Un script à 2 dollars par mois vérifie si ChatGPT cite le site de l'auteur ; llms.txt n'aide pas
Chaque mois, l'auteur pose à ChatGPT via l'API 22 questions telles qu'un client les poserait, et compte à quelle fréquence la marque est citée : 66 requêtes à 3 cents, soit environ 2 dollars. Le conseil GEO très répandu (optimisation pour les réponses des IA), à savoir le fichier llms.txt d'indications destinées aux IA, ne fonctionne pas : 97 % de ces fichiers n'ont été demandés par personne en mai. En revanche, les pages qui répondent directement à la question du client et les mentions sur des plateformes tierces font la différence.
Traité par IA depuis Habr AI ; édité par Hamidun News
De plus en plus de gens interrogent un assistant IA plutôt qu'un moteur de recherche, et une marque absente de sa réponse n'existe tout simplement pas pour cette personne. Selon Mediascope, en septembre 2026, 55 % des Russes utilisaient des réseaux neuronaux au moins une fois par mois, contre 26 % en octobre 2025. Un domaine à part est même apparu : le GEO, c'est-à-dire l'optimisation d'un site pour les réponses des réseaux neuronaux, sur le modèle du SEO.
L'auteur d'un des articles d'analyse publiés sur Habr fait tourner depuis août un script qui, chaque mois, pose à ChatGPT des questions comme le ferait son client, et vérifie si le site de l'auteur y est mentionné. Un cycle mensuel représente 66 appels à l'API, à environ 3 cents chacun, soit près de 2 dollars. Il a aussi profité de ces tests pour vérifier quels conseils GEO très en vogue ne fonctionnent pas vraiment.
Pourquoi il n'existe pas de « première place » dans une réponse de l'IA
En janvier 2026, SparkToro et Gumshoe ont recueilli 2 961 réponses de trois réseaux neuronaux à partir des mêmes 12 questions. Un même ensemble de marques ne se répétait pas plus d'une fois sur cent réponses, et un même ordre, pas plus d'une fois sur mille. Réserve : le coauteur de l'étude vend lui-même un outil de suivi de visibilité, et l'étude n'a pas fait l'objet d'une relecture par des pairs. D'où la règle qui sous-tend toute la mesure : on ne peut mesurer que la part des réponses où vous apparaissez, et seulement sur de nombreux essais.
Comment fonctionne la mesure
Un fichier texte contient 22 questions. Dix sont formulées du point de vue d'un client qui ne connaît pas l'auteur, et chacune a sur le site une page qui y répond : ce sont seulement elles qui entrent dans l'indicateur principal. Dix autres portent sur des cas pratiques et des articles, et deux contiennent le nom et le domaine de l'auteur : il s'agit d'un contrôle de cohérence, pas d'un indicateur de réussite. Chaque question est posée trois fois, soit 66 appels. Le script se lance via cron le premier jour de chaque mois, et le rapport arrive dans Telegram.
Les questions ne passent pas par la fenêtre ChatGPT, mais par l'API Responses d'OpenAI : modèle gpt-4o-mini avec l'outil web_search et le paramètre tool_choice: "required", si bien qu'il n'y a pas de réponse sans recherche sur internet. Dans le chat grand public, le compte dispose d'une mémoire : après que l'auteur a posé sa question là-bas, ChatGPT s'est mis à lire ses fichiers et sa correspondance. Un client inconnu n'aurait jamais accès à cela. L'inconvénient de l'API : le comportement est proche de celui de ChatGPT grand public, sans lui être identique ; la mesure montre donc une dynamique dans des conditions égales, et non ce que verra une personne donnée.
Chaque essai est enregistré dans SQLite avec pour clé « date, question, numéro d'essai » : le domaine figure-t-il parmi les liens, à quel rang, la marque est-elle citée sans lien, le modèle a-t-il effectué une recherche sur internet. Les réponses sans recherche sont signalées : elles proviennent de la mémoire du modèle et n'ont aucun rapport avec le GEO.
La formulation de la question fait presque tout. Une requête du type « conseille des spécialistes » est souvent interprétée par le modèle comme une recherche d'organisations à proximité, et il renvoie vers des liens de cartes. On corrige cela avec la formule « Donne des liens vers des sites ». Les nouvelles questions passent d'abord par un essai pilote sans enregistrement, et seules restent celles pour lesquelles le modèle cite réellement des sites.
Des garde-fous limitent les dépenses inutiles : un essai déjà réalisé n'est ni relancé ni facturé, la limite est de 70 appels par exécution, un verrou empêche les lancements parallèles, le script s'arrête après trois échecs consécutifs et une alerte part dans la messagerie.
Ce que montrent les mesures et les conseils qui ne fonctionnent pas
Le jeu complet a été exécuté deux fois, les 1er octobre et 1er novembre. Pour la question sur le mentorat en vibe coding, l'auteur figure dans chacune des trois réponses à chaque mesure, bien que son rang varie de la première à la sixième place : le sujet n'est pas saturé, et le site comporte une page qui répond directement. Dans le domaine des agents IA pour les petites entreprises, la situation est inverse : sur 9 à 11 sites cités, 8 reviennent dans toutes les réponses, et ce sont des sites d'agences. Trois exécutions, c'est peu ; l'auteur ne tire donc pas de conclusions à partir d'un seul point de mesure.
- llms.txt est un fichier d'indications pour les IA placé à la racine du site. Ahrefs a examiné 137 210 domaines : 28 % en ont un, et 97 % de ces fichiers n'ont été demandés par personne en mai. Google indique que son moteur de recherche n'utilise pas ces fichiers.
- Le balisage schema.org (JSON-LD). Sur 1 885 pages, les citations ont progressé de 2,4 % dans AI Mode et de 2,2 % dans ChatGPT ; ces deux évolutions ne sont pas statistiquement significatives. Pour les extraits enrichis dans les résultats classiques, il reste utile.
- Citations et statistiques dans le texte. Un travail de 2023 promettait une hausse de visibilité pouvant atteindre 40 %, mais il avait été réalisé sur son propre moteur de recherche avec GPT-3.5. Une nouvelle vérification de 2026 sur des systèmes actuels donne un résultat proche de zéro : moins 0,33 point de pourcentage pour les citations et moins 0,28 pour les statistiques, avec des intervalles de confiance qui incluent zéro. Les auteurs de cette vérification vendent une évaluation de contenu, et leur travail n'a pas été relu par des pairs.
Ce qui semble plus proche de la vérité : AirOps a analysé 21 311 mentions de marques et constaté que le réseau neuronal reprend une marque depuis des plateformes tierces 6,5 fois plus souvent que depuis son site (AirOps vend lui-même des outils de contenu). Les domaines qui vous citent à votre place forment une liste toute prête des endroits où vous devez apparaître. Les faits vérifiables fonctionnent mieux que les adjectifs, tout comme les pages qui donnent une réponse directe, avec les prix et les conditions.
Le 10 novembre, OpenAI a lancé en bêta Businesses in ChatGPT : un espace gratuit, Business Hub, où l'entreprise valide son profil, voit les mentions et les clics vers son site. Le vice-président d'OpenAI, Benjie Shomair, a déclaré que le profil ne doit pas influer sur la fréquence d'apparition dans les réponses. C'est un canal pour des faits précis, et non un moyen d'acheter une place.
Que faire concrètement
La version manuelle prend une soirée : rédigez 20 questions dans les mots réels d'un client, sans nom de marque, ajoutez « Donne des liens vers des sites », posez chaque question trois fois dans une nouvelle conversation, puis calculez la part des réponses qui citent votre site. Pour suivre l'évolution dans le temps, automatisez : API Responses, SQLite, mêmes questions chaque mois et garde-fous budgétaires avant le premier lancement.
- 21 nov. 2026OpenAI GPT-6 Cyber a trouvé une trentaine de failles dans les iPhone, Mac et autres appareils Apple
- 21 nov. 202622 agents Claude ont cherché pendant six semaines des réponses sur les trous noirs — et ont résolu deux problèmes
- 21 nov. 2026Google sépare le stockage des conversations et l'entraînement de Gemini : refuser sans perdre l'historique
- 21 nov. 2026Apple : la macOS 27.3 bêta 2 permettra de restreindre l'accès des agents IA aux fichiers du Mac
Questions clés sur cet article
Pourquoi il n'existe pas de « première place » dans une réponse de l'IA?
En janvier 2026, SparkToro et Gumshoe ont recueilli 2 961 réponses de trois réseaux neuronaux à partir des mêmes 12 questions. Un même ensemble de marques ne se répétait pas plus d'une fois sur cent réponses, et un même ordre, pas plus d'une fois sur mille. Réserve : le coauteur de l'étude vend lui-même un outil de suivi de visibilité, et l'étude n'a pas fait l'objet d'une relecture par des pairs.
Comment fonctionne la mesure?
Un fichier texte contient 22 questions. Dix sont formulées du point de vue d'un client qui ne connaît pas l'auteur, et chacune a sur le site une page qui y répond : ce sont seulement elles qui entrent dans l'indicateur principal. Dix autres portent sur des cas pratiques et des articles, et deux contiennent le nom et le domaine de l'auteur : il s'agit d'un contrôle de cohérence, pas d'un indicateur de réussite. Chaque question est posée trois fois, soit 66 appels.
Que sait-on sur Ce que montrent les mesures et les conseils qui ne fonctionnent pas ?
Le jeu complet a été exécuté deux fois, les 1er octobre et 1er novembre. Pour la question sur le mentorat en vibe coding, l'auteur figure dans chacune des trois réponses à chaque mesure, bien que son rang varie de la première à la sixième place : le sujet n'est pas saturé, et le site comporte une page qui répond directement. Dans le domaine des agents IA pour les petites entreprises, la situation est inverse : sur 9 à 11 sites cités, 8 reviennent dans toutes les réponses, et ce sont des sites d'agences.
Test Frontier LLMs & Autonomous Agents in One Workspace
Run Claude Opus 5.5, GPT-6, Gemini 3.1, and DeepSeek side-by-side in Nomad AI (nomadnet.ai) — unified model routing, deep research, and multimodal workflows under one subscription.
L'essentiel de l'IA — une fois par semaine
Sept actus qui ont vraiment compté, choisies à la main. Sans bruit ni communiqués.
C'est fait ! Vérifiez votre boîte mail pour la confirmation.
