Deep Research de ChatGPT peut parcourir des dizaines de pages sur une marque en une seule session et n'en citer presque aucune. David Konitzny, chez Peec AI, a consigné plus de 200 sessions Deep Research sur une dizaine de comptes cette année et a constaté le même schéma à chaque fois : l'agent lit en détail les pages produit, les comparatifs et les avis, puis rédige son rapport final à partir d'une courte liste de sources qu'il juge assez fiables pour être citées. Pour une marque qui suit sa visibilité IA, cet écart entre être lu et être cité constitue désormais un risque plus net que d'être purement ignoré. Une page que l'agent n'ouvre jamais n'avait aucune chance d'être citée. Une page qu'il ouvre trois ou quatre fois et laisse malgré tout hors du rapport en dit plus long sur ce qu'il juge fiable, et ce qu'il ne juge pas fiable. Si vous suivez déjà la fréquence à laquelle votre marque est mentionnée dans ChatGPT, Gemini et Perplexity, voici un second chiffre à surveiller : combien de ces mentions résisteraient à devenir une véritable citation lors d'une session de recherche plus longue.
Ce que fait réellement une session de « deep research »
Les outils Deep Research intégrés à ChatGPT, Gemini et Perplexity exécutent une boucle en plusieurs étapes à partir d'une seule requête : des dizaines de recherches, des ouvertures répétées de pages, une prise de notes, puis un rapport final rédigé avec des citations intégrées, au lieu de la récupération en une seule passe qui sous-tend une réponse de chat classique.
La fréquence même à laquelle cette boucle s'exécute varie fortement selon la formule. Perplexity Pro autorise jusqu'à 20 sessions Deep Research par jour, soit près de 600 par mois en usage quotidien, contre cinq rapports par mois sur la formule équivalente Google AI Pro pour Gemini, un écart de 120 fois entre deux abonnés payant un prix mensuel presque identique. La formule Plus de ChatGPT se situe entre les deux, avec dix sessions par mois, chacune lisant ce que le produit décrit comme « des dizaines de sources » avant de rédiger un résultat. Rien de tout cela ne mesure la qualité des citations ; aucun laboratoire indépendant n'a comparé les trois moteurs sur leur précision. Mais c'est un écart d'allocation bien réel, et il décide de la fréquence à laquelle la version deep research d'un moteur donné est même mobilisée sur une marque donnée, avant même que la question de la citation ne se pose.
Les journaux montrent que lire et citer sont deux décisions distinctes
Dans l'analyse par Peec AI de ses propres journaux de sessions Deep Research, la décision de citer intervient bien après qu'une page a déjà été lue. La lecture façonne ce que le modèle comprend ; nommer une source est un jugement distinct, qui porte sur la nécessité ou non d'appuyer une affirmation précise. De nombreuses pages qui ont façonné la réponse finale n'obtiennent jamais ce second feu vert.
Les chiffres montrent à quel point ce filtrage commence tôt. Les pages comportant moins de 20 liens représentaient environ 78 % de ce que Deep Research lisait réellement en entier lors de sa première passe ; les pages comptant 60 liens ou plus tombaient à 33 %. La commande « click », celle qui permettrait à l'agent de suivre un lien pour quitter la page déjà ouverte, n'a été utilisée aucune fois sur l'ensemble des sessions consignées ; il est resté sur la même page, relisant la même fenêtre de texte sans nouveau mot-clé environ une fois sur cinq. Lorsqu'une recherche de mot-clé dans la page échouait, l'agent essayait un mot-clé différent dans environ 60 % des cas et abandonnait la page pour une nouvelle recherche environ une fois sur quatre. Ce schéma rejoint ce que nous avions observé en étudiant le ratio exploration/référencement des robots IA en général : le rapport entre ce qu'un robot prend sur un site et ce qu'il redonne en trafic de référencement est déjà déséquilibré avant même que la précision des citations entre en jeu.
Un écart de citation est la distance entre la fréquence à laquelle un moteur IA lit des informations sur une marque et la fréquence à laquelle il la nomme comme source appuyant une affirmation. Les deux chiffres évoluent rarement ensemble.
Le langage de confiance explique qui se retrouve nommé
Lorsque Deep Research justifie une citation dans sa propre trace de raisonnement, le vocabulaire se concentre autour de mots comme « officiel », « fiable » et « crédible ». Les pages qu'il traite comme du contexte plutôt que comme une preuve sont assorties de réserves du type « pas une source officielle », et le contenu de forum ou généré par les utilisateurs n'obtient presque jamais de citation, même lorsqu'il a été lu attentivement.
Ce schéma suit étroitement le cadre E-E-A-T de Google pour le classement des pages web, même si rien dans une consigne de Deep Research n'indique au modèle de l'appliquer. La lecture pratique pour une marque : être la page qu'un journaliste qualifierait de source officielle sur un sujet, sa propre documentation, une page qu'elle contrôle et peut maintenir à jour, compte plus dans la décision de citation que le nombre de fois où l'agent a ouvert son contenu. Nous avions observé un biais comparable en étudiant la façon dont les moteurs IA privilégient Wikipedia et Wikidata par rapport au site d'une marque : les moteurs se rabattent par défaut sur la fiche d'entité qu'ils jugent vérifiée de façon indépendante plutôt que sur un contenu rédigé par la marque, pour la même raison de fond. L'agent recherche une confirmation qu'il peut citer ; l'information brute seule ne suffit pas à le satisfaire.
Les citations se concentrent sur un petit nombre de domaines, rarement les vôtres
Une synthèse de trois jeux de données de 2026 couvrant environ 600 000 événements de citation sur ChatGPT a montré que Wikipedia et Reddit représentent à eux seuls près d'un quart de l'ensemble des citations américaines, 13 % et 12 % respectivement, tandis que le Wall Street Journal, le New York Times, Bloomberg et le Financial Times ne figurent même pas parmi les 20 premiers domaines.
Forbes arrive en 18e position avec une part de 1,38 %, selon cette même étude, publiée par Josh Bernstein chez Something Inc. en août 2026. Cette concentration signifie que la plupart des marques se disputent l'espace de citation avec des sites de référence et de discussion qui n'ont rien à voir avec leur catégorie, plutôt qu'entre elles. Une analyse comparable que nous avions menée sur les sources de citation tierces a révélé un schéma similaire propre aux marques B2B : la plupart des citations faisant référence à une entreprise provenaient de Reddit, LinkedIn et G2, plutôt que du domaine de l'entreprise elle-même. La leçon pour une marque qui suit son AI Share of Voice est qu'une part de citation solide doit en partie se construire sur des pages qu'elle ne possède pas, en veillant à être représentée fidèlement sur les sites auxquels ces moteurs font déjà confiance.
Les erreurs de citation aggravent encore l'écart
Même lorsqu'un agent Deep Research nomme effectivement une source, la citation n'est pas toujours exacte. Une étude d'août 2026 portant sur trois systèmes de recherche agentique a montré que le rappel de citation, c'est-à-dire la part des affirmations correctement appuyées par une source réelle, variait de 58,7 % à seulement 7,1 % selon l'architecture du système.
L'étude, menée par des chercheurs de l'université Bar-Ilan, de l'UNC Chapel Hill et de l'UT Austin, a retracé la plupart des erreurs jusqu'à l'agent orchestrateur qui rédige le rapport final, plutôt qu'aux sous-agents chargés de la lecture des pages elle-même, cet orchestrateur étant à l'origine de 84,7 % des erreurs du rapport final sur un des systèmes. Deux correctifs ont réduit une partie de cet écart lors des tests : fournir à l'orchestrateur le texte brut des sources plutôt que les notes paraphrasées d'un agent chercheur, et lui indiquer de ne rien affirmer qu'il ne pouvait pas citer. Les deux ont amélioré le rappel de citation d'environ cinq points sans nuire à la qualité du rapport. Pour une marque, l'implication est directe. Un écart de citation en sa faveur n'est pas nécessairement le signe que l'agent n'a pas pu la trouver. C'est tout aussi souvent le signe que la phrase reliant la marque au fait s'est perdue une étape ou deux avant la rédaction du rapport final.
Ce que cela signifie pour le suivi de la visibilité de marque
Traitez Deep Research comme un assistant de recherche dont la première passe décide presque de tout. Trois leviers concrets découlent des journaux ci-dessus :
Maintenez les pages les plus susceptibles d'être ouvertes sous la barre des 20 liens internes, pour vous retrouver dans les 78 % lues en entier.
Placez l'affirmation factuelle la plus claire sur la marque près du haut de la page, dans les premiers milliers de caractères que l'agent ouvre réellement.
Veillez à ce que la page se lise comme une source primaire ou officielle plutôt que comme un texte marketing ; l'agent se montre très prudent face à tout ce qui ressemble à une publicité pour elle-même.
Ce dernier levier est le plus difficile à actionner de façon superficielle. L'agent ne note pas le nombre de mots ; il lit le ton et la structure à peu près comme le ferait un journaliste sceptique, pour décider si une page ressemble à un compte rendu factuel ou à un argumentaire commercial. Une précédente étude de VizibleAI sur la fréquence à laquelle les moteurs IA citent les communiqués de presse avait montré qu'un contenu promotionnel de type annonce est cité à un taux proche de zéro, quel que soit son degré de factualité, pour la même raison de fond.
Bien suivre cet écart lié au deep research suppose aussi de mesurer deux chiffres distincts plutôt qu'un seul : la fréquence à laquelle une marque est mentionnée tout court, et la fréquence à laquelle cette mention se transforme en une véritable citation. Une étude portant sur 126 millions de requêtes, déjà couverte sur ce blog, a établi exactement cette scission, le taux de mention d'une marque et son taux de citation évoluant indépendamment l'un de l'autre selon les moteurs, la même distinction entre lecture et citation que Deep Research rend visible au sein d'une seule session.
Questions fréquemment posées
Qu'est-ce que l'écart de citation en deep research IA ?
C'est la différence entre le nombre de pages qu'un agent de deep research IA comme Deep Research de ChatGPT lit réellement pendant une session, et le nombre de ces pages qu'il cite comme source dans son rapport final. L'analyse des journaux de Peec AI en 2026 a montré que l'agent lit largement mais cite peu, laissant souvent de côté des pages qui ont pourtant façonné sa réponse.
Deep Research de ChatGPT explore-t-il le web différemment d'une réponse ChatGPT classique ?
Oui. Deep Research exécute une boucle en plusieurs étapes, des dizaines de recherches, des lectures de pages répétées et une prise de notes, avant de rédiger un rapport avec des citations intégrées. Une réponse ChatGPT standard puise généralement dans une poignée d'extraits récupérés en une seule passe, sans cette phase de recherche prolongée.
Pourquoi les outils de deep research IA citent-ils si souvent Wikipedia et Reddit ?
Une analyse de 2026 portant sur environ 600 000 événements de citation sur ChatGPT a montré que Wikipedia et Reddit représentent ensemble environ un quart des citations américaines, davantage que n'importe quel éditeur de presse à lui seul. Les agents de deep research considèrent les sources reconnues et vérifiées par des tiers comme plus sûres à citer que le contenu marketing d'une marque.
Une marque peut-elle améliorer la fréquence à laquelle elle est citée dans les rapports de deep research IA ?
Les données pointent vers quelques leviers concrets : garder les pages clés suffisamment courtes pour être lues en entier plutôt que survolées, commencer par l'affirmation factuelle précise qu'un agent aurait besoin de citer, et veiller à ce que la page se lise comme une source d'autorité plutôt que comme un contenu promotionnel, ces agents traitant avec beaucoup de scepticisme tout ce qui ressemble à de l'autopromotion.
Les citations en deep research IA sont-elles fiables, même lorsqu'une source est nommée ?
Pas entièrement. Une étude d'août 2026 portant sur trois systèmes de recherche agentique a montré que le rappel de citation, c'est-à-dire la part des affirmations correctement appuyées par une source réelle, variait de 58,7 % à 7,1 % selon le système, la plupart des erreurs provenant de l'agent qui rédige le rapport final plutôt que de celui qui lit les pages.
Quelle est la différence entre le taux de mention IA d'une marque et son taux de citation ?
Le taux de mention mesure la fréquence à laquelle le nom d'une marque apparaît dans les réponses d'un moteur IA. Le taux de citation mesure la fréquence à laquelle une page précise liée à cette marque est nommée comme source. Une étude de 2026 menée à grande échelle sur des requêtes a montré que ces deux chiffres évoluent indépendamment, ce qui signifie qu'une marque peut être souvent mentionnée tout en étant rarement citée.