Quand cinq moteurs IA répondent à la même question, ils nomment la même marque 30,3 % du temps et citent la même page exacte 6,8 % du temps. Un écart de 4,5 fois. Depuis juillet, ce chiffre sert de base à une recommandation qu'on lit partout : la marque voyagerait mieux que la page, il faudrait donc investir l'entité et lâcher la course aux citations.
L'équipe qui a produit ce chiffre a fait tourner un test contre une ligne de base aléatoire, en août. Rapporté à ce que donnerait un tirage au hasard, l'ordre s'inverse.
Un test de permutation compare la liste de sources d'un moteur pour une question donnée à celle d'un autre moteur pour une question sans rapport, en conservant la longueur des listes. Il mesure le recouvrement qu'on obtiendrait sans aucune compréhension partagée du sujet. Trois tirages indépendants, concordants à la troisième décimale.
| Niveau | Accord réel | Si tirage au hasard | Multiple |
|---|---|---|---|
| Page exacte | 6,8 % | 0,16 % | 42 × |
| Site | 10,9 % | 1,0 % | 11 × |
| Marque | 30,3 % | 1,8 % | 17 × |
En pourcentage brut, la marque écrase la page. Rapporté au hasard, c'est la page qui devient le signal fort. Les auteurs le formulent eux-mêmes sans détour : ils ne diraient plus que la marque « se transporte mieux » comme si elle possédait une propriété supérieure. Elle a simplement un champ de candidats plus petit. Une réponse d'IA nomme trois marques et pioche dans des milliers de pages possibles. Co-occurrer sur une marque est facile parce qu'il y a peu de places à prendre.
Pourquoi cette correction compte plus que le chiffre
Tout taux de recouvrement augmente mécaniquement quand le nombre de candidats diminue. C'est arithmétique, pas comportemental. Un pourcentage brut, dans ce contexte, mesure donc autant la taille du champ que la manière dont le moteur choisit.
Cette même correction, appliquée à un second résultat de l'étude, en a détruit un autre. En brut, les deux surfaces de Google — AI Overviews et AI Mode — s'accordent sur 24,5 % des sites, contre 7,3 % en moyenne pour deux moteurs d'éditeurs différents. Une prime apparente de 3,4 fois, qu'on interprétait comme « les moteurs d'un même constructeur choisissent pareil ». Rapportée au hasard, la prime tombe à 1,06 fois. Pire : Gemini associé à une surface de recherche score plus haut que les deux surfaces entre elles. Ce qui rapproche AI Overviews et AI Mode, ce n'est pas leur manière de choisir. C'est le vivier de sources dans lequel ils puisent.
Un chiffre brut ne dit pas ce qu'on croit
- La marque converge davantage que la page — mais parce qu'il y a moins de marques, pas parce qu'elle porte mieux.
- Ce qui sépare deux moteurs se joue en amont de votre page : dans le vivier de sources qu'ils considèrent.
- Une découverte publiée sans ligne de base est une observation, pas un résultat.
Ce qui, en revanche, tient très bien
L'étude porte sur 22,7 millions de citations, 1,15 million de questions et 441 946 sites, entre janvier et juin 2026. Sur les 531 889 questions auxquelles les cinq moteurs ont répondu en citant au moins une source, 79,6 % des sites cités n'apparaissent que sur un seul moteur. Ce résultat-là n'a pas bougé sous la pression.
Mieux : il se renforce quand on durcit le test. En appariant sur la page exacte plutôt que sur le site, on monte à 85,1 %. Sans nettoyage des adresses, 93,2 %. Et il reste dans une bande de 77,7 % à 81,0 % chacun des six mois. Ce n'est pas un lot de questions bizarre, c'est le comportement du système.
ChatGPT s'en détache le plus : aucun autre moteur ne touche 76,3 % de ce qu'il cite. Perplexity suit à 69,9 %, Gemini à 63,7 %, les deux surfaces Google autour de 50 %. Là encore, la correction nuance la lecture — rapportées au hasard, les paires de ChatGPT se situent dans la fourchette commune. L'écart décrit la tranche de web dans laquelle il puise, pas une manière plus imprévisible de choisir. La conclusion pratique ne change pas : on ne déduit pas la présence dans ChatGPT de celle dans les quatre autres.
Les autres études du marché sont soumises au même biais
BrightEdge, le 24 avril 2026, rapporte un recouvrement de 36 % à 55 % sur les cent premières marques nommées, contre 16 % à 59 % sur les cent premières sources citées. La direction est la même, et l'étude est sérieuse. Mais ces chiffres sont bruts. Aucune ligne de base n'a été publiée. Ils sont donc exposés exactement à la critique qui a fait tomber l'interprétation de Wellows.
Kevin Indig, dans The Consensus Gap en mai 2026, relève 91 % de citations présentes sur un seul moteur — sur trois moteurs seulement, ce qui laisse mécaniquement moins d'occasions de recouvrement. Ahrefs, de son côté, mesure 13,7 % de citations communes entre AI Overviews et AI Mode, pour une similarité sémantique de 0,86 entre les réponses. Deux surfaces qui disent la même chose en s'appuyant sur des sources différentes.
Cette dernière observation est la version défendable de l'idée de départ : les moteurs peuvent converger sur le fond en divergeant sur les preuves visibles. Elle reste vraie. C'est l'usage stratégique qu'on en tirait — « travaillez l'entité, elle porte mieux » — qui ne tient pas.
Une contradiction que personne ne tranche
Deux études récentes disent l'inverse l'une de l'autre sur la propriété des preuves.
Dmitrij Zatuchin, dans une prépublication arXiv du 24 juin 2026, analyse 167 551 citations URL couvrant 128 marques, 12 marchés et 13 langues. Il trouve 85,7 % de citations vers des domaines tiers contre 14,3 % vers des domaines possédés par la marque. Wikipédia est le domaine le plus cité dans 11 langues sur 12, et 80 % des citations proviennent d'environ 18 % des domaines.
Yext, sur 6,8 millions de citations issues de 1,6 million de réponses, conclut que 86 % des citations viennent de sources que les marques contrôlent ou influencent fortement — sites propres, fiches, avis. Les sites de marque représentent à eux seuls 44 % des citations.
Les deux chiffres sont défendables parce qu'ils ne comptent pas la même chose. Zatuchin oppose possédé et non-possédé au sens de la propriété du domaine. Yext range les fiches et les plateformes d'avis du côté de l'influence de la marque. Un annuaire professionnel où vous remplissez votre fiche est un domaine tiers chez l'un, une surface influencée chez l'autre. Aucun des deux n'a tort. Mais citer l'un sans l'autre, c'est choisir sa conclusion avant de compter.
La question utile n'est pas « quel pourcentage des preuves m'appartient », mais « quelles preuves puis-je faire exister, et lesquelles dois-je mériter ».
Ce que nous en tirons pour la mesure
Trois règles, applicables demain matin à n'importe quel tableau de bord de visibilité IA.
Deux lignes, jamais une. La citation de page et la mention de marque sont deux mesures distinctes qui bougent indépendamment. Les additionner dans un score unique détruit l'information qui permettrait de décider. Si aucun moteur ne cite vos pages mais que votre nom apparaît dans les réponses, vous avez un problème de page, pas de marque — et le remède n'est pas le même.
Un moteur, une colonne. Avec 79,6 % de sources exclusives à un seul moteur, un score mélangé moyenne cinq surfaces qui ne se recouvrent presque pas. Il peut monter pendant que le moteur utilisé par vos acheteurs s'éteint.
Une ligne de base, ou rien. C'est la règle que cet épisode installe. Un écart brut entre deux pourcentages ne devient un résultat qu'une fois rapporté à ce que produirait le hasard. Nous l'appliquons désormais à nos propres relevés, et nous la demanderons à toute étude que nous citons.
Les limites de ce que vous venez de lire
L'étude Wellows est une recherche d'éditeur sur ses propres données clients, pas un échantillon du web. Les questions sont toutes en anglais, réparties sur 27 marchés dont 84 % aux États-Unis, et proviennent de marques qui surveillaient déjà leur visibilité IA. Chaque question n'a été collectée qu'une fois par moteur, donc une part de ce qui est mesuré comme désaccord entre moteurs est en réalité la variance d'un même moteur d'une exécution à l'autre — les auteurs le désignent comme la plus grande question ouverte de leur travail. Cinq moteurs sont couverts, ni Claude, ni Copilot, ni Grok.
La correction elle-même n'a été appliquée qu'aux mesures d'accord entre paires. La tendance à la convergence — de 8,49 % en janvier à 11,25 % en juin — et les écarts par catégorie n'ont pas été testés. Enfin, la prépublication de Zatuchin émane d'un chercheur affilié à un éditeur d'outils de visibilité IA, ce qu'il déclare. La même réserve s'applique à lui qu'à Wellows, à BrightEdge et à Yext. Elle s'applique aussi à nous.
Ce qu'il faut retenir n'est donc pas un nouveau chiffre à répéter. C'est une exigence : demander à voir la ligne de base avant de bâtir une stratégie sur un écart.
Sources
- Wellows — AI Citation Overlap Study, 29 juillet 2026, mis à jour le 6 août 2026. 22 749 707 citations, 1 146 483 questions, janvier–juin 2026.
- BrightEdge Research — Why AI Engines Cite Different Sources but Recommend the Same Brands, 24 avril 2026.
- Dmitrij Zatuchin — How Large Language Models Source Brand Reputation Across Languages and Markets, arXiv:2606.25787, 24 juin 2026. Prépublication.
- Ahrefs — AI Overviews vs AI Mode. Recouvrement de citations et similarité sémantique.
- Kevin Indig — The Consensus Gap, Growth Memo, mai 2026.
- Yext, via eMarketer — analyse de 6,8 millions de citations.