L'API pour le GEO

Toutes les données d'analyse GEO en une API — réponses de sept moteurs capturées par de vrais navigateurs, analyse de causalité entre réponses et sources, monitoring GEO, et plus à venir. Par pays, en JSON structuré.

ChatGPT
Gemini
Perplexity
Google AI Overviews
Google AI Mode
Naver AI Brief
Naver AI Mode

2 000 crédits offerts · sans carte bancaire

querying.ai/dashboard/playground

Response

COMPLETED · 1ad65a0f-…

COMPLETED
CHATGPT10.5s2 credits6 sources

Searched for

how AI search engines choose sources to cite retrieval ranking authority relevance

AI search engines generally choose citations through a retrieval-and-selection pipeline, not by simply picking the highest-ranking web page like a traditional search engine. The exact algorithms are proprietary and vary by product, but the broad process looks like this: answerbench.org

  1. Find candidate sources
  • The system first gathers potentially relevant material from search indexes, web crawls, licensed databases, or other retrieval systems.
  • A user question may be rewritten into multiple related searches so the system can find different angles of the answer. bluefrog.ai

  1. Match sources to the question AI systems look for sources whose content actually answers the user’s intent, often using semantic matching rather than only keyword matching. A page about “best running shoes for flat feet” may be preferred over a general shoe article because it contains the specific information needed. thestacc.com

  2. Score reliability and usefulness Common signals include:

  • Relevance: Does the source directly support the claim being made?
  • Authority: Is the source credible for this topic?
  • Freshness: Is it current enough, especially for news, prices, laws, or software?
  • Factual clarity: Does it provide specific, verifiable information?
  • Extractability: Can the system easily identify a passage that supports the answer? lightspacelabs.com

  1. Select evidence for specific claims The system is usually not asking “which website is the best overall?” It is asking something closer to: “Which source best supports this particular sentence?” A government page might be chosen for a legal fact, a research paper for a scientific claim, and a company’s documentation for a product feature. answerbench.org

  2. Generate the answer and attach citations After selecting useful passages, the AI produces a response and links citations to the claims those sources support. Some systems cite many sources; others prefer fewer sources that they rely on more heavily. arxiv.org

A few things that often surprise people:

  • The top Google result is not guaranteed to be cited. AI systems may choose a lower-ranked page if it provides a clearer or better-supported answer. lightspacelabs.com
  • Being authoritative is not enough. A highly reputable site can be skipped if the relevant information is buried, vague, outdated, or difficult for the system to extract. answerlab.au
  • Citations are not a perfect audit trail. A citation means the system used or found the source relevant, but it does not automatically mean every statement in the answer is fully verified by that source. answerbench.org

A simple mental model: AI search first finds possible evidence, then chooses the evidence that best supports the answer it wants to give. The winning source is often the one that is both trustworthy and easy to use as evidence. bluefrog.ai

Sources

  1. 1How AI Answer Engines Choose Which Sources to Cite — AnswerBenchhttps://answerbench.org/articles/how-ai-answer-engines-choose-sources
  2. 2How do AI assistants decide which sources to cite? | Bluefroghttps://bluefrog.ai/answers/assistants-choose-which-sources-to-cite/
  3. 3How AI Search Engines Choose Sources to Citehttps://thestacc.com/blog/how-ai-search-engines-cite-sources/
  4. 4How AI Search Engines Decide Which Sources to Cite | Lightspace Labs Blog | Lightspace Labshttps://www.lightspacelabs.com/blog/how-ai-search-engines-decide-which-sources-to-cite
  5. 5From Citation Selection to Citation Absorption: A Measurement Framework for Generative Engine Optimization Across AI Search Platformshttps://arxiv.org/abs/2604.25707
  6. 6How AI Search Engines Decide Which Sources to Cite | AnswerLabhttps://answerlab.au/blog/how-ai-decides-citations

Voir la réponse. Comprendre pourquoi. Suivre dans le temps.

Une API, trois couches de GEO : collectez les réponses que vos clients voient réellement, identifiez les sources qui les ont façonnées et mesurez votre position dans le temps.

Answers

Les vraies réponses grand public de ChatGPT, Gemini, Perplexity, Google AI et Naver AI — par pays, en JSON structuré.

GEO Research

Renvoyez une réponse et ses citations pour voir exactement quelle source a façonné quelle phrase — preuves vérifiées à l'appui.

Monitors

Des ensembles de prompts planifiés, notés sur la présence de marque et les citations — votre part des réponses IA, mesurée dans le temps.

Sept moteurs, une API — statut en temps réel

Tous les moteurs, toutes les régions, à grande échelle. Le statut est mesuré, pas déclaré : un moteur en panne l'affiche clairement.

ChatGPTGoogleGeminiPerplexityNaver

Ce qu'est chaque surface, et ce qui revient

Sept surfaces grand public distinctes, pas sept emballages autour d'un même modèle. Chacune renvoie ses propres données structurées, et les noms de champs ci-dessous sont exactement ce qui arrive dans votre webhook.

ChatGPT

Le ChatGPT que tout le monde utilise gratuitement, répondant avec la recherche web activée. Il ne renvoie donc pas que du texte : aussi les requêtes lancées avant de répondre (le fan-out), les pastilles de citation qui les appuient et ses fiches shopping. Le modèle qui a réellement produit la réponse arrive dans `model` : vous savez toujours ce que vous avez mesuré.

textsourcesmarkdownsearchQueriesshoppingCardsmodel

Gemini

L'application Gemini grand public, pas l'API Gemini. Chaque source porte l'indice de grounding de Google (0–100), ce qui permet de pondérer les citations au lieu de les traiter à l'identique.

textsourcesmarkdownmodel

Perplexity

La réponse de Perplexity avec la charge structurée la plus riche ici : les requêtes que son modèle de recherche a réellement lancées, les questions de suivi qu'il propose, et ses blocs médias, shopping, lieux et hôtels.

textsourcesmarkdownsearchQueriesrelated_queriesvideosimagesshopping_cardsplaceshotels

Google AI Overviews

Le bloc AI Overview d'une page de résultats Google. Il est conditionnel — si Google ne rédige aucun aperçu, la réponse le dit — et les résultats organiques ainsi que le People Also Ask de la même requête sont inclus.

aiovervieworganicResultspeopleAlsoAsk

Google AI Mode

L'onglet AI Mode de Google : une conversation, pas un encadré de résumé. La réponse complète arrive à l'identique dans `text` et `markdown` — sans habillage de page — avec chaque source citée par Google.

textsourcesmarkdown

Naver AI Brief

Le bloc AI 브리핑 de la recherche intégrée de Naver. Naver ne résume que les requêtes qu'il juge résumables : un briefing vide est donc une vraie réponse, pas un échec — et les documents web sous le bloc suivent dans tous les cas.

textsourcesmarkdownorganicResultsrelatedQuestions

Naver AI Mode

L'onglet AI 탭 de Naver : toujours actif, conversationnel, et la seule surface qui renvoie des fiches produit coréennes avec prix, remise, note et livraison.

textsourcesmarkdownproducts

Pourquoi pas l'API LLM directement ?

Appeler l'API d'un fournisseur renvoie la sortie du modèle — pas ce que vos clients voient à l'écran.

Interface consommateur ≠ API LLM

L'app ChatGPT applique le search grounding, les citations, le routage régional et la recherche en temps réel — absents de l'API OpenAI. L'analyse GEO et AEO exige de mesurer « ce que le client voit » et non « ce que le modèle peut générer ». querying.ai capture la vraie surface.

Données structurées au-delà de la réponse

Posez une seule question à Perplexity et dix champs reviennent, dont les requêtes que son modèle de recherche a réellement lancées : ce qui se rapproche le plus de ce que l'IA a compris de votre marque. ChatGPT renvoie son fan-out de recherche et ses fiches shopping ; Naver AI renvoie des fiches produit coréennes avec prix, remise, note et livraison.

Le même prompt donne une autre réponse selon le pays

Demandez les meilleures chaussures de running depuis Séoul puis depuis Chicago : marques, boutiques et citations changent. Chaque tâche accepte un `country` et interroge les moteurs depuis ce marché — un classement que vous publiez pour la KR est donc celui qu'un client coréen verrait vraiment.

Une réponse vide est un résultat, pas une erreur

Google AI Overviews et l'AI 브리핑 de Naver sont conditionnels : pour beaucoup de requêtes, le moteur n'écrit aucun résumé. Savoir que la requête phare de votre catégorie n'obtient aucune réponse d'IA est un résultat GEO qui compte, donc nous le rapportons tel quel — jamais déguisé en panne, jamais inventé pour remplir le champ.

Jusqu'à 85 % moins cher

OpenAI Responses API avec web search : ~$10/1k calls. querying.ai ChatGPT : $4/1k sur Basic, $1.90/1k sur Max. Pas le même produit, mais pour les équipes qui ont besoin de données de la surface consommateur, l'économie est concrète. Les tâches échouées ne sont pas facturées.

Un statut vérifiable avant de faire confiance

La santé de chaque moteur est calculée à partir des résultats réels des tâches sur une fenêtre de 30 minutes, pas d'un ping synthétique qui peut passer pendant que le trafic client échoue. Elle est publiée moteur par moteur sur status.querying.ai : vous voyez quelle surface était saine le jour de la collecte.

Conçu pour ces équipes

Une source de données structurée pour toute équipe qui doit comprendre la recherche IA.

Monitoring GEO et AEO

Suivez comment les moteurs de recherche IA mentionnent votre marque, vos produits et vos concurrents — par moteur, pays et prompt.

Veille concurrentielle

Voyez en temps réel quelles marques les moteurs IA citent et quels produits ils recommandent sur votre marché.

Tableaux de bord agences

Surveillez des dizaines de clients simultanément avec les APIs batch et les webhooks, tous moteurs et régions confondus.

Recherche et analyse

Étudiez le comportement de recherche IA par marché avec des données structurées pour la recherche, la stratégie de contenu et le SEO.

Soumettez une tâche. La réponse vous parvient.

Toutes les tâches sont asynchrones — les moteurs mettent quelques secondes à répondre. Envoyez, recevez un id, et le résultat arrive sur votre webhook en JSON.

01Vous soumettez une tâche
curl -X POST https://api.querying.ai/v1/async/task \
  -H "Authorization: Bearer vt_live_…" \
  -H "Content-Type: application/json" \
  -d '{
    "taskType": "GEMINI",
    "payload": { "prompt": "best wireless earbuds 2026" },
    "webhook": { "url": "https://yours.app/hooks/querying" }
  }'
02Votre webhook reçoit
{
  "task": {
    "id": "8f2c1e40-…",
    "taskType": "GEMINI",
    "status": "COMPLETED",
    "createdAt": "2026-07-17T04:12:00.000Z"
  },
  "credits": { "creditsToCharge": 1, "creditsCharged": 1 },
  "response": {
    "text": "The best wireless earbuds in 2026 are …",
    "sources": [
      { "position": 1,
        "url": "https://example.com/review",
        "label": "Best earbuds, reviewed" }
    ],
    "timing": { "totalMs": 7400 }
  }
}

5 tentatives avec backoff si votre endpoint est indisponible. Lire la documentation ↗

Payez selon votre usage, sans mauvaise surprise

Plus le plan est grand, moins le crédit coûte — jusqu'à $0.95 les 1 000 sur Max. Les tâches échouées sont remboursées.

Basic
$20/month
10,000 credits included

A single product's tracking, or a build you're still shaping.

≈ 5,000–10,000 tasks / month
  • 10 concurrent tasks
  • Every engine we serve
  • Every region we serve
  • Webhooks + polling
  • Email support
Recommended
Pro
$200/month
190,000 credits included

A brand tracked daily across engines, countries and prompts.

≈ 95,000–190,000 tasks / month
  • 25 concurrent tasks
  • Everything in Basic
  • Batch submission
  • Priority support
Scale
$500/month
500,000 credits included

Several brands, or one brand tracked wide and deep.

≈ 250,000–500,000 tasks / month
  • 50 concurrent tasks
  • Everything in Pro
  • Usage review on request
  • Priority support
Max
$1000/month
1,050,000 credits included

An agency or platform running many brands at once.

≈ 525,000–1,050,000 tasks / month
  • 100 concurrent tasks
  • Everything in Scale
  • Usage review on request
  • Priority support
Enterprise
Custom
Volume pricing

Committed volume, invoicing, and terms that fit procurement.

  • Everything in Max
  • Custom engine mix
  • Invoice billing
  • Shared support channel
Talk to us
Negotiated

Task estimates vary by engine because each engine uses 1–2 credits.

See what a credit buys, per engine →