Comment ChatGPT récupère-t-il le web ?
La recherche web de ChatGPT dépend de l'index Bing : les passages candidats viennent des pages que Bing a crawlées et indexées. OpenAI opère en outre trois agents séparés : GPTBot (crawl d'entraînement), OAI-SearchBot (index de recherche) et ChatGPT-User (récupération en direct pendant une conversation, quand un utilisateur active la recherche). Le trio se configure séparément dans robots.txt — c'est la décision technique la plus importante du canal ChatGPT.
Étape 1 : ouvrir le canal Bing
- Inscrire et vérifier le site dans Bing Webmaster Tools.
- Soumettre le sitemap ; corriger les erreurs de crawl signalées.
- Activer IndexNow : chaque publication ou mise à jour est signalée en quelques minutes au lieu d'attendre le passage du crawler.
- Vérifier que le CDN ou pare-feu ne bloque pas Bingbot en amont de robots.txt.
Investissement à double rendement : le même chantier ouvre Copilot, qui dépend aussi de l'index Bing.
Étape 2 : configurer le trio de crawlers
| Agent | Rôle | Effet du blocage | Politique recommandée |
|---|---|---|---|
| GPTBot | Crawl d'entraînement | Vos pages n'alimentent pas l'entraînement futur | Décision explicite, documentée — indépendante de la visibilité |
| OAI-SearchBot | Index de recherche ChatGPT | Invisibilité durable dans la recherche | Autoriser si vous voulez être cité |
| ChatGPT-User | Récupération en direct pendant une conversation | Impossible à citer en temps réel | Autoriser si vous voulez être cité |
Bloquer GPTBot pour refuser l'entraînement tout en autorisant les deux autres est une politique légitime et courante. Confondre les trois dans une règle unique produit des effets involontaires. Vérifiez dans vos logs que la configuration produit l'effet voulu : l'analyse des logs de crawlers.
Étape 3 : rendre le contenu citable
- Blocs de réponse directe de 40 à 80 mots en tête des pages clés.
- Sections autonomes par facette de l'arbre de questions — ChatGPT développe les questions complexes en sous-requêtes, comme le query fan-out de Google.
- Faits sourcés et datés ; aucun chiffre sans source.
- Données structurées cohérentes avec le contenu visible ; entité alignée sur toutes les sources.
- HTML côté serveur : ChatGPT-User récupère en direct, le contenu injecté en JavaScript passe souvent entre les mailles.
Étape 4 : cas particulier des produits
Pour les marchands, ChatGPT présente des produits dans ses réponses sans aucun emplacement publicitaire à novembre 2026 : la sélection repose sur la récupération et la qualité factuelle des données produit — fiches structurées, prix à jour, avis. Détail : ChatGPT Shopping.
Étape 5 : mesurer
Même discipline que partout : jeu fixe de 50 à 100 questions posé chaque mois à ChatGPT (avec recherche activée), réponses archivées en captures, scoring 0-100 sur les quatre dimensions. Cité par Perplexity mais pas par ChatGPT signale typiquement un problème d'index Bing — les écarts entre moteurs sont un diagnostic.
Checklist ChatGPT
| # | Contrôle | Statut |
|---|---|---|
| 1 | Site vérifié dans Bing Webmaster Tools, sitemap soumis | À valider |
| 2 | IndexNow actif sur publications et mises à jour | À valider |
| 3 | OAI-SearchBot et ChatGPT-User autorisés ; décision GPTBot documentée | À valider |
| 4 | Aucun blocage CDN en amont ; logs vérifiés | À valider |
| 5 | Blocs de réponse directe et sections autonomes sur les pages clés | À valider |
| 6 | Contenu en HTML côté serveur | À valider |
| 7 | Données structurées et entité cohérentes inter-sources | À valider |
| 8 | Jeu de questions figé, mesure mensuelle avec captures | À valider |
Pièges fréquents
Le premier piège : l'angle mort Bing — des équipes qui ne surveillent que Google et découvrent des mois plus tard leur invisibilité dans ChatGPT. Le deuxième : la règle robots.txt héritée de 2023 qui bloque tous les crawlers IA. Le troisième : chercher « où acheter des annonces » — à novembre 2026, il n'y en a pas. Enfin, croire qu'optimiser pour Google suffit : les index sont indépendants. Pour la vue multi-moteurs : la stratégie multi-moteurs.