Étude des citations IA : GitHub est-il cité par les IA ?

GitHub est une source primaire au sens strict : ses pages sont rédigées par ceux qui développent le logiciel. Le fichier README explique ce que fait un projet, la page des versions indique ce qui a changé, et le suivi des tickets (issues) montre quels bugs sont connus et s'ils sont corrigés. Les modèles d'IA s'appuient sur ces pages comme sur des preuves lorsqu'ils décrivent un outil.

Quatre types de pages GitHub ressortent dans les réponses :

• Les pages d'accueil des dépôts, dont le README fait office de description officielle d'un projet open source.
• Les versions et journaux des modifications, utilisés pour des questions comme « quelle est la dernière version » ou « depuis quand cette fonction existe ».
• Les tickets et discussions, cités quand quelqu'un s'interroge sur un bug, une limite ou une solution de contournement.
• Les avis de sécurité de la GitHub Advisory Database, qui recense les vulnérabilités connues des paquets open source.

Les profils d'organisation comptent aussi. Une entreprise qui publie ses kits de développement (SDK), extensions ou intégrations dans une organisation GitHub publique laisse aux modèles une trace vérifiable : son produit existe et il est maintenu.

Les citations se concentrent sur les intentions techniques. Prompts typiques : « alternative open source à Jira », « comment installer l'outil en ligne de commande de Stripe », « ce paquet npm est-il encore maintenu », « meilleur gestionnaire de mots de passe auto-hébergé », « comment corriger la faille Log4j ». Dans chaque cas, le dépôt est la preuve la plus directe qu'un assistant puisse fournir.

Les questions sur les entreprises du quotidien mènent rarement à GitHub. Personne n'a besoin d'un dépôt pour trouver « un plombier fiable à Lyon » ou « le meilleur cabinet comptable pour une start-up ». Les citations de GitHub se concentrent donc sur les questions qui concernent les éditeurs de logiciels, la cybersécurité et les entreprises de services informatiques, et restent marginales ailleurs.

La langue joue aussi. La documentation hébergée sur GitHub est très majoritairement en anglais : les réponses en anglais y accèdent bien plus naturellement que les réponses en français, en allemand ou en espagnol, qui citent plutôt des tutoriels traduits ou des médias locaux.

L'écart tient surtout à la façon dont chaque modèle va chercher l'information. Gemini fonde beaucoup de ses réponses sur la recherche Google, où les dépôts se classent bien sur les noms de projets : un lien GitHub peut donc accompagner la réponse. ChatGPT combine ce qu'il a appris pendant son entraînement avec les résultats de sa recherche web en direct, et ajoute un lien vers un dépôt surtout quand la question nomme un projet précis.

Perplexity lance une recherche web pour chaque question et affiche ses sources, mais pour les comparatifs il s'appuie souvent sur des articles de test et des sites d'éditeurs plutôt que sur les dépôts eux-mêmes. Grok ajoute des publications de X, où les développeurs annoncent leurs versions et discutent des bugs. Claude cite moins souvent ses sources par défaut et décrit volontiers un projet avec ses propres mots, sauf si la recherche web est activée.

Une partie de l'influence de GitHub échappe aux comptages de citations. Le code public et la documentation hébergés sur GitHub alimentent les données d'entraînement de nombreux grands modèles : un assistant peut expliquer le fonctionnement d'une bibliothèque sans nommer la page dont il tient l'information.

Une citation signifie ici que la réponse a donné une page de github.com comme source : un dépôt, un ticket, un avis de sécurité ou la documentation de GitHub. Un conseil comme « hébergez votre code sur GitHub », sans lien, recommande le service : c'est un autre signal, que ce taux ne mesure pas.

Les sites créés avec GitHub Pages sont hébergés sur github.io ou sur des domaines personnalisés : mieux vaut les analyser comme des sites à part entière. Pour une marque, le cas intéressant est celui d'un de ses propres dépôts cité dans une réponse sur sa catégorie : une référence technique qu'un assistant peut vérifier, ce que les pages marketing obtiennent rarement.