AI-citatiestudie: wordt GitHub geciteerd door AI?

GitHub is een primaire bron in de strikte zin: de pagina's zijn geschreven door de mensen die de software bouwen. Een README legt uit wat een project doet, een releasepagina zegt wat er per versie is veranderd, en de issuetracker laat zien welke bugs bekend zijn en of ze zijn opgelost. AI-modellen beschouwen deze pagina's als bewijs wanneer ze een tool beschrijven.

Vier soorten GitHub-pagina's duiken vaak op in antwoorden:

• Startpagina's van repositories, waarvan de README dienst doet als officiële beschrijving van een open-sourceproject.
• Releases en changelogs, gebruikt voor vragen als "wat is de nieuwste versie" of "wanneer is deze functie toegevoegd".
• Issues en discussies, geciteerd wanneer iemand vraagt naar een bug, een beperking of een tijdelijke oplossing.
• Beveiligingsadviezen uit de GitHub Advisory Database, die bekende kwetsbaarheden in open-sourcepackages documenteert.

Ook organisatieprofielen zijn belangrijk. Een bedrijf dat zijn SDK's, plugins of integraties in een openbare GitHub-organisatie bewaart, geeft AI-modellen een controleerbaar spoor dat het product bestaat en onderhouden wordt.

Citaties concentreren zich rond technische intenties. Typische prompts zijn "open-sourcealternatief voor Jira", "hoe installeer je de Stripe CLI", "wordt dit npm-pakket nog onderhouden", "beste zelfgehoste wachtwoordmanager" of "hoe patch ik de Log4j-kwetsbaarheid". In elk geval is de repository het meest directe bewijs dat een assistent kan geven.

Vragen over alledaagse bedrijven komen zelden bij GitHub terecht. Niemand heeft een repository nodig om "een betrouwbare loodgieter in Lyon" of "het beste accountantskantoor voor een startup" te vinden. Daardoor concentreren GitHub-citaties zich op vragen over softwareuitgevers, cyberbeveiligingsleveranciers en IT-dienstverleners, en blijven ze marginaal in andere sectoren.

Ook taal speelt een rol. Documentatie op GitHub is overwegend in het Engels geschreven, dus Engelstalige antwoorden bereiken die documentatie veel natuurlijker dan Franse, Duitse of Spaanse antwoorden, die eerder vertaalde tutorials of lokale media citeren.

Het grootste deel van het verschil komt door de manier waarop elk model informatie ophaalt. Gemini baseert veel antwoorden op Google Zoeken, waar repositories goed scoren op projectnamen, zodat een GitHub-link met het antwoord mee kan komen. ChatGPT combineert wat het tijdens de training heeft geleerd met live resultaten van ChatGPT-zoeken, en voegt een repositorylink vooral toe wanneer de vraag een specifiek project noemt.

Perplexity zoekt voor elke vraag op het web en toont zijn bronnen, maar bij vergelijkingsvragen leunt het vaak op reviewartikelen en sites van leveranciers in plaats van ruwe repositories. Grok voegt berichten van X toe, waar ontwikkelaars releases aankondigen en bugs bespreken. Claude citeert standaard minder vaak bronnen en beschrijft een project meestal in eigen woorden, tenzij webzoeken is ingeschakeld.

Een deel van de invloed van GitHub is onzichtbaar in citatietellingen. Publieke code en documentatie die op GitHub staat, voedt de trainingsdata van veel grote modellen, zodat een assistent kan uitleggen hoe een bibliotheek werkt zonder de pagina te noemen waarvan hij het heeft geleerd.

Een citatie betekent hier dat het antwoord een pagina op github.com als bron gaf: een repository, een issue, een advies of de GitHub-documentatie. Advies als "host je code op GitHub" zonder link is een aanbeveling van de dienst, een ander signaal dat dit percentage niet meet.

Sites gebouwd met GitHub Pages leven op github.io of op eigen domeinen, dus je leest ze het best als websites op zichzelf. Voor een merk is het waardevolle geval een van de eigen repositories die opduikt in een antwoord over de eigen categorie: een technische referentie die een assistent kan controleren, iets wat marketingpagina's zelden bereiken.