Il n'existe pas d'algorithme unique et public expliquant exactement comment ChatGPT, Perplexity ou Gemini choisissent les sources à citer — mais les schémas observables sont cohérents d'un moteur à l'autre.
1. Réponse directe, pas d'introduction
Les pages qui répondent à la question implicite dans les 100-150 premiers caractères sont extraites plus facilement que celles avec une longue introduction avant d'aller au fait. Un LLM (comme un lecteur pressé) préfère ne pas avoir à "creuser".
2. Les données structurées comme raccourci de confiance
Un bloc Organization ou FAQPage en JSON-LD ne "convainc" pas un LLM en soi, mais réduit l'ambiguïté : nom officiel, site, type d'entité deviennent des faits certains plutôt que des déductions à partir du texte.
3. Cohérence entre les pages (entity consistency)
Si le nom de la marque, l'adresse ou la description changent légèrement d'une page à l'autre, un moteur a du mal à reconnaître qu'il s'agit de la même entité — et dans le doute, il cite la source la moins ambiguë, même si elle est moins complète.
4. L'accessibilité technique avant tout
Rien de tout cela ne compte si le bot du moteur ne peut même pas lire le site : un robots.txt qui bloque GPTBot ou ClaudeBot exclut le site de la compétition avant même qu'elle ne commence.
Vous voulez savoir lesquels de ces points votre site respecte aujourd'hui ? Faites une analyse gratuite : le rapport les liste un par un avec la correction prête à télécharger.