Comment ChatGPT choisit les sources qu’il cite

Vous êtes en première page de Google sur votre sujet, mais quand vous posez la même question à ChatGPT, il cite d'autres sites, ou aucun. À l'inverse, une page discrète est citée à chaque essai. Le hasard n'explique pas tout : un assistant applique des règles d'accès et de sélection, dont une partie est documentée et une autre seulement observée.

Voici ce qu'OpenAI documente lui-même, ce que l'on observe sur le terrain sans pouvoir le prouver, et ce que vous pouvez vérifier sur votre site en une heure.

Deux façons de répondre : de mémoire ou avec le web

Quand vous posez une question, ChatGPT peut répondre d'après ce qu'il a appris pendant son entraînement, sans rien citer, ou lancer une recherche sur le web et citer des pages. Seul le second cas vous donne une chance d'être cité avec un lien. Il ne se déclenche pas à chaque question, et vous ne choisissez pas à la place de l'assistant.

Pour la recherche web, OpenAI documente des robots distincts, qui portent chacun un rôle précis. C'est la partie la plus concrète, et l'une des plus négligées.

Ce qu'OpenAI dit sur les réglages

La documentation d'OpenAI explique que chaque réglage est indépendant : un site peut autoriser OAI-SearchBot pour apparaître dans la recherche de ChatGPT tout en refusant GPTBot pour l'entraînement. Elle recommande d'autoriser OAI-SearchBot si l'on veut apparaître, et précise qu'un changement de robots.txt peut demander environ 24 heures pour être pris en compte. Conséquence pratique : un robots.txt copié il y a deux ans, qui bloque tous les « robots d'IA », peut vous retirer des réponses sans que personne ne s'en soit aperçu (voir le fichier robots.txt). Un pare-feu qui traite les robots inconnus comme des intrus produit le même effet.

Ce qu'on observe sans pouvoir le garantir

OpenAI ne publie pas la liste des critères qui font choisir une page plutôt qu'une autre. Les études du secteur qui tentent de les deviner donnent des chiffres différents et changent avec les versions : nous n'en reprenons aucun. Les constats qui reviennent le plus dans les guides sont plutôt de bon sens :

• La page répond précisément à la question posée, dès les premières lignes.
• Elle traite un sous-sujet à la fois. Un assistant peut décomposer une question en sous-questions et chercher chacune séparément (Google décrit un principe voisin pour son Mode IA) : une page qui répond nettement à l'une d'elles a plus de chances d'être retenue.
• L'auteur et l'entreprise sont identifiables, avec des informations à jour (voir E-E-A-T).
• Le contenu est accessible : pas de blocage de robot, pas de page cachée derrière un formulaire.
• Le nom de l'entreprise est cohérent ailleurs sur le web : d'autres sources fiables confirment ce que dit votre site.

D'autres sources peuvent aussi intervenir, comme des fournisseurs de recherche ou des partenaires de contenu ; à notre connaissance, la liste n'est pas publique. Restez donc sur ce que vous contrôlez.

Vérifier votre site en une heure

1. Lire votre robots.txt. Cherchez OAI-SearchBot, GPTBot et une règle générale du type « tous les robots interdits ». Décidez volontairement : autoriser la recherche, choisir pour l'entraînement.

2. Vérifier le pare-feu ou l'extension de sécurité. Certains bloquent les robots inconnus par défaut ; demandez à votre hébergeur ou regardez les journaux d'accès.

3. Poser dix vraies questions à ChatGPT. Notez les sites cités et ce que dit la page citée que la vôtre ne dit pas (voir pourquoi le GEO maintenant pour la méthode de test).

4. Réécrire une page. Réponse en deux ou trois phrases au début, sous-titre qui reprend la question, informations datées.

5. Mesurer. Suivez le canal « AI Assistant » de GA4 (voir mesurer le trafic venant des IA) et comparez avec la définition du GEO.

Exemple illustratif : un cabinet de comptabilité découvre que son fichier robots.txt, hérité d'un ancien site, interdit tous les robots d'IA. Il autorise le robot de recherche, garde l'entraînement fermé, réécrit l'introduction de trois pages, puis reteste ses questions un mois plus tard. Ces éléments sont inventés pour l'exemple.

Ce que nous ne faisons pas

• Nous ne promettons pas d'être cités. L'assistant décide, et sa façon de décider évolue.
• Nous ne présentons pas d'astuce secrète. Les leviers connus sont ceux qui rendent votre site clair, accessible et crédible.
• Nous n'intervenons jamais sur place. Notre agence travaille à 100 % à distance, sur votre site et vos réglages.

Pour un contrôle de ces réglages dans un audit, voir notre service GEO ; nos formules figurent dans la page tarifs.

À lire aussi : Être cité par Perplexity : 5 leviers concrets, Mesurer sa visibilité dans les réponses des IA, Structurer une page pour qu'une IA la cite · Pages auteur : les rendre crédibles et utiles · Robots d'IA : faut-il les autoriser ?