Soixante-dix Prompts ont produit 1 702 citations, environ huit par réponse
La plupart des discussions sur la visibilité IA traitent une réponse comme un verdict sur une page. La vôtre. C’est ainsi qu’elle se lit de l’intérieur, parce que vous ne vérifiez jamais que votre présence.
Un audit publié en septembre 2025 par Arlen Kumar et Leanid Palkhouski, de UC Berkeley et Wrodium Research, a chiffré la forme de la chose. Ils ont passé 70 Prompts à intention d’achat de 16 secteurs du SaaS B2B dans Brave Summary, Google AI Overviews et sonar-pro de Perplexity, et recueilli 1 702 citations pointant vers 1 100 URL uniques.
Soixante-dix Prompts sur trois moteurs, cela fait 210 réponses. Répartissez 1 702 citations entre elles et vous obtenez environ huit URL citées par réponse. C’est la vraie unité. Huit places, et sept appartiennent à quelqu’un d’autre même les bons jours.
Sur les questions de logiciel, 72,7 % des domaines cités n’étaient pas ceux des éditeurs
Une deuxième étude du même mois permet de savoir qui sont ces voisins. Mahe Chen, Xiaoxuan Wang, Kaiwen Chen et Nick Koudas, de l’Université de Toronto, ont lancé 1 000 Prompts de classement grand public, dix catégories à cent chacune, aux États-Unis et au Canada, sur Google et sur un GPT connecté au web. Ils ont pris les dix premières URL par requête et classé chaque domaine en Brand, Social ou Earned, c’est-à-dire médias indépendants, sites d’avis et sites comparatifs.
Pour les produits logiciels aux États-Unis, la recherche IA renvoyait 72,7 % d’Earned, 26,7 % de Brand et presque pas de Social. Google, sur les mêmes intentions, donnait 43,7 % de Brand, 45,4 % d’Earned et 10,9 % de Social. Le Canada était encore plus marqué : la recherche IA donnait 74,2 % d’Earned et aucun Social, tandis que Google penchait à 53,8 % vers Brand. L’électronique grand public aux États-Unis allait encore plus loin, avec 92,1 % d’Earned.
Pour une marque, la lecture pique un peu. Sur une question de catégorie, l’essentiel de ce sur quoi travaille le modèle a été écrit par des gens que vous n’employez pas, sur des pages que vous ne pouvez pas modifier.
La co-citation a été définie en 1973, et la définition dit tout
Une idée plus ancienne s’y applique exactement. En 1973, Henry Small a défini la co-citation dans le Journal of the American Society for Information Science comme la fréquence à laquelle deux documents sont cités ensemble, mesurée en comparant les listes de documents citants et en comptant les entrées identiques. Les grappes d’articles co-cités, a-t-il montré, cartographient la structure d’une spécialité scientifique.
La propriété qui vaut d’être reprise est celle sur laquelle Small a construit la mesure. La co-citation est créée par celui qui cite. Deux articles deviennent voisins parce qu’un tiers les cite sans cesse ensemble. Aucun ne peut décréter la relation, et aucun ne peut s’en retirer.
Transposez cela à un moteur de réponse et la conséquence est inconfortable. Vous ne choisissez pas les pages à côté desquelles vous apparaissez. Le moteur assemble l’ensemble, à neuf à chaque requête, et l’acheteur lit les huit sources comme un tout. Deux éditeurs aux pages presque identiques peuvent tomber dans des voisinages différents et être lus différemment pour cette raison.
Seules 134 des 1 100 pages citées apparaissaient sur plus d’un moteur
Les voisinages ne se transposent pas non plus. Dans le corpus de Kumar et Palkhouski, 134 URL étaient comptées comme des citations multi-moteurs. Rapporté aux 1 100 URL auditées, cela fait environ une sur huit, donc à peu près sept huitièmes des pages citées ne l’étaient que par un seul moteur. Les 134 qui voyageaient obtenaient un score supérieur de 71 % sur l’indice de qualité de page de l’article, ce qui plaide plutôt bien pour le travail structurel, aussi ingrat soit-il.
La lecture pratique est qu’une place dans l’ensemble de sources de Perplexity dit très peu de choses sur Google AI Overviews. Si votre tableau de bord fond les moteurs en un seul chiffre de visibilité, il fait la moyenne de trois populations de pages en grande partie distinctes.
Citer les autres a fait progresser de 115 % le site classé cinquième
Voici la partie qui change ce que vous faites lundi. L’article qui a nommé la generative engine optimization, de Pranjal Aggarwal et ses collègues à Princeton, a testé neuf réécritures de contenu sur un benchmark de 10 000 requêtes couvrant 25 domaines.
Trois méthodes arrivaient en tête : ajouter des citations de sources crédibles, ajouter des citations textuelles et ajouter des statistiques. Ensemble, elles produisaient une amélioration relative de 30 à 40 % sur la métrique de nombre de mots ajusté à la position de l’article, et de 15 à 30 % sur son score d’impression subjective.
Ventilée par rang de recherche, la méthode Cite Sources augmentait la visibilité de 115,1 % pour les sites déjà classés cinquièmes, tandis que la visibilité du site classé premier baissait en moyenne de 30,3 %. Le levier n’est pas l’autorité. C’est la citabilité. Une page qui cite des sources crédibles donne au modèle quelque chose à reprendre, et elle place votre phrase dans le même paragraphe que les sources que vous avez citées.
C’est l’argument de la co-citation dans l’autre sens. Qui vous citez façonne avec qui vous êtes cité.
Mesurez le voisinage, pas seulement votre propre ligne
Si l’ensemble est l’unité, quatre questions valent plus qu’un décompte de citations.
- Quels domaines reviennent ensemble pour votre catégorie. Si les mêmes quatre pages reviennent sur vos Prompts, ce groupe est la vraie liste de sources de votre catégorie, et elle peut être connue.
- Si un concurrent se trouve dans un ensemble dont vous êtes absent. C’est une lacune de placement, et aucune réécriture de votre page d’accueil ne la comble.
- Par moteur, séparément. Selon les chiffres ci-dessus, les ensembles se recoupent à peine, donc le voisinage d’un moteur prédit mal celui d’un autre.
- Quelles pages co-citées acceptent des propositions ou des corrections. La plupart des classements le font, et demander est généralement le moyen le moins cher d’entrer dans un ensemble dont vous êtes exclu.
Ce que nous faisons à ce sujet
C’est pourquoi Proofsource réalise une cartographie des co-citations à côté du suivi des Prompts et de la détection des lacunes de citation. Le rapport montre quelles sources voyagent ensemble pour votre catégorie et de quelles sources vous êtes absent, et le rapport client propose une vue de la composition et de la fraîcheur des sources de listicles pour la même raison.
Notre propre échantillonnage va dans le même sens. Sur une question « meilleur de la catégorie », dans la seule catégorie que nous avons testée, les listicles et classements représentaient environ 44 % des sources citées par ChatGPT, les sites d’avis 24 % et les pages d’éditeurs 18 %. Ce sont nos chiffres, une catégorie et un moteur, et nous ne les défendrions pas comme une loi générale.
Cela signifie aussi que nous disons assez souvent que le correctif le moins cher se trouve sur une page que vous ne possédez pas et que nous ne pouvons pas toucher. Nous préférons le dire plutôt que de vendre une réécriture qui ne fera rien bouger.
Où cette analyse pourrait se tromper
Les deux audits ont été réalisés en septembre 2025. Cela fait un an, et chaque moteur concerné a publié de nombreuses versions depuis. Considérez le sens comme bien étayé et les pourcentages exacts comme datés.
L’étude de Kumar et Palkhouski est observationnelle, en anglais, sur le SaaS B2B, et recueillie à un instant donné à partir de 70 Prompts. Elle interrogeait Perplexity via l’API sonar-pro, qui ne se comporte pas forcément comme le produit grand public. Leur chiffre de 134 est un décompte dans ce corpus, et ils ne publient aucun recoupement par paire, donc nous ne pouvons pas dire quels deux moteurs en partagent le plus.
L’étude de Toronto a classé chaque domaine avec GPT-4o-search-preview. Des étiquettes attribuées par un modèle portent les erreurs du modèle, et la frontière entre Brand et Earned devient réellement floue pour un site comparatif financé par un éditeur.
Il y a un désaccord que nous ne pouvons pas trancher ici. Plusieurs outils de suivi largement relayés indiquent que les plateformes communautaires comme Reddit prennent une très grande part des citations IA, alors que cette étude a trouvé un Social proche de zéro. Nous n’avons pas pu remonter de ces outils à une source primaire, donc nous n’en citons aucun chiffre. Nous signalons le conflit au lieu de prendre parti.
Le benchmark d’Aggarwal date de 2023 et 2024 et a été évalué sur des moteurs vieux de deux générations. Retenez-en le mécanisme et considérez les 115 % comme un artefact de ce dispositif.
La mesure de Small en 1973 décrivait un corpus imprimé figé. L’ensemble de sources d’une réponse est régénéré à chaque requête, donc avec qui vous êtes cité est une distribution. Une seule réponse n’établit rien sur votre voisinage.
