Si ChatGPT cite un concurrent et pas vous, la raison se diagnostique : ni le contenu de son site ni son nombre de backlinks, mais sa présence et son volume de mentions sur des sources tierces de confiance, plus un contenu qu'un modèle extrait proprement. C'est un écart mesurable, pas de la magie.
Ce que ChatGPT choisit réellement quand il cite une marque
Commençons par une distinction qu'il faut poser clairement. Une mention, c'est votre marque nommée dans le texte d'une réponse. Une citation, c'est une source liée à laquelle le modèle attribue une affirmation précise. Les deux se comptent et se corrigent différemment : vous pouvez être mentionné sans le moindre lien, ou une source peut être citée sans que votre marque soit nommée. En pratique, vous pouvez dominer le décompte des mentions et perdre toutes les citations, parce que le lien attribué pointe vers un site d'avis ou un éditeur, pas vers vous.
Vos analyses habituelles n'en montrent aucune. Les rapports de clics et de trafic de référence n'enregistrent une visite qu'après qu'une personne a quitté la réponse pour atterrir sur votre site ; ils n'indiquent pas si ChatGPT vous a nommé ou cité dans une réponse jamais cliquée. La fréquence des citations et des mentions doit être suivie directement, en lisant les réponses elles-mêmes.
ChatGPT ne lance pas non plus une recherche web à chaque tour. Beaucoup de réponses sont générées à partir des données d'entraînement, donc aucune source fraîche n'est attribuée, et les marques qui remontent sont celles que le modèle a déjà apprises. Quand il cite, il s'appuie rarement sur une seule URL gagnante : l'analyse par Profound de conversations ChatGPT citées relevait environ six citations uniques par conversation au 3 février 2026. Un écart de citation est une compétition pour une place dans un petit ensemble, pas pour une position unique en tête.
Diagnostiquer votre écart commence toujours de la même façon : lancez de vrais prompts d'acheteur dans ChatGPT et lisez quelles marques sont nommées et lesquelles sont citées.
Les signaux qui décident qui est cité
Ils vont du signal qui pèse le plus sur la citation à celui qui pèse le moins.
La présence sur des sources tierces de confiance
Le signal le plus fort n'est pas sur votre propre domaine, mais la fréquence, et la faveur, avec lesquelles des sources indépendantes vous nomment : plateformes d'avis, forums communautaires, éditeurs. Dans les rapports que nous générons, les marques les plus souvent citées sont celles largement mentionnées sur des sites tiers de confiance, pas celles qui affichent les plus gros volumes bruts de backlinks. Votre propre page confirme une affirmation ; c'est la page de quelqu'un d'autre que le modèle va chercher pour la sourcer.
Deux types de sources se détachent. Wikipédia fonctionne comme une base par défaut que le modèle consulte en premier — Profound l'a trouvé dans près d'une conversation ChatGPT citée sur six au 3 février 2026. Reddit et les fils communautaires portent un poids de confiance disproportionné, parce qu'ils se lisent comme une expérience humaine non incitée.
Un contenu qu'un modèle peut extraire
Une source n'aide que si un modèle peut en tirer un passage propre. Les ouvertures en réponse directe, les blocs courts et citables, les tableaux et les FAQ augmentent les chances qu'un passage soit repris intact ; une affirmation enfouie dans un long paragraphe est plus difficile à attribuer. La profondeur des avis est ici une donnée d'entrée concrète et mesurable : l'étude de Magna sur les réponses d'IA a établi que les entreprises avec de solides avis sur trois plateformes ou plus, comme Google, Trustpilot et G2, avaient 2,7 fois plus de chances d'être recommandées que celles concentrées sur une seule plateforme, dans des résultats publiés le 25 février 2026. Un profil mince sur une plateforme unique est un signal faible.
Les pages de comparaison et de données originales
Deux types de pages gagnent des citations directement. Les pages de comparaison 'X vs Y' dédiées correspondent à une requête que les acheteurs tapent mot pour mot, donc un modèle les remonte quand on demande comment vous vous situez face à un rival. Les données originales ou propriétaires — un benchmark, une enquête, un chiffre que personne d'autre n'a — donnent au modèle quelque chose qu'il ne peut sourcer que chez vous, ce qui augmente la probabilité de citation. Et les citations arrivent en grappes co-citées : votre nom apparaît aux côtés de concurrents et de domaines de confiance adjacents, pas en gagnant solitaire, donc l'objectif est de figurer dans la grappe que le modèle assemble.
Comment la mécanique de citation diffère entre ChatGPT, Perplexity, Gemini et AI Overviews
Les moteurs ne sélectionnent ni n'attribuent les sources de la même manière, donc un audit distinct par moteur s'impose. La documentation des éditeurs décrit des récupérations différentes, et dans les rapports que nous générons, le même prompt d'acheteur renvoie des marques et des domaines cités différents selon le moteur. Le tableau ci-dessous résume comment chacun récupère les sources et avec quelle visibilité il les attribue.
| Moteur | Comment il récupère les sources | Comment il attribue |
|---|---|---|
| ChatGPT | Recherche de façon conditionnelle, répond souvent à partir des données d'entraînement | Liens en ligne quand il cite, aucun sinon |
| Perplexity | Récupère des sources en direct pour la plupart des réponses par conception | Citations numérotées affichées bien en vue |
| Gemini | Mêle l'index de Google et la connaissance du modèle | Liens remontés de façon sélective |
| AI Overviews | Puise dans le système de classement de Google sur la page de résultats | Liens de sources nommées dans l'aperçu |
Lisez le tableau comme une carte de départ, pas un verdict : au sein de chaque moteur, le mélange varie selon le sujet et le caractère commercial de la requête, et le comportement des éditeurs change sans préavis. Ce qui tient pour tous, dans les rapports que nous générons, c'est qu'une marque absente des sources tierces de confiance reste absente quel que soit le moteur testé.
Quand une citation est fausse, pas seulement absente
L'absence n'est pas le seul mode d'échec. Un modèle peut vous nommer et se tromper, et cela demande une correction différente.
La mauvaise attribution est documentée. L'étude contrôlée du Tow Center sur les moteurs de recherche IA, publiée le 6 mars 2025, a trouvé que DeepSeek attribuait mal la source des extraits fournis, soit 115 sur 200, et que les moteurs testés créditaient à répétition des copies syndiquées ou périmées plutôt que l'éditeur d'origine. Ainsi, une affirmation qui est réellement la vôtre peut être attribuée à un concurrent qui l'a republiée.
Les modèles tendent aussi à re-citer ce qu'ils ont déjà cité : une source périmée peut survivre à un contenu plus récent jusqu'à ce que la nouvelle page accumule ses propres signaux tiers. Corriger une mention fausse ou négative n'est donc pas le même travail que combler une absence : vous la corrigez en plaçant un contenu exact et bien sourcé sur les pages tierces de confiance où le modèle puise déjà, pas en modifiant votre seul site.
Deux questions des praticiens méritent des réponses nettes. Les paliers de partenaires de contenu sous licence, où le matériel d'un éditeur est utilisé dans le cadre d'un accord direct, sont de fait fermés à une marque indépendante ordinaire, donc planifiez autour de la citation méritée plutôt que d'un partenariat. Et les canaux payants — publicité, dépenses de RP, placements sponsorisés — n'ont aucun effet direct mesurable sur les chances de citation dans les rapports que nous générons ; ce qu'ils peuvent faire, c'est générer les mentions tierces qui, elles, pèsent.
Par où commencer à combler l'écart cette semaine
Traitez la première semaine comme de la mesure, pas de l'optimisation. On ne corrige pas un écart qu'on n'a pas mesuré.
D'abord, rédigez un jeu fixe de prompts d'acheteur — une vingtaine qui reflètent la façon dont vos clients demandent réellement, y compris des formulations 'X vs Y'. Lancez-les sur ChatGPT, Perplexity, Gemini et AI Overviews. Notez, pour chacun, quelles marques sont mentionnées, lesquelles sont citées, et vers quelle source pointe la citation. Consignez chaque observation avec la date où vous l'avez lancée, pour que la feuille devienne une référence que vous pourrez relancer et comparer.
Ensuite, lisez l'écart pour sa cause plutôt que de tout corriger d'un coup. Si les concurrents gagnent parce qu'ils figurent sur des plateformes d'avis et des fils communautaires où vous êtes absent, cette présence tierce est par où commencer ; s'ils gagnent parce que leurs pages répondent proprement et que les vôtres enfouissent la réponse, l'extractibilité passe d'abord. Corrigez ce seul signal, continuez de lancer les mêmes prompts, et surveillez la feuille datée. Dans les rapports que nous générons, la fréquence de citation évolue progressivement à mesure que les signaux tiers s'accumulent, pas du jour au lendemain, donc c'est la relance qui vous dit que ça a marché.
Pour la mécanique sous chaque moteur, voyez comment chaque moteur d'IA choisit réellement ses sources.
Lancez un scan Namedrop gratuit pour voir quelles marques ChatGPT, Perplexity, Gemini et Claude citent pour vos prompts d'acheteur et où se situe votre écart.