Qu’est-ce que lit l’IA ? À l’intérieur des mécanismes cachés des citations génératives

Alors que l’IA générative redéfinit le paysage numérique, une nouvelle question émerge au centre de la création et de la découverte de contenu : Qu’est-ce que l’IA lit exactement ? Une étude révolutionnaire intitulée Qu’est-ce que lit l’IA de Generative Pulse par Muck Rack a analysé plus de 1 million de citations de grands systèmes d’IA, y compris OpenAI’s ChatGPT (4o et 4o-mini), Google’s Gemini (Flash et Pro) et Anthropic’s Claude (Sonnet et Haiku), pour découvrir les dynamiques cachées derrière les liens que ces modèles utilisent lors de la génération de réponses.

Les résultats ne sont pas seulement révélateurs, mais également transformateurs pour quiconque dans le journalisme, la communication d’entreprise, le référencement (SEO) ou la stratégie de marque.

Les citations ne sont pas juste des ajouts – elles redéfinissent le comportement de l’IA

Comme c’est évident pour quiconque plongé dans le monde de l’IA, activer ou désactiver la fonctionnalité de citation change les réponses elles-mêmes. Lorsque les citations sont désactivées, les IA s’appuient davantage sur les données d’entraînement statiques. Mais lorsque les citations sont activées, les modèles génèrent des sorties matériellement différentes, directement façonnées par les sources en temps réel qu’ils extraient.

Exemple clé : Lorsqu’on demande à une IA désactivée quel est la pire équipe de baseball de la ligue majeure, elle mentionne les Mets de 1962. Mais avec les citations activées, elle met à jour la réponse pour inclure les White Sox de Chicago 2024 avec une saison record de 41-121, en citant explicitement CBS Sports.

La domination des médias gagnés

Plus de 95% de toutes les sources citées proviennent de médias non payants. Cela inclut :

• 27% de contenu journalistique (par exemple Reuters, AP, Financial Times)
• 18% de sites gouvernementaux/ONG
• 13% de sources universitaires ou de recherche
• 10% de plateformes agrégatrices/encyclopédiques comme Wikipedia ou Visual Capitalist

En revanche, le contenu payant ou publicitaire représente moins de 5% des citations, ce qui montre clairement que les modèles d’IA sont systématiquement biaisés contre le contenu marketing.

Biais de récence : Pourquoi le contenu nouveau gagne

La fraîcheur compte – en particulier pour les modèles d’OpenAI. Dans le contenu journalistique, 56% des citations faites par ChatGPT ont été publiées au cours des 12 derniers mois, contre 36% pour Claude. Cette tendance, connue sous le nom de biais de récence, se réfère à la préférence pour les sources plus récentes par rapport aux anciennes, même si les sources anciennes peuvent encore être exactes ou pertinentes.

Dans le contexte de l’IA générative, le biais de récence signifie que les modèles de langage – en particulier ceux comme ChatGPT qui sont connectés à des données en temps réel – sont plus susceptibles de référencer et de faire confiance à des matériaux nouvellement publiés, en particulier lorsqu’ils répondent à des requêtes impliquant des événements actuels, des technologies émergentes ou des changements de politique. Pour des requêtes sensibles au temps comme « derniers progrès en traitement ambulatoire » ou « récentes innovations en enregistrement sonore », le modèle donne un poids important au contenu publié au cours des derniers mois, en supposant qu’il contient des informations plus pertinentes ou mises à jour.

Ceci est une insight critique pour les créateurs de contenu et les stratèges de marque : si votre matériel est obsolète – même d’un an – il est nettement moins susceptible de faire surface dans les réponses générées par l’IA. Garder votre contenu frais n’est pas seulement une bonne SEO – c’est essentiel pour la visibilité à l’ère de l’IA.

Différents prompts déclenchent différentes sources

Les modèles d’IA ne citent pas les sources de manière aléatoire – ils choisissent en fonction du type de question posée. Différents styles de prompts conduisent à différents types de sources référencées :

• Recherche de faits et requêtes encyclopédiques tendent à puiser dans des sites de référence statiques comme Wikipedia et Britannica, en s’appuyant sur des informations bien établies mais souvent anciennes.
• Questions sur des événements récents déclenchent généralement des citations de grandes salles de presse comme AP, Reuters ou Axios, où la vitesse et la récence sont clés.
• Prompts de conseils ou de recherche d’opinion déplacent le modèle vers des sources plus dynamiques et conversationnelles comme des blogs, des forums ou des plateformes telles que Reddit ou Medium.
• Tâches académiques ou de recherche conduisent l’IA à citer des revues, des serveurs de préimpression comme arXiv ou des référentiels gouvernementaux tels que PubMed ou NCBI.
• Demandes créatives ou instructions étape par étape font souvent surface du contenu généré par l’utilisateur, des tutoriels informels ou des fils de discussion de la communauté à partir de plateformes comme Quora ou des forums techniques de niche.

Cette variation signifie que la façon dont une question est formulée peut avoir un impact direct sur quels domaines sont mis en avant – et lesquels sont laissés pour compte.

Claude, par exemple, est beaucoup moins susceptible de citer de grandes sources comme Reuters que ChatGPT ou Gemini, citant Reuters 50 fois moins fréquemment que ChatGPT.

L’autorité et le domaine comptent – mais pas de manière uniforme

Bien que les diffuseurs à haute autorité dominent, ils ne sont pas les seuls acteurs. Seulement 15% des sources les plus citées apparaissent dans le top 10 à travers plusieurs industries. Cela signifie que le contenu spécifique à une niche est récompensé. Par exemple :

• Dans la finance, des sources comme Bankrate et NerdWallet sont favorisées.
• Dans les soins de santé, les sources gouvernementales comme CDC.gov et NIH.gov dominent.
• Dans la technologie, des plateformes d’apprentissage comme Udemy, Coursera et Medium se hissent au sommet.

À la page 15, une heatmap visuelle montre que Claude présente la plus grande diversité de domaine spécifique, sélectionnant fréquemment des sources uniques à l’industrie, tandis que ChatGPT et Gemini ont tendance à s’appuyer davantage sur les médias généralistes.

Insights spécifiques à l’industrie : Ce que l’IA cite par secteur

Finance et assurance

• Le journalisme représente 37% des citations, plus que toute autre industrie.
• Les 10 meilleures sources de Claude sont 90% uniques, indiquant une exploration de niche plus approfondie.

Soins de santé

• Les sites gouvernementaux et des ONG sont cités 18% du temps, plus du double de la moyenne intersectorielle.
• Gemini mène en termes de diversité de sources pour ce secteur.

Voyage et aérien

• Étonnamment, les citations académiques sont quasi-absentes (seulement 0,7%).
• Des sources comme FAA.gov et IATA.org dominent, avec moins de dépendance à l’égard des médias d’information.

Détaillant et e-commerce

• Les agrégateurs comme Wikipedia sont moins cités ici que dans d’autres industries (36% contre 28%).
• Claude cite le contenu de niche le plus.

Médias et divertissement

• Le journalisme mène à nouveau à 37%, avec des plateformes de niche comme TVTechnology et Radioking citées fréquemment par Claude.

Technologie

• Virtuellement aucune source encyclopédique ou académique n’est utilisée.
• Des plateformes comme Medium, Coursera et SproutSocial apparaissent de manière éminente, reflétant une tendance vers les connaissances basées sur les praticiens.

Implications pour les équipes de communication et de SEO

Les résultats de ce rapport révèlent que l’optimisation des moteurs de génération (GEO) devient aussi importante que le référencement traditionnel (SEO). L’IA ne résume pas seulement des bases de données statiques – elle lie activement à des sources en temps réel. Et ces liens sont influencés par :

• La récence : Mettez à jour votre contenu régulièrement.
• L’autorité de domaine : Construisez des liens de retour et la confiance.
• La pertinence de la niche : Créez du contenu adapté à votre industrie, et non pas juste des sujets généraux.
• Le type de contenu : Concentrez-vous sur les médias gagnés et le contenu informatif plutôt que sur les pages de marketing pures.

Ceci change la donne pour les marketeurs de contenu, les professionnels des relations publiques et les éditeurs. Si votre objectif est d’apparaître dans les résultats générés par l’IA, vous devez créer du contenu que l’IA trouve précieux – et non juste les utilisateurs ou Google.

Conclusion : Les conséquences d’être lu (ou ignoré) par l’IA

Ce rapport met en évidence un changement fondamental dans la façon dont l’information est présentée en ligne : les modèles d’IA ne récupèrent pas seulement du contenu – ils le sélectionnent de manière sélective. Et cette sélection redéfinit la visibilité à l’ère numérique.

Pour les éditeurs, les chercheurs et les marques, être cité par l’IA signifie faire partie de la prochaine génération de recherche. Cela place votre contenu devant des utilisateurs qui peuvent ne jamais visiter votre site mais font confiance au modèle qui le référence. Les sources qui sont citées sont amplifiées. Celles qui ne le sont pas – quel que soit leur qualité – risquent d’être exclues de la conversation entièrement.

Ce changement crée de nouveaux gagnants et perdants. Les diffuseurs à haute autorité et les médias gagnés à jour sont favorisés. Pendant ce temps, le contenu payant, les blogs peu mis à jour ou les voix moins établies sont souvent lus – non pas juste par les gens, mais par les systèmes qui façonnent ce que les gens voient.

Alors que l’IA générative continue de jouer un rôle central dans la façon dont la connaissance est livrée, la question clé devient moins comment se classer dans les résultats de recherche et plus : Comment devenir partie de ce que l’IA considère comme digne d’être cité ?