En bref. L’étude distingue la sélection des citations de leur absorption et mesure la contribution à la réponse au moyen d’un score d’influence observationnel.

Définition : From Citation Selection to Citation Absorption propose de distinguer la sélection d’une source par un moteur de réponse de la contribution de cette source à la réponse. L’étude mesure cette contribution au moyen d’un score d’influence observationnel combinant la position des citations, la couverture de la réponse et la similarité textuelle.

Points clés

Le résumé sur arXiv décrit 602 requêtes contrôlées adressées à ChatGPT, Google AI Overview/Gemini et Perplexity, avec 21 143 citations valides relevées au niveau de la recherche.
La comparaison des plateformes dans l’article relève moins de citations par requête pour ChatGPT, mais une influence moyenne plus élevée parmi les pages récupérées avec succès.
Le dépôt public des auteurs présente l’expérience multiplateforme comme un instantané de recherche statique dont les horodatages de collecte sont incomplets à l’échelle de chaque enregistrement.

Comment l’étude distingue-t-elle la sélection de l’absorption ?

L’article de Zhang Kai, He Xinyue et Yao Jingang, révisé le 29 avril 2026, définit la sélection par le déclenchement d’une recherche et le choix des sources. L’absorption désigne la contribution d’une page citée au langage, aux éléments de preuve, à la structure ou à l’appui factuel de la réponse. Une source peut ainsi servir de référence contextuelle ou fournir des éléments utilisés tout au long d’une réponse.

Le score d’influence de l’article combine la répétition des références, la position de la première référence, la couverture des paragraphes de la réponse et la similarité textuelle entre la réponse et la source. Son équation peut s’écrire ainsi :

influence_score =
    0.20 * min(ref_count / 3, 1)
  + 0.15 * (1 - first_position_ratio)
  + 0.20 * paragraph_coverage_ratio
  + 0.25 * tfidf_cosine
  + 0.20 * (bigram_overlap + trigram_overlap) / 2

Ici, tfidf_cosine, bigram_overlap et trigram_overlap sont les composantes de similarité textuelle. Le score représente des traces observables de contribution à la réponse ; il reste un indicateur indirect (proxy) de l’absorption. Les auteurs excluent les composantes du score des variables proposées comme prédicteurs indépendants de ce même score, ce qui évite les explications circulaires.

Quelles observations étayent cette distinction ?

Le manuscrit d’avril 2026 présente les moyennes descriptives suivantes pour cet instantané de recherche :

Plateforme	Citations par requête	Influence parmi les pages récupérées
ChatGPT	6,88	0,2713
Google	12,06	0,0584
Perplexity	16,35	0,0646

L’ordre des plateformes change entre l’étendue des citations et l’indicateur indirect d’influence. Cette observation constitue la raison principale de les mesurer séparément.

Les dénominateurs diffèrent également. Les synthèses au niveau de la recherche couvrent 587 requêtes observées pour ChatGPT et 602 requêtes pour chacune des plateformes Google et Perplexity. L’analyse de l’absorption utilise 18 151 pages citées récupérées avec succès, issues de 23 745 enregistrements de caractéristiques au niveau des citations. Les échecs de récupération influent donc sur les sources incluses dans la comparaison de l’absorption.

Les pages du quartile d’influence le plus élevé comportent davantage de titres, de paragraphes et de mots que celles du quartile le plus bas. Les pages contenant des définitions, des données chiffrées ou des comparaisons présentent aussi une influence moyenne plus élevée dans les comparaisons de caractéristiques rapportées. Les pages au format questions-réponses affichent une moyenne de 0,0947, contre 0,1005 pour les autres pages. Il s’agit d’associations descriptives ; les effets causaux de la réécriture d’une page restent à établir.

Comment un site web peut-il utiliser ce cadre ?

Le tableau de bord de mesure proposé dans l’article distingue la présence de citations, l’influence sur la réponse et la qualité de l’étayage, c’est-à-dire la capacité des éléments cités à appuyer les affirmations de la réponse. Pour un site web, cette approche invite à examiner le texte de la réponse avec l’URL liée lors de l’analyse de sa visibilité.

Les auteurs proposent aussi une annotation à l’échelle des phrases qui relie les affirmations de la réponse aux pages sources qui les étayent. Cette méthode fournit une procédure d’examen concrète : identifier l’affirmation, repérer le passage qui l’étaye et consigner le rôle de la page. Les rôles proposés comprennent les définitions, les comparaisons, les preuves factuelles et les éléments de contexte.

Termes associés

Questions fréquentes

Le nombre de citations mesure-t-il l’absorption ?

L’étude définit le nombre de citations comme une mesure de leur étendue. Son indicateur indirect d’absorption utilise également la couverture des paragraphes, la position des citations et le recoupement textuel ; vous avez donc besoin d’éléments à l’échelle de la réponse pour appliquer cette distinction.

Faut-il convertir toutes vos pages au format questions-réponses ?

Dans l’étude, le groupe de pages au format questions-réponses présente une influence moyenne légèrement inférieure à celle du groupe de comparaison. Les auteurs proposent de tester la structure des pages et la qualité des preuves dans des conditions contrôlées avant de tirer des conclusions sur les effets d’une intervention.

Pouvez-vous interpréter le score d’influence comme une mesure de l’attention du modèle ?

Les auteurs le définissent comme un indicateur indirect observationnel. Vous pouvez l’utiliser pour décrire les régularités de citation et de texte dans les réponses enregistrées ; mesurer directement l’attention du modèle nécessite une autre méthode.

Sources

Vérifiez comment une page se lit pour les moteurs de réponse. Ouvrir l’analyseur de score GEO

Étude sur la sélection et l’absorption des citations