Comment nous mesurons les citations IA

La matière première est un flux de réponses produites par cinq assistants IA : ChatGPT, Claude, Gemini, Grok et Perplexity. Ils répondent aux questions qui servent chaque semaine à suivre la présence des sites clients dans les réponses des IA, envoyées par l'interface de programmation (API) de chaque modèle, recherche web activée.

Les questions sont générées à partir d'une courte fiche de chaque entreprise suivie : ce qu'elle vend, sur quel marché, à qui. Elles ressemblent aux demandes d'un futur client, par exemple quel déménageur choisir pour aller de Lille à Marseille, ou comment savoir si une pharmacie en ligne est sérieuse. Les questions générées ne nomment jamais de marque, pour ne pas orienter la réponse vers le client. Les clients peuvent ajouter les leurs.

La consigne demande au modèle de repérer chaque entreprise recommandée et d'inscrire, juste après son nom, les adresses des pages qui justifient ce choix. Chaque adresse est ramenée à son domaine, sans le préfixe www., et devient une citation de ce domaine. Seules les réponses arrivées complètes sont comptées.

L'unité est un taux : les citations d'un domaine, divisées par les réponses du même périmètre (période, modèle, langue, secteur), multipliées par 100.

Le dénominateur compte toutes les réponses du périmètre, y compris celles qui ne recommandent aucune entreprise ou ne donnent aucune adresse. Un domaine est donc rapporté à toutes ses occasions d'être cité.

Le numérateur suit une seule règle : un domaine compte une fois par entreprise recommandée et par réponse. Si une réponse recommande trois déménageurs et appuie chacun d'eux par une page du même site d'avis, ce site reçoit trois citations. Deux pages de ce site pour un même déménageur ne font toujours qu'une citation pour lui. Le chiffre est donc un taux de citations, pas une part de réponses.

Sur plusieurs mois, le taux n'est pas une moyenne des taux mensuels : il divise les citations de tous les mois par la somme de leurs réponses, si bien qu'un mois chargé pèse plus qu'un mois creux.

• Surtout du français, un peu d'anglais. Une réponse prend la langue du marché visé par le site analysé, lue dans son code de langue et de pays (fr-FR, fr-BE, fr-CH pour le français ; en-US, en-GB pour l'anglais) plutôt que devinée d'après la formulation. La plupart des sites suivis s'adressent à des marchés francophones, d'où un échantillon français bien plus large. Les rares réponses destinées à des marchés d'autres langues ne comptent que dans les chiffres globaux.
• Des questions sur les entreprises et leurs marchés. Choisir un prestataire, comparer des offres, vérifier des prix ou une fiabilité. Les sujets étrangers au commerce n'y figurent pas.
• Les secteurs. Une réponse appartient au secteur de l'entreprise analysée, défini par ce qu'elle vend et non par sa clientèle : un logiciel pour agents immobiliers est classé dans Logiciels, une agence web dans Services informatiques. Cette classification démarre en juillet 2026. Un secteur n'a sa propre page qu'à partir d'au moins trois entreprises et d'environ 500 réponses, pour qu'aucun ne reflète un seul client.
• Les modèles. ChatGPT, Gemini et Perplexity reçoivent les questions de tous les sites suivis ; Claude et Grok seulement celles d'une partie, si bien que leurs chiffres reposent sur moins de réponses et sur un autre mélange d'entreprises.

• Les domaines de Google. google.com et ses déclinaisons nationales, les redirections vertexaisearch.cloud.google.com présentes dans les réponses de Gemini et les serveurs techniques comme gstatic.com sont retirés à chaque étape : ils forment la tuyauterie des réponses, pas des pages qu'un lecteur irait consulter. Les produits Google recommandés par leur nom, comme Google Cloud, peuvent en revanche figurer dans les classements de marques.
• Le site de l'éditeur. sorank.com est suivi comme un client, avec des questions sur les logiciels de référencement naturel (SEO) qui tireraient les chiffres anglais vers ces outils. Toutes ses réponses sont donc retirées. Pour quelques mois du début de 2026, elles ne pouvaient plus être isolées : ces mois ne comptent qu'en français.
• Les sites des clients. Les sites des entreprises suivies disparaissent de tous les classements, qu'ils y figurent sous forme de domaine ou de nom de marque, même lorsqu'ils ne sont cités que par un sous-domaine. Leurs réponses restent dans l'échantillon : les sites suivants remontent et le dénominateur ne change pas. Une plateforme publique donnée par un client comme adresse, une page LinkedIn par exemple, n'est jamais retirée pour cette raison.
• Textes et données personnelles. Aucune question, aucune réponse, aucun nom de client ni aucune donnée d'utilisateur n'est publié.

Les réponses brutes sont effacées au bout de quelques semaines. Chaque mois est agrégé tant qu'elles existent : totaux par modèle et par langue, série complète pour chaque plateforme suivie et listes des domaines en tête (les 25 premiers du mois tous modèles confondus, les 20 premiers par modèle). Les mois anciens ne survivent que sous cette forme.

Un classement sur toute la période additionne ces listes mensuelles. Un domaine absent de la liste d'un mois compte zéro ce mois-là, même s'il a été cité. Les domaines de tête figurent dans presque toutes les listes, donc le haut d'un classement est fiable ; plus bas, rangs et volumes sont des minimums, surtout pour les domaines à la présence irrégulière.

Les plateformes suivies, comme YouTube, Reddit, Wikipedia ou Trustpilot, échappent à cette limite : leurs citations sont relevées en totalité chaque mois. Quand la page d'une plateforme et un classement de domaines divergent sur la même période, c'est la page de la plateforme qui donne le chiffre complet.

Chaque adresse est rattachée à son domaine enregistrable, le nom qu'une entreprise achète réellement, identifié grâce à la Public Suffix List, la liste publique de référence des extensions de domaine. help.example.com est ainsi compté avec example.com, entreprendre.service-public.gouv.fr avec service-public.gouv.fr. Le détail est conservé : une ligne fusionnée liste ses sous-domaines et leurs volumes dans un menu déroulant.

Deux types de domaines ne sont jamais fusionnés, parce que leurs sous-domaines appartiennent à des propriétaires différents :

1. Les créateurs de sites et hébergeurs où chaque sous-domaine est un site distinct, comme les blogs sur substack.com ou wixsite.com.
2. Les grands domaines institutionnels où chaque sous-domaine correspond à un organisme public distinct, comme nih.gov, europa.eu ou admin.ch.

Des zones comme gouv.fr ou gov.uk jouent le rôle d'extensions dans cette liste : impots.gouv.fr et service-public.gouv.fr restent donc deux sites. Une ancienne adresse qui redirige vers une nouvelle y est fusionnée (service-public.fr dans service-public.gouv.fr), et les plateformes suivies regroupent leurs adresses : twitter.com et x.com comptent pour Twitter/X.

Effet secondaire : si une réponse appuie une entreprise par deux sous-domaines du même site, la ligne fusionnée du classement de domaines compte les deux, alors que les chiffres de plateforme ne comptent la plateforme qu'une fois.

Les questions tournent chaque semaine ; le site est actualisé par un relevé mensuel, dont la date est affichée sur le site. Chaque relevé ajoute le dernier mois sans effacer l'historique : quand deux versions d'un mois existent, celle qui compte le plus de réponses l'emporte, si bien qu'un mois partiel ne remplace jamais un mois complet.

Un changement de méthode, comme une nouvelle règle de regroupement, s'applique à toutes les pages au relevé suivant, mois passés compris dans la mesure où leurs agrégats le permettent.

Les données sont compilées par Thibault Besson-Magdelain, fondateur de Sorank. Tous les agrégats derrière les graphiques tiennent dans un seul fichier, data.json, à la racine de data.sorank.com : classements de domaines et de marques, globaux et par modèle, séries mensuelles des plateformes, totaux de réponses par mois, modèle et langue, et répartitions par secteur. Des volumes et des taux, rien d'autre.

• Pas un recensement des usages de l'IA. Les données montrent quelles sources les assistants IA citent à propos d'entreprises et de marchés, pas ce que le grand public leur demande en général, et les secteurs qui comptent le plus de sites suivis pèsent davantage.
• Une forte dominante française. Les chiffres globaux penchent vers les sources qui comptent sur les marchés francophones ; l'anglais repose sur une base plus réduite et les autres langues n'en ont aucune. Les résultats ne se transposent pas tels quels à d'autres pays.
• Les modèles changent. Leurs fournisseurs publient de nouvelles versions et ajustent leurs outils de recherche. Les chiffres sont regroupés par assistant, pas par version : une inflexion de courbe peut venir d'une mise à jour du modèle autant que du web.
• Les réponses varient. Une même question posée deux fois peut renvoyer d'autres entreprises et d'autres sources. Le volume lisse cet effet, mais les périmètres étroits (un modèle, un secteur, un mois) bougent davantage.
• Réponses par API, adresses non vérifiées. Les applications de discussion grand public, avec leurs propres réglages, peuvent citer d'autres pages. Les adresses citées ne sont pas contrôlées une à une : une page peut être cassée ou ne pas dire ce que le modèle lui attribue.