ChatGPT mentionnait la marque sur 12,4 % des questions d’achat avant GPT-6 et 13,0 % après
OpenAI a introduit GPT-6 dans ChatGPT le 7 octobre 2026, en commençant par les offres payantes, et annoncé que les utilisateurs Free et Go l’auraient dès le lendemain. Nous lisons les réponses de ChatGPT depuis sa page sans connexion, comme un visiteur américain, et cette analyse n’utilise que celles-là : nous étions donc du côté gratuit de ce déploiement. Le nom de modèle indiqué par la page dans nos réponses est passé de gpt-5-6 à gpt-6 tard le 8 octobre, en UTC, et n’a plus changé.
Cela nous donnait un avant et un après sur les mêmes questions. Nous avons pris chaque question d’achat (une question qui ne nomme pas la marque) à laquelle ChatGPT avait répondu sous les deux étiquettes entre le 4 et le 18 octobre : 188 questions pour 16 marques, 362 réponses sur GPT-5.6 et 349 sur GPT-6.
En moyenne par question, ChatGPT mentionnait la marque dans 12,4 % des cas avant la bascule et 13,0 % après. La différence est de 0,6 point, avec un intervalle à 95 % de moins 1,8 à plus 2,9. Sur les 30 questions où la marque apparaissait au moins une fois, 4 sont passées de généralement mentionnée à généralement absente, et 3 en sens inverse.
Les réponses se sont allongées de 40 % et citaient 64 % de sources en plus
Les mêmes 188 questions ont obtenu des réponses très différentes à tous les autres égards.
- Longueur : 529 mots par réponse en moyenne avant, 738 après. 167 des 188 questions ont obtenu une réponse plus longue.
- Structure : le nombre d’intertitres par réponse a à peu près doublé, d’environ 4 à 8. Les puces et les tableaux sont restés à peu près stables, la longueur supplémentaire est donc allée dans davantage de sections.
- Citations : 5,1 liens cités par réponse avant, 8,4 après, de 4,0 domaines distincts à 5,9.
- Recherche : ChatGPT faisait moins de recherches pour y arriver, 3,0 par réponse avant et 2,0 après.
Claude, Perplexity et AI Overviews ont à peine changé sur les mêmes questions
Le calendrier peut tromper. Les marques modifient leurs pages, les classements sont mis à jour et notre propre chaîne de traitement évolue. Nous avons donc coupé les mêmes questions d’achat à la même date sur les trois moteurs qui n’ont pas changé de modèle cette semaine-là.
Les réponses de Claude sont passées de 256 mots à 255, celles de Perplexity de 233 à 243, et celles de Google AI Overviews de 293 à 334. Les citations par réponse ont bougé de moins d’une unité sur les trois. Le taux de mention de la marque a bougé de moins de 2,5 points sur chacun, à peu près autant que celui de ChatGPT. Le changement de longueur et de sources tient donc au modèle de ChatGPT, et la stabilité du taux de mention n’est pas une propriété qui manquait aux autres moteurs.
Votre propre site est peut-être un peu plus cité, et nous ne pouvons pas encore le dire
Le site de la marque était cité dans 7,6 % des réponses de ChatGPT à ces questions d’achat avant la bascule et 10,8 % après. C’est le sens qu’on espère quand une réponse contient plus de sources. Mais l’intervalle de la variation va de moins 0,1 à plus 6,8 points, et il repose sur 9 questions qui ont commencé à citer le site de la marque contre 5 qui ont arrêté. Trop peu pour conclure.
Ce qu’il faut vérifier quand un moteur publie un nouveau modèle
Le réflexe courant est de traiter la sortie d’un modèle comme une remise à zéro et de commencer à réécrire des pages. Au vu de ces données, attendez une semaine et vérifiez plutôt.
- Sachez quel modèle a produit chaque réponse. Une courbe de tendance qui mélange deux modèles sans le dire masquera la bascule ou en inventera une.
- Comparez les mêmes questions avant et après. Un jeu de questions différent de chaque côté ne vous apprend rien sur le modèle.
- Comparez avec un moteur qui n’a pas changé la même semaine. Si les deux ont bougé, le modèle n’était pas la cause.
- Lisez les citations, pas seulement le taux de mention. Dans nos données, le modèle a bien plus changé ce que ChatGPT citait que le fait qu’il mentionne la marque.
Comment Proofsource s’en charge
Chaque réponse enregistrée par Proofsource conserve le nom de modèle indiqué par le moteur, à côté du texte de la réponse, des sources citées et des recherches effectuées. La vue de la réponse affiche ce modèle, et la ligne de méthode sous les graphiques Visibilité et Prompts liste les deux versions quand un moteur a changé de modèle dans la période choisie, si bien qu’un avant et après comme celui-ci est visible au lieu d’être mélangé.
Où cette analyse pourrait se tromper
Il s’agit uniquement de ChatGPT sans connexion. Les notes de version d’OpenAI indiquent que Free et Go utilisent GPT-6 Luna et les offres payantes GPT-6 Sol, et nous n’avons pas mesuré Sol. La page d’aide d’OpenAI sur les modèles décrivait encore GPT-5.6 Luna comme modèle par défaut de Free quand nous l’avons lue, donc l’étiquette gpt-6 est ce que la page a indiqué à notre fournisseur de données et nous n’avons pas confirmé de quelle variante il s’agissait.
GPT-6 peut répondre avec des visuels et des éléments interactifs. Nous capturons la réponse sous forme de texte, donc tout ce qui n’apparaissait que dans ces éléments ne serait pas compté.
L’échantillon est petit : 188 questions pour 16 marques, surtout de petites entreprises ayant un espace de travail Proofsource, et environ la moitié des questions n’avaient qu’une réponse de chaque côté, à un jour d’écart. Un effet de deux ou trois points dans un sens ou dans l’autre reste possible. « Mentionnée » signifie que notre extraction a trouvé la marque dans la réponse, et un oubli compte de la même façon des deux côtés.
Dix jours après une sortie, c’est tôt. OpenAI peut changer le modèle derrière une étiquette sans l’annoncer, et la prochaine mise à jour peut se comporter autrement.
