Recherche par IA : comment ChatGPT, Google AI et d'autres vous trouvent

Comment les services d'IA trouvent leurs sources#

Quand quelqu'un demande à un service d'IA « quel est le meilleur électricien à Luleå ? », le service cherche souvent sur le web et résume ce qu'il trouve. Les sites lisibles, clairs et cités par d'autres ont plus de chances de devenir une source. Chaque service a cependant sa propre méthode, et aucun ne publie de règle indiquant exactement quelles sources sont choisies.

Les AI Overviews et le mode IA de Google#

Google dit que les mêmes règles s'appliquent que pour la recherche classique : une page indexée qui peut être affichée avec un extrait peut aussi être affichée comme lien dans les AI Overviews et le mode IA. Aucun fichier spécial pour l'IA ni nouveau balisage n'est nécessaire [1].

Le trafic issu des AI Overviews est compté dans le trafic « Web » habituel de Search Console, il n'est donc pas visible séparément [1]. Si vous ne voulez pas que Google utilise le contenu pour entraîner d'autres modèles d'IA, vous pouvez utiliser Google-Extended, sans effet sur la recherche Google [2].

ChatGPT, Claude et Perplexity#

Les services ont des programmes différents pour des usages différents, et robots.txt peut les contrôler un par un :

• OpenAI : OAI-SearchBot récupère des pages pour la recherche de ChatGPT, GPTBot collecte du texte pour l'entraînement, et ChatGPT-User visite une page quand un utilisateur le demande. Les modifications de robots.txt pour la recherche peuvent mettre environ une journée à prendre effet [3].
• Anthropic (Claude) : Claude-SearchBot pour les résultats de recherche, ClaudeBot pour l'entraînement et Claude-User quand un utilisateur pose une question. Ils respectent robots.txt [4].
• Perplexity : PerplexityBot pour l'index de recherche et Perplexity-User pour les questions de l'utilisateur lui-même [5].
• Microsoft Copilot et Bing : s'appuient sur l'index de Bing. Bing affiche désormais un rapport sur la fréquence à laquelle un site est cité dans les réponses de l'IA, en préversion et sans tout couvrir [6].

Nous vérifions si les programmes de recherche (ceux qui décident si vous pouvez apparaître dans les réponses) sont autorisés, et nous l'indiquons dans l'analyse. Si vous voulez exclure les programmes d'entraînement, c'est possible sans que la recherche en soit affectée.

Voici ce que nous faisons#

• Des faits que les machines lisent directement : nom de l'entreprise, adresse et téléphone sous forme de données structurées [7].
• Un fichier llms.txt qui résume le site. C'est une norme proposée [8]. Google n'en a pas besoin [1], mais il ne coûte rien et peut aider d'autres services.
• Des réponses claires aux questions que les clients posent vraiment, sur des pages lisibles sans connexion ni JavaScript.

Comment nous mesurons la visibilité dans l'IA, et pourquoi le chiffre est un échantillon#

Nous posons aux services d'IA une série de questions sur votre secteur et votre ville et notons si votre entreprise est mentionnée. Le résultat indique quelles questions, quel service et quelle date. Les réponses de l'IA changent d'une fois à l'autre et d'une personne à l'autre ; le chiffre est donc un échantillon, pas un corrigé. Sans les questions, le service et le moment, un chiffre sur l'IA ne peut pas être comparé, et c'est pourquoi nous indiquons toujours les trois.