Comment les LLM choisissent les sources qu'ils citent

Un LLM ne cite pas une page parce qu'elle est bien positionnée sur Google. Il cite une page parce qu'il peut l'extraire facilement, la relier à la question posée, et la considérer comme fiable. Ces trois conditions valent pour ChatGPT, Perplexity et Google AI Overviews - avec des nuances de préférence entre eux.

Le trafic issu d'une citation IA est peu volumineux mais remarquablement qualifié. Selon des données publiées en 2025, le taux de conversion d'un visiteur arrivant depuis un LLM atteint 14,2 %, contre 2,8 % pour le trafic organique Google classique - soit environ cinq fois plus. La croissance de ce canal est structurelle : le trafic référent IA a progressé de +357 % sur un an selon des mesures récentes de 2025. Comprendre comment les modèles choisissent leurs sources, c'est comprendre comment capter ces visiteurs avant vos concurrents.

Pour une vue d'ensemble sur l'articulation entre SEO et visibilité dans les IA, l'article GEO et LLM : rendre son contenu visible dans les modèles d'IA pose les bases de la discipline.

Qu'est-ce qu'une citation LLM et pourquoi elle compte pour votre marque ?

Une citation LLM, c'est le moment où un moteur conversationnel (ChatGPT, Perplexity, Google AI Overviews) affiche le nom ou l'URL d'une source dans sa réponse. Pour une marque, être citée vaut mieux qu'être classée : le trafic issu d'une citation IA convertit à un taux environ cinq fois supérieur à celui de la recherche organique classique. Ce n'est pas du volume, c'est de la qualification.

LLM sans web vs LLM avec recherche : deux logiques de citation très différentes

Il existe deux façons pour votre contenu d'entrer dans la réponse d'un LLM, et elles ne fonctionnent pas du tout de la même façon.

La première logique est celle de la connaissance d'entraînement. Un modèle comme GPT-4 a été entraîné sur un corpus de textes collectés avant une date précise (sa "date de coupure"). Si votre contenu était accessible et indexé à cette date, il peut faire partie de la mémoire du modèle. Dans ce cas, le LLM vous cite sans effectuer aucune recherche en temps réel - il "se souvient" de vous. Cette logique est lente (elle s'inscrit dans les cycles de ré-entraînement des modèles, souvent espacés de plusieurs mois) et hors de votre contrôle direct.

La deuxième logique est celle du RAG (Retrieval-Augmented Generation) : certains LLM effectuent une recherche web au moment où l'utilisateur pose sa question, puis incorporent les résultats dans leur réponse. C'est le cas de ChatGPT Search, de Perplexity ou de Google AI Overviews. Dans ce mode, votre page est crawlée en temps réel par un bot spécifique (OAI-SearchBot pour ChatGPT, PerplexityBot pour Perplexity, Google-Extended pour AI Overviews) avant d'être citée ou non. C'est sur ce mode que vos actions de contenu ont un effet mesurable rapidement.

Pourquoi le taux de clic est faible mais le trafic est précieux

Le paradoxe des citations LLM : le taux de clic sur ces citations est d'environ 1 % ou moins selon des études sectorielles 2025. Autrement dit, la grande majorité des utilisateurs lit la réponse sans cliquer sur la source. Pourtant, les rares visiteurs qui cliquent restent en moyenne 68 % plus longtemps sur le site que les visiteurs arrivant via Google organique. Ce sont des lecteurs qui ont déjà reçu un résumé qualifié de votre contenu et choisissent délibérément d'aller plus loin. Pour une PME, cela signifie que même un flux de citations modeste génère un trafic d'une qualité bien supérieure à la moyenne.

Sur quels critères un LLM sélectionne-t-il une page plutôt qu'une autre ?

Trois filtres successifs : la page est-elle accessible au robot ? Son contenu répond-il directement à la question ? Présente-t-elle des signaux de fiabilité vérifiables ? Une page qui échoue au premier filtre ne franchit jamais les deux suivants.

Accessibilité technique : ce que votre robots.txt dit (ou ne dit pas) aux robots IA

Avant de citer une page, un LLM en mode RAG doit pouvoir la crawler. Si votre fichier robots.txt bloque les bots IA, aucune optimisation de contenu ne changera quoi que ce soit : la page est simplement invisible.

Les trois agents à surveiller dans votre configuration :

• OAI-SearchBot : le crawler de ChatGPT Search (recherche live). À distinguer de GPTBot, qui collecte des données pour l'entraînement futur d'OpenAI. La documentation officielle d'OpenAI précise le comportement de chacun.
• PerplexityBot : le crawler temps réel de Perplexity AI.
• Google-Extended : le bot Google dédié à l'entraînement de ses modèles IA, dont les AI Overviews.

Un exemple de configuration robots.txt qui autorise explicitement ces agents :

User-agent: OAI-SearchBot
Allow: /

User-agent: PerplexityBot
Allow: /

User-agent: Google-Extended
Allow: /

Si votre robots.txt actuel contient une règle User-agent: * / Disallow: / sans exceptions explicites pour ces agents, vous bloquez potentiellement tous les crawlers IA. Vérifiez ce point en priorité. La documentation Google Search Central précise les conditions d'apparition dans AI Overviews et le rôle de Google-Extended. Pour aller plus loin sur la relation entre accessibilité IA et fichiers de configuration, l'article Fichier llms.txt : à quoi il sert et comment l'installer détaille les réglages complémentaires à votre robots.txt.

Pertinence sémantique : pourquoi une réponse directe en début de section est décisive

Les LLM en mode RAG n'ont pas le temps (ni la capacité de contexte) de lire 2 000 mots pour trouver la réponse à une question. Ils identifient la portion de texte la plus directement liée à la requête et l'extraient. Selon des données publiées en 2025, 44 % des citations proviennent du premier tiers d'une page. Et les pages structurées avec des titres H2 et H3 corrects sont 2,8 fois plus susceptibles d'être citées que les pages en prose dense.

Ce principe s'appelle BLUF (Bottom Line Up Front) : la réponse arrive en première phrase, avant le contexte et les nuances. Ce n'est pas seulement une convention éditoriale, c'est la façon dont un LLM localise l'information extractible dans votre page.

Signaux de confiance : ce qu'un LLM interprète comme une source fiable

Les signaux de fiabilité que les LLM privilégient recoupent ce que Google appelle E-E-A-T (Expérience, Expertise, Autorité, Fiabilité). En pratique, pour votre contenu, cela se traduit par :

• Un auteur identifiable : prénom, nom, titre ou fonction, présent dans les métadonnées de la page (schema Article avec author).
• Des données vérifiables et datées : chiffres sourcés avec mention de l'organisme et de l'année. Un LLM peut contrôler la cohérence d'une donnée avec d'autres sources qu'il connaît.
• Des liens vers des sources primaires : documentation officielle, études publiées, institutions. Citer une source externe crédible renforce votre propre crédibilité.
• Une date de publication et de mise à jour visible : les modèles favorisent les contenus récents. Selon des données publiées début 2026, les contenus mis à jour dans les deux derniers mois reçoivent 28 % de citations supplémentaires.
• Des mentions de votre marque sur d'autres sites : un LLM croise les sources. Si votre nom apparaît dans plusieurs contenus indépendants qu'il a absorbés, votre "entité de marque" est mieux ancrée dans sa représentation du monde.

ChatGPT, Perplexity, Google AI Overviews : chacun cite-t-il les mêmes sources ?

Non. Seulement 11 % des domaines sont cités à la fois par ChatGPT et par Perplexity. Chaque plateforme obéit à une logique propre - et votre stratégie de contenu doit en tenir compte.

Cette donnée est issue d'une analyse des comportements de citation de ces plateformes publiée début 2026. Elle illustre un point souvent sous-estimé : avoir du contenu bien structuré est le socle commun, mais les préférences éditoriales de chaque LLM divergent ensuite selon leur architecture et leur philosophie de curation.

ChatGPT : la prime aux sources encyclopédiques et autoritaires

ChatGPT présente un biais marqué vers les sources faisant autorité dans leur domaine. Dans une analyse portant sur 680 millions de citations collectées entre août 2024 et juin 2025, Wikipedia représentait 7,8 % des citations totales de ChatGPT, et 47,9 % du top 10 de ses sources les plus citées. Les domaines en .com captaient 80,41 % des citations, suivis des .org avec 11,29 %.

Ce que cela signifie pour votre contenu : ChatGPT privilégie les sources qui ont une empreinte large sur le web - mentions croisées, liens entrants de sites reconnus, cohérence entre ce que dit votre site et ce que disent les autres sources sur votre secteur. L'autorité perçue pèse autant que la qualité intrinsèque du texte.

Perplexity : la plateforme qui privilégie les contenus pair-à-pair et sourcés

Perplexity adopte une logique différente. Parmi ses sources les plus citées, Reddit représente 6,6 % des citations totales et 46,7 % du top 10. La plateforme valorise les contenus produits par des praticiens, des forums de discussion sectoriels, et les sources où des vrais utilisateurs partagent leur expérience.

Pour une PME ou un indépendant, cela ouvre une opportunité concrète : un contenu qui cite de vraies expériences clients, qui présente des exemples pratiques tirés de cas réels (anonymisés ou non), et qui répond à des questions que des gens posent effectivement dans leur quotidien a plus de chances d'être sélectionné par Perplexity que par ChatGPT. Les données vérifiables et les auteurs identifiables restent des signaux forts, mais le caractère "terrain" du contenu pèse davantage ici.

Google AI Overviews : l'équilibre entre expertise professionnelle et signaux sociaux

Google AI Overviews cite Reddit dans 2,2 % des citations totales et 21 % de son top 10 - moins que Perplexity, mais bien plus que ce que l'on pourrait attendre d'un moteur historiquement orienté vers les contenus de marques et de médias. Google cherche un équilibre entre autorité professionnelle et preuve sociale, ce qui est cohérent avec sa philosophie E-E-A-T appliquée depuis des années au référencement classique.

Selon les données disponibles pour le premier trimestre 2026, AI Overviews est présente dans 25,11 % des requêtes Google (contre 13,14 % en mars 2025), avec une moyenne de 13,34 sources citées par réponse (contre environ 6,8 en 2024). Le nombre de sources par réponse a donc presque doublé en un an, ce qui signifie qu'il y a structurellement plus de place pour apparaître - même pour des sites sans autorité massive.

Le tableau suivant résume les différences de logique entre les trois plateformes :

Plateforme	Source dominante	Philosophie de citation	Signal-clé pour votre contenu
ChatGPT	Wikipedia / sites .com reconnus	Autorité encyclopédique et empreinte web large	Mentions croisées, ancienneté de la marque, liens entrants
Perplexity	Reddit / contenus pair-à-pair	Expérience terrain et praticiens du secteur	Auteur identifié, exemples concrets, données sourcées
Google AI Overviews	Équilibre médias + sources sociales	E-E-A-T + preuve sociale	Structure H2/H3, schema JSON-LD, contenu récent

Quels formats de contenu les LLM citent-ils le plus facilement ?

Les FAQ, les tableaux comparatifs, les définitions courtes et les listes numérotées sont extraits plus souvent que les longs paragraphes narratifs. Un LLM cherche un passage autonome, pas une démonstration rhétorique.

La raison est technique : un LLM en mode RAG extrait des "passages" (portions de texte d'environ 100 à 300 mots) plutôt que des pages entières. Un passage est utile s'il peut être reproduit dans une réponse sans que l'utilisateur ait besoin de lire le reste de la page pour comprendre. Le test simple à appliquer à chaque paragraphe que vous écrivez : "Ce passage peut-il être cité seul, hors contexte, sans perdre son sens ?" Si non, reformulez.

Les FAQ et les définitions : formats nativement extractibles

Une FAQ bien écrite est idéalement calibrée pour les LLM : une question explicite (qui correspond souvent à une vraie requête utilisateur) suivie d'une réponse autonome de 60 à 120 mots. Le balisage en schema FAQPage JSON-LD renforce l'extractibilité en signalant la structure question-réponse directement dans le code - les bots n'ont pas à l'inférer depuis la mise en page.

Une définition courte (une phrase = un concept défini) est l'autre format que les LLM adorent pour les requêtes de type "qu'est-ce que X ?". Si votre page contient une définition claire dans les premières lignes, elle devient candidate à la "featured answer" de la réponse générée.

Les tableaux comparatifs : idéaux pour les requêtes d'aide à la décision

Pour les requêtes de type "comparaison" ou "quelle est la différence entre A et B ?", les LLM citent souvent les tableaux intégralement dans leur réponse. Un tableau bien construit (3 colonnes maximum, en-têtes explicites, une donnée par cellule) est extrait tel quel et reproduit dans la réponse de l'IA - ce qui vous offre une visibilité maximale même si l'utilisateur ne clique jamais sur votre lien.

Le résumé en tête de page : le premier passage que le LLM peut isoler

Comme le montrent les données sur la localisation des citations (44 % dans le premier tiers de la page), le début de votre page est disproportionnellement important. Un résumé de 80 à 150 mots placé immédiatement après le H1, qui répond directement à l'intention de recherche principale, augmente significativement la probabilité que votre page soit citée. Voici un exemple de structure efficace :

Exemple : structure "avant/après"

Version peu extractible :

"Dans cet article, nous allons explorer les différentes manières dont les moteurs de recherche IA fonctionnent, et nous verrons ensemble pourquoi il est de plus en plus important de prendre en compte ces nouvelles réalités dans votre stratégie digitale..."

Version extractible (BLUF) :

"Une citation LLM se produit quand un moteur conversationnel (ChatGPT, Perplexity, AI Overviews) affiche votre page comme source dans une réponse générée. Pour y figurer : un contenu accessible aux bots IA, une réponse directe en tête de section, et des signaux de fiabilité vérifiables."

La deuxième version peut être citée seule. La première ne peut pas.

Pour aller plus loin sur les techniques de rédaction adaptées aux LLM, l'article Rédaction SEO et les nouvelles règles du contenu IA détaille les formats pratiques section par section.