Comment ChatGPT choisit ses sources

ChatGPT puise dans deux réservoirs de sources, ses corpus d'entraînement, figés à une date donnée, et un moteur de recherche en temps réel, SearchGPT, qui interroge l'index Bing de Microsoft.
Selon Seer Interactive (février 2025), 87 % des citations de SearchGPT correspondent aux premiers résultats organiques de Bing sur la même requête. La hiérarchie de Bing détermine donc largement ce que ChatGPT cite.
Les accords d'OpenAI avec les éditeurs de presse (Associated Press, Le Monde, Axel Springer, News Corp) donnent un accès à du contenu sous licence, mais ne garantissent pas plus de citations. La corrélation entre accord et fréquence de citation est faible.
Trois préférences de sources sont documentées. Wikipedia pèse 47,9 % des citations sur les requêtes testées par Digital Bloom, les sites tiers (annuaires, plateformes d'avis) 48,73 % selon Yext, et Reddit ressort sur les requêtes commerciales.

Quand ChatGPT répond à une question, il puise dans deux types de sources qu'il faut distinguer pour comprendre ce qui se joue. D'un côté les corpus d'entraînement, figés à la date de clôture du modèle. De l'autre la recherche en temps réel de SearchGPT, qui interroge le web à chaque requête. Les leviers GEO ne sont pas les mêmes dans les deux cas.

Ce que ChatGPT « cite » n'est pas toujours ce qu'il « reprend ». Être cité (votre lien dans la liste des sources), être mentionné (votre nom écrit dans la réponse) et être repris (votre contenu façonne la réponse) sont trois statuts distincts, qui ne se mesurent pas de la même façon. On les détaille dans la définition du GEO.

Les deux réservoirs de sources

Le corpus d'entraînement

Les modèles GPT (GPT-4, GPT-4o et les suivants) ont été entraînés sur des corpus massifs de textes web, de livres, d'articles académiques et de données structurées. La date de clôture de ces corpus varie selon les versions, octobre 2023, puis avril 2024, puis fin 2024. Les sources entrées dans ce corpus restent dans la mémoire du modèle, mais elles ne sont pas rafraîchies à chaque conversation.

Pour une marque, la conséquence est simple. Si elle n'existait pas, ou existait mal, dans les sources web au moment de l'entraînement, le modèle ne la connaît pas de lui-même. Elle dépend alors de la recherche en temps réel pour apparaître dans les réponses.

La recherche en temps réel (SearchGPT)

SearchGPT, lancé fin 2024 et progressivement intégré à ChatGPT, est le grand changement du moteur côté sources. Quand l'utilisateur pose une question qui demande des informations à jour, le modèle déclenche une recherche en temps réel. Cette recherche s'appuie sur l'index Bing de Microsoft, dans le cadre du partenariat entre OpenAI et Microsoft.

La question de l'utilisateur est reformulée en une ou plusieurs requêtes de recherche, envoyées à Bing. Les résultats sont récupérés, classés par pertinence, puis les contenus extraits sont injectés dans le contexte du modèle, qui compose la réponse. Les sources citées correspondent donc largement à ce que Bing classe en tête sur la requête reformulée.

Le rôle structurant de Bing

87 % Part des citations de SearchGPT qui correspondent aux premiers résultats organiques de Bing sur la même requête, selon Seer Interactive (février 2025), sur un échantillon de 100 requêtes et plus de 500 citations. La majorité de ces résultats sont dans le top 10 de Bing. Source : Seer Interactive, 87% of SearchGPT Citations Match Bing's Top Results (6 février 2025)

Cette donnée pèse lourd dans une stratégie. Bing a toujours été peu travaillé en SEO, sa part de marché étant faible face à Google, et beaucoup de marques n'ont jamais optimisé leur position sur ce moteur. Avec SearchGPT, la position dans Bing redevient une porte d'entrée majeure vers la visibilité dans ChatGPT. Le SEO sur Bing devient une stratégie GEO indirecte. Quatre points pratiques en découlent.

Bing a son propre index. Son robot et son index sont distincts de ceux de Google. Une page indexée par Google ne l'est pas automatiquement par Bing.
Bing Webmaster Tools. Microsoft propose l'équivalent de Search Console, pour soumettre des sitemaps, demander l'indexation et suivre les performances. C'est l'outil pour piloter sa visibilité dans ChatGPT.
Les critères de classement de Bing sont largement comparables à ceux de Google (qualité technique, autorité, pertinence, fraîcheur), avec quelques différences. Bing accorde plus d'importance aux balises classiques et plus de poids au texte que Google.
L'exploration par Bing est parfois plus lente. Les pages neuves mettent souvent plus de temps à être indexées que chez Google, et un contenu récent peut attendre quelques jours avant d'apparaître dans les résultats.

Les accords d'OpenAI avec les éditeurs de presse

Au-delà de l'index Bing, OpenAI a négocié à partir de 2023 des accords avec des éditeurs de contenu. La liste, partielle, s'est allongée entre fin 2024 et début 2026.

Associated Press (un des premiers, 2023)
Axel Springer (Bild, Die Welt, Politico, Business Insider)
News Corp (Wall Street Journal, New York Post, MarketWatch...)
Le Monde et Prisa Media (presse francophone et hispanophone)
Financial Times
Time
Vox Media et The Atlantic
Condé Nast (Vogue, Vanity Fair, Wired, GQ...)
Hearst (Cosmopolitan, Esquire, Elle...)
Reuters (partenariat plus récent)

Ces accords donnent à OpenAI un accès sous licence au contenu de ces éditeurs, pour l'entraînement comme pour l'utilisation en temps réel. Les éditeurs y gagnent des revenus de licence et des garanties sur l'usage de leur contenu.

Un accord ne garantit pas plus de citations. Les analyses de Search Engine Land et d'autres médias spécialisés ne trouvent pas de corrélation forte entre ces accords et la fréquence de citation par ChatGPT. Un éditeur partenaire n'est pas systématiquement préféré dans les sources affichées. Les accords sécurisent l'accès au contenu, ils ne donnent pas de coup de pouce notable dans les réponses.

Pour les marques qui ne sont pas des éditeurs, ces accords ne ferment donc pas le terrain. ChatGPT continue de citer des sources non partenaires (Wikipedia, Reddit, sites de marques, plateformes d'avis, blogs), qui restent au moins aussi présentes que les médias sous licence.

Les préférences de sources documentées

Plusieurs études convergent sur les sources les plus citées par ChatGPT. Trois préférences ressortent.

Wikipedia surreprésenté

Digital Bloom 2025 mesure que 47,9 % des citations de ChatGPT sur les requêtes testées viennent de Wikipedia. C'est de loin la source la plus présente, pour trois raisons probables.

Wikipedia a une structure éditoriale, avec des sources nommées et une validation communautaire, proche de ce qu'un LLM valorise.
Wikipedia couvre par construction des dizaines de millions d'entités, personnes, entreprises, concepts.
Wikipedia est l'une des principales sources d'entraînement des modèles GPT, ce qui entretient la préférence.

Reddit fort sur les requêtes commerciales

Amendement du 26 août 2026. Ce qui suit décrit la situation jusqu'au 13 août 2026 et n'est plus vrai dans les citations affichées. Entre le 8 et le 14 août, la part de Reddit dans les citations de ChatGPT Search est passée de 3,83 % à 0,52 %, et l'ensemble des plateformes sociales a reculé dans les mêmes proportions. Le modèle continue en revanche de lire Reddit à un niveau inchangé. J'ai détaillé la mesure, les hypothèses et ce qui reste inexpliqué dans l'analyse dédiée. Le paragraphe ci-dessous est conservé parce qu'un précédent comparable, en septembre 2025, s'était résorbé : il redeviendra peut-être exact.

Sur les requêtes comparatives ou consuméristes (« meilleur outil X », « avis Y »), Reddit prend souvent le dessus. ChatGPT a un penchant marqué pour les retours d'expérience communautaires. Sur le marché américain, c'était même la première source sur ce type de requête selon Peec AI (analyse de 30 millions de citations, mars 2026).

Les sites tiers à 48,73 %

L'analyse Yext (octobre 2025) mesure que 48,73 % des citations de ChatGPT viennent de sites tiers : Yelp, TripAdvisor, MapQuest, plateformes d'avis sectorielles, comparateurs. C'est l'opposé de Gemini, qui cite d'abord les sites officiels des marques. Sur les requêtes grand public, l'investissement dans ces présences tierces (voir mon guide) paie particulièrement chez ChatGPT.

Le parcours d'une question en six temps

Quand ChatGPT répond à une question, le parcours se simplifie ainsi.

Décision de chercher ou non. Le modèle juge si sa connaissance interne suffit ou s'il faut une recherche en temps réel. Sur les questions d'actualité ou qui demandent une information à jour, la recherche se déclenche.
Reformulation. La question est traduite en une ou plusieurs requêtes adaptées à Bing.
Récupération. Les résultats sont obtenus de l'API de Bing avec leurs métadonnées (titre, adresse, extrait, date).
Filtrage et reclassement. Le modèle évalue la pertinence et la qualité des sources récupérées, autorité, fraîcheur, adéquation à la question.
Extraction du contenu. Pour les sources retenues, le texte est récupéré, par exploration directe ou par API, et injecté dans le contexte du modèle.
Composition de la réponse à partir de ce contexte enrichi, avec des citations cliquables.

Ce parcours montre que la position dans Bing et la qualité du contenu lui-même sont les deux principaux leviers. La première décide si la page entre dans le réservoir de sources, la seconde si elle est retenue après reclassement.

Comment ChatGPT évolue

Cinq tendances se dessinent depuis fin 2024.

Des citations cliquables, puis moins visibles. ChatGPT a généralisé l'affichage de ses sources sous forme de citations cliquables, plus rares à ses débuts. Depuis août 2026, le bouton « Sources » recule sur les comptes payants (voir l'encart ci-dessous). La traçabilité reste, la visibilité des sources citées baisse.
La recherche déclenchée plus souvent. Sur les versions récentes, la recherche en temps réel se déclenche plus fréquemment, ce qui accroît la dépendance aux sources web du moment.
De nouveaux accords avec les éditeurs. OpenAI continue d'en signer, Reuters en 2025-2026 étant l'un des plus récents.
Des éditeurs qui se retirent. Certains ont demandé à être exclus de l'entraînement, par le robots.txt ou par accord. OpenAI respecte ces demandes, ce qui limite sa couverture sur certains domaines.
Un peu plus de transparence. La pression réglementaire, européenne notamment, pousse OpenAI à mieux exposer la sélection de ses sources. Les détails restent partiels.

Mise à jour du 19 septembre 2026. Deux changements récents vont dans l'autre sens que le premier point. Le 13 août, Glenn Gabe a relevé que le bouton « Sources », jusque-là affiché sous la réponse, est déplacé dans le menu « ⋯ » puis « Voir les sources », deux clics plus loin. Le 7 septembre, Search Engine Roundtable constate que la version gratuite l'affiche encore en clair et que le compte payant garde le menu. OpenAI n'a pas commenté. Le 16 septembre, OpenAI a lancé les agents sponsorisés en test aux États-Unis, une conversation avec un agent de la marque ouverte après le clic sur une annonce ChatGPT, « clairement étiquetée » et « distincte des réponses indépendantes de ChatGPT » selon OpenAI. Rien n'indique que la publicité modifie la sélection des sources dans les réponses. La place laissée aux sources citées à l'écran rétrécit, et le clic payant vers une marque devient une conversation payante. Pour un site, le mécanisme de sélection décrit sur cette page ne bouge pas, la valeur d'une citation en clics, elle, se mesure de nouveau.

Bing d'abord puis Wikipedia et les sites tiers

Travailler sa position dans Bing, avec Bing Webmaster Tools, les sitemaps et les signaux d'autorité propres à ce moteur. C'est la porte d'entrée de 87 % des citations de SearchGPT.
Soigner Wikipedia quand c'est possible. Pour une marque qui a une page légitime, sa qualité agit directement sur la visibilité dans ChatGPT sur les questions d'information. Pour les autres, c'est plus compliqué, Wikipedia ne tolère pas les pages autopromotionnelles.
Investir dans les sources tierces. 48,73 % des citations en viennent. Plateformes d'avis, annuaires sectoriels et comparateurs sont des terrains GEO directs (voir mon guide).
Être présent sur Reddit, sincèrement. Le guide Perplexity détaille la méthode, qui vaut aussi pour ChatGPT. Pas de marketing déguisé sur les forums.
Structurer un contenu factuel, avec titres, dates, citations attribuées et données chiffrées sourcées, le format que les LLM reprennent facilement. Voir mes guides sur les citations d'experts et les statistiques sourcées.
Être patient sur le contenu d'entraînement. Ce qui est dans les corpus actuels y reste des trimestres, voire des années. Construire l'autorité d'une marque se joue sur 18 à 36 mois.

Limites de ce qu'on sait

OpenAI ne publie pas le détail de son algorithme. Le recouvrement avec Bing (87 %) et les préférences de sources (Wikipedia, Reddit) sont mesurés par des tiers. Les pondérations exactes restent privées.
Le 87 % repose sur un petit échantillon. Seer Interactive l'a mesuré sur 100 requêtes et un peu plus de 500 citations, en février 2025, en annonçant une extension à 10 000 requêtes. Le chiffre donne un ordre de grandeur.
Le modèle évolue vite. Chaque nouvelle version peut modifier les comportements de sélection. Les chiffres de 2026 ne dureront pas.
Des études surtout américaines. Le 47,9 % de Wikipedia, le 48,73 % de sites tiers et le 87 % de Bing sont mesurés sur des corpus américains. Sur le marché francophone, les ratios peuvent différer.
Le type de requête change tout. Les préférences de sources varient fortement entre une requête d'information, une requête commerciale et une requête locale. Les chiffres agrégés cachent ces variations.
ChatGPT sans recherche et SearchGPT ne se comportent pas pareil. Les préférences peuvent diverger selon que la recherche en temps réel se déclenche ou non. Il faut toujours préciser le mode mesuré.

Sources

Seer Interactive | 87% of SearchGPT Citations Match Bing's Top Results (6 février 2025, 100 requêtes, plus de 500 citations)
OpenAI | communiqués officiels sur les accords avec les éditeurs (2023-2026)
Search Engine Land | Bing, not Google, shapes which brands ChatGPT recommends
Digital Bloom | 2025 AI Visibility Report (47,9 % pour Wikipedia).
Yext | AI Visibility in 2025: How Gemini, ChatGPT & Perplexity Cite Brands (oct. 2025), 48,73 % de sites tiers.
Microsoft | Bing Webmaster Tools, documentation officielle
Peec AI | Top domains cited by AI search (mars 2026, analyse 30 M de citations)
BuzzStream | News Publishers with AI Partnerships in 2026 (recensement des accords)
Search Engine Roundtable | ChatGPT Sources button less visible (13 août 2026, mis à jour le 7 septembre, d'après Glenn Gabe)
OpenAI | Reimagining advertising with AI (agents sponsorisés, test américain, septembre 2026)

Études couvertes sur le site : Digital Bloom, Yext & Superlines, la chute des citations Reddit d'août 2026.

Pour aller plus loin :