Quels sites web les IA citent-elles le plus ? La réponse est d'une concentration frappante

Vous êtes-vous déjà demandé où ChatGPT, Gemini ou Perplexity puisent leurs réponses ? Les données sont désormais claires — et la réponse pourrait vous surprendre. Un groupe très restreint de seulement 15 sites web représente plus des deux tiers de toutes les citations des grands moteurs d'IA.

Plusieurs études à grande échelle menées entre 2025 et 2026 — portant sur 30 à 680 millions d'événements de citation individuels — convergent vers le même constat : la citation par l'IA est un jeu où le gagnant rafle la mise, et elle est encore plus extrême que ne l'a jamais été Google PageRank .

Les 15 premiers domaines captent 68 % de toutes les citations IA

L'index AI Platform Citation Source Index 2026 de 5W Communications, qui a synthétisé plus de 680 millions de citations issues de six grandes études, révèle que les 15 premiers domaines absorbent 68 % de toutes les parts de citation des IA . Les 50 premiers domaines représentent quant à eux plus de 80 % des citations .

Pour mettre cela en perspective : 15 sites web, sur environ 1,1 milliard que compte Internet, contrôlent plus des deux tiers de ce que les moteurs d'IA recommandent chaque jour à des milliards d'utilisateurs . Cette concentration est bien plus extrême que tout ce que l'algorithme PageRank de Google a produit durant ses 25 ans de règne sur la découverte web .

Les 10 domaines les plus cités par tous les grands moteurs

Ces domaines apparaissent systématiquement en tête des classements de citations, que ce soit sur ChatGPT, Google AI Mode, Gemini, Perplexity ou AI Overviews :

Rang	Domaine	Notes clés
1	Reddit	N°1 sur tous les grands moteurs ; environ 40 % de part de citation dans certaines études
2	Wikipédia	Systématiquement N°2 derrière Reddit ; environ 13 % des citations de ChatGPT selon Similarweb
3	YouTube	Top 3 dans l'analyse de 30 millions de sources de Peec AI
4	LinkedIn	Top 5 sur ChatGPT, Google AI Mode et Perplexity
5–10	Fandom, Amazon, Forbes, Healthline, Mayo Clinic, WebMD, GitHub, Stack Overflow, CNN, NYT, BBC	Les rangs varient selon le moteur et l'étude

L'analyse de Peec AI portant sur 30 millions de sources a identifié les 10 domaines les plus cités toutes plateformes confondues : Reddit, YouTube, LinkedIn, Wikipédia, Forbes, Facebook, Yelp, Amazon, TechRadar et Healthline .

Pourquoi Reddit domine-t-il à ce point ?

Les discussions et forums générés par les utilisateurs de Reddit constituent un ensemble de données vaste et diversifié de contenu conversationnel et de résolution de problèmes. Dans une étude Statista de juin 2025, Reddit captait 40,1 % de toutes les références citées, loin devant Wikipédia, deuxième avec 26,3 % . Sur Perplexity, Reddit peut représenter environ une citation sur cinq .

Les analystes soulignent la capacité de Reddit à répondre aux questions de niche, d'opinion et de type "comment faire", là où les sources encyclopédiques traditionnelles peinent — ce qui le rend particulièrement précieux pour les IA conversationnelles .

Classements variables selon le moteur — Même noyau, leaders différents

Bien que Reddit soit en tête du classement général, les classements par moteur révèlent des différences importantes :

• ChatGPT s'appuie fortement sur Wikipédia et Reddit, qui représentent ensemble environ 25 % de ses citations. Dans les données Similarweb de janvier-février 2026, Wikipédia était en tête avec 13,2 %, talonnée par Reddit à 12 % .
• Google AI Mode place Fandom en N°1 — la plateforme wiki consacrée aux jeux vidéo et à la culture pop est bien moins présente ailleurs .
• Perplexity affiche une queue de distribution plus étendue : pour couvrir 80 % du volume des questions citées, il faut 810 domaines distincts .

Seulement 7 sites web apparaissent dans le top 50 des domaines les plus cités par les trois grands moteurs (ChatGPT, Perplexity, Google AI Overviews), et seuls 11 % des domaines sont cités à la fois par ChatGPT et Perplexity .

Données d'entraînement vs citations en sortie : une distinction cruciale

Il est important de distinguer ce que les LLM citent dans leurs réponses de ce sur quoi ils sont entraînés. Pour les données d'entraînement, la source dominante en volume est Common Crawl — un référentiel ouvert de pétaoctets de données web brutes qui alimente des modèles comme GPT-3, LLaMA et T5 . GPT-3 d'OpenAI, par exemple, tirait 60 % de ses tokens d'entraînement d'une version filtrée de Common Crawl .

Les listes de citations ci-dessus reflètent ce que les LLM référencent lorsqu'ils génèrent des réponses — un ensemble de sources beaucoup plus restreint et plus sélectionné, que le modèle a appris à considérer comme faisant autorité.

Ce que cela signifie pour les marques et les éditeurs

Si votre objectif est d'être cité par les moteurs d'IA, les données sont claires : vous devez gagner votre place dans la liste restreinte des domaines de confiance. La longue traîne du web est fonctionnellement invisible pour la plupart des sorties d'IA, sauf pour les requêtes très spécialisées.

Parmi les stratégies qui fonctionnent : contribuer à Wikipédia, obtenir une couverture sur Forbes ou Healthline, développer une présence solide sur YouTube et LinkedIn, et gagner des citations sur Reddit. Les formats qui favorisent le succès des citations incluent les listes (qui représentent environ 50 % des meilleures citations IA) et les pages contenant des listes ordonnées ou non (présentes sur 80 % des pages citées par l'IA) .

En résumé : Reddit, Wikipédia et YouTube sont les trois domaines les plus cités par les grands moteurs de LLM aujourd'hui, un petit groupe de médias de référence, de sites santé et de sites encyclopédiques complétant le premier cercle. Être cité par l'IA, c'est d'abord être cité par ces domaines.