Moteurs IA
Comment ChatGPT, Perplexity et Claude choisissent leurs sources
Les trois moteurs documentent quand ils cherchent et ce qu'une recherche renvoie, jamais leur classement : une étude mesure 15 % des pages lues par ChatGPT citées.

Par Mathias C.Consultant SEO, et plus récemment GEO, chez MentionBox
Aucun des trois ne publie la formule. OpenAI, Perplexity et Anthropic documentent en revanche la chaîne qu'une question traverse avant qu'un lien apparaisse : le moteur décide s'il cherche, une recherche renvoie des pages candidates, le modèle en lit une partie, et un sous-ensemble de ce qu'il a lu devient une citation. Le volume perdu à cette dernière étape est le chiffre que la plupart des pages omettent. Un rapport publié le 12 mars 2026 sur 15 000 prompts mesure que 15 % des 548 534 pages lues par ChatGPT pendant la rédaction ont été citées dans la réponse finale. L'éligibilité, elle, se joue encore plus tôt, au niveau d'un robot : la page des robots d'OpenAI indique qu'un site exclu d'OAI-SearchBot « will not be shown in ChatGPT search answers, though can still appear as navigational links ».
Cette page s'adresse à celui qui veut que ses pages soient reprises dans une réponse IA, et au développeur qui devra expliquer à un client pourquoi un chiffre a bougé. Elle passe moteur par moteur sur ce que chacun documente, puis traite l'écart entre une page lue et une page citée, les raisons du désaccord entre les trois sur une même question, et les leviers réels d'un éditeur de site.
Les trois étapes avant une source citée
Toutes les chaînes documentées chez les trois ont la même forme, et chaque étape élimine des candidates.
- Le déclenchement. Le moteur décide s'il cherche. Sur l'API d'OpenAI, le modèle tranche sous
tool_choice: "auto", et la documentation de l'outil de recherche web indique que « like any other tool, the model can choose to search the web or not based on the content of the input prompt ». - La recherche. Une ou plusieurs recherches partent, chacune renvoyant une liste classée. Notre décryptage du fan-out couvre cette étape, avec les ordres de grandeur publiés par chaque éditeur.
- La lecture. Le moteur charge une partie de ces pages dans le contexte du modèle. OpenAI la dose avec
search_context_size, et Anthropic laisse désormais Claude écrire du code qui filtre les résultats avant leur arrivée. - La citation. Un sous-ensemble de ce qui a été lu est rattaché à des phrases de la réponse. OpenAI distingue les deux explicitement : le champ
sources« returns the complete list of URLs the model consulted », tandis que les citations en ligne « show only the most relevant references ».
Aucun des trois ne documente la façon dont cette dernière étape retient son sous-ensemble. Tout ce qui suit relève de ce qu'ils documentent bel et bien.
Comment ChatGPT choisit ses sources
Commençons par l'éligibilité, le seul interrupteur dur qu'un éditeur tienne. OpenAI documente trois robots avec trois rôles : GPTBot, « used to crawl content that may be used in training our generative AI foundation models » ; OAI-SearchBot, « used to surface websites in search results in ChatGPT's search features » ; et ChatGPT-User, pour « certain user actions in ChatGPT and Custom GPTs », dont la même page précise qu'il « is not used to determine whether content may appear in Search ». Bloquer GPTBot écarte un site de l'entraînement sans toucher à ses chances d'être cité ; bloquer OAI-SearchBot le retire des réponses de recherche de ChatGPT.
Côté API, la mécanique est publiée paramètre par paramètre. Un élément web_search_call consigne ce que l'outil a fait, et son action prend l'un de trois types : search, qui « will usually (but not always) include the search queries which were searched » ; open_page, disponible sur les modèles de raisonnement pour récupérer une page entière ; et find_in_page, pour chercher à l'intérieur. Une page peut donc être trouvée, ouverte, lue en partie, et rester non citée.
Trois réglages déplacent le vivier de candidates, et aucun ne classe quoi que ce soit :
filters, qui accepte jusqu'à 100allowed_domainsou 100blocked_domains, écrits sans préfixe de protocole.search_context_size, àlow,mediumouhigh, décrit comme réglant « how much context from web search results is made available to the model before it generates a response ».include, où l'ajout deweb_search_call.action.sourcesrenvoie toutes les URL consultées et non les seules citations.
La recherche est facturée 10 $ pour 1 000 appels, plus les tokens des pages transmises au modèle, d'après la page tarifaire d'OpenAI. Par ce chemin, on observe le modèle et le prompt que l'on a réglés, objet distinct de la réponse qu'un acheteur lit dans l'application ; notre comparaison de l'outil de recherche web et des réponses de ChatGPT détaille les cinq écarts documentés.
Comment Perplexity choisit ses sources
Perplexity documente deux robots plutôt que trois, et les sépare de la même manière. Sa page des robots présente PerplexityBot comme « designed to surface and link websites in search results on Perplexity » et indique qu'il « is not used to crawl content for AI foundation models », tandis que Perplexity-User « might visit a web page to help provide an accurate answer and include a link to the page in its response ».
Le produit se vend en deux moitiés, ce qui en fait la vue publiée la plus nette d'une étape de recherche chez les trois. La Search API renvoie « ranked web results as JSON, not a generated answer » : chaque résultat porte un title, une url, un snippet de texte de page, une date et un last_updated, avec un max_results à 10 par défaut et plafonné à 20 pour une recherche web. Pas de réponse rédigée et pas de facturation au token, seulement 5,00 $ pour 1 000 requêtes réussies, ou 1,00 $ pour 1 000 sur le type fast, plus rapide. L'Agent API forme l'autre moitié : une réponse finie avec ses citations, rédigée par un modèle sur ces résultats.
Le lien entre les deux est écrit noir sur blanc, et c'est le passage à lire quand on compte des citations. Chaque numéro de citation du texte renvoie à l'id d'un résultat, et la documentation conseille de traiter « the id and url fields of each search_results entry as the source of truth for citations » plutôt que d'extraire les numéros de la prose.
Les filtres sont publiés au complet : search_domain_filter prend jusqu'à 20 domaines ou URL par requête, en liste blanche ou en liste noire avec un préfixe -, jamais les deux ; search_recency_filter limite aux résultats de la dernière heure, du dernier jour, de la dernière semaine, du dernier mois ou de la dernière année ; search_after_date_filter et search_before_date_filter bornent la date de publication au format MM/DD/YYYY ; last_updated_after_filter et last_updated_before_filter font de même pour la date de mise à jour ; user_location localise les résultats. Ces quatre derniers ont une conséquence directe pour un éditeur : une page qui n'affiche aucune date de publication ni de mise à jour ne peut satisfaire un filtre de date, quel que soit son contenu.
Comment Claude choisit ses sources
Anthropic est le seul des trois à publier sa règle de déclenchement sous forme de deux listes. Claude cherche sur les événements et annonces récents, les prix, taux, scores ou statistiques du moment, les informations sur une organisation, une personne ou un produit précis « that might have changed », et sur toute demande explicite de vérifier. Il répond sans chercher sur les faits établis, les mathématiques et les notions de code, l'écriture créative, l'analyse d'un contenu déjà fourni dans la conversation et les échanges de politesse. La documentation ajoute une réserve utile à qui mesure : « triggering is steerable through your system prompt », donc deux équipes peuvent interroger le même modèle sur la même question et observer deux comportements de recherche.
Le volume est publié lui aussi. Une question factuelle simple emploie « typically use 1–3 searches », une recherche comparative ou multi-entités « can use 10 or more », et max_uses est un plafond dur qui renvoie une erreur max_uses_exceeded plutôt qu'une facture plus lourde. Chaque recherche coûte 10 $ pour 1 000 sur l'API Claude, plus les tokens du contenu lu.
La partie la plus récente de la chaîne est une étape de filtrage interne au moteur. À partir de la version d'outil web_search_20260209, Anthropic documente que Claude « writes and runs code that filters the results first, so only relevant content reaches the context window », au lieu de charger tous les résultats. Une page peut donc être renvoyée par la recherche, écartée par du code écrit par le modèle, et ne jamais être vue par celui qui rédige la réponse.
Les champs renvoyés sont précis. Chaque web_search_result porte une url, un title, un page_age décrit comme « when the site was last updated » et un bloc encrypted_content à renvoyer aux tours suivants. Les citations « are always enabled for web search », et chaque web_search_result_location donne l'url, le title et jusqu'à 150 caractères de cited_text, qui ne comptent pas dans la consommation de tokens. L'outil web fetch fonctionne à l'inverse sur ces deux points : les citations y sont désactivées par défaut, et Claude « cannot fetch URLs that appear only in its own output », donc une URL doit venir de l'utilisateur, d'un résultat d'outil ou d'une recherche antérieure pour être lue.
Ce que chaque moteur documente, côte à côte
| Étape | ChatGPT, API Responses | Perplexity | API Claude |
|---|---|---|---|
| Décision de chercher | le modèle, sous tool_choice: "auto" ; "required" l'y oblige | l'Agent API cherche pour répondre ; la Search API cherche à la demande | le modèle, sur une liste publiée de déclencheurs, pilotable par prompt système |
| Nombre de recherches publié | aucun | max_results de 1 à 20, 10 par défaut | 1 à 3 en simple, 10 et plus en comparatif, plafonné par max_uses |
| Robot qui règle l'éligibilité | OAI-SearchBot pour les réponses de recherche, GPTBot pour l'entraînement | PerplexityBot pour les résultats, Perplexity-User pour les réponses | Claude-SearchBot pour la qualité de recherche, ClaudeBot pour l'entraînement |
| Ce que l'on peut restreindre | jusqu'à 100 domaines autorisés ou bloqués, search_context_size, user_location | jusqu'à 20 domaines ou URL, fenêtre de fraîcheur, dates de publication et de mise à jour, user_location | allowed_domains ou blocked_domains, max_uses, user_location |
| Ce qui revient par source | url, title, plage de caractères de la citation ; liste complète par include | id, url, title, snippet, date, last_updated, source | url, title, page_age, plus cited_text jusqu'à 150 caractères |
| Filtrage interne au moteur | search_context_size en bas, moyen ou haut | non documenté | du code écrit par Claude, à partir de web_search_20260209 |
| Prix de la recherche | 10 $ pour 1 000 appels, plus les tokens de contenu | 5 $ pour 1 000 requêtes, 1 $ en fast | 10 $ pour 1 000 recherches, plus les tokens de contenu |
| Formule de classement | non publiée | non publiée | non publiée |
Paramètres, champs et tarifs tirés des documentations et des pages tarifaires de chaque éditeur, lus le 1er novembre 2026.
Lue, consultée, citée : trois comptes distincts
Les champs publiés existent parce que les trois comptes diffèrent. Le rapport d'AirOps du 12 mars 2026 part de 15 000 prompts, enregistre 548 534 pages lues et 82 108 citations, et trouve 15 % des pages lues citées, avec un taux qui bouge selon le type de question : 18,3 % sur la découverte de produit, 16,9 % sur les questions pratiques, 13,1 % sur les comparaisons et 11,3 % sur les recherches de vérification. Le rapport ne publie pas comment il a déterminé ce que ChatGPT avait lu, raison suffisante pour lire ce taux comme un ordre de grandeur et non comme une constante.
Les éditeurs traitent le même écart comme un problème de schéma. Le rapport des domaines de Peec AI renvoie un retrieval_count à côté d'un citation_count et les divise en un citation_rate, parce que les deux échecs appellent deux chantiers : jamais lue, c'est un problème d'accès ; lue et jamais citée, un problème de contenu. Notre guide sur le suivi des citations de ses pages donne les règles de comptage des deux.
Pourquoi les trois ne s'accordent pas sur une même question
Trois différences documentées suffisent à produire trois listes de sources. Les règles de déclenchement diffèrent, donc l'un cherche là où l'autre répond de mémoire. Les couches de recherche diffèrent : Perplexity classe les résultats de son propre crawl, OpenAI fait apparaître les sites via OAI-SearchBot, Anthropic via Claude-SearchBot, et aucun des trois ne publie le vivier dans lequel il puise. Et les budgets de lecture diffèrent, de search_context_size à max_uses en passant par un max_results à 10.
La conséquence mesurée dépasse ce que la plupart des lecteurs imaginent. Dans une analyse que nous avons lancée en octobre 2026, deux moteurs répondant à la même question avaient moins d'un dixième de leur liste cumulée de domaines cités en commun. Le classement de Google prédit mal, lui aussi : dans les données d'AirOps, les pages classées premières dans Google étaient citées dans 43,2 % des cas, contre 12,3 % pour les pages au-delà du top 20, et 32,9 % des pages citées qui figuraient bien dans un top 20 avaient été trouvées par une requête de fan-out plutôt que par le prompt d'origine.
Cinq leviers réels pour un éditeur de site
La documentation laisse peu de place aux astuces, et les cinq points ci-dessous viennent tous d'un paramètre ou d'une phrase publiés.
- Autoriser les robots de recherche voulus. OAI-SearchBot, Claude-SearchBot et PerplexityBot décident si une page peut apparaître comme source ; les robots d'entraînement non. Un
robots.txtécrit une fois pour GPTBot bloque parfois les trois par accident. - Publier une date visible et la tenir à jour. Perplexity filtre sur la date de publication et sur la date de mise à jour, et Claude renvoie un
page_ageavec chaque résultat. Une page sans date ne passe aucun filtre de date. - Écrire pour la sous-question plutôt que pour le prompt. L'étape de recherche interroge des requêtes reformulées, et dans les données d'AirOps un tiers des pages citées qui figuraient dans un top 20 n'avaient été atteintes que par une de ces reformulations.
- Loger la réponse dans un passage citable. Le bloc de citation d'Anthropic porte jusqu'à 150 caractères de
cited_text, et les annotations d'OpenAI marquent une plage de caractères de la réponse. Une page qui énonce sa réponse en une phrase donne au modèle quelque chose à quoi rattacher une citation. - Garder la page lisible sans navigateur. Anthropic indique que son outil web fetch « does not support websites dynamically rendered with JavaScript ». Un contenu qui n'existe qu'après rendu côté client n'est pas disponible de façon fiable à l'étape de lecture.
Quatre erreurs de lecture d'une liste de sources
- Prendre une liste pour la liste. Le même prompt envoyé deux fois peut déclencher un nombre de recherches différent, ou aucune. Un seul passage est un échantillon de un.
- Lire un classement dans l'ordre des citations. Aucun des trois ne documente cet ordre comme un rang ; les citations se rattachent à des passages, donc l'ordre suit les phrases de la réponse.
- Confondre mention et citation. Une réponse peut nommer une marque sans citer personne, ou citer une page sans nommer son éditeur. Notre guide sur le suivi d'une marque dans ChatGPT garde les deux comptes séparés.
- Supposer que les résultats Google se reportent. L'écart 43,2 % contre 12,3 % ci-dessus dit que le rang Google aide ; les 32,9 % trouvés par fan-out disent qu'il est loin de suffire.
Le lire par soi-même
Le chemin le plus court vers une vraie liste de sources passe par l'API Claude, parce qu'un seul appel renvoie les recherches, les résultats et les citations dans la même réponse :
curl https://api.anthropic.com/v1/messages \
-H "x-api-key: $ANTHROPIC_API_KEY" \
-H "anthropic-version: 2023-06-01" \
-H "content-type: application/json" \
-d '{
"model": "claude-opus-5-5",
"max_tokens": 1024,
"messages": [{"role": "user", "content": "best AI visibility API for an agency"}],
"tools": [{"type": "web_search_20250305", "name": "web_search", "max_uses": 5}]
}' | jq '[.content[] | select(.type == "web_search_tool_result") | .content[].url]'
Remplacez le filtre par select(.type == "text") | .citations[]?.url et vous obtenez le sous-ensemble cité au lieu de l'ensemble lu. L'écart entre ces deux tableaux, sur vos propres prompts, est la mesure dont parle cette page.
Pour plusieurs moteurs à la fois, une API de visibilité fait le même travail en un seul endroit. API for GEO renvoie un tableau sources[] par prompt, avec l'url, le domain, une category et un indicateur mentionsBrand, à 13 $ pour 1 000 réponses et jusqu'à 7 $ à son plus gros palier, les lectures sur les exécutions stockées n'étant pas facturées, relevé du 23 octobre 2026. MentionBox, qui publie ce site, a un lien commercial avec API for GEO. Notre classement des API de visibilité IA en note 55 sur le prix, les moteurs couverts et les données renvoyées.
À notre avis, les trois moteurs publient leur plomberie et gardent leur jugement, ce qui reporte le travail sur les deux extrémités de la chaîne. Être atteignable par les sous-requêtes qu'un moteur lance, et être citable une fois lu, sont les parties qu'un éditeur contrôle ; le choix parmi les pages qui franchissent ces deux étapes reste invisible de l'extérieur.
Questions fréquentes
Comment ChatGPT choisit-il les sources qu'il cite ?
En quatre étapes documentées. Le modèle décide d'abord s'il cherche, puisque la documentation de l'outil de recherche web d'OpenAI indique que « the model can choose to search the web or not based on the content of the input prompt » ; une recherche renvoie des pages candidates ; un modèle de raisonnement peut ensuite ouvrir une page et chercher à l'intérieur, par les actions `open_page` et `find_in_page` ; et la réponse porte des citations en ligne, décrites comme « only the most relevant references », à côté d'une liste `sources` plus longue de toutes les URL consultées. OpenAI ne publie aucune formule de classement pour cette dernière étape et facture la recherche 10 $ pour 1 000 appels, plus les tokens des pages lues.
Quel robot décide si mon site peut être cité ?
Le robot de recherche, pas celui d'entraînement. La page des robots d'OpenAI présente OAI-SearchBot comme l'agent utilisé « to surface websites in search results in ChatGPT's search features » et indique qu'un site qui l'exclut « will not be shown in ChatGPT search answers, though can still appear as navigational links » ; GPTBot sert à l'entraînement, et ChatGPT-User « is not used to determine whether content may appear in Search ». Anthropic documente Claude-SearchBot comme le robot qui « navigates the web to improve search result quality for users » et prévient que le bloquer « may reduce your site's visibility and accuracy in user search results ». Perplexity décrit PerplexityBot comme « designed to surface and link websites in search results on Perplexity » et ajoute qu'il « is not used to crawl content for AI foundation models ».
Comment Perplexity retient-il les pages qu'il met sous une réponse ?
Sa Search API renvoie ce que la documentation appelle « ranked web results as JSON, not a generated answer », avec un `title`, une `url`, un `snippet`, une `date` et un `last_updated` par résultat, 10 par défaut et jusqu'à 20 pour une recherche web. Son Agent API rédige ensuite la réponse, et la documentation demande de traiter « the `id` and `url` fields of each `search_results` entry as the source of truth for citations », puisque chaque numéro de citation dans le texte renvoie à l'`id` d'un résultat. Le classement lui-même n'est pas documenté ; les filtres le sont, avec jusqu'à 20 domaines ou URL par requête et des fenêtres de fraîcheur d'une heure, un jour, une semaine, un mois ou un an.
Claude cherche-t-il toujours avant de répondre ?
Non, et Anthropic publie la règle. Claude cherche quand la demande dépend d'informations « current, changing, or outside its training data », ce qui couvre les événements récents, les prix du moment et les faits sur une organisation ou un produit précis, et il répond directement sur les faits établis, l'écriture créative, l'analyse d'un contenu déjà présent dans la conversation et les échanges de politesse. La documentation ajoute que « triggering is steerable through your system prompt » et que `max_uses` est le plafond dur, les recherches étant facturées 10 $ pour 1 000 sur l'API Claude.
Pourquoi les trois moteurs citent-ils des pages différentes pour la même question ?
Parce qu'ils décident de chercher à des moments différents, interrogent des index différents et gardent des quantités différentes de ce qu'ils lisent. Le plafond d'Anthropic, `max_uses`, situe une question comparative à 10 recherches ou plus ; la Search API de Perplexity renvoie 10 résultats classés par défaut ; le `search_context_size` d'OpenAI est un réglage bas, moyen ou haut dont la documentation prévient qu'il « does not set an exact token count or guarantee a specific number of sources or citations ». Chacun nomme par ailleurs son propre robot de recherche, OAI-SearchBot, PerplexityBot et Claude-SearchBot, et aucun ne publie le vivier dans lequel il puise : une page citée par l'un ne dit rien des deux autres.
Quelle différence entre une page lue et une page citée ?
Une lecture est une page que le moteur a consultée ; une citation est une page qu'il a montrée comme source. OpenAI trace la frontière à l'intérieur de sa propre réponse, où le champ `sources` « returns the complete list of URLs the model consulted » tandis que les citations en ligne « show only the most relevant references », et note que « the number of sources is often greater than the number of citations ». Peec AI livre le rapport sous forme de champ, avec un `citation_rate` défini comme `sum(citation_count) / sum(retrieval_count)`. Un rapport du 12 mars 2026 sur 15 000 prompts situe ce taux à 15 % pour ChatGPT.