Resoneo affirme que des centaines de points de vente sans accord de contenu OpenAI ont été servis par l’index de recherche interne d’OpenAI exactement de la même manière que ses partenaires sous licence. Dans ses données de compte gratuit, cet index traitait la plupart des résultats de recherche ChatGPT.
Le cabinet de conseil SEO français a lu 1 249 réponses ChatGPT capturées en juillet. Resoneo vend des conseils en référencement et offre l’extension Chrome qui a capturé les données.
Cette découverte conforte une correction publiée par Suganthan Mohanadasan en juillet, après avoir initialement interprété l’index comme étant largement fermé aux petits sites.
Ce que Resoneo a mesuré
Le flux du serveur ChatGPT a marqué chaque résultat Web avec le nom du pipeline qui l’a récupéré, et l’une des quatre valeurs était « labrador », le propre index d’OpenAI. En comparant les pages de ce pipeline, Resoneo a constaté qu’un accord de licence ne modifiait pas la manière dont une page était diffusée. C’était le même format, la même durée et la même fraîcheur pour les partenaires et les non-partenaires.
Resoneo décrit le labrador comme un index alimenté par des flux de presse et des archives scientifiques ouvertes. Ils mentionnent qu’OpenAI peut y accéder directement sans avoir à payer un tiers, ce qui le distingue.
Dans les données gratuites de Resoneo, des questions avec des réponses définitives, des entreprises locales et des produits apparaissaient presque à chaque fois dans cet index. Les résultats des actualités ont été répartis assez également entre l’index et ce qui a été extrait de Google. Pour les comptes payants en mode réflexion, le scraping de Google a fourni environ 75 % des 16 407 résultats de recherche enregistrés par Resoneo, tandis que l’index interne représentait environ 24 %.
Résultats de la recherche dans l’échantillon de mode de réflexion payant de Resoneo
16 407 résultats de recherche. Les valeurs sont arrondies.
Google gratté · environ 75%
Index interne OpenAI · environ 24%
Source : Résonéo. Les classifications des pipelines sont basées sur la rétro-ingénierie du trafic réseau ChatGPT.
Comment la lecture précédente a changé
Mohanadasan a décrit le même index comme une liste verte d’éditeurs établis en juin, après avoir examiné le trafic réseau de ChatGPT. Il a mentionné que cela « ressemble à un niveau de licence », incluant des domaines comme Reuters, The Guardian, le WSJ et Wikipedia.
Le 14 juillet, il l’a repris. Un lecteur italien, utilisant un compte gratuit, lui a envoyé des captures montrant que chaque citation d’éditeur passait par le même pipeline, y compris les petits sites italiens. Mohanadasan a réexécuté ses tests, a reconnu dans son tableau récapitulatif qu’il avait « exagéré » avec la revendication du niveau et a mentionné que les accords de licence sont authentiques, mais la lecture du niveau était basée sur la perception du point de vue d’un seul compte comme représentatif de l’ensemble de la situation.
Les deux hommes ont effectué divers tests, chacun avec une taille différente. L’ensemble de données de Resoneo comprend à la fois des comptes gratuits et payants, plusieurs pays et des sessions déconnectées, avec les mêmes invites rejouées sur différents types de comptes. Les décomptes de Mohanadasan provenaient d’un seul récit et il les qualifie de directionnels, bien que sa correction s’appuie également sur les captures des récits de deux autres lecteurs. Resoneo considère le travail de Mohanadasan comme le fondement de ses propres efforts.
Vers le 21 juillet, selon Resoneo, OpenAI a cessé d’étiqueter chaque résultat de recherche avec le nom du système qui l’a récupéré, qui est l’étiquette lue par les deux enquêtes.
Ce que le modèle voit de votre page
Resoneo a examiné 534 pages citées par ChatGPT et comparé chacune d’entre elles avec les extraits stockés dans l’index d’OpenAI. Sur les 463 pages comportant une en-tête H1, 387 snippets l’incluaient, soit 83,6 %. L’extrait est coupé juste après 200 caractères, généralement à partir du début du contenu de la page plutôt que de la méta description, que le pipeline Google-scrape capture encore environ une fois sur trois.
Le H1 médian comptait 51 caractères, ce qui laisse environ 150 caractères de contenu de page. Un kicker de section apparaît avant le H1 sur 29% des pages et occupe 18 caractères. Une date de publication apparaît sur 11 % des pages, en utilisant 25 caractères, et le texte alternatif de la première image apparaît sur 9 % des pages et peut prendre à lui seul 50 caractères.
Dans l’échantillon, une page sur sept ne comportait aucun balisage H1. Resoneo mentionne que dans ces cas, l’extrait commence par le sous-titre fourni par le modèle.
Pourquoi c’est important
Les sites sans accord de contenu OpenAI apparaissent toujours dans l’index qui gère la plupart des résultats ChatGPT avec compte gratuit. Les conclusions de Resoneo soutiennent cela, tout comme la propre mise à jour de Mohanadasan. Après son nouveau test, il a recommandé de vérifier avec plusieurs comptes pour obtenir une image plus claire, puisqu’un seul compte ne révèle que comment ChatGPT a interagi avec ce compte.
L’index stocke un titre et environ 200 caractères de la page. Tout ce qu’un modèle imprime au-dessus du premier paragraphe en utilise une partie. Resoneo n’a pas testé si le fait de le modifier rendait une page plus susceptible d’être citée.
Regarder vers l’avenir
Les éditeurs signent des accords de contenu avec OpenAI pour plusieurs raisons. Apparaître dans les réponses de ChatGPT aux utilisateurs gratuits semble faible, car les sites sans accord figuraient déjà dans l’index qui gère la plupart de ces réponses.
La question de savoir si un accord aide une page à être citée plus souvent est une autre question, et aucune des deux enquêtes ne l’a examinée. Resoneo s’est concentré sur la façon dont les pages étaient stockées et servies. Au moment de la publication, la page du robot d’OpenAI ne détaille pas son index interne ni ne précise ce que comprennent ses accords avec les éditeurs. Resoneo note que les articles des partenaires atteignent OpenAI via un flux plutôt que par une exploration, donc un accord pourrait changer la façon dont le contenu y parvient.
