Étude RESONEO : ChatGPT ne garde qu’environ 200 caractères par page dans son index

L’essentiel

• 1 249 réponses ChatGPT, 88 000 résultats de recherche et 26 900 pages distinctes capturés en juillet 2026.
• Seules 1,5 % des URL de l’index maison d’OpenAI figurent dans le top 20 de Bing pour les mêmes sous-requêtes.
• L’extrait stocké fait environ 200 caractères, part du H1 et ne tient pas compte de la meta description.
• Une page ouverte par ChatGPT est citée dans 74 % des cas, contre 7 % pour une page seulement remontée.

Méthode : une extension Chrome et des pages témoins

L’étude complète est publiée par l’agence RESONEO, avec le concours de Jérôme Salomon (Oncrawl) pour la partie cache et l’analyse des logs. Olivier de Segonzac, associé fondateur de RESONEO, en a tiré une version française détaillée, parue sur Abondance le 5 août. Le corpus réunit 682 réponses en mode instantané et 567 en mode réflexion, obtenues depuis une flotte de comptes gratuits et payants répartis sur plusieurs pays.

Les données proviennent d’une extension Chrome qui enregistre le flux brut de chatgpt.com. Jusqu’au 21 juillet 2026, un champ result_source y indiquait l’origine de chaque résultat. Une fois ce champ disparu, l’équipe a reconnu les sources à leur format, avec un classifieur qui tombe juste dans environ 98 % des cas. Le dispositif comprend aussi des pages témoins hébergées par RESONEO, dont les logs serveur sont complets, ainsi que des requêtes rejouées via l’API d’OpenAI.

Index : « labrador » ne ressemble ni à Bing ni à Google

ChatGPT puise à plusieurs sources. En mode réflexion, environ 75 % des résultats sont des pages de résultats Google récupérées en direct par un prestataire. Cette source porte le nom de « bright », que les auteurs relient à Bright Data à partir d’un identifiant de test interne, sans confirmation d’OpenAI. L’essentiel du reste vient de « labrador », un index propre à OpenAI, qui renvoie aussi des contenus d’actualité, des articles d’arXiv et des fils Reddit.

Les URL de labrador ne recoupent presque pas celles de Bing : 1,5 % seulement apparaissent dans son top 20 pour les mêmes sous-requêtes, et aucun extrait ne correspond à un extrait Bing. Les titres fournissent un autre indice. Bing les coupe à 75 caractères, or 24 % des titres de labrador dépassent cette longueur. RESONEO en conclut qu’il ne s’agit pas d’un Bing rebaptisé. L’index n’est pas toujours à jour non plus : environ 13 % des extraits accusent plus d’un mois de retard sur l’exploration.

Le robot qui alimente cet index reste une question ouverte. RESONEO l’attribue à OAI-SearchBot, mais ce robot est resté presque muet sur les pages témoins alors que l’index continuait de les servir.

Extrait : environ 200 caractères à partir du H1

Pour chaque page, labrador conserve un extrait coupé vers 202 caractères, pris au début du corps de la page rendue. Il ne varie pas selon la requête et reste figé jusqu’à l’exploration suivante. Sur 463 pages citées dotées d’un H1, 387 (83,6 %) l’avaient dans leur extrait, et 297 (77 %) le plaçaient en tout premier. Avec un H1 médian de 51 caractères, il reste environ 146 caractères pour le contenu. Une page sur sept n’a d’ailleurs aucun H1 balisé.

Labrador ne lit pas la meta description. Seule la source issue de Google la reprend, environ une fois sur trois. Les éléments visibles proches du H1 entrent en revanche dans l’extrait : surtitre de rubrique, signature, date, sommaire. Placé avant le H1, le texte alternatif de la première image consomme à lui seul une cinquantaine de caractères.

Cache : une copie partagée qui ignore no-store et noindex

Quand ChatGPT ouvre une page, c’est le robot ChatGPT-User qui la récupère. Elle est convertie en Markdown, stockée en entier, rangée sous son URL et partagée entre tous les utilisateurs, quel que soit leur abonnement. Pendant une trentaine de minutes, la copie est servie telle quelle. Passé ce délai, ChatGPT la sert encore et la rafraîchit en arrière-plan. Aucune date d’expiration n’a été constatée : les logs de Jérôme Salomon montrent une copie encore servie 91 jours après son téléchargement. Une page lue depuis un compte a même été servie à un autre compte, dans un autre pays, sans nouvelle visite sur le serveur.

Sur les pages de test, ni l’en-tête Cache-Control: no-store ni la directive noindex n’ont empêché la mise en cache. À la conversion, les scripts, les iframes et le JSON-LD sont retirés. Le texte alternatif des images survit, le texte masqué en CSS aussi. Au-delà de 4 Mo, la page est refusée en bloc avec une erreur HTTP 400. GPTBot, le robot d’entraînement, n’est pas à l’origine des entrées de l’index.

Lecture : la plupart des réponses n’ouvrent aucune page

En mode instantané, ChatGPT n’ouvre aucune page dans 93 % des réponses, selon la version publiée sur Abondance. Sur les 759 pages effectivement lues, 757 l’ont été en mode réflexion, depuis un compte payant. Le panneau des sources a affiché 61 332 URL au total, dont 5 032 sont devenues la source principale d’une citation.

Ouvrir une page change tout : 326 pages lues sur 440 ont été citées (74 %), contre 4 303 sur 57 853 (7 %) pour celles qui sont seulement remontées. Ces dernières finissent le plus souvent dans la rubrique « Plus » du panneau. Un détail compte pour la mesure d’audience. Les liens vers les pages que le modèle a lues de lui-même ne portent pas le paramètre utm_source=chatgpt.com, si bien qu’un filtre sur ce seul marqueur passe à côté.

Ce que j’en retiens

Les limites d’abord. C’est une étude tierce et observationnelle, menée en juillet 2026, et OpenAI n’a rien confirmé. Après le 21 juillet, l’origine des résultats est déduite, pas lue dans les données. Ces mécanismes peuvent aussi changer sans préavis. Les chiffres sont malgré tout assez nets pour passer à l’action :

1. Baliser un H1 qui résume la page, sans surtitre de rubrique, date ou widget au-dessus.
2. Faire tenir le message principal dans les 150 caractères environ qui suivent le H1 : c’est souvent tout ce que l’index de ChatGPT garde de la page.
3. Servir le contenu dans le HTML envoyé par le serveur. D’après Olivier de Segonzac, le robot n’exécute pas le JavaScript, et un texte injecté côté client lui reste invisible.
4. Ne pas compter sur le JSON-LD pour ChatGPT, mais le conserver pour Google, tout comme la meta description.
5. Rédiger un texte alternatif informatif pour la première image et rester sous 4 Mo par page.
6. Suivre ChatGPT-User et OAI-SearchBot dans les logs serveur, et ne pas voir dans noindex un moyen de sortir une page du cache.

Le chiffre qui me frappe le plus est l’écart de 1 à 10 entre une page lue et une page simplement listée. Figurer dans les résultats ne suffit pas : il faut être ouvert, et cela ne se produit presque qu’en mode réflexion. Pour tout le reste, les deux cents premiers caractères servent de vitrine. Je relirais donc le haut des pages importantes avec le même soin qu’une balise title, puis je regarderais dans les logs quelles URL ChatGPT-User vient réellement chercher. Côté recherche locale, autre circuit décrit dans l’étude, voir aussi l’arrivée de Yelp dans les réponses locales de ChatGPT.