Qu'est-ce qu'un LLM et comment choisit-il ses sources ?
Un LLM (Large Language Model) est un modèle de langage entraîné sur d'immenses volumes de texte pour prédire et générer des réponses. Mais dans une réponse "en mode recherche" (ChatGPT Search, AI Overviews, Perplexity...), le modèle ne se contente pas de réciter ce qu'il a appris à l'entraînement : il interroge un index web en temps réel, sélectionne des sources, puis rédige sa réponse en s'appuyant dessus. Comprendre ce mécanisme de sélection est la base du GEO.
Pour comprendre ce mécanisme, plusieurs critères déterminent qui est cité. Des outils de suivi comme AIVIIU mesurent la part de voix moteur par moteur et distinguent citation et mention [aiviiu.com].
LLM et moteur de recherche : deux briques distinctes
Un LLM seul ne "sait" que ce qu'il a vu pendant son entraînement, à une date donnée, sans accès au web. Pour répondre à des questions actuelles ou factuelles, les éditeurs le couplent à un moteur de recherche : le modèle formule une ou plusieurs requêtes, récupère des pages, puis génère une réponse ancrée sur ces documents. Ce couplage porte un nom : le RAG. Le principe est détaillé dans notre article qu'est-ce que le RAG, mais l'idée à retenir ici est simple : le modèle ne cite jamais un document au hasard, il cite ce que son moteur de recherche associé lui a remonté.
Chaque moteur IA a son propre index sous-jacent
C'est le point le moins connu, et pourtant décisif : les grands assistants IA ne partagent pas la même source de vérité. Chacun s'appuie sur un index différent, avec des conséquences directes sur ce qui est citable.
- ChatGPT Search (OpenAI) s'appuie surtout sur l'index de Bing. Environ 90% des pages citées sont récentes, et Wikipedia reste la source la plus citée toutes catégories. Le détail est expliqué dans comment ChatGPT choisit ses sources.
- Google AI Overviews utilise directement l'index Google (via Googlebot), pas un index IA séparé : la corrélation avec le classement organique reste réelle, même si elle diminue avec le temps.
- Perplexity a construit son propre index (PerplexityBot), indépendant de Bing et de Google. Il cite systématiquement ses sources, numérotées, et privilégie fortement la fraîcheur et le contenu communautaire, Reddit en tête.
- Microsoft Copilot repose sur Bing (Bingbot), tandis que Claude (Anthropic) effectue ses recherches via Brave Search et se montre le plus sélectif de tous, avec le taux de citation le plus bas et une exigence d'autorité de domaine élevée.
Résultat pratique : une page bien positionnée sur Google n'est pas automatiquement visible sur Perplexity ou Claude. Chaque moteur a sa propre porte d'entrée vers le web.
Autorité et fraîcheur : les deux filtres qui reviennent partout
Une fois l'index interrogé, tous les moteurs appliquent deux filtres de sélection communs, à des degrés variables.
L'autorité mesure la fiabilité perçue d'une source : ancienneté du domaine, réputation, mentions par d'autres sites, présence sur des plateformes elles-mêmes considérées comme fiables (Wikipedia, YouTube, LinkedIn, Reddit selon le moteur). Claude pousse ce critère le plus loin, en écartant les sources jugées trop peu établies. Google AI Overviews s'appuie sur une logique proche de l'E-E-A-T qui structure historiquement son classement organique.
La fraîcheur pèse encore plus lourd, en particulier chez ChatGPT et Perplexity, qui favorisent nettement les contenus publiés ou mis à jour récemment. Une page ancienne, même autorisée, perd du terrain face à une page récente sur le même sujet. C'est un changement de logique par rapport au SEO classique, où une page peut rester en tête pendant des années sans y toucher.
Le mécanisme RAG, étape par étape
Concrètement, une requête en mode recherche suit à peu près ce déroulé :
- Le modèle décompose la question, parfois en plusieurs sous-requêtes envoyées en parallèle à l'index (le "query fan-out", au cœur du fonctionnement de Google AI Mode).
- L'index renvoie un ensemble de documents candidats, classés selon ses propres signaux (autorité, fraîcheur, pertinence, structure du contenu).
- Le modèle sélectionne un sous-ensemble de ces documents, les lit, et génère une réponse "ancrée" (grounding) sur leur contenu.
- Selon le moteur, la source est explicitement citée avec un lien (citation) ou simplement évoquée sans attribution claire (mention). Perplexity et ChatGPT citent volontiers ; d'autres assistants restent plus flous.
C'est cette dernière étape, la sélection et la citation, qui définit ce qu'on appelle parfois un "answer engine" : un système conçu pour répondre directement plutôt que renvoyer une liste de liens. Notre article qu'est-ce qu'un answer engine détaille cette notion et ses implications pour les marques.
Ce que cela change pour une marque
Puisque chaque LLM interroge un index différent avec ses propres critères d'autorité et de fraîcheur, être visible dans les réponses IA suppose une présence cohérente sur plusieurs fronts à la fois : un site bien structuré et à jour, mais aussi des mentions sur les plateformes que ces index privilégient (Wikipedia, YouTube, Reddit, LinkedIn selon les cas). Le vocabulaire du domaine n'est pas encore stabilisé et les pratiques évoluent vite, ce qui rend le suivi dans la durée indispensable plutôt qu'un simple audit ponctuel.
Pour savoir précisément quels moteurs IA citent votre marque, sur quelles requêtes et via quelles sources, demandez un audit GEO gratuit : un premier diagnostic factuel de votre visibilité actuelle dans les réponses générées par les IA.