Comment fonctionnent les moteurs génératifs : entraînement, récupération, citation
Un moteur génératif est un système qui répond à une question en rédigeant un texte, plutôt qu'en renvoyant une liste de pages. ChatGPT, Gemini, Claude, Perplexity, Microsoft Copilot et les fonctions IA de Google Search en sont les principaux représentants. Quand un de ces systèmes recommande une entreprise, il ne consulte pas un classement : il compose une réponse à partir de deux sources d'information très différentes, ce qu'il a appris à l'entraînement et ce qu'il récupère sur le web au moment de la question.
Cet article décrit ce mécanisme commun en six étapes, puis ce qui varie d'un moteur à l'autre. Il distingue ce que les éditeurs documentent (les robots, la récupération, les citations) de ce qu'ils ne publient pas (les critères de sélection et leur pondération). Comprendre ce fonctionnement est le préalable à toute démarche de visibilité : c'est lui qui explique pourquoi les réponses varient, pourquoi les sources tierces pèsent autant, et pourquoi personne ne peut garantir une citation.
L'essentiel en 60 secondes
- Un moteur génératif répond par deux voies : la connaissance apprise à l'entraînement, figée à une date et sans citation, et la récupération de pages au moment de la question, souvent citée. La plupart des réponses commerciales combinent les deux.
- La question posée n'est pas la requête envoyée : le moteur la réécrit en une ou plusieurs recherches ciblées. OpenAI et Google documentent cette réécriture. On n'optimise donc pas pour la question, mais pour les requêtes que le système en dérive.
- Chaque moteur puise dans un index différent : Google pour Gemini et AI Mode, Bing pour Copilot, un index propre et des partenaires pour ChatGPT, un index propre pour Perplexity, Brave pour Claude. Un bon classement sur Google ne se transpose pas mécaniquement.
- Les robots ne sont pas les mêmes selon l'usage : un robot d'entraînement, un robot d'index de recherche, un agent déclenché par l'utilisateur. Bloquer l'un n'a pas le même effet que bloquer l'autre.
- La génération est probabiliste : la même question posée deux fois ne donne pas toujours les mêmes noms. Une réponse est un tirage, pas un état.
- Une citation affichée ne prouve pas que la phrase qu'elle accompagne repose sur cette source : une étude de référence mesurait que seule une moitié des phrases générées étaient pleinement soutenues par leurs citations.
- Aucun éditeur ne publie ses critères de sélection des sources ni leur pondération. Ce qui est documenté, c'est le mécanisme ; ce qui ne l'est pas, c'est l'arbitrage.
Qu'est-ce qu'un moteur génératif ?
En bref
Un moteur génératif est un système qui produit une réponse rédigée à une question, à l'aide d'un grand modèle de langage, en s'appuyant sur ce que ce modèle a appris à l'entraînement et, selon les cas, sur des pages récupérées dans un index de recherche au moment de la question. Il se distingue d'un moteur de recherche, qui renvoie une liste de pages classées et laisse l'arbitrage à l'utilisateur.
La différence de forme a une conséquence de fond. Une page de résultats affiche dix liens ; une réponse générée en retient trois ou quatre et argumente le choix. L'arbitrage passe du lecteur au système. Pour une entreprise, la question n'est plus « suis-je dans la liste ? » mais « fais-je partie des quelques noms retenus, et ce qui est dit de moi est-il exact ? ».
| Moteur de recherche | Moteur génératif | |
|---|---|---|
| Résultat | Une liste de pages classées | Un texte rédigé, avec ou sans sources |
| Ce qui est évalué | Des pages | Des passages, et une empreinte de marque |
| Nombre de gagnants | Dix par page, plusieurs pages | Trois ou quatre noms |
| Stabilité | Un classement tient des jours ou des semaines | Deux réponses successives peuvent différer |
| Ce que l'utilisateur voit de vous | Un titre et un extrait que vous contrôlez | Une phrase que le système rédige |
Le passage de la liste à la réponse. Les deux formes coexistent : les moteurs de recherche ont intégré des réponses génératives dans leurs propres pages.
Étude Evocia : AI Sources Index 2026
Ordre de grandeur mesuré par Evocia le 14 septembre 2026 sur ChatGPT (API OpenAI avec recherche web, 853 réponses avec recherche) : 27 pages consultées en moyenne par réponse, 3,4 citées ; 607 domaines consultés, 308 cités. Détail : Evocia AI Sources Index 2026.
Étape 1 : la connaissance apprise à l'entraînement
En bref
Un modèle de langage est entraîné sur un très grand corpus de textes, pour l'essentiel issus du web public, jusqu'à une date donnée. Ce qu'il en retient n'est pas une base de données mais des associations statistiques : quels noms sont associés à quelle catégorie, à quels usages, à quels concurrents. C'est la voie « entraînement » : sans recherche, le moteur répond à partir de ces associations, rarement avec des citations.
Sur cette voie, une marque pèse en proportion de son empreinte documentaire : la fréquence, l'ancienneté et la cohérence avec lesquelles elle est décrite sur le web public, chez elle et chez les tiers. La recherche académique documente le biais qui en découle : les modèles utilisés comme systèmes de recommandation favorisent les noms les plus fréquents dans leurs données, indépendamment de la qualité des produits. Un acteur récent ou peu documenté part avec un handicap qui ne se corrige que sur des mois, au rythme des cycles d'entraînement.
Ce que les éditeurs documentent ici est limité aux robots d'entraînement et à la façon de les bloquer : GPTBot chez OpenAI, ClaudeBot chez Anthropic, Google-Extended chez Google (qui contrôle l'usage pour l'entraînement de Gemini sans affecter l'affichage dans Search). Ce qu'ils ne documentent pas : la composition des corpus, la date exacte de coupure de chaque modèle, et le poids d'une source dans ce que le modèle a retenu.
Étape 2 : l'interprétation et la réécriture de la question
En bref
Quand la question appelle une information récente ou spécifique, le moteur décide de chercher. Il ne transmet pas la question telle quelle : il la réécrit en une ou plusieurs requêtes ciblées. OpenAI documente que ChatGPT réécrit typiquement la question avant de l'envoyer à des fournisseurs de recherche ; Google documente que ses fonctions IA décomposent la question en sous-thèmes et lancent plusieurs recherches en parallèle.
La réécriture de requête et l'éclatement en sous-requêtes sont documentés par OpenAI (centre d'aide ChatGPT Search) et par Google (query fan-out d'AI Mode et des Aperçus IA). Ce ne sont pas des hypothèses de praticiens. Leur conséquence est contre-intuitive : optimiser pour des formulations conversationnelles longues revient à se placer sur des requêtes que le moteur n'envoie jamais telles quelles.
À cette étape, le moteur lit aussi les critères explicites de la question (taille d'entreprise, secteur, budget, contraintes) et en déduit des critères implicites. OpenAI documente en outre que la mémoire de l'utilisateur, quand elle est activée, peut enrichir la requête envoyée à la recherche : deux personnes posant la même question ne déclenchent pas forcément la même recherche.
Étape 3 : la récupération dans un index
En bref
Les requêtes réécrites interrogent un index de recherche, et le moteur récupère quelques pages parmi les résultats. C'est la voie « récupération », dite aussi génération augmentée par récupération. L'index n'est pas le même d'un moteur à l'autre : c'est la différence la plus structurante entre eux, et la raison pour laquelle une entreprise visible dans l'un peut être absente de l'autre.
| Moteur | Index interrogé | Robots déclarés | Ce que l'éditeur documente |
|---|---|---|---|
| ChatGPT (OpenAI) | Index propre alimenté par OAI-SearchBot, plus des fournisseurs de recherche tiers | GPTBot (entraînement), OAI-SearchBot (index de recherche), ChatGPT-User (récupération déclenchée par l'utilisateur) | Les robots, la réécriture de la requête, l'absence de placement garanti |
| Gemini, Aperçus IA et AI Mode (Google) | L'index de Google Search | Googlebot (Search), Google-Extended (entraînement uniquement) | L'éligibilité : page indexée et éligible à un extrait, sans exigence supplémentaire |
| Claude (Anthropic) | Brave Search, déclaré dans la liste des sous-traitants d'Anthropic | ClaudeBot (entraînement), Claude-User (récupération déclenchée), Claude-SearchBot (index) | Les robots et leur blocage ; rien sur la sélection des sources |
| Perplexity | Index propre | PerplexityBot (index), Perplexity-User (récupération déclenchée) | Les robots, l'affichage systématique des sources |
| Microsoft Copilot | L'index de Bing | Bingbot | Le rôle de Bing |
Cinq moteurs, cinq index. Vérifié sur les documentations des éditeurs en septembre 2026 ; les partenariats et les noms de robots évoluent et doivent être datés.
Deux conditions techniques en découlent, et ce sont les seules entièrement documentées par les éditeurs. La première : le robot concerné doit pouvoir accéder à la page, ce qui se décide dans le fichier robots.txt et, souvent oublié, dans le pare-feu ou le service de protection du site, qui refuse parfois ces robots en silence. La seconde : la page doit être lisible sans exécution de code. Une analyse de journaux menée par Vercel et MERJ sur environ 1,3 milliard de requêtes conclut qu'aucun des grands agents d'IA n'exécute le JavaScript : ils lisent le HTML servi, et rien d'autre.
Bloquer un robot n'a pas le même effet selon son rôle
Bloquer GPTBot retire vos pages de l'entraînement des futurs modèles d'OpenAI, sans effet sur la recherche de ChatGPT. Bloquer OAI-SearchBot retire vos pages de l'index que ChatGPT interroge. Bloquer Google-Extended n'a aucun effet sur les Aperçus IA ni sur AI Mode, qui reposent sur l'index de Search. Le détail, robot par robot, est dans robots.txt, sitemap.xml et llms.txt.
Étape 4 : la sélection des passages
En bref
Parmi les pages récupérées, le moteur retient les passages qui répondent à la question réécrite. Il travaille au niveau du passage, pas de la page : un paragraphe autonome, qui répond d'abord et prouve ensuite, a plus de chances d'être retenu qu'une page longue où la réponse est diluée. Les critères exacts de cette sélection ne sont publiés par aucun éditeur.
Ce que la recherche établit, c'est l'existence de biais dans cette sélection. Le biais de position : quand un modèle de langage classe des options, l'ordre dans lequel elles lui sont présentées influence son classement. Le biais de popularité : les noms les plus fréquents dans les données sont favorisés. Ces biais sont mesurés en laboratoire ; leur ampleur dans un produit commercial donné ne l'est pas.
Le poids relatif des signaux (autorité de la source, fraîcheur, correspondance avec la requête, structure du passage) dans la sélection, et la règle de départage entre deux passages également pertinents, ne sont documentés par aucun éditeur. Toute grille chiffrée présentant des pourcentages d'influence par facteur est une reconstitution, pas une spécification.
Étape 5 : la génération
En bref
Le modèle rédige la réponse à partir des passages retenus et de sa connaissance apprise. Cette rédaction est probabiliste : à chaque étape du texte, plusieurs formulations sont en concurrence, et le système en tire une. La même question, posée deux fois dans les mêmes conditions, peut donc produire deux listes de noms différentes. Une réponse est un tirage, pas un état.
La variabilité vient de cinq endroits qui se combinent : l'interprétation de la question, la réécriture de la requête, les pages disponibles dans l'index ce jour-là, l'ordre des passages retenus, et le tirage de la génération. S'y ajoutent le mode (avec ou sans recherche), la date, la langue, la localisation et la personnalisation du compte. Aucune de ces sources de variation ne s'élimine ; toutes se documentent et s'échantillonnent.
À retenir
La conséquence méthodologique gouverne toute mesure de visibilité : on ne conclut jamais sur une réponse. On consigne une fréquence, calculée sur des relevés répétés dans des conditions constantes. La méthode est dans mesurer sa visibilité dans ChatGPT et les IA.
Étape 6 : la citation
En bref
Selon le moteur et le mode, la réponse affiche des sources : des liens vers les pages récupérées. Perplexity les affiche systématiquement, ChatGPT et Claude quand la recherche est activée, Gemini selon l'ancrage, les fonctions IA de Google sous forme de liens de support. Une citation affichée établit qu'une page a été récupérée ; elle n'établit pas que la phrase qu'elle accompagne repose sur cette page.
Liu, Zhang et Liang (EMNLP 2023) ont évalué la vérifiabilité de quatre moteurs de recherche génératifs : en moyenne, seules 51,5 % des phrases générées étaient pleinement soutenues par leurs citations, et 74,5 % des citations soutenaient effectivement la phrase à laquelle elles étaient associées. Les produits ont évolué depuis ; le principe demeure : une citation est un indice, pas une preuve.
Pour une entreprise, la citation est l'un des quatre états de la visibilité, et pas le plus fréquent. On peut être mentionné sans être cité, cité via une page tierce sans que son propre site apparaisse, recommandé sans aucun lien. Ces quatre états ont des leviers différents et se mesurent séparément.
Ce qui varie d'un moteur à l'autre
En bref
Le mécanisme est commun ; les choix d'implémentation diffèrent : quand chercher, dans quel index, combien de sources afficher, quel poids donner au classement de l'index par rapport au reclassement par le modèle. Ces différences expliquent pourquoi une même marque peut être visible sur un moteur et absente d'un autre, et pourquoi la mesure se fait moteur par moteur.
| Moteur | Quand il cherche | Sources affichées | Particularité documentée ou observée |
|---|---|---|---|
| ChatGPT | Automatiquement si la question l'appelle, ou sur activation | Selon le mode ; environ quinze sources par réponse selon un index tiers | Modes Search et Deep Research ; la mémoire peut enrichir la requête |
| Gemini et AI Mode | Ancrage dans Google Search selon la question | Environ trois sources par réponse pour Gemini selon le même index | Query fan-out ; éligibilité conditionnée à l'indexation |
| Claude | Quand l'outil de recherche est activé | Citations en ligne, parcimonieuses | Observation tierce : reclasse peu les résultats de Brave |
| Perplexity | Systématiquement | Quasi systématiques | Index propre ; la citation est le cœur du produit |
| Copilot | Selon la question | Affichées | Proximité avec le classement de Bing |
Comportements observables, vérifiés en septembre 2026 ; ils varient selon le pays, le plan et la version. Les nombres de sources proviennent de l'index de visibilité IA de Semrush (2026) et sont des ordres de grandeur.
Chaque moteur a son article, qui détaille ce que son éditeur documente et ce qui reste inconnu : ChatGPT, Gemini, Claude, Perplexity, Google AI Mode et Microsoft Copilot.
Ce que ce fonctionnement implique pour une entreprise
En bref
Cinq conséquences découlent directement du mécanisme. Le site doit être lisible par les bons robots, sans JavaScript. Les pages doivent répondre aux requêtes que le moteur dérive, au niveau du passage. Ce que les tiers publient pèse autant que ce que vous publiez. La voie « entraînement » se travaille sur des mois, par la cohérence et la corroboration. Et rien ne se garantit : on augmente une probabilité, on ne pilote pas une réponse.
- Accès : décider robot par robot ce que vous autorisez, vérifier le pare-feu, servir le contenu dans le HTML. Méthode dans structurer un site web pour les IA.
- Passages : répondre d'abord, prouver ensuite, dans des paragraphes compréhensibles hors de leur page. Méthode dans rédiger un contenu que les IA citent.
- Sources tierces : être présent, exact et cohérent dans les comparateurs, les plateformes d'avis, les communautés et les médias que les moteurs récupèrent. Cartographie dans où les IA puisent leurs recommandations.
- Empreinte : une seule description de l'entreprise, une catégorie nommée, des faits identiques partout, pour la voie « entraînement ».
- Mesure : un panel de requêtes répété, moteur par moteur, avec et sans recherche, avant toute action et après.
Le cadre d'ensemble, avec les facteurs classés par niveau de preuve, est dans le guide complet du GEO.
Vous voulez voir ce mécanisme appliqué à votre propre catégorie, moteur par moteur ? Evocia teste gratuitement trois requêtes sur plusieurs moteurs et vous envoie une synthèse courte, sources citées comprises.
Tester ma visibilité IAQuestions fréquentes
Comment un moteur génératif choisit-il ses sources ?
Il réécrit la question en requêtes ciblées, interroge un index de recherche (différent selon le moteur), récupère quelques pages et en retient des passages. Les éditeurs documentent ce mécanisme et les robots impliqués ; aucun ne publie les critères de sélection des passages ni leur pondération.
Qu'est-ce que la génération augmentée par récupération ?
C'est la technique par laquelle un moteur génératif récupère des documents pertinents dans un index au moment de la question, puis rédige sa réponse en s'appuyant sur eux. Google la décrit officiellement comme ancrée dans ses systèmes cœur de classement. Elle s'oppose à la réponse produite à partir de la seule connaissance apprise à l'entraînement.
ChatGPT utilise-t-il Google ?
Non. En mode recherche, ChatGPT s'appuie sur son propre index, alimenté par le robot OAI-SearchBot, et sur des fournisseurs de recherche tiers documentés par OpenAI. Gemini, les Aperçus IA et AI Mode s'appuient sur l'index de Google ; Copilot sur celui de Bing ; Claude sur Brave Search ; Perplexity sur son index propre.
Pourquoi les réponses des IA changent-elles d'une fois à l'autre ?
Parce que la génération est probabiliste et que le résultat dépend de la réécriture de la requête, des pages disponibles ce jour-là, du mode, de la date, de la langue et de la personnalisation. Une réponse est un tirage. Une visibilité se mesure donc en fréquence, sur des relevés répétés.
Une citation affichée prouve-t-elle que l'IA a utilisé cette source ?
Elle prouve que la page a été récupérée, pas que la phrase qu'elle accompagne repose sur elle. Une étude de référence mesurait qu'environ la moitié des phrases générées par les moteurs de recherche génératifs étaient pleinement soutenues par leurs citations. Une citation est un indice, pas une preuve.
Faut-il bloquer les robots des IA ?
Cela dépend du robot et de l'objectif. Bloquer un robot d'entraînement (GPTBot, ClaudeBot, Google-Extended) retire vos pages des futurs modèles sans effet sur la recherche. Bloquer un robot d'index de recherche (OAI-SearchBot, PerplexityBot) ou un agent déclenché par l'utilisateur retire vos pages des réponses. Une entreprise qui cherche à être visible autorise en général les seconds.
Sources
- OpenAI, ChatGPT Search (centre d'aide officiel : réécriture de la requête, fournisseurs de recherche, rôle de la mémoire, absence de garantie)
- OpenAI, documentation des robots (GPTBot, OAI-SearchBot, ChatGPT-User)
- Google Search Central, AI features and your website (éligibilité, query fan-out)
- Google Search Central, guide d'optimisation pour l'IA générative (récupération ancrée dans le classement cœur)
- Google, aperçu des robots d'exploration (Googlebot, Google-Extended)
- Anthropic, exploration du web et contrôle par les propriétaires de sites (ClaudeBot, Claude-User, Claude-SearchBot)
- Perplexity, agents d'exploration et index propriétaire
- Vercel et MERJ, The rise of the AI crawler (analyse de journaux : absence d'exécution du JavaScript par les principaux agents d'IA)
- Liu, Zhang, Liang, Evaluating Verifiability in Generative Search Engines, EMNLP 2023 (arXiv 2304.09848)
- Hou et al., Large Language Models are Zero-Shot Rankers for Recommender Systems (biais de position), arXiv 2305.08845
- Understanding Biases in ChatGPT-based Recommender Systems (biais de popularité), arXiv 2401.10545
- Semrush, AI Visibility Index 2026 (nombre de sources citées par réponse, ordres de grandeur)
Transparence et méthode
Auteur
Evocia · Cabinet français de visibilité dans les IA
Evocia est un cabinet français spécialisé dans la mesure et l'amélioration de la visibilité des entreprises dans les réponses des IA. Cet article est le socle des cinq articles moteur du cabinet.
Comment cet article a été réalisé
- Article rédigé le 13 septembre 2026 dans le cadre de la refonte éditoriale du blog, pour expliquer une fois le mécanisme que les cinq articles moteur répétaient chacun.
- Sources primaires privilégiées : documentations des robots et de la recherche d'OpenAI, Google, Anthropic et Perplexity ; recherche académique sur la vérifiabilité des citations et les biais des modèles utilisés comme classeurs ; une analyse de journaux tierce sur l'exécution du JavaScript.
- Distinction systématique entre ce qui est documenté par les éditeurs, ce qui est soutenu par la recherche, ce qui est observé par des tiers, et ce qui reste inconnu. Aucune pondération ni critère de sélection n'est présenté comme un fait. Fonctionnalités vérifiées en septembre 2026 ; elles évoluent.
Historique des mises à jour
- 14 septembre 2026Renvoi vers l'étude Evocia AI Sources Index 2026 (mesure du 14 septembre 2026) ajouté.
- 13 septembre 2026Appel à l'action ajouté.
- 11 septembre 2026Publication initiale : définition d'un moteur génératif, les six étapes (entraînement, réécriture, récupération, sélection, génération, citation), tableau des index et des robots par moteur, différences entre moteurs, conséquences pour une entreprise.