Pau · Tarbes · BéarnUn projet de communication ? Décrivez-le, on vous rappelle
Accueil / Guides / Comment les moteurs génératifs choisissent leurs sources
geo

Comment les moteurs génératifs choisissent leurs sources

Posez la même question à trois assistants. Il arrive que deux citent la même page, un troisième une page que vous ne connaissiez pas, et qu'aucune des trois ne soit la mieux classée dans Google.

Étagères de classeurs colorés bien rangés
Étagères de classeurs colorés bien rangés

Parlons de votre projet

Un rappel sous 24 h ouvrées. Sans engagement.

Étape 1 sur 2 — votre besoin

Étape 2 sur 2 — vous joindre

Florian Bourret bébé, la photo qu’il a choisie pour se présenter

Par Gérant de Happiness, consultant SEO3 septembre 2026

Synthèse express

Pas le temps de tout lire ? Faites résumer cette page par :

ChatGPTPerplexityGoogle mode IAClaudeCopilotMistralGrok

Ouvrir la version .md

Astuce : ajoutez index.md à n’importe quelle adresse du site pour obtenir sa version texte.

Le mécanisme, en clair

Quand un moteur de recherche génératif répond avec des sources, il ne fouille pas dans sa mémoire. Il fait une recherche sur le web, lit quelques pages, et rédige à partir de ce qu'il a lu. Ce mécanisme s'appelle la génération augmentée par récupération d'informations, ou RAG (retrieval-augmented generation), un principe décrit dans un article de recherche publié en 2020.

La recherche générative se décompose en quatre temps, et chacun est un endroit où votre page peut être retenue ou écartée.

La reformulation. Le modèle de langage transforme votre question, posée en langage naturel, en une ou plusieurs requêtes de recherche. Une question longue produit souvent trois ou quatre requêtes différentes. Ce ne sont plus vos mots.

La récupération. Un moteur de recherche renvoie des résultats pertinents pour ces requêtes. Selon l'outil, c'est un moteur de recherche web partenaire ou un index maison. C'est l'étape où votre présence dans l'index des moteurs de recherche classiques compte encore beaucoup.

La sélection. Le système ne lit pas tout. Il retient quelques documents, souvent moins de dix, et souvent des extraits de ces contenus plutôt que le texte entier. C'est l'étape la plus déterminante et la moins visible.

La rédaction. Le modèle d'intelligence artificielle écrit un texte à partir de ces extraits, en citant tout ou partie des documents lus. Le choix de ce qui est cité dépend de ce qui a servi à le formuler.

Moteur de recherche génératif ou moteur classique : ce qui change

Un moteur de recherche classique renvoie une liste de pages web classées ; l'internaute compare, clique et lit. Un moteur de recherche génératif lit à sa place et rédige une synthèse, avec quelques liens vers ses références. Perplexity, la recherche de ChatGPT, Gemini ou les Aperçus IA de Google en sont des exemples. Les deux familles s'appuient sur un index du web ; ce qui diffère, c'est ce que l'internaute voit des résultats.

Moteur de recherche classiqueMoteur de recherche génératif
Ce qu'il renvoieUne liste de résultats pertinents, classésUne réponse rédigée, quelques sources citées
Ce que fait l'utilisateurIl compare les résultats et cliqueIl lit la réponse, puis relance la conversation
Ce qui compte pour une pageSon classementQu'un de ses passages serve à rédiger la réponse
Ce qui se mesurePositions, clics, impressionsPresque rien, hors trafic référent

Le travail qui vise ces réponses a reçu un nom, le GEO (generative engine optimization) : l'optimisation pour les moteurs génératifs. Le terme vient d'un article de recherche publié en novembre 2023 et présenté à la conférence KDD en 2024, qui mesurait l'effet de modifications de texte sur la visibilité des sources dans les réponses. Les gains annoncés, jusqu'à 40 % de visibilité en plus, portent sur un dispositif expérimental, pas sur un moteur du marché. SEO et GEO se recouvrent largement : une page absente des résultats de recherche classiques a peu de chances d'être lue par un moteur génératif.

Ce qui décide à l'étape de sélection

Il n'existe pas de documentation publique détaillée sur ces mécanismes de recherche générative, et il faut le dire plutôt que de fabriquer des certitudes. Ce qui suit vient d'observations répétées, pas d'un document officiel. Les algorithmes de chaque système changent, et ces constats décrivent la manière dont ils se comportaient au moment où je les ai relevés.

L'extractibilité. Un passage qui répond à la question dans un bloc court, autonome, compréhensible sans le reste de la page, est bien plus souvent retenu qu'une réponse dispersée sur quatre paragraphes. La structure de l'information importe autant que le contenu.

La correspondance avec la requête reformulée. Comme la question de l'utilisateur a été reformulée, une page qui traite littéralement la formulation d'origine n'est pas forcément retenue. Traiter plusieurs formulations d'une même question, dans la page, augmente les chances.

La fraîcheur, sur les sujets qui bougent. Sur une question dont la réponse a changé récemment, les pages récentes sont favorisées, souvent au détriment de pages plus complètes mais anciennes.

La spécificité. Une page qui donne une information précise, un chiffre, une date, une valeur est plus utile à un modèle qui doit rédiger une réponse factuelle qu'une page qui décrit un principe général. C'est le renversement le plus intéressant par rapport au référencement naturel classique : ici, le détail vérifiable vaut mieux que le tour d'horizon.

La convergence. Quand plusieurs sources indépendantes disent la même chose, cette information est retenue avec plus de confiance. Une information que vous êtes seul à publier est reprise avec plus de réserve, ou attribuée explicitement.

Ce qui ne décide pas, ou beaucoup moins

La position dans les résultats classiques. Elle compte pour entrer dans le lot récupéré, elle ne décide pas de la citation. J'ai vu à plusieurs reprises des pages en huitième position citées quand la première ne l'était pas.

Le volume de la page. Un texte de cinq mille mots n'est pas mieux traité qu'un texte de mille mots qui répond directement. L'extrait retenu fait quelques phrases.

Les optimisations de forme. La densité de mots-clés, les balises de titre, les mots en gras : rien de tout cela ne pèse à l'étape de sélection, qui travaille sur du texte.

Les différences entre assistants

Elles sont réelles, d'un moteur génératif à l'autre, et elles changent la façon dont on est cité.

Certains moteurs de recherche génératifs cherchent systématiquement et citent abondamment, avec des liens numérotés dans la réponse. Ils se comportent comme des moteurs de recherche qui rédigent, et le trafic qu'ils envoient est mesurable.

D'autres outils d'intelligence artificielle ne cherchent que lorsque la question l'appelle : sur une question générale, ils répondent de mémoire, sans source. La citation est alors rare et le trafic quasi nul.

Les résumés générés intégrés aux moteurs de recherche classiques constituent un troisième cas. Chez Google, ce sont les Aperçus IA (AI Overviews), présentés en mai 2023 sous le nom de Search Generative Experience et déployés en France le 22 juillet 2026, en même temps qu'un Mode IA conversationnel. Ils citent des sources, souvent en retrait visuel, et leur effet sur les clics fait débat. Ce qui est observable sur des sites que je suis : les impressions restent, les clics baissent sur les requêtes purement informationnelles. Je n'ai pas de mesure généralisable, et je me méfie des chiffres qui circulent sur ce point.

D'où chaque outil tire ses résultats

Les algorithmes de sélection restent opaques, mais les éditeurs disent au moins où leurs outils vont chercher. C'est utile, parce que cela indique quel index il faut d'abord soigner.

Microsoft Copilot et l'index de Bing

Microsoft l'écrit dans sa documentation : quand la recherche web est activée, Copilot génère une requête, l'envoie au service de recherche Bing et s'appuie sur les résultats pour ancrer sa réponse. Un site mal indexé dans Bing a donc peu de chances d'apparaître dans Copilot, quel que soit son classement dans Google. Bing Webmaster Tools, gratuit, permet de vérifier ce point.

ChatGPT et ses partenaires de recherche

OpenAI indique que la recherche de ChatGPT s'appuie parfois sur des fournisseurs de recherche partenaires, sans en publier la liste complète, et qu'elle visite les pages avec ses propres robots. Le robot OAI-SearchBot, cité plus haut, est celui qui compte pour apparaître dans ces résultats.

Perplexity et son propre robot

Perplexity documente deux robots : PerplexityBot, qui sert à faire apparaître et à lier des sites dans ses résultats, et Perplexity-User, qui visite une page quand un internaute pose une question. L'éditeur précise qu'aucun des deux ne collecte de contenus pour entraîner des modèles.

Google et la démultiplication des recherches

Pour son Mode IA, Google décrit une technique de « query fan-out » : la question est découpée en sous-thèmes, et plusieurs recherches partent en même temps pour couvrir chacun d'eux. C'est la reformulation décrite au début de cet article, poussée plus loin. Une page qui traite un sous-thème précis peut ainsi être retenue sur une question qu'elle ne traite pas en entier.

Avantages et limites pour une entreprise

Le sujet se vend souvent avec des promesses. Mieux vaut poser les deux colonnes à plat.

Ce que la recherche générative apporte

Une mention dans une réponse arrive dans un contexte : l'internaute a posé une question précise, et votre nom apparaît à côté d'une explication. Les visites qui en viennent sont peu nombreuses mais souvent mieux qualifiées, parce que la personne a déjà lu un résumé avant de cliquer. Pour les entreprises qui publient des informations sourcées, chiffrées et datées, c'est un débouché de plus pour un travail qu'elles font déjà pour le SEO.

Ce qu'elle ne permet pas

Aucun contrôle sur la manière dont l'outil résume votre propos, aucune donnée sur le nombre d'apparitions, et une durée de vie courte : la même question posée un mois plus tard peut donner un autre résultat, parce que l'index, le modèle ou la reformulation ont changé. Les recherches des utilisateurs ne sont pas visibles non plus, contrairement aux requêtes affichées dans Google Search Console. Toute stratégie GEO doit composer avec cette part d'aveuglement, et la dire au client plutôt que de la masquer derrière un tableau de bord.

Ce qui se vérifie, côté site

Cinq choses, et elles sont toutes gratuites.

Le contenu est-il lisible sans exécuter de script ? Beaucoup de robots de collecte de données lisent le HTML brut. Un texte produit par du JavaScript côté navigateur peut n'être vu par personne. Le test : désactiver JavaScript et regarder si la page est vide.

Les robots sont-ils autorisés ? Le fichier robots.txt, à la racine du site, peut bloquer les robots des assistants, qui portent des noms distincts de ceux des moteurs de recherche classiques. Chez OpenAI, OAI-SearchBot alimente la recherche de ChatGPT et GPTBot collecte des données d'entraînement ; chez Google, le jeton Google-Extended règle l'usage des pages pour Gemini sans toucher à leur présence dans Google Search. C'est une décision, dans un sens ou dans l'autre, et beaucoup de sites la subissent sans l'avoir prise.

Les réponses sont-elles extractibles ? Une question posée en intertitre, une réponse dans le paragraphe qui suit, autonome et compréhensible seule. C'est la forme qui se prête le mieux à l'extraction, et elle est aussi celle qui se lit le mieux.

Les faits sont-ils datés et sourcés ? Une phrase qui dit « selon telle source, relevé à telle date » se cite proprement. Une affirmation sans source se cite mal, ou se cite avec une réserve.

Les données structurées sont-elles cohérentes ? Google écrit qu'aucun balisage schema.org particulier n'est nécessaire pour apparaître dans les Aperçus IA ou le Mode IA, et qu'aucun fichier spécial destiné aux IA n'est requis. Il recommande en revanche que les données structurées correspondent au texte visible. Le nom de l'entreprise, l'adresse, les horaires et les prix doivent donc être identiques dans le balisage, dans le texte et sur la fiche d'établissement : un système qui croise des données contradictoires perd le contexte et retient l'une au hasard, ou aucune.

Ce qu'on ne peut pas mesurer, et qu'il faut assumer

C'est la partie inconfortable, et elle mérite d'être écrite plutôt qu'esquivée.

Les assistants ne fournissent pas de tableau de bord aux éditeurs. On ne sait pas combien de fois une page a été lue par un modèle, ni combien de réponses elle a alimentées. Le trafic référent est partiellement identifiable dans les journaux du serveur et les outils de mesure d'audience, et il est faible en volume.

Ce qui se mesure, en le faisant à la main : poser régulièrement les dix questions qui comptent pour votre activité aux principaux moteurs de recherche génératifs, et noter quelles sources sont citées. C'est artisanal, cela prend une heure par trimestre, et c'est aujourd'hui la seule observation directe disponible. La méthode pour mesurer sa visibilité dans les IA avec un protocole stable, mêmes questions, mêmes outils, même jour du mois, rend ces relevés comparables d'un trimestre à l'autre.

Ce que j'en conclus pour l'instant : ce chantier ne justifie pas un budget séparé. Il justifie que le travail éditorial soit fait d'une certaine façon, qui se trouve être aussi celle qui sert les lecteurs.

Le cas des requêtes locales, qui se comporte à part

C'est l'observation la plus surprenante quand on refait l'exercice sur des questions du Béarn.

Sur une question du type « où faire imprimer des cartes de visite à Pau », les moteurs génératifs ne se comportent pas comme sur une question générale. Deux d'entre eux basculent sur des sources d'annuaire, de cartographie ou de plateforme d'avis, exactement comme le bloc local d'un moteur de recherche classique. Les sites d'entreprise, eux, apparaissent peu, et quand ils apparaissent c'est en général par une page qui traite le sujet et non par la page d'accueil.

Trois conséquences pratiques pour les entreprises locales.

La fiche d'établissement, la fiche Google Business Profile en premier lieu, compte ici comme ailleurs, et probablement plus : c'est une source structurée, à jour, avec des horaires et une adresse, exactement ce dont un modèle a besoin pour composer une réponse factuelle.

Les annuaires professionnels et sectoriels ne sont pas morts. Ils sont même surreprésentés dans ce que remontent les outils d'intelligence artificielle sur les questions locales, parce que ce sont des pages qui listent, comparent et situent, ce qui correspond à la forme d'une réponse attendue.

La page qui traite le sujet l'emporte sur la page qui vend. Une page « imprimeur à Pau » qui explique ce qu'un atelier local fait, quels délais il tient et ce qu'il faut lui fournir a plus de chances d'alimenter une réponse qu'une page de présentation d'entreprise.

Ce qui se passe quand plusieurs sources se contredisent

Le cas est fréquent sur les sujets techniques, et il est instructif.

Quand deux pages retenues disent des choses différentes, les moteurs génératifs ne tranchent pas toujours de la même façon. Certains présentent les deux versions en attribuant chacune à sa source, ce qui est le comportement le plus honnête. D'autres retiennent la version majoritaire sans signaler qu'une autre existe. D'autres encore fusionnent, ce qui produit parfois une phrase qu'aucune des deux sources ne contient.

Ce dernier cas est celui qui pose le plus de problèmes, et il explique une partie des affirmations étranges qu'on lit dans ces réponses. Il explique aussi pourquoi une source qui date et qualifie ses affirmations est mieux traitée : une phrase du type « selon telle source relevée à telle date, la valeur est de tant » se recopie difficilement de travers, alors qu'une affirmation nue se fond dans n'importe quoi.

C'est un argument de plus pour une pratique qui n'a rien de nouveau : écrire d'où vient ce qu'on affirme.

Sources

  • Patrick Lewis et al., « Retrieval-Augmented Generation for Knowledge-Intensive NLP Tasks », arXiv 2005.11401, NeurIPS 2020, consulté le 4 octobre 2026.
  • Pranjal Aggarwal et al., « GEO: Generative Engine Optimization », arXiv 2311.09735, novembre 2023, KDD 2024, consulté le 4 octobre 2026 (gain de visibilité « jusqu'à 40 % » en conditions expérimentales).
  • Google, « Search Labs » et Search Generative Experience, annonce de mai 2023, consulté le 4 octobre 2026.
  • Google France, « Lancement des Aperçus IA et du Mode IA dans la Recherche Google en France », 22 juillet 2026, consulté le 4 octobre 2026.
  • OpenAI, « Overview of OpenAI Crawlers » (OAI-SearchBot, GPTBot, ChatGPT-User), consulté le 4 octobre 2026.
  • Google Search Central, « Google's common crawlers » (jeton Google-Extended), consulté le 4 octobre 2026.
  • Microsoft Learn, « Data, privacy, and security for web search in Microsoft Copilot and Microsoft Copilot Chat » (requêtes envoyées au service de recherche Bing), consulté le 5 octobre 2026.
  • OpenAI Help Center, « ChatGPT search » (partenariats avec d'autres fournisseurs de recherche), consulté le 5 octobre 2026.
  • Google Search Central, « AI features and your website » (pas de balisage ni de fichier spécial requis), consulté le 5 octobre 2026.
  • Perplexity, « Perplexity Crawlers » (PerplexityBot et Perplexity-User), consulté le 5 octobre 2026.
  • Google, « AI in Search: Going beyond information to intelligence », 20 mai 2025 (technique de query fan-out), consulté le 5 octobre 2026.

Questions fréquentes

Faut-il optimiser son site pour les moteurs génératifs ?

Il n'y a pas de technique distincte à appliquer aujourd'hui. Ce qui semble compter, c'est la structure des réponses, leur autonomie, la présence d'informations datées et sourcées, et l'accessibilité du contenu sans exécution de script. Toutes ces choses servent aussi l'expérience des utilisateurs et le référencement naturel classique.

Les assistants envoient-ils du trafic ?

Peu, et cela dépend beaucoup du moteur génératif : ceux qui citent abondamment avec des liens en envoient de façon mesurable, ceux qui répondent de mémoire n'en envoient presque pas. Sur les sites que je suis, ce trafic reste marginal en volume, avec un taux d'engagement souvent supérieur à la moyenne.

Comment savoir si mon site est cité ?

En posant vous-même les questions qui comptent pour votre activité aux principaux moteurs de recherche génératifs, et en notant qui est cité. Il n'existe pas de tableau de bord fourni aux éditeurs. Une heure par trimestre suffit pour suivre l'évolution sur une dizaine de questions.

Faut-il bloquer les robots des IA ?

C'est une décision d'entreprise, pas une évidence technique. Les bloquer protège le contenu d'un usage d'entraînement des modèles d'intelligence artificielle et supprime toute chance d'être cité comme source. Les autoriser fait l'inverse. Le point important est que ce soit une décision prise, et non un réglage par défaut hérité d'un modèle de site.

Une page ancienne peut-elle encore être citée ?

Oui, et c'est même fréquent sur les sujets stables : une page de référence de 2019 sur une notion technique reste une bonne source. La fraîcheur pèse surtout quand la question porte sur quelque chose qui a changé récemment, une réglementation, un prix, une version d'outil. Sur ces sujets-là, une date de mise à jour visible et exacte compte davantage que l'ancienneté du texte.

Un moteur de recherche génératif remplace-t-il les moteurs de recherche traditionnels ?

Non, il s'appuie dessus. Pour trouver des informations récentes, le modèle de langage interroge un index du web, celui d'un moteur de recherche traditionnel ou le sien, avant de rédiger. Google, de son côté, intègre l'intelligence artificielle générative dans ses propres résultats avec les Aperçus IA. Pour une entreprise, la visibilité en ligne se joue donc encore largement dans la recherche classique, et le référencement naturel reste la porte d'entrée.

GEO et SEO demandent-ils deux stratégies différentes ?

Non, dans la plupart des cas. Les entreprises qui travaillent déjà leur référencement, avec des mots-clés choisis, des informations à jour et une présence en ligne cohérente, ont fait l'essentiel. Le GEO ajoute surtout une manière d'écrire : des réponses autonomes, des faits datés, des recherches anticipées sous plusieurs formulations. Les algorithmes des moteurs génératifs et ceux des moteurs classiques ne sont pas les mêmes, mais ils puisent dans les mêmes contenus, et ce travail se poursuit sur toute la durée de vie du site plutôt qu'en une opération ponctuelle.

Faut-il écrire des pages spécialement pour les assistants ?

Non. Les pages web qui alimentent le mieux ces réponses sont celles qui traitent une question précise, avec des faits datés, dans une structure où chaque réponse se suffit à elle-même. Ce sont aussi les meilleures pages pour un lecteur pressé et pour un moteur de recherche classique. Créer un second corpus destiné aux machines reviendrait à écrire deux fois la même chose, moins bien.