Au-delà du classement : ce qui fait réellement citer une page dans les réponses IA

Vingt ans de pratique du référencement reposent sur une seule hypothèse : le classement détermine la visibilité. Cette hypothèse n’a jamais été testée à grande échelle face aux moteurs de réponse, et les mesures qui la testent ne sont apparues qu’entre mi-2025 et mi-2026. Elles sont dérangeantes. Sur environ quatre millions d’URL citées dans les AI Overviews de Google, seules 37,1 % figuraient aussi dans le top 10 pour la requête, et 36,7 % ne figuraient pas du tout dans le top 100 (Ahrefs, 863 000 mots-clés, mars 2026) [1]. Sur 100 000 prompts, seuls 11 % des domaines cités apparaissaient à la fois dans les réponses de ChatGPT et de Perplexity (Profound, juillet 2025) [4]. Et dans Google AI Mode, 93 % des sessions se terminent sans un seul clic sortant (GEO Hub, 2026) [9].

La conclusion n’est pas que le classement ait cessé de compter. C’est que le classement est devenu un signal de pertinence au sein d’un vivier de candidats bien plus vaste, et non un ticket d’entrée. Les marques qui continuent d’arbitrer leur budget sur la position alors que la décision de citation se joue ailleurs mesurent la mauvaise variable. La première action consiste à changer d’unité de mesure — de la position à la part de sources citées, moteur par moteur — et à traiter l’extractibilité et la fraîcheur comme les deux leviers qui la font réellement bouger.

L’optimisation de recherche classique repose sur une chaîne causale unique : une page se classe, donc elle est vue, donc elle est cliquée. Toutes les conventions de reporting du secteur — position moyenne, part de voix, nombre de positions dans le top 10 — sont des approximations de cette chaîne. Même lorsque les résumés génératifs sont apparus, la plupart des praticiens les ont traités comme une fonctionnalité de SERP de plus, superposée au même modèle.

Le comportement des utilisateurs dit autre chose. Le Pew Research Center a suivi la navigation de 900 adultes américains sur 68 879 recherches Google en mars 2025. Lorsqu’un résumé génératif apparaissait — ce qui s’est produit sur 18 % des recherches, et sur 53 % des requêtes de dix mots ou plus — les utilisateurs cliquaient un résultat organique classique dans 8 % des visites, contre 15 % lorsqu’aucun résumé n’apparaissait, et terminaient la session dans 26 % des cas [10]. Le résumé ne se superposait pas au classement. Il remplaçait le classement comme ce que l’utilisateur lisait.

“In roughly one in four searches with an AI summary, the user was finished before reaching any result at all.” — Pew Research Center, 68,879 searches, March 2025 [10]

Les données de trafic confirment la direction sans confirmer le mécanisme. Le panel clickstream de Semrush — plus d’un milliard de lignes couvrant dix-sept mois de navigation américaine — montre un trafic de référencement ChatGPT en hausse de 206 % en 2025, tandis que plus de 20 % de ce trafic sortant retournait vers Google plutôt que vers le site cité, et que plus de 30 % se concentrait sur dix domaines [8]. La couche de réponse est désormais assez large pour constituer un canal de distribution, et assez étroite pour que ses bénéfices soient répartis de façon inégale.

Cela rend la question non résolue coûteuse. Si ce sont les réponses, et non les résultats, que les utilisateurs lisent, alors la seule chose qui compte est de savoir si votre page est retenue comme source. Or ce choix n’avait pas été mesuré à grande échelle avant 2025. Ce livre blanc rapporte ce que ces mesures ont trouvé, y compris là où elles se contredisent.

Deux avant-projets de cette série ont précédé celui-ci. Comment les moteurs IA décident des marques à citer traitait le classement dans le top 10 comme la condition d’accès à la citation ; les données de 2026 ne le confirment plus, et la section 3 le révise. Seven Engines, Seven Behaviours décrit en quoi les moteurs diffèrent ; ce livre blanc montre pourquoi ces différences changent les probabilités de citation. Les deux avant-projets ont été retirés et ne sont plus publiés.

Il s’agit d’une recherche secondaire. Aucune mesure de ce document n’a été produite par Novaxilabs. Chaque chiffre est un résultat publié d’une étude nommée, rapporté avec sa taille d’échantillon et sa fenêtre de mesure, et chaque affirmation renvoie à une référence numérotée en annexe A. La valeur ajoutée ici n’est pas une donnée nouvelle : c’est la comparaison entre études, la réconciliation de résultats contradictoires et leur traduction en décisions qu’une équipe de marque peut appliquer.

Niveaux de preuve

Les affirmations sont notées selon l’échelle à cinq niveaux utilisée dans toute cette série : Officiel (documentation de l’éditeur), Évalué par les pairs, Mesure indépendante (large échantillon tiers, avec taille et fenêtre précisées), Déclaré par un éditeur et Analyse (inférence raisonnée à partir de comportements observables, explicitement sans prétention d’accès aux mécanismes internes des moteurs). Sept des huit études citées ici sont des mesures indépendantes ; les explications de mécanisme en section 3 sont des Analyses et sont étiquetées comme telles.

Comparabilité — et pourquoi les chiffres absolus sont évités

Les études ne partagent pas la même méthodologie, et ce document ne prétend pas le contraire. Ahrefs a mesuré 863 000 mots-clés face à 4 millions d’URL d’AI Overviews [1] ; un échantillon Ahrefs antérieur couvrait 1,9 million de citations [2] ; BrightEdge a suivi neuf secteurs sur dix-huit mois [3] ; Profound a exécuté 100 000 prompts sur deux moteurs [4] ; Wix Studio a analysé 1 056 727 citations issues de 75 000 réponses génératives [5]. Un pourcentage issu de l’une ne peut être soustrait d’un pourcentage issu d’une autre. Ce qui peut être comparé, c’est la direction : chaque étude, selon ses propres termes, observe-t-elle un classement et une citation qui évoluent ensemble ou séparément ? C’est pour cette raison qu’elles sont rapportées individuellement.

Ce que ce document ne prétend pas

Il ne prétend pas savoir comment un moteur pondère ses sources en interne. Il ne prétend pas que ces résultats valent pour toutes les langues, tous les marchés ou toutes les catégories — lorsque des études publient des découpages par catégorie, ils sont présentés. Il ne prétend pas que la tendance est permanente : chaque source ici est datée, et les preuves du document montrent elles-mêmes à quelle vitesse le tableau évolue (le constat 01 rapporte une mesure qui a à peu près diminué de moitié en huit mois).

Chaque constat ci-dessous énonce une affirmation, indique l’étude qui la soutient et précise l’échantillon. Lorsque des études divergent, la divergence apparaît dans le graphique au lieu d’être lissée — car la divergence est elle-même le constat.

Le conflit n’est pas une erreur de données ; c’est une différence de méthode assortie d’une leçon. BrightEdge a suivi un ensemble fixe de neuf secteurs sur dix-huit mois et a vu le recouvrement progresser de 32,3 % à 54,5 % [3] — avec une dispersion extrême au sein de l’ensemble, de 75,3 % dans la santé à 19,2 % dans la restauration. Ahrefs a utilisé des échantillons de mots-clés bien plus larges et a vu le recouvrement s’effondrer en sens inverse [1][2]. Les deux sont défendables. Ce qui survit aux deux est plus étroit et plus utile : le classement est un signal de pertinence au sein d’un vivier de candidats bien plus vaste, et non une condition préalable à la citationANALYSIS.

Une troisième étude explique pourquoi les chiffres divergent si violemment, et c’est la plus utile pour planifier. Ahrefs a testé 15 000 requêtes de longue traîne sur ChatGPT, Gemini, Copilot et Perplexity face au top 10 de Google pour le même prompt : seules environ 12 % des URL citées par l’IA figuraient aussi dans le top 10 — avec Perplexity à environ 29 %, Gemini près de 12 %, et ChatGPT et Copilot près de 8 % (août 2025) [18]. L’écart entre 76 %, 12 % et 37,1 % relève largement d’un effet de type de requêteANALYSIS. Les requêtes génériques à forte valeur commerciale suivent encore le classement d’assez près pour produire un recouvrement élevé ; les requêtes de longue traîne et les prompts formulés comme des questions, où la réponse est assemblée à partir de sous-requêtes, ne le font pas. L’exposition d’une marque dépend donc du type de prompt que ses acheteurs tapent réellement.

Un mécanisme explique l’écart sans prétendre connaître les mécanismes internes des moteurs. Les AI Overviews sont documentés comme puisant dans les systèmes de classement centraux de Google, mais le vivier dans lequel ils puisent est l’index, non le top 10 affiché — et AI Mode ajoute un éclatement de requête (query fan-out), qui émet des sous-requêtes dérivées dont les ensembles de résultats ne sont pas la page de résultats d’origine [11][12]. Une page classée vingt-cinquième sur la requête générique peut être la meilleure réponse à une sous-requête issue de cet éclatement. Les chiffres de 2026 sont cohérents avec cela : la corrélation entre classement et citation subsiste, mais elle ne fonctionne plus comme un seuil d’accès.

La conséquence pratique est structurelle plutôt que tactique. Un tableau de bord mono-moteur produit un chiffre qui ressemble à une part de marché mais se comporte comme un échantillon d’un seul canal. Parce que les deux moteurs récupèrent différemment — ChatGPT mêlant mémoire d’entraînement et récupération en direct, Perplexity assemblant à partir d’un ensemble récupéré en direct [13][14] — l’absence de recouvrement n’est pas du bruit aléatoire. C’est l’empreinte de politiques de récupération différentes, et cela signifie que l’empreinte de citation d’une marque doit être mesurée moteur par moteur, puis agrégée.

Trois autres mesures précisent ce que « extractible » signifie. La longueur aide mais ne suffit pas : les pages de plus de 20 000 caractères étaient citées 10,18 fois en moyenne contre 2,39 pour les pages de moins de 500 caractères, les 4,8 % d’URL les plus citées captant dix citations ou plus (Growth Memo, mars 2026) [6]. Ouvrir sur une réponse directe aide davantage : les pages dont le titre répondait directement à la question étaient citées sur 41 % des requêtes, contre 29 % pour des pages faiblement liées (Growth Memo, avril 2026) [7]. Et un raccourci technique ne fonctionne pas : le balisage structuré de type schema n’a montré aucun gain mesurable dans les AI Overviews, AI Mode ou ChatGPT (Ahrefs, mai 2026) [15].

C’est l’intention, non le secteur, qui prédit le format. Dans le même jeu de données, les requêtes informationnelles ont attiré 45,5 % d’articles contre 21,7 % de listicles, tandis que les requêtes commerciales inversaient la tendance — 40,9 % de listicles contre 6,2 % d’articles [5]. Dans les services professionnels, 80,9 % des listicles cités provenaient de tiers neutres et non des marques elles-mêmes — ce qui signifie que le meilleur coup sur les requêtes d’achat consiste généralement à être inclus dans le récapitulatif de quelqu’un d’autre, plutôt qu’à publier le sien.

Deux faits structurels sous-tendent tout cela. Premièrement, une large part de chaque réponse est déjà attribuée avant même qu’une page de marque ne soit considérée : Wikipédia, YouTube et Reddit fournissaient ensemble 15 % des sources vers lesquelles les résumés génératifs renvoyaient (Pew, 2025) [10], et YouTube seul était le domaine le plus cité dans les AI Overviews — 5,6 % de toutes les citations, et 18,2 % des citations pour les pages classées hors du top 100 (Ahrefs, mars 2026) [1]. Deuxièmement, les moteurs diffèrent fortement par le nombre de sources affichées : sur 126 millions de prompts américains, ChatGPT affichait en moyenne 15 sources par réponse tandis que Gemini en affichait trois (Semrush AI Visibility Index, 2026) [20]. La même page affronte des arithmétiques très différentes selon le moteur qui répond.

Une contrainte est infrastructurelle. Dans un test contrôlé de 14 jours sur le site propre d’une marque, des pages HTML ont recueilli 137 visites de robots IA et ont été retenues comme sources de citation ; le contenu identique servi en Markdown n’a recueilli aucune visite, de la part d’aucun robot, et n’a été cité aucune fois (OtterlyAI, avril 2026) [16]. Une page peut être excellente et rester indisponible si elle n’existe que sous une forme que le moteur de récupération ne va pas chercher.

La lecture honnête est plus étroite que ne le suggère chacune des deux études. « Publier du contenu frais pour gagner des citations » n’est pas ce que montrent les données : par rapport à la recherche ordinaire, les AI Overviews n’affichent presque aucune préférence d’âge, et les pages citées ont typiquement plusieurs années. La fraîcheur affecte l’éligibilité, non la préférence — une page nouvelle peut être récupérée en quelques jours, ce qui ne compte que lorsqu’une page est nouvelle. La conclusion opérationnelle : rafraîchir une page existante n’est pas un levier de croissance, mais une page jamais publiée dans la fenêtre de récupération n’est jamais entrée dans le vivier. Ce qui s’accumule, c’est l’existence continue et la récupération répétée, et une page réécrite chaque trimestre ne remet pas ce compteur à zéro.

L’implication est un changement de fonction objectif, non un changement de canal. Si la citation est le point final de la plupart des sessions, alors le résultat à mesurer est de savoir si la marque est nommée, à quel point tôt, avec quelle exactitude et face à qui — et non combien de visiteurs sont arrivés. Le trafic qui existe est concentré : plus de 30 % du trafic sortant de ChatGPT atterrit sur dix domaines, et plus de 20 % revient à Google plutôt qu’à l’éditeur cité [8]. Pour la plupart des marques, le prix réaliste est d’être la bonne réponse à l’intérieur de la réponse, le clic étant un bonus occasionnel.

Les cinq constats convergent vers un même basculement opérationnel : l’unité de concurrence est passée de la position à la présence, et les indicateurs doivent suivre.

1. Le classement cesse d’être le titre du reporting

La position moyenne reste un diagnostic utile — elle prédit quelles pages sont des candidates plausibles — mais elle n’est plus une approximation de la visibilité. Une marque qui annonce « trois mots-clés dans le top 10 » n’a rien dit sur sa présence dans les réponses. L’indicateur de remplacement est la part de sources citées : sur les réponses que produisent les prompts de votre catégorie, dans quelle proportion votre domaine est-il l’une des sources, et à quelle position dans la liste des sources.

2. Le choix des moteurs est une décision de structure de marché

Avec 11 % de recouvrement entre moteurs, une « visibilité IA » mesurée sur un seul moteur décrit un seul canal [4]. Une marque doit décider quels moteurs correspondent à sa population d’acheteurs réelle, puis rapporter chaque moteur séparément et n’agréger qu’en indiquant la composition. Un chiffre unique mélangeant les moteurs n’est pas un résumé ; c’est une moyenne pondérée de populations non comparables.

3. L’extractibilité est le seul levier entièrement sous le contrôle d’une marque

Le classement dépend des concurrents et d’un algorithme que personne ne peut inspecter. L’extractibilité, non : une page qui ouvre sur une réponse directe, énonce sa thèse dès les deux premières phrases et couvre les sous-questions évidentes peut être améliorée cette semaine. L’effet mesuré est significatif — 41 % de taux de citation pour les titres à réponse directe contre 29 % pour des titres faiblement liés [7], et un écart de 4,3× entre pages longues et pages très courtes [6]. Le seul levier qui ressemblait à un raccourci — le balisage schema — n’a mesuré aucun gain [15].

4. La fraîcheur est un seuil d’éligibilité, non un levier de croissance

La page citée moyenne a plus de trois ans [19], si bien que « mettre à jour notre contenu » n’est pas le levier que l’on vend. Ce que la fraîcheur gouverne, c’est la possibilité même qu’une page soit captée — et cette fenêtre est courte, avec une médiane de 6,81 jours jusqu’à la première citation [17]. L’implication est de publier en continu plutôt que de rafraîchir périodiquement : une cadence régulière de pages nouvelles et répondantes continue d’alimenter le vivier, tandis qu’une réécriture trimestrielle de pages anciennes ne change presque rien à leur comportement de citation.

5. Le résultat à optimiser est l’exactitude, non l’arrivée

Avec 93 % de zéro-clic dans AI Mode [9], une stratégie dont la condition de succès est une visite déclarera un échec sur la plupart de ses propres victoires. La condition de succès doit être reformulée : la marque est-elle nommée, est-elle décrite correctement, est-elle recommandée là où elle devrait l’être, et quels concurrents apparaissent à côté d’elle. Cela est mesurable — et c’est la seule chose que la couche de citation paie réellement.

Il s’agit d’une synthèse, non d’une mesure. Chaque chiffre provient d’une étude avec son propre échantillon, sa fenêtre et sa méthode, et le document les rapporte individuellement précisément parce qu’ils ne peuvent pas être mutualisés. Trois faiblesses précises doivent accompagner les constats :

• Instabilité. La figure 1 montre deux études crédibles parvenant à des conclusions opposées sur la même relation en huit mois. Tout chiffre isolé de ce document est un instantané, et la thèse du document implique qu’il vieillira.
• Dispersion par catégorie. Les secteurs de BrightEdge allaient de 75,3 % de recouvrement dans la santé à 19,2 % dans la restauration [3]. Une moyenne entre secteurs peut ne décrire aucun secteur. Les lecteurs doivent supposer que leur propre catégorie se situe quelque part dans cette fourchette, non à son milieu.
• Biais géographique et linguistique. Les études citées sont majoritairement américaines et anglophones. Le comportement des moteurs varie selon le marché, la langue et l’état de connexion, et aucun des chiffres ici ne devrait être transposé à un autre marché sans nouvelle mesure.

Le document ne prétend pas non plus décrire comment les moteurs pondèrent leurs sources en interne. Les explications de mécanisme — intégration au classement central, éclatement de requête, viviers de candidats élargis — proviennent de la documentation des éditeurs et d’entrées et sorties observables, et sont étiquetées Analyse dès qu’elles dépassent ce qu’un éditeur a déclaré.

Classées par rapport effort-impact, chacune avec un responsable et un moyen de vérifier qu’elle a fonctionné.

La séquence compte plus que n’importe quelle ligne. Les actions 1 et 2 sont peu coûteuses et produisent un signal en un cycle de publication ; l’action 4 est celle qui transforme une amélioration ponctuelle en capacité durable. L’action 5 est incluse parce que retirer un levier d’apparence plausible mais inefficace est en soi un gain.

Politique de sources. Les preuves sont notées selon une échelle à cinq niveaux : Officiel (documentation ou annonce de l’éditeur), Évalué par les pairs, Mesure indépendante (large échantillon tiers avec méthode publiée), Déclaré par un éditeur (un éditeur publiant des données qui servent aussi sa propre argumentation produit), Analyse (inférence raisonnée à partir de comportements observables, sans prétention d’accès aux mécanismes internes des moteurs). Les études d’éditeurs d’outils (Ahrefs, Semrush, Wix Studio) sont notées Mesure indépendante parce que leurs échantillons et méthodes sont publiés ; lorsqu’un éditeur mesure son propre argument de vente principal — le recouvrement entre moteurs de Profound — l’entrée est rétrogradée en Déclaré par un éditeur. Certaines études ne sont pas adressables de façon stable sur leur propre plateforme ; dans ce cas, l’entrée cite la source secondaire qui les nomme, afin que chaque chiffre de ce document reste vérifiable sur une page accessible.

1. 1.Ahrefs, « AI Overview citations versus organic ranking », 863 000 SERP de mots-clés et 4 millions d’URL d’AI Overviews, mars 2026 : 37,1 % des URL citées classées dans le top 10, 26,2 % entre la 11e et la 100e place, 36,7 % hors du top 100. Rapporté dans SEOValley, « What Gets Cited in AI Overviews », septembre 2026. seovalley.com INDEPENDENT
2. 2.Ahrefs, échantillon de citations antérieur, 1,9 million de citations, juillet 2025 : recouvrement avec le top 10 d’environ 76 %. Même source de reporting que [1]. INDEPENDENT
3. 3.BrightEdge, recouvrement citation-organique sur neuf secteurs, mai 2024 – septembre 2025 : 32,3 % → 54,5 % ; santé 75,3 %, restauration 19,2 %. Rapporté dans SEOValley [1]. INDEPENDENT
4. 4.Profound, « Cross-engine citation overlap », 100 000 prompts exécutés dans ChatGPT et Perplexity, juillet 2025 : 11 % des domaines cités apparaissent dans les deux. Rapporté dans AI Visibility Software, « Myth: AI Visibility Is Just SEO Rebranded », juillet 2026. ai-visibility-software.com VENDOR-REPORTED
5. 5.Wix Studio AI Recherche Lab, étude de composition des citations, 1 056 727 citations issues de 75 000 réponses génératives de ChatGPT, Google AI Mode et Perplexity, mars 2026 : listicles 21,9 %, articles 16,7 %, pages produit 13,7 % ; requêtes informationnelles 45,5 % d’articles ; requêtes commerciales 40,9 % de listicles. Rapporté dans SEOValley [1]. INDEPENDENT
6. 6.Growth Memo, analyse de longueur de page et de citation, mars 2026 : pages de plus de 20 000 caractères citées 10,18 fois en moyenne contre 2,39 pour les pages de moins de 500 caractères ; 4,8 % d’URL les plus citées citées dix fois ou plus. Tel que rapporté, avec attribution, par Position Digital. position.digital INDEPENDENT
7. 7.Growth Memo, analyse de forme de titre, avril 2026 : les pages dont les titres répondent directement à la question sont citées sur 41 % des requêtes, contre 29 % pour des titres faiblement liés. Même source de reporting que [6]. position.digital INDEPENDENT
8. 8.Semrush, « ChatGPT search insights », panel clickstream de 200 millions d’utilisateurs, 17 mois / plus d’un milliard de lignes jusqu’en février 2026 : trafic de référencement ChatGPT +206 % en 2025 ; plus de 30 % du trafic sortant vers dix domaines ; plus de 20 % retournant vers Google ; recherche web déclenchée sur 34,5 % des requêtes (46 % fin 2024). semrush.com INDEPENDENT
9. 9.GEO Hub, « The click that never came: AI Mode’s 93% zero-click rate », 2026 : 93 % des sessions AI Mode ne produisent aucun clic sortant ; 6 à 8 % atteignent une page externe ; AI Overviews 43 % de zéro-clic. geo.alibaba.com INDEPENDENT
10. 10.Pew Research Center, étude des comportements de recherche, 900 adultes américains / 68 879 recherches Google, mars 2025 : 18 % des recherches ont produit un résumé génératif (53 % pour les requêtes de dix mots ou plus) ; taux de clic organique de 8 % lorsqu’un résumé apparaissait contre 15 % sans résumé ; 26 % des sessions avec résumé se sont terminées sans qu’aucun résultat soit visité ; Wikipédia, YouTube et Reddit fournissaient 15 % des sources liées. pewresearch.org INDEPENDENT
11. 11.Google, « What happened with AI Overviews and next steps », The Keyword, mai 2024 : les AI Overviews puisent dans les systèmes de classement centraux de Google et identifient des résultats pertinents dans l’index de recherche. blog.google OFFICIAL
12. 12.Google, « Expanding AI Overviews and introducing AI Mode », The Keyword, mars 2025 : AI Mode utilise l’éclatement de requête (query fan-out), en émettant plusieurs recherches liées sur des sous-thèmes et des sources de données. blog.google OFFICIAL
13. 13.OpenAI, « Introducing ChatGPT search », octobre 2024 : la recherche ChatGPT extrait des informations actuelles du web avec des liens vers les sources. openai.com OFFICIAL
14. 14.Kompozy, « How Perplexity selects sources: retrieval, ranking and citation mechanics », 2026 — analyse technique tierce ; aucune documentation officielle de Perplexity ne décrit le pipeline de sélection. kompozy.io ANALYSIS
15. 15.Ahrefs, test de balisage schema sur 1 885 pages ayant ajouté du JSON-LD, mai 2026 : aucune amélioration statistiquement significative des citations IA dans les AI Overviews, AI Mode ou ChatGPT. Rapporté dans AI Visibility Software [4]. INDEPENDENT
16. 16.OtterlyAI, « GEO Experiment: Markdown vs HTML », test contrôlé sur le site propre de l’éditeur, 14 jours, deux paires de pages appariées : les pages HTML ont reçu 137 visites de robots IA et ont été citées ; les versions .md identiques n’ont reçu aucune visite et aucune citation dans ChatGPT, les AI Overviews de Google et Perplexity. Expérience mono-marque ; non généralisable. otterly.ai VENDOR-REPORTED
17. 17.Josh Blyskal (Profound), étude du délai jusqu’à la première citation, mai 2026 : environ 900 pages nouvellement publiées suivies dans des journaux de réponses de modèles de langage ; médiane 6,81 jours, 90e centile 37,10 jours. Publié par un éditeur de suivi de citations. tryprofound.com VENDOR-REPORTED
18. 18.Ahrefs, « Only 12% of AI-cited URLs rank in Google’s top 10 for the original prompt », 15 000 requêtes de longue traîne sur ChatGPT, Gemini, Copilot et Perplexity, août 2025 : environ 12 % de recouvrement global ; Perplexity environ 29 %, Gemini environ 12 %, ChatGPT environ 8 %, Copilot environ 8 %. Rapporté dans AI Visibility Software [4]. INDEPENDENT
19. 19.Ahrefs, âge moyen des pages citées sur 16,975 millions d’URL citées, juillet 2025 : ChatGPT 958 jours, Copilot 1 056, Gemini 1 118, Perplexity 1 166, AI Overviews de Google 1 432, organique Google ordinaire 1 416. Rapporté dans SEOValley [1]. INDEPENDENT
20. 20.Semrush AI Visibility Index, 126 millions de prompts américains, janvier–avril 2026 : ChatGPT affichait en moyenne 15 sources par réponse, Gemini trois. Rapporté dans SEOValley [1]. INDEPENDENT

Ce document a été rédigé de façon indépendante. Ses conclusions n’ont pas été revues ni orientées par Novaxilabs, et aucune de ses affirmations ne dépend des données de suivi propres à Novaxilabs.

Novaxilabs mesure comment une marque apparaît dans les réponses génératives — et non comment une page se classe. La plateforme suit le taux de mention, la position de recommandation, le sentiment et les sources réellement citées par les moteurs, sur sept moteurs, dans un seul tableau de bord.