Étude GEO : d’où viennent vraiment les sources citées par les IA ?

À mesure que les intelligences artificielles deviennent des interfaces d’accès à l’information, une question revient de plus en plus souvent dans les démarches GEO : d’où viennent réellement les sources qu’elles mobilisent lorsqu’elles citent un contenu, une entreprise ou une activité ?

Cette étude part d’un constat simple : les discours sur les IA génératives restent souvent vagues. On affirme qu’elles « lisent le web », qu’elles « citent Reddit », qu’elles « privilégient Wikipédia », ou qu’elles « reprennent les pages les mieux positionnées ». Mais, dans les faits, les moteurs IA n’utilisent ni les mêmes logiques, ni les mêmes couches d’accès à l’information, ni les mêmes mécanismes de citation.

L’objectif ici n’est donc pas de produire une théorie générale des modèles de langage, mais de documenter une question beaucoup plus concrète : quels types de sources sont réellement cités par les IA dans des situations d’usage observables ?

Pourquoi cette étude GEO

Dans les stratégies classiques de visibilité, le référencement naturel reposait en grande partie sur Google, sa SERP, ses signaux d’autorité et sa capacité à classer des pages. Avec les IA de réponse, le problème se déplace. Il ne s’agit plus seulement d’être positionné, mais d’être identifié comme une source exploitable, fiable, mobilisable et parfois résumable.

Cette évolution crée un besoin nouveau : comprendre non seulement comment une page se positionne, mais aussi comment un moteur IA décide qu’elle mérite d’être citée. Une stratégie GEO ne peut pas reposer uniquement sur des intuitions. Elle suppose d’observer les comportements réels de citation, les types de domaines repris, et les écarts entre les moteurs.

Les moteurs analysés

Le périmètre de l’étude inclut plusieurs moteurs et assistants aujourd’hui largement utilisés : ChatGPT avec navigation web, Google AI Overviews, Perplexity, Microsoft Copilot, ainsi que Claude. Ce choix n’est pas neutre : ces outils n’ont pas le même rapport au web, ni la même manière de produire des citations.

Perplexity et Copilot relèvent fortement d’une logique de recherche augmentée. Google AI Overviews s’appuie sur l’écosystème de recherche Google. ChatGPT combine un modèle généraliste avec des capacités de navigation web selon les contextes et les versions. Claude, de son côté, doit être traité à part : il ne constitue pas d’abord une IA de recherche, et une partie de ses réponses dépend encore d’un corpus d’entraînement antérieur, la recherche web n’étant déclenchée que dans certains cas spécifiques.

Le cas particulier de Microsoft Copilot

Il est important d’intégrer Microsoft Copilot dans une telle étude, car son usage est structurellement fort dans l’environnement Windows et dans l’écosystème Microsoft. Pour une partie du public professionnel, Copilot constitue déjà un point d’entrée quotidien vers l’information, au même titre que ChatGPT ou Perplexity.

Dans cette étude, Copilot est observé comme une interface de réponse qui s’appuie sur Bing et sur la couche de recherche Microsoft pour mobiliser ses citations. Cela signifie que sa logique de sélection des sources ne se confond ni avec celle de Google, ni avec celle de Perplexity, même lorsque les réponses semblent proches dans leur formulation.

Le cas particulier de Claude

Claude mérite un traitement spécifique, car il est souvent comparé à des moteurs de recherche IA alors que son fonctionnement n’est pas de même nature. Claude reste avant tout un modèle généraliste, dont une partie des réponses s’appuie sur des données d’entraînement arrêtées à une période donnée.

Cela implique une distinction importante pour l’étude : lorsqu’une réponse de Claude ne s’appuie pas sur une recherche web active, les références mobilisées relèvent surtout de sa mémoire de modèle, et non d’une sélection dynamique de pages consultées en direct. Lorsqu’une recherche web est déclenchée, l’analyse doit alors distinguer ce qui relève du corpus entraîné et ce qui relève d’une récupération externe plus récente.

Ce que l’on cherche réellement à observer

Le cœur de l’étude ne consiste pas uniquement à relever des URLs. Il s’agit plutôt d’identifier des familles de sources : sites de marque, médias, blogs spécialisés, réseaux sociaux, plateformes d’avis, fiches locales, annuaires, contenus institutionnels, ou encore sources encyclopédiques.

Cette typologie est essentielle, car une citation n’a pas la même portée selon qu’elle provient d’un site officiel, d’une fiche d’établissement, d’un média reconnu, d’un profil LinkedIn, d’une discussion Reddit, ou d’une page de comparaison sectorielle. Une étude GEO utile doit donc dépasser la simple liste de domaines pour interroger la nature même des sources citées.

Hypothèse de départ

L’hypothèse qui guide cette étude est la suivante : les IA ne citent pas « le web » de manière homogène, mais s’appuient sur un ensemble relativement restreint de sources perçues comme exploitables, avec des préférences différentes selon les moteurs, les requêtes, et les contextes de réponse.

Autrement dit, il est probable qu’une partie importante des citations IA provienne de sources que les entreprises peuvent encore structurer, maîtriser ou influencer : leur propre site, leurs fiches locales, leurs profils officiels, leurs contenus d’expertise, ou certains relais éditoriaux cohérents. Si cette hypothèse se confirme, alors la question de la lisibilité IA devient un enjeu stratégique bien plus concret qu’un simple discours sur l’avenir du SEO.

Ce que cette étude ne prétend pas faire

Cette étude n’a pas pour vocation de révéler l’algorithme interne de chaque moteur. Elle ne prétend pas non plus isoler de manière certaine tous les signaux exacts qui déclenchent une citation. Les moteurs IA restent des systèmes partiellement opaques, dont les comportements évoluent rapidement.

Il s’agit donc d’un travail d’observation raisonnée, fondé sur des tests comparés, des requêtes répétées, et une lecture structurée des réponses produites. La valeur de cette démarche ne réside pas dans une promesse de certitude absolue, mais dans sa capacité à faire apparaître des régularités utiles pour le GEO.

Ce que cette étude peut changer pour les entreprises

Si les sources citées par les IA proviennent majoritairement d’un noyau identifiable de contenus et de signaux, alors les entreprises disposent d’un levier d’action réel. Elles peuvent travailler la cohérence de leur présence, la stabilité de leurs désignations, la clarté de leurs pages métier, la qualité de leurs fiches et la structuration de leurs contenus.

En ce sens, la question n’est plus seulement « comment remonter dans Google », mais aussi : comment devenir une source compréhensible, stable et mobilisable pour plusieurs moteurs IA à la fois ? C’est précisément le terrain du GEO, entendu comme travail de lisibilité, de cohérence et de représentation dans les environnements génératifs.

Suite de l’étude

La suite de ce travail consistera à comparer, sur des requêtes identiques, les citations produites par différents moteurs, afin d’identifier les régularités, les divergences et les types de sources qui reviennent le plus souvent. L’enjeu n’est pas seulement descriptif : il s’agit de construire une lecture opérationnelle de ces citations, utile pour les projets qui cherchent à comprendre leur propre lisibilité face aux IA.
Cette première phase a permis de documenter les types de sources qui émergent spontanément dans les réponses générées par les principaux moteurs IA, ainsi que la façon dont elles sont mobilisées dans les citations.
La suite de l’étude, avec le protocole détaillé, les jeux de requêtes, les tableaux de résultats par moteur et les pistes opérationnelles pour les marques, est publiée sur Studio Web Stratégie. Elle s’inscrit dans un corpus plus large d’analyses GEO consacrées à la désignation, à la cohérence informationnelle, à la lisibilité des activités et aux mécanismes de citation observables dans les moteurs de réponse.

Consulter l'étude complète : Étude GEO – Sources citées par les IA (protocole et résultats)