Mécanismes de sélection : RAG en deux temps
Les moteurs IA en mode recherche, ChatGPT Search, Perplexity, Microsoft Copilot, Google AI Overviews, partagent une architecture commune : le RAG (Retrieval-Augmented Generation). Ce modèle opère en deux phases distinctes.
Phase 1, Retrieval. Le modèle formule une ou plusieurs requêtes de recherche à partir de la question de l'utilisateur. Ces requêtes interrogent un index (Bing pour ChatGPT Search et Copilot, index propriétaire pour Perplexity, index Google pour AI Overviews). Le résultat est un ensemble de passages, généralement 5 à 20 chunks de texte extraits des pages les mieux classées.
Phase 2, Génération avec sources. Le modèle reçoit la question originale + les passages récupérés et génère une réponse en synthétisant les informations. Les sources citées sont les passages qui ont contribué à la réponse, ceux dont le contenu a été paraphrasé ou cité directement.
La conséquence directe : être cité = avoir un passage récupéré ET utilisé dans la génération. Un site peut être récupéré sans être cité si le passage ne répond pas bien à la question. Un site peut ranker premier sur Bing et ne jamais être cité si ses passages ne sont pas extractibles.
Attribution : pourquoi le modèle choisit-il votre source ?
Le choix des sources citées n'est pas un vote de popularité. Le modèle maximise la pertinence du passage pour la sous-question spécifique qu'il est en train de répondre. Plusieurs facteurs guident ce choix.
Spécificité du passage. Un passage qui répond exactement à "combien coûte X en 2026" est préféré à un passage qui dit "X peut coûter entre quelques dizaines et quelques milliers d'euros selon les cas". La spécificité rend un passage irremplaçable, le modèle ne peut pas le synthétiser autrement qu'en le citant.
Cohérence avec la requête latente. Le modèle récupère des passages dont la sémantique correspond à la représentation vectorielle de la question. Les titres de section (H2, H3) et les premières phrases de paragraphe sont sur-indexés dans les embeddings, ils pèsent plus que la fin d'un paragraphe. Une H2 qui reformule la question implicite de l'utilisateur augmente la probabilité d'être récupéré.
Autorité de source perçue. Les modèles ont été entraînés à préférer les sources fiables. Cette préférence est encodée dans les poids mais aussi appliquée dynamiquement via les scores de ranking du retrieval sous-jacent. Une source avec un historique de fiabilité dans l'index Bing ou Google est mécaniquement avantagée.
Non-redondance. Si deux passages disent la même chose, le modèle n'en cite généralement qu'un. Être le premier à énoncer un fait (freshness + premier rang) évite d'être évincé par un concurrent qui copierait votre contenu.
Anatomie d'une citation idéale
Une citation parfaite combine cinq attributs qui la rendent à la fois facile à récupérer, difficile à remplacer, et crédible à afficher.
| Attribut | Description | Exemple faible → fort |
|---|---|---|
| Autoportance | Compréhensible hors contexte de la page | "Cette méthode…" → "La méthode LOOP pour la GEO…" |
| Spécificité | Chiffre, date, fait précis et non générique | "Les LLMs sont rapides" → "GPT-4o répond en moins de 2 secondes" |
| Vérifiabilité | Source citée, auteur, date explicites | "selon une étude" → "selon SearchEngineLand, mars 2026" |
| Brièveté | 1 à 3 phrases pour être extrait proprement | Bloc de 15 lignes → paragraphe de 3 lignes atomique |
| Alignement syntaxique | Reformule la question dans sa première phrase | "Les facteurs sont…" → "Les facteurs qui déterminent une citation LLM sont…" |
Le test pratique : prenez n'importe quel paragraphe de votre page et demandez à un LLM (sans contexte) de répondre à votre question cible en n'utilisant que ce paragraphe. Si la réponse est satisfaisante, le paragraphe est citable. Si le LLM répond "je manque de contexte", le paragraphe est dépendant.
Fraîcheur et priorité temporelle
Les moteurs IA en mode recherche intègrent un biais temporel fort pour les requêtes d'actualité. Un contenu mis à jour en 2026 est préféré à un contenu identique non mis à jour depuis 2023, toutes choses égales par ailleurs.
Ce biais s'applique différemment selon la requête. Pour "qu'est-ce que le GEO ?" (requête définitionnelle), la fraîcheur compte peu. Pour "quels LLMs supportent la recherche web en 2026 ?" (requête factuelle temporelle), un contenu daté de 2024 sera évincé même s'il était jadis exact.
Signaux de fraîcheur lus par les LLMs :
- Schema.org
dateModified, signal le plus fiable. Doit correspondre à une vraie mise à jour du contenu, pas juste un changement de balise. - Date visible dans le HTML, format ISO de préférence (
2026-04-22) dans un élément<time datetime="...">. - Mentions temporelles dans le corps, "en 2026", "depuis mars 2026" ancrent le contenu dans le présent sans ambiguïté.
- Crawl date de l'index, indirectement, un site crawlé fréquemment (IndexNow, sitemap actif) est perçu comme plus à jour.
Attention à la cohérence : une dateModified récente sur du contenu qui mentionne "en 2023" comme date actuelle crée un signal contradictoire. Les modèles peuvent le détecter et baisser la confiance accordée à la source.
Signaux de confiance inter-sources
Au-delà de la qualité intrinsèque du passage, les LLMs intègrent des signaux externes qui établissent la crédibilité d'une source. Ces signaux sont en grande partie hérités des algorithmes de ranking des moteurs sous-jacents, mais certains sont spécifiques au contexte IA.
Autorité de domaine. Un domaine avec un fort Domain Rating (Ahrefs) ou Domain Authority (Moz), beaucoup de liens entrants de sites reconnus, et une longue présence web sera mécaniquement favorisé. Ce signal est encodé dans le ranking du moteur sous-jacent et transmis au LLM.
Cohérence thématique. Un site qui traite exclusivement d'un domaine bénéficie d'une autorité topique plus forte qu'un généraliste. Les LLMs, en cherchant la source la plus fiable sur "optimisation LLM", préfèrent un site spécialisé GEO à une agence SEO généraliste qui a publié un article sur le sujet.
Présence dans les sources de confiance du corpus. Les LLMs ont été entraînés sur des corpus où certaines sources sont sur-représentées (Wikipedia, presse reconnue, publications académiques). Les sites mentionnés positivement dans ces sources bénéficient d'un halo de confiance dans les poids du modèle. C'est ce qui explique pourquoi une couverture presse peut améliorer la citation LLM au-delà du SEO classique.
Schémas Organization cohérents. Un schema Organization avec sameAs pointant vers Wikipedia, Wikidata, LinkedIn et le site officiel permet au modèle de lier votre contenu à une entité connue. Cette désambiguïsation réduit l'incertitude du modèle sur la provenance de la source.
Effet de position dans la réponse LLM
La position dans laquelle votre source apparaît dans une réponse LLM a des implications différentes selon qu'elle est citée en intro, en corps ou en conclusion.
Citation en première position. La source citée en premier bénéficie d'un biais d'attention de l'utilisateur (attention is front-loaded). Elle est souvent celle dont le passage était le plus directement aligné avec la question principale. C'est la position la plus convoitée.
Citation unique vs multiplex. Sur Perplexity, une réponse peut citer 6 à 8 sources. Votre apparition parmi elles est moins exclusive mais contribue à la notoriété de marque. Sur ChatGPT Search, les réponses citent moins de sources, être cité est plus sélectif et plus précieux.
Citation dans une FAQ ou liste. Les réponses de type "voici 5 approches" ou FAQ créent des opportunités de citation distribuée, chaque point peut venir d'une source différente. Un contenu bien structuré en points distincts maximise les chances d'être sélectionné pour un ou plusieurs items.
Comparaison des politiques de citation par moteur IA
| Moteur | Index sous-jacent | Nb citations typique | Biais dominant | Bot crawler |
|---|---|---|---|---|
| Perplexity | Propriétaire + Bing | 5 à 8 | Fraîcheur + sources reconnues | PerplexityBot |
| ChatGPT Search | Bing + OAI crawl | 1 à 5 | Autorité + passages autoportants | OAI-SearchBot |
| Microsoft Copilot | Bing (temps réel) | 3 à 8 | Ranking Bing + signaux comportementaux | bingbot/2.0 |
| Google AI Overviews | 3 à 6 | E-E-A-T + pertinence sémantique | Googlebot | |
| Gemini Search | 2 à 5 | Autorité domaine + schémas | Googlebot |
Monitoring de vos citations LLM
La mesure de la visibilité dans les LLMs est le point d'angle de la GEO par rapport au SEO traditionnel, il n'existe pas encore d'équivalent parfait de la Search Console pour les citations IA. Les approches disponibles en 2026 sont les suivantes.
Outils spécialisés GEO. Profound (profound.io), Otterly.ai, et le module Brand Radar d'Ahrefs permettent de définir des listes de prompts, de les exécuter automatiquement sur plusieurs LLMs, et de mesurer la fréquence de mention et de citation de votre marque. Ce sont les outils les plus précis mais les plus onéreux.
Trafic referral IA. Dans Google Analytics ou Plausible, les domaines perplexity.ai, chatgpt.com, copilot.microsoft.com, gemini.google.com et you.com apparaissent en sources de trafic quand vos URLs sont citées avec un lien cliquable. Ce signal est sous-estimé car beaucoup d'utilisateurs lisent sans cliquer.
Test manuel structuré. Constituez une liste de 30 à 50 questions couvrant vos sujets cibles. Testez-les régulièrement sur ChatGPT, Perplexity et Copilot. Documentez les citations (présente/absente, position, texte extrait). C'est chronophage mais donne des données qualitatives irremplaçables.
Monitoring de marque. Google Alerts, Mention, ou Brand24 trackent les mentions de votre domaine ou marque dans les contenus indexés. Certains LLMs sont eux-mêmes crawlés (les réponses Perplexity apparaissent dans les résultats Google), ce qui crée des mentions secondaires traçables.
Checklist citations LLM
- Les bots IA (GPTBot, OAI-SearchBot, PerplexityBot, Anthropic-AI) sont autorisés dans robots.txt.
- Chaque paragraphe peut être lu et compris hors contexte (test d'autoportance).
- Les affirmations chiffrées incluent une date et une source explicites.
- Les titres H2/H3 reformulent des questions naturelles (alignement sémantique).
- Un schema Article avec dateModified récente et cohérente avec le contenu est en place.
- Un schema Organization avec sameAs (LinkedIn, Wikidata) est implémenté.
- Les sections FAQ utilisent le markup FAQPage (schema.org).
- Le trafic referral provenant des domaines LLM est suivi dans Analytics.
- Une liste de prompts de test est maintenue et exécutée mensuellement.
- Les contenus évitent les pronoms anaphoriques sans antécédent ("il", "cette méthode").
- Les dates sont exprimées en année absolue ("2026") et non en référence relative ("cette année").
- Aucun contenu de valeur n'est derrière une authentification sans accès guest.
Questions fréquentes
Un LLM peut-il citer mon site sans avoir fait de retrieval ?
Oui, dans deux cas. (1) Les LLMs sans mode recherche (ChatGPT sans plugin, Claude sans Search) peuvent mentionner une marque ou URL tirée de leur corpus d'entraînement, c'est une citation de mémoire paramétrique, non vérifiée et potentiellement hallucinée. (2) Certains LLMs avec Search citent une source mais en extraient le contenu depuis le cache ou le corpus. Pour la GEO, distinguer les deux cas est important : la citation paramétrique ne dépend pas du crawl actuel mais de la présence historique sur le web.
Quelle est la différence entre une mention et une citation dans le contexte GEO ?
Une mention est toute référence à votre marque dans une réponse IA, avec ou sans lien. Une citation est une mention accompagnée d'un lien cliquable vers la source. Les deux ont de la valeur, mais de nature différente : la mention contribue à la notoriété de marque dans l'espace IA ; la citation génère du trafic direct. Les outils de monitoring (Profound, Otterly, Brand Radar) trackent les deux séparément.
Perplexity et ChatGPT Search utilisent-ils les mêmes signaux de sélection de sources ?
Non. Perplexity opère son propre index (PerplexityBot) avec un accent fort sur la fraîcheur et la source académique ou journalistique. ChatGPT Search s'appuie sur un partenariat Bing et son propre OAI-SearchBot. Google AI Overviews puise dans l'index Google avec les signaux E-E-A-T classiques. Les 3 partagent le principe de passages autoportants mais pondèrent différemment autorité vs fraîcheur vs structure.
Est-il possible d'être exclu des citations LLM malgré un bon ranking SEO ?
Oui, pour plusieurs raisons. (1) Blocage du bot IA dans robots.txt (GPTBot, OAI-SearchBot, PerplexityBot), les LLMs ne citent pas ce qu'ils ne peuvent pas crawler. (2) Contenu derrière authentication ou paywall sans accès guest. (3) Contenu trop générique ou trop contextuel, il doit exister un passage directement extractible. (4) Réputation négative dans le corpus d'entraînement (plaintes, bad press) qui biaise les modèles contre votre marque.
Comment mesurer son taux de citation dans les LLMs ?
Quatre approches : (1) Test manuel, posez des dizaines de questions sur votre domaine à ChatGPT, Perplexity, Copilot, Gemini et notez les citations. (2) Outils spécialisés, Profound, Otterly, Brand Radar (Ahrefs) automatisent cette surveillance sur des listes de prompts définis. (3) Search Console / analytics, un pic de trafic referral venant de perplexity.ai, chatgpt.com ou copilot.microsoft.com indique des citations actives. (4) Monitoring de marque, Google Alerts ou Mention trackent les mentions de votre domaine dans les sources indexées par les moteurs.