA.

Temps 3 : la phrase qui vous fait citer

Une fois les pages récupérées, le modèle ne « choisit pas un site ». Il cherche, phrase par phrase, de quoi soutenir ce qu'il s'apprête à écrire.

Le travail de recherche publié par Google sur son framework AGREE décrit ce mécanisme sans détour. Un modèle spécialisé « juge si une affirmation est soutenue par un passage » et sert à attacher les citations phrase par phrase. La règle appliquée est nette : « Nous n'ajoutons pas de citation aux phrases pour lesquelles aucun passage ne peut les étayer. » Mieux : si des affirmations restent sans appui, le système repart chercher de l'information à partir de ces affirmations précises. Il s'agit d'un travail de recherche, pas de la description du système en production, mais il éclaire la logique commune à ces moteurs.

Traduit en langage de terrain : une page qui affirme « nous sommes reconnus pour notre réactivité » n'offre aucun passage étayable. Une page qui écrit « nos interventions d'urgence sur Namur et Brabant wallon sont assurées sous 24 h en semaine » en offre un, exact, autonome, citable sans contexte.

La recherche académique de référence sur le sujet mesure cet effet. Le paper qui a fondé la discipline, présenté à la conférence KDD 2024 à Barcelone, a testé neuf façons de modifier un contenu et mesuré leur effet sur la visibilité dans les réponses génératives. Les trois meilleures sont d'ajouter des citations de sources fiables, d'intégrer des citations directes et d'ajouter des statistiques. Les auteurs annoncent un gain de visibilité allant jusqu'à 40 % dans les réponses génératives, avec une efficacité qui varie selon les domaines, ce qui écarte l'idée d'une recette uniforme. Le bourrage de mots-clés, réflexe hérité du référencement des années 2010, ne donne pas de résultat.

Trois moteurs, trois circuits

Les mécanismes se ressemblent, les circuits non. Le tableau ci-dessous résume ce que chaque éditeur documente publiquement, sans extrapolation.

Une différence mérite d'être soulignée. Google précise que les AI Overviews « ne s'affichent que lorsque nos systèmes déterminent qu'ils apportent quelque chose en plus de la recherche classique, et souvent ne se déclenchent pas ». Sur beaucoup de requêtes commerciales locales, il n'y a donc pas de réponse générative du tout, et la bataille reste celle des liens bleus. Perplexity, à l'inverse, cite dans chaque réponse par construction.

Pourquoi vous pouvez être premier sur Google et absent de la réponse

Rassemblons. Cinq causes expliquent l'essentiel des cas, et aucune ne se voit dans un rapport de positionnement.

1. La sous-question n'est pas la vôtre. Vous êtes premier sur le nom de votre métier, les recherches dérivées portent sur le prix, le délai ou la garantie, et aucune de vos pages ne répond à celles-là.
2. Le robot du moteur IA n'entre pas. Le pare-feu ou les règles d'exploration écartent un agent que vous n'aviez jamais eu à connaître.
3. La page n'est pas éligible à un extrait. Un réglage ancien la sort des fonctionnalités IA sans toucher son classement.
4. Le site est exclu des fonctionnalités IA. Réglage volontaire, parfois activé sans en mesurer la portée.
5. Aucune phrase n'est étayable. La page parle d'elle-même au lieu d'énoncer des faits vérifiables sur son métier.

Les quatre premières sont des problèmes d'accès et se corrigent en heures. La cinquième est un problème éditorial et se corrige en trimestres. C'est pour cela que l'ordre des travaux compte plus que leur intensité, un point que détaille notre guide du référencement IA pour PME belges.

Ce qui a changé en deux ans

En 2024, la question du sourçage ne se posait presque pas. ChatGPT répondait sur un corpus figé à une date donnée, sans aller sur le web. On ne pouvait ni apparaître ni disparaître : on était dedans, ou pas, selon ce que le modèle avait appris. Aucun outil ne permettait de le savoir.

Deux choses ont basculé. La recherche web est devenue le mode courant de ces assistants, et chaque réponse expose désormais ses sources. Surtout, la mesure est apparue là où il n'y en avait aucune : Search Console propose depuis 2026 un rapport de performance dédié aux fonctionnalités IA génératives, qui remonte les impressions du site dans AI Overviews et AI Mode, ventilées par page et par pays. Google le déploie progressivement, chez une partie des propriétaires de sites seulement.

Cette nouveauté a une limite qu'il faut énoncer aussi clairement : elle ne couvre que Google. Pour ChatGPT et Perplexity, il n'existe toujours aucun tableau de bord officiel, et la mesure reste un relevé manuel de requêtes. C'est le sujet de notre article sur ce qui se mesure vraiment en visibilité IA.

Un dernier changement, plus récent encore, mérite l'attention des entreprises qui publient régulièrement. Le 27 mai 2026, Google a annoncé l'arrivée des sources préférées dans AI Overviews et AI Mode : un utilisateur peut désigner les sites qu'il veut voir mis en avant, et « tout site qui publie du contenu frais est éligible ». Plus de 345 000 sources uniques avaient déjà été sélectionnées, et Google indique que les internautes cliquent deux fois plus volontiers vers une source préférée. Pour une entreprise locale suivie par sa clientèle, c'est un canal qui n'existait pas.

Ce qu'on ferait à votre place

Commencez par le moins glorieux : vérifiez que les robots de ces moteurs peuvent lire votre site et que vos pages sont éligibles à un affichage avec extrait. C'est l'étape la moins chère, la seule dont l'effet se voit en jours, et celle qui rend toutes les autres inutiles quand elle est ratée.

Ensuite, regardez vos pages avec la question du modèle en tête : quelle phrase exacte, sur cette page, peut soutenir une affirmation dans une réponse ? Si aucune ne surnage, ce n'est pas un problème de mots-clés, c'est un problème de contenu qui ne dit rien de vérifiable. Un prix affiché, un délai tenu, une zone couverte, une méthode décrite : voilà de quoi une réponse d'IA est faite.

Enfin, méfiez-vous des promesses. Aucun éditeur ne garantit une place, et OpenAI l'écrit noir sur blanc. Ce qui se pilote, c'est d'être lisible, éligible et vérifiable. Le reste appartient au moteur.

Vous voulez savoir ce que les assistants répondent aujourd'hui quand un prospect parle de votre métier dans votre région ? Écrivez-nous : on fait le relevé sur vos dix requêtes, on vous dit ce qui bloque, et vous décidez ensuite de la suite.

FAQ

Q: Pourquoi mon site est premier sur Google mais absent des réponses IA ?

A: Les deux systèmes ne sélectionnent pas au même endroit. Une réponse IA éclate votre question en sous-questions, ne retient que les pages qu'elle a pu lire et qui sont éligibles à un extrait, puis cherche une phrase qui étaye ce qu'elle écrit. Un bon classement ne garantit aucune de ces trois étapes, et un réglage technique ancien peut vous en sortir sans affecter votre position.

Q: Faut-il écrire différemment pour être cité par une IA ?

A: Google répond non dans sa documentation : pas besoin d'écrire d'une façon particulière pour ses fonctionnalités IA, ses systèmes comprennent les synonymes et le sens général. Ce qui change les choses, mesuré par la recherche académique, c'est de citer ses sources, de chiffrer ses affirmations et d'intégrer des citations directes. C'est une exigence de vérifiabilité, pas un style d'écriture.

Q: Un fichier llms.txt aide-t-il à être cité ?

A: Pas chez Google, qui l'écrit explicitement : il n'est pas nécessaire de créer de fichiers spéciaux, de balisage ou de Markdown pour apparaître dans Google Search, y compris ses fonctionnalités génératives, car Search ne les utilise pas. Le fichier coûte une heure et ne nuit pas. Le payer comme livrable principal d'une prestation ne se justifie pas.

Q: Comment savoir si je suis cité, sans outil payant ?

A: Pour Google, Search Console remonte désormais vos impressions dans AI Overviews et AI Mode, page par page, avec un déploiement encore partiel. Pour ChatGPT et Perplexity, il n'existe aucun rapport officiel : on pose manuellement les dix questions qu'un prospect poserait, et on note qui est cité et sur quoi. Un relevé mensuel suffit à voir une tendance.

Q: Les données structurées sont-elles indispensables pour être cité ?

A: Non, et Google est clair : les données structurées ne sont pas requises pour la recherche générative, et aucun balisage schema.org spécial n'est à ajouter. Elles restent recommandées au titre du référencement classique, pour être éligible aux résultats enrichis. Les traiter comme le levier central d'une prestation de visibilité IA relève du raccourci commercial.