La visibilité de ChatGPT Search se resserre, et la raison ne tient pas seulement aux citations. Après le passage de l’expérience par défaut à GPT-5.3 Instant le 4 mars 2026, une étude de rétro-ingénierie a révélé que la réponse moyenne citait 15 domaines uniques au lieu de 19, tandis que le nombre d’URL uniques est passé de 24 à 19. Le changement le plus important se situe en dessous de cette baisse : ChatGPT réécrit souvent une requête en plusieurs requêtes de fan-out, les envoie via web.run, puis décide seulement ensuite quelles pages récupérer et citer. Si votre site n’apparaît pas dans ces chemins de récupération cachés, être pertinent ne suffit plus.
Pour les équipes SEO et GEO, cela change la donne. Vous n’optimisez plus seulement pour un mot-clé visible. Vous optimisez aussi pour les sous-questions générées par le modèle, pour le crawler qui récupère vos pages, et pour les signaux d’autorité qui font de votre marque une candidate avant même que la recherche ne commence.
Le changement immédiat a été une concentration des citations. L’étude a suivi 400 requêtes quotidiennes pendant 14 semaines et a constaté qu’après le passage de GPT-4o/5.2 à GPT-5.3 Instant, la réponse moyenne citait moins de domaines et moins d’URL. En termes simples, la même surface de réponse était partagée par moins d’éditeurs.
Cela compte, car une baisse de 19 à 15 domaines uniques n’est pas un simple arrondi. Cela signifie davantage de concurrence pour chaque emplacement de citation. L’étude note aussi que le ratio URL/domaine est resté à peu près stable à 1,26, ce qui suggère que ChatGPT n’a pas soudainement commencé à lire beaucoup plus en profondeur au sein de chaque site. Il s’est simplement appuyé sur un ensemble plus restreint de sites dans l’ensemble.
Cela ne signifie pas que le SEO classique a cessé d’être important. Cela signifie que la recherche IA concentre les récompenses de manière plus agressive. Si votre site entre dans la sélection finale, vous pouvez gagner une visibilité disproportionnée. S’il en sort, vous pouvez disparaître rapidement après une mise à jour du modèle.
Les requêtes de fan-out sont les recherches cachées générées à partir d’une seule question utilisateur. Au lieu d’envoyer un seul prompt littéral au web, ChatGPT peut découper cette demande en plusieurs recherches plus étroites, puis fusionner les résultats en une seule réponse.
L’étude a montré que GPT-5.4 peut enchaîner 5 à plus de 10 cycles de recherche par réponse, tandis que GPT-5.3 Instant en exécute généralement 2 ou 3. Cette seule différence aide à expliquer pourquoi un même prompt peut renvoyer des citations différentes selon la version du modèle. Un modèle explore plus de branches. Un autre s’arrête plus tôt.
Une requête produit rend ce changement plus visible. Pour un prompt comme meilleure imprimante 3D à acheter en 2026, le système semble d’abord constituer une liste de candidats, puis lancer des parcours de récupération distincts pour chaque produit afin de collecter les spécifications, les avis et les prix. C’est une logique de récupération différente de celle de la recherche classique, où une requête mène à une page de résultats. Dans la recherche IA, une seule requête peut devenir de nombreuses occasions de récupération, et votre contenu doit gagner dans les branches, pas seulement sur le terme principal.
web.run sur le système de classement ?web.run est la couche de navigation interne qui alimente la récupération en direct. Selon l’étude, elle a changé de manière significative après GPT-5.3. Les versions précédentes utilisaient des commandes textuelles compactes. Les versions récentes utilisent du JSON structuré avec des paramètres typés, ce qui indique un flux de recherche plus explicite et plus flexible.
L’outil serait passé de 4 opérations à 12, incluant des actions comme search_query, open, find, click, screenshot, ainsi que des widgets spécialisés pour des domaines comme le sport, la finance et la météo. Cela paraît technique, mais l’implication commerciale est simple : ChatGPT ne se contente pas de récupérer quelques liens bleus. Il peut rechercher, inspecter, affiner et revisiter des sources en plusieurs étapes avant de rédiger la réponse.
L’étude a également mis en évidence des signes indiquant que des fournisseurs de recherche tiers se situent en amont du processus, ce qui concorde avec la documentation d’OpenAI selon laquelle ChatGPT Search peut réécrire les prompts en une ou plusieurs requêtes ciblées et les envoyer à des fournisseurs partenaires. Pour les marques, cela signifie que la visibilité IA ne dépend pas seulement du contenu. L’architecture de récupération détermine désormais qui est vu.
La visibilité dans ChatGPT semble désormais reposer sur deux niveaux. D’abord, le modèle doit avoir une raison de considérer votre marque ou votre page comme candidate. Ensuite, il doit pouvoir récupérer et comprendre le contenu en temps réel.
L’étude décrit le premier niveau comme la visibilité paramétrique. La visibilité paramétrique correspond à ce que le modèle « sait » déjà grâce à ses données d’entraînement et à ses signaux post-entraînement, comme la couverture médiatique, la présence sur Wikipédia et les mentions sur des sites à forte autorité. Le second niveau est la visibilité dynamique, c’est-à-dire ce que ChatGPT peut récupérer en direct lorsque la recherche est activée.
Ce cadre est utile car il explique une frustration fréquente en GEO. Une marque peut publier une excellente page et malgré tout rencontrer des difficultés si ses signaux d’autorité en amont sont faibles. L’inverse est également vrai : une marque connue peut être plus souvent envisagée, mais perdre les citations en direct si la page pertinente est bloquée, mal structurée ou n’inclut pas la sous-réponse dont ChatGPT a besoin.
Il existe aussi une nuance liée au crawler. OpenAI indique que les sites doivent autoriser OAI-SearchBot et les plages d’IP publiées pour être inclus dans ChatGPT Search. Mais l’expérience de honeypot de l’étude a montré que lorsque ChatGPT sélectionnait une page pendant une conversation en direct, ChatGPT-User récupérait le contenu réel de la page. En pratique, la découverte et la récupération en direct ne sont pas nécessairement le même événement, et les deux peuvent échouer pour des raisons différentes.
La plus grande erreur que les marques peuvent commettre ici est de traiter la visibilité IA comme un simple rapport de classement. Ce modèle ne correspond plus à la façon dont fonctionne ChatGPT Search. Si un seul prompt peut se ramifier en plusieurs requêtes cachées, et si différentes versions du modèle peuvent produire des ensembles de citations différents, alors il faut une mesure qui fonctionne au niveau du prompt, du modèle et de la source.
C’est précisément là que BotRank AI Visibility devient utile. Il permet aux équipes d’exécuter des prompts réutilisables sur plusieurs LLM, de suivre la visibilité dans le temps, de comparer les résultats selon les modèles et d’examiner quelles sources et quelles pages sont réellement citées. Cela compte, car une citation n’est pas automatiquement une victoire. Parfois, la page citée mentionne à peine la marque, ou la réponse présente la marque de façon défavorable. Mesurer ensemble les citations, les entités et le sentiment donne aux équipes une vision beaucoup plus claire de la présence réelle dans la recherche IA qu’un simple contrôle oui/non du classement.
La leçon générale est simple : le GEO ne consiste plus seulement à publier du contenu. Il s’agit de comprendre le comportement de récupération, puis de combler les lacunes qu’il révèle.
L’action immédiate n’est pas de courir après chaque requête cachée individuellement. Il s’agit de rendre vos pages les plus importantes plus faciles à sélectionner, à récupérer et à réutiliser par ChatGPT sur des questions voisines.
OAI-SearchBot est autorisé, que votre CDN ne bloque pas les plages d’IP publiées et que vos pages principales se chargent proprement lors du crawl.Une nuance importante : cette approche fonctionne mieux pour les sujets où les utilisateurs posent des questions en plusieurs niveaux, de type recherche. Elle est moins décisive pour une intention purement navigationnelle, lorsque l’utilisateur connaît déjà la destination. Mais pour la recherche commerciale, les comparaisons de produits, la découverte locale et les questions B2B complexes, le comportement de fan-out est désormais central dans la visibilité.
Une requête de fan-out est le fait pour ChatGPT de transformer un seul prompt utilisateur en plusieurs recherches ciblées, puis de combiner les informations renvoyées en une seule réponse. Cela offre au modèle davantage de moyens de trouver des preuves précises, mais cela signifie aussi que les marques concurrencent plusieurs sous-requêtes cachées au lieu d’un seul mot-clé visible.
L’étude attribue cela à un schéma de récupération plus concentré après le changement de modèle par défaut du 4 mars 2026. Moins de domaines et moins d’URL ont été cités par réponse, ce qui suggère un ensemble de gagnants plus restreint, même si le format global de la réponse est resté similaire.
OAI-SearchBot et ChatGPT-User ?OpenAI indique que OAI-SearchBot doit être autorisé si vous souhaitez être inclus dans ChatGPT Search. L’étude a constaté que ChatGPT-User récupérait le contenu de la page sélectionnée pendant la navigation en direct, ce qui suggère que l’indexation et la récupération en direct peuvent impliquer des agents différents.
Non. Le SEO traditionnel fournit encore de nombreux signaux sur lesquels les systèmes IA s’appuient, en particulier l’autorité, la crawlabilité et une structure de page claire. Ce qui change, c’est l’unité d’optimisation : non plus seulement le classement pour un mot-clé, mais la visibilité à travers les sous-questions que les systèmes IA génèrent en route vers une réponse.
ChatGPT Search devient plus facile à étudier et plus difficile à manipuler. C’est une bonne nouvelle pour les équipes prêtes à mesurer ce que le modèle récupère réellement, et non ce qu’elles espèrent qu’il voit. Si vous voulez savoir quels prompts, modèles et pages citées façonnent la visibilité IA de votre marque, BotRank vous offre un point de départ pratique.
