Quelles sources les réponses des IA citent-elles ? Ce qu'il faut regarder au-delà du lien

Quand un assistant affiche une source, on a tendance à lui accorder un crédit supplémentaire. C'est précisément ce que le Lab #2 refuse de faire sans vérification. Notre grille de codage traite chaque URL comme un objet à examiner : existe-t-elle, correspond-elle au sujet, et soutient-elle l'affirmation à laquelle elle est rattachée ?

Nous avons exécuté ce protocole en simulation sur 5 400 réponses. Les adresses du scénario sont fictives — elles se terminent toutes par « .example », un domaine réservé qui ne mène nulle part — et les types de sources suivent nos hypothèses. La simulation n'apprend donc rien sur les sources réellement citées par les assistants ; elle montre comment lire ces données, et pourquoi il faut les lire en trois temps.

La question

Quand une réponse d'IA cite des sources, lesquelles, et que valent-elles pour une PME qui veut être citée ?

Ce que l'on sait déjà

Les éditeurs présentent la citation comme une fonction centrale : Perplexity indique que chaque réponse comporte des citations numérotées vers les sources d'origine ; OpenAI décrit la recherche de ChatGPT comme des réponses accompagnées de liens. Les évaluations indépendantes nuancent : le Tow Center de l'université Columbia a obtenu plus de 60 % de réponses incorrectes en demandant à huit moteurs IA d'identifier l'article d'origine d'extraits de presse, et l'étude de l'UER et de la BBC a relevé un problème d'attribution des sources dans 31 % des 2 709 réponses évaluées.

Côté trafic, le Pew Research Center a mesuré que les utilisateurs ne cliquaient sur un lien cité dans un résumé IA de Google que lors de 1 % des visites. Être cité en source n'est donc pas synonyme de visite.

Ce que montre notre simulation : citer est fréquent, mais inégal

Dans notre scénario, 73,6 % des réponses aux questions de découverte citent au moins une URL. L'écart entre systèmes est large — de 46,4 % pour Gemini à 94 % pour Perplexity — mais il vient directement de nos hypothèses : c'est le seul paramètre que nous avons calé sur la documentation publique des produits, qui annonce des liens à chaque réponse pour Perplexity et les Aperçus IA, et lorsque la recherche web est utilisée pour ChatGPT et Claude.

Une fois ouvertes, 90,1 % des URL du scénario sont valides. Mais parmi les URL vérifiées sur le fond, seules 66,1 % soutiennent réellement l'affirmation qui les cite. C'est la distinction la plus utile du codage : un lien valide peut renvoyer vers une page qui ne dit pas ce que la réponse lui fait dire.

Ce que l'on cite : surtout des tiers

Les sites des entreprises elles-mêmes ne représentent que 17,6 % des URL citées dans notre scénario. Le reste se partage entre annuaires et plateformes d'avis (19,6 %), institutions (15,8 %), comparateurs (15,7 %), médias (15,2 %) et forums.

La répartition change fortement avec le secteur. Annuaires et avis représentent 36,9 % des sources du commerce local ; les comparateurs 25,5 % de celles des logiciels ; les institutions 31,4 % de celles de la formation. Ces proportions sont des choix de modélisation, mais elles traduisent une hypothèse que toute PME peut vérifier chez elle : on est souvent cité à travers ce que d'autres disent de soi.

Ce que cela signifie

Pour être cité, une entreprise dépend au moins autant des pages tierces qui parlent d'elle que de son propre site. Et pour juger une citation, trois questions sont nécessaires : y a-t-il un lien, de quel type de source, et la page soutient-elle ce qu'on lui attribue ? Un score unique de « citations » mélange tout.

Les options

—Optimiser uniquement son site : nécessaire, mais insuffisant si les réponses de votre secteur s'appuient surtout sur des annuaires, des comparateurs ou des institutions.

—Investir dans les sources tierces de son secteur : fiches d'annuaires, avis, présence dans les comparateurs et les listes institutionnelles, exactitude des informations.

—Mesurer avant d'agir : relever, sur vos propres questions, les types de sources effectivement cités, et ouvrir chaque lien.

Notre recommandation

Commencez par relever les sources citées sur dix vraies questions de vos clients, en ouvrant chaque lien. Classez-les par type. Si les annuaires ou les comparateurs dominent, vérifiez d'abord vos fiches sur ces plateformes : c'est souvent le levier le plus rapide et le moins coûteux. Notre guide « Rendre ses pages citables » détaille ce que la documentation officielle des moteurs permet réellement.

Les limites

Tous les chiffres Lab de cet article proviennent de notre simulation : nous avons fixé les hypothèses du modèle, puis généré les réponses, les codages et les arbitrages. Les écarts entre systèmes y reproduisent nos hypothèses d'entrée ; ils ne décrivent pas le comportement réel de ChatGPT, Gemini, Claude, Perplexity ou des Aperçus IA de Google. Ce que la simulation illustre, c'est la méthode et l'effet de la variabilité sur une mesure.

Les URL et les types de sources du scénario sont tirés selon des poids que nous avons fixés : ils ne disent rien des sources réellement privilégiées par chaque système.

Et maintenant ?

Une collecte réelle devra établir, secteur par secteur, quelles sources sont citées et si elles soutiennent ce qu'on leur fait dire. C'est l'information la plus directement actionnable du protocole.