{"id":23656,"date":"2026-05-19T17:23:19","date_gmt":"2026-05-19T17:23:19","guid":{"rendered":"https:\/\/capston.ai\/capston-core\/selection-vs-absorption-des-citations-les-deux-etapes-du-geo\/"},"modified":"2026-05-19T19:23:52","modified_gmt":"2026-05-19T19:23:52","slug":"selection-vs-absorption-citations","status":"publish","type":"page","link":"https:\/\/capston.ai\/fr\/capston-core\/selection-vs-absorption-citations\/","title":{"rendered":"S\u00e9lection vs Absorption des citations : les deux \u00e9tapes du GEO"},"content":{"rendered":"<p><!-- cc-page-hero v1 --><\/p>\n<figure class=\"page-hero\" style=\"margin:0 0 2.5rem 0;padding:0;\"><img decoding=\"async\" src=\"https:\/\/capston.ai\/wp-content\/uploads\/2026\/05\/wave11-selection-vs-absorption-hero.webp\" alt=\"Couloir de resort premium aux portes rythm\u00e9es convergeant vers une vue profonde, repr\u00e9sentant les deux \u00e9tapes s\u00e9lection et absorption\" loading=\"eager\" style=\"display:block;width:100%;height:auto;max-height:480px;object-fit:cover;border-radius:6px;\" \/><\/figure>\n<p><script type=\"application\/ld+json\">\n{\n  \"@context\": \"https:\/\/schema.org\",\n  \"@graph\": [\n    {\n      \"@type\": \"WebPage\",\n      \"@id\": \"https:\/\/capston.ai\/fr\/capston-core\/selection-vs-absorption-citations\/#webpage\",\n      \"url\": \"https:\/\/capston.ai\/fr\/capston-core\/selection-vs-absorption-citations\/\",\n      \"name\": \"S\u00e9lection vs Absorption des citations \u2014 Cadre GEO en deux \u00e9tapes\",\n      \"description\": \"\u00catre retenu comme source n'est pas \u00eatre absorb\u00e9 dans la r\u00e9ponse. Le cadre en deux \u00e9tapes derri\u00e8re la mesure Capston Core, valid\u00e9 sur 21 143 citations.\",\n      \"inLanguage\": \"fr\",\n      \"isPartOf\": { \"@id\": \"https:\/\/capston.ai\/#website\" }\n    },\n    {\n      \"@type\": \"Article\",\n      \"@id\": \"https:\/\/capston.ai\/fr\/capston-core\/selection-vs-absorption-citations\/#article\",\n      \"headline\": \"S\u00e9lection vs Absorption des citations : les deux \u00e9tapes du GEO\",\n      \"description\": \"Cadre en deux \u00e9tapes distinguant la s\u00e9lection de citation (\u00eatre retenu comme source) de l'absorption de citation (\u00eatre utilis\u00e9 dans la r\u00e9ponse), appuy\u00e9 sur une \u00e9tude empirique couvrant ChatGPT, Perplexity, Google AI Overview et Gemini.\",\n      \"author\": { \"@id\": \"https:\/\/capston.ai\/#organization\" },\n      \"publisher\": { \"@id\": \"https:\/\/capston.ai\/#organization\" },\n      \"citation\": \"Zhang, K., He, X., & Yao, J. (2026). From Citation Selection to Citation Absorption: A Measurement Framework for Generative Engine Optimization Across AI Search Platforms. arXiv:2604.25707v2.\"\n    },\n    {\n      \"@type\": \"FAQPage\",\n      \"@id\": \"https:\/\/capston.ai\/fr\/capston-core\/selection-vs-absorption-citations\/#faq\",\n      \"mainEntity\": [\n        { \"@type\": \"Question\", \"name\": \"S\u00e9lection ou absorption : qu'est-ce qui compte le plus ?\", \"acceptedAnswer\": { \"@type\": \"Answer\", \"text\": \"Ni l'un ni l'autre isol\u00e9ment. Une marque jamais s\u00e9lectionn\u00e9e ne peut pas \u00eatre absorb\u00e9e. Une marque s\u00e9lectionn\u00e9e mais jamais absorb\u00e9e reste invisible dans la r\u00e9ponse vue par l'utilisateur. Capston Core mesure les deux et oriente le travail vers l'\u00e9tape qui contraint le r\u00e9sultat.\" } },\n        { \"@type\": \"Question\", \"name\": \"Pourquoi ChatGPT et Perplexity scorent-ils si diff\u00e9remment dans la recherche ?\", \"acceptedAnswer\": { \"@type\": \"Answer\", \"text\": \"L'\u00e9tude Zhang et al. (602 prompts, 21 143 citations) montre que Perplexity cite largement tandis que ChatGPT cite moins de sources avec une influence plus forte par source. Les rapports s\u00e9lection\/absorption diff\u00e8rent, donc une marque a besoin d'un plan sp\u00e9cifique par moteur, pas d'un playbook GEO unique.\" } },\n        { \"@type\": \"Question\", \"name\": \"Une page peut-elle avoir une forte absorption sans citation visible ?\", \"acceptedAnswer\": { \"@type\": \"Answer\", \"text\": \"Oui. Les moteurs utilisent parfois une source pour alimenter une r\u00e9ponse sans la faire appara\u00eetre dans la liste de citations visibles, notamment quand le contenu a \u00e9t\u00e9 absorb\u00e9 dans des corpus d'entra\u00eenement ou des embeddings mis en cache. La mesure d'absorption regarde le texte de la r\u00e9ponse, pas seulement le badge de citation.\" } },\n        { \"@type\": \"Question\", \"name\": \"\u00c0 quelle fr\u00e9quence retester s\u00e9lection et absorption ?\", \"acceptedAnswer\": { \"@type\": \"Answer\", \"text\": \"Trimestriellement en cadence de base, mensuellement pour les comptes \u00e0 fort enjeu. Les mises \u00e0 jour de mod\u00e8les d\u00e9placent r\u00e9guli\u00e8rement le rapport s\u00e9lection\/absorption sur le m\u00eame jeu de prompts, sans aucun changement c\u00f4t\u00e9 marque.\" } }\n      ]\n    },\n    {\n      \"@type\": \"BreadcrumbList\",\n      \"itemListElement\": [\n        { \"@type\": \"ListItem\", \"position\": 1, \"name\": \"Accueil\", \"item\": \"https:\/\/capston.ai\/fr\/\" },\n        { \"@type\": \"ListItem\", \"position\": 2, \"name\": \"Capston Core\", \"item\": \"https:\/\/capston.ai\/fr\/capston-core\/\" },\n        { \"@type\": \"ListItem\", \"position\": 3, \"name\": \"S\u00e9lection vs Absorption des citations\", \"item\": \"https:\/\/capston.ai\/fr\/capston-core\/selection-vs-absorption-citations\/\" }\n      ]\n    }\n  ]\n}\n<\/script><\/p>\n<h2>Intro<\/h2>\n<p>La plupart des discussions sur l\u2019optimisation pour moteurs g\u00e9n\u00e9ratifs (GEO) confondent deux \u00e9v\u00e9nements tr\u00e8s diff\u00e9rents en un seul indicateur. \u00ab Est-ce que le moteur nous a cit\u00e9s ? \u00bb est trait\u00e9 comme une victoire binaire. Cela ne l\u2019est pas.<\/p>\n<p>\u00catre retenu comme source par ChatGPT, Perplexity, Google AI Overviews ou Gemini est la premi\u00e8re \u00e9tape \u2014 la s\u00e9lection de citation. \u00catre r\u00e9ellement absorb\u00e9 dans la r\u00e9ponse g\u00e9n\u00e9r\u00e9e, avec les affirmations de la marque qui survivent \u00e0 la paraphrase et qui arrivent sous les yeux de l\u2019utilisateur, est une seconde \u00e9tape distincte \u2014 l\u2019absorption de citation. Une page peut \u00eatre s\u00e9lectionn\u00e9e et \u00e0 peine absorb\u00e9e. Une page peut \u00eatre fortement absorb\u00e9e sans \u00eatre visiblement cit\u00e9e. Les deux \u00e9tapes doivent \u00eatre optimis\u00e9es, et elles activent des leviers diff\u00e9rents.<\/p>\n<p>Cette page expose le cadre, les preuves empiriques qui le sous-tendent, et la fa\u00e7on dont il s\u2019articule \u00e0 la mesure Capston Core. C\u2019est la lecture pr\u00e9alable \u00e0 tout travail de <a href=\"https:\/\/capston.ai\/capston-core\/ai-visibility-scoring\/\">scoring de visibilit\u00e9 IA<\/a>.<\/p>\n<p class=\"cc-intro-cta\" style=\"margin:2rem 0;\"><a href=\"\/free-audit\/?source=capston-core-selection-absorption\" class=\"cc-cta-btn\" style=\"display:inline-block;background:#FDC70C;color:#151515;padding:0.875rem 1.75rem;border-radius:6px;font-weight:600;text-decoration:none;margin:0.5rem 0.75rem 0.5rem 0;font-family:inherit;font-size:1rem;line-height:1.4;\">Auditez vos \u00e9carts de s\u00e9lection et d\u2019absorption<\/a><\/p>\n<hr \/>\n<h2>Pourquoi deux \u00e9tapes, pas une<\/h2>\n<p>Un moteur g\u00e9n\u00e9ratif n\u2019\u00e9crit pas ses r\u00e9ponses depuis votre page d\u2019accueil. Il les \u00e9crit depuis un ensemble de travail.<\/p>\n<p>Le pipeline de r\u00e9cup\u00e9ration extrait d\u2019abord un vivier d\u2019URL candidates : r\u00e9sultats de recherche, snippets index\u00e9s, embeddings en cache. De ce vivier, il s\u00e9lectionne un sous-ensemble de sources jug\u00e9es \u00e9ligibles pour alimenter la r\u00e9ponse. Ensuite seulement, il absorbe du mat\u00e9riel issu de ces sources s\u00e9lectionn\u00e9es dans la r\u00e9ponse synth\u00e9tis\u00e9e \u2014 extraction d\u2019affirmations, pond\u00e9ration, paraphrase, citation occasionnelle, int\u00e9gration dans le texte pr\u00e9sent\u00e9 \u00e0 l\u2019utilisateur.<\/p>\n<p>S\u00e9lection et absorption reposent sur des signaux diff\u00e9rents. La s\u00e9lection r\u00e9compense l\u2019autorit\u00e9, la reconnaissance du domaine, la concordance de langue et la coh\u00e9rence th\u00e9matique. L\u2019absorption r\u00e9compense l\u2019alignement s\u00e9mantique avec le prompt, la densit\u00e9 de preuves, la lisibilit\u00e9 structurelle (titres propres, paragraphes serr\u00e9s, listes scannables) et la pr\u00e9sence de faits concrets que le mod\u00e8le peut pr\u00e9lever sans r\u00e9\u00e9crire.<\/p>\n<p>Traiter le GEO comme un entonnoir unique masque le diagnostic. Une marque rarement s\u00e9lectionn\u00e9e a un probl\u00e8me d\u2019autorit\u00e9 de source. Une marque s\u00e9lectionn\u00e9e mais rarement absorb\u00e9e a un probl\u00e8me de forme de contenu. Les correctifs ne sont pas les m\u00eames.<\/p>\n<hr \/>\n<h2>\u00c9tape 1 : la s\u00e9lection<\/h2>\n<p>La s\u00e9lection r\u00e9pond \u00e0 une question \u00e9troite : cette URL est-elle \u00e9ligible pour alimenter la r\u00e9ponse ?<\/p>\n<p>Les variables qui font bouger la s\u00e9lection sont majoritairement hors page et structurelles.<\/p>\n<ul>\n<li><strong>Autorit\u00e9 de la source<\/strong> \u2014 note de domaine, pr\u00e9sence dans des index de confiance, pr\u00e9sence dans le corpus d\u2019entra\u00eenement du moteur, r\u00e9f\u00e9rences venant de publications que le moteur tient d\u00e9j\u00e0 pour fiables.<\/li>\n<li><strong>Reconnaissance<\/strong> \u2014 la marque et le domaine sont associ\u00e9s assez souvent pour que le moteur les traite comme une seule entit\u00e9.<\/li>\n<li><strong>Concordance de langue et de locale<\/strong> \u2014 l\u2019URL sert un contenu dans la langue et la r\u00e9gion du prompt, avec hreflang align\u00e9 et canonical propre.<\/li>\n<li><strong>Contexte du domaine<\/strong> \u2014 le domaine entier est th\u00e9matiquement coh\u00e9rent. Une page excellente isol\u00e9e sur un domaine sans rapport est s\u00e9lectionn\u00e9e moins souvent que la m\u00eame page sur un domaine dont tout le graphe th\u00e9matique la renforce.<\/li>\n<li><strong>Signaux de fra\u00eecheur<\/strong> \u2014 dates de derni\u00e8re modification, mentions entrantes r\u00e9centes, mises \u00e0 jour r\u00e9centes sur la page.<\/li>\n<\/ul>\n<p>Si la s\u00e9lection est le goulot d\u2019\u00e9tranglement, le travail est \u00e9ditorial et RP, coh\u00e9rence d\u2019entit\u00e9 sur la <a href=\"https:\/\/capston.ai\/capston-core\/data-evidence-layer\/\">couche de preuves donn\u00e9es<\/a>, et resserrement du p\u00e9rim\u00e8tre th\u00e9matique du domaine. \u00c9crire davantage de pages ne r\u00e9sout pas un probl\u00e8me de s\u00e9lection.<\/p>\n<hr \/>\n<h2>\u00c9tape 2 : l\u2019absorption<\/h2>\n<p>L\u2019absorption r\u00e9pond \u00e0 une autre question : une fois s\u00e9lectionn\u00e9e, quelle part de cette page finit r\u00e9ellement dans la r\u00e9ponse ?<\/p>\n<p>Les variables ici sont sur la page, mais structurelles autrement.<\/p>\n<ul>\n<li><strong>Alignement s\u00e9mantique<\/strong> \u2014 la page r\u00e9pond directement \u00e0 l\u2019intention du prompt, et pas \u00e0 une intention voisine. Une page b\u00e2tie pour une seule intention absorbe mieux qu\u2019une page qui en couvre trois.<\/li>\n<li><strong>Densit\u00e9 de preuves<\/strong> \u2014 chiffres concrets, dates, entit\u00e9s nomm\u00e9es, termes d\u00e9finis, citations. Les mod\u00e8les pr\u00e9l\u00e8vent plus volontiers des faits que des adjectifs.<\/li>\n<li><strong>Lisibilit\u00e9 structurelle<\/strong> \u2014 paragraphes courts, H2 descriptifs, d\u00e9finitions serr\u00e9es en haut de page, blocs FAQ qui reprennent les formulations courantes. Le moteur extrait depuis des segments qu\u2019il peut isoler proprement.<\/li>\n<li><strong>Contenu modulaire<\/strong> \u2014 sections autonomes qui restent lisibles sorties de leur contexte. Un bloc de 200 mots qui survit \u00e0 l\u2019extraction vaut mieux qu\u2019un essai de 1 200 mots qu\u2019il faut lire d\u2019un trait.<\/li>\n<li><strong>Survie de l\u2019affirmation<\/strong> \u2014 la promesse sp\u00e9cifique de la marque est formul\u00e9e de mani\u00e8re \u00e0 survivre \u00e0 la paraphrase sans perdre la marque. Une formulation g\u00e9n\u00e9rique se dissout dans un texte de r\u00e9ponse g\u00e9n\u00e9rique.<\/li>\n<\/ul>\n<p>Si l\u2019absorption est le goulot d\u2019\u00e9tranglement, le travail est sur la page : r\u00e9\u00e9crire pour la densit\u00e9 de preuves, restructurer pour la lisibilit\u00e9, s\u2019assurer qu\u2019une page cible exactement une intention. La <a href=\"https:\/\/capston.ai\/capston-core\/methodology\/\">m\u00e9thodologie Capston Core<\/a> d\u00e9taille le protocole de r\u00e9\u00e9criture.<\/p>\n<hr \/>\n<h2>Ce que disent les donn\u00e9es empiriques<\/h2>\n<p>Le cadre en deux \u00e9tapes n\u2019est pas th\u00e9orique. Zhang Kai, He Xinyue et Yao Jingang (2026) ont ex\u00e9cut\u00e9 602 prompts sur ChatGPT, Perplexity, Google AI Overview et Gemini, en capturant 21 143 citations et 23 745 caract\u00e9ristiques au niveau citation. Ils observent une divergence nette entre \u00e9tendue et profondeur de citation.<\/p>\n<p>Trois constats comptent pour les marques.<\/p>\n<p>D\u2019abord, Perplexity cite en moyenne le plus de sources par prompt ; Google AI Overview cite aussi largement. ChatGPT cite moins de sources mais chaque page r\u00e9cup\u00e9r\u00e9e exerce une influence moyenne nettement plus \u00e9lev\u00e9e sur la r\u00e9ponse produite. Les plateformes ne suivent pas le m\u00eame rapport s\u00e9lection\/absorption. Une marque optimis\u00e9e uniquement pour l\u2019\u00e9tendue sous-performera sur le moteur qui concentre l\u2019influence.<\/p>\n<p>Ensuite, l\u2019\u00e9tendue de s\u00e9lection ne pr\u00e9dit pas la profondeur d\u2019absorption. Une URL peut figurer dans la liste cit\u00e9e avec une influence n\u00e9gligeable sur le texte synth\u00e9tis\u00e9. Compter les citations sans pond\u00e9rer l\u2019absorption surestime la visibilit\u00e9.<\/p>\n<p>Enfin, les caract\u00e9ristiques qui pr\u00e9disent la s\u00e9lection et celles qui pr\u00e9disent l\u2019absorption ne se recouvrent que partiellement. Les signaux d\u2019autorit\u00e9 dominent la s\u00e9lection. Les signaux structurels et s\u00e9mantiques dominent l\u2019absorption. C\u2019est un appui empirique pour traiter le GEO comme deux probl\u00e8mes d\u2019optimisation coupl\u00e9s mais distincts.<\/p>\n<p>Pour une marque premium, la cons\u00e9quence op\u00e9rationnelle est directe : mesurer \u00ab est-ce qu\u2019on a \u00e9t\u00e9 cit\u00e9s ? \u00bb ne suffit pas. La couche de mesure doit s\u00e9parer le taux de s\u00e9lection, le poids d\u2019absorption, et la concentration par moteur.<\/p>\n<hr \/>\n<h2>Comment cela s\u2019inscrit dans Capston Core<\/h2>\n<p>La mesure Capston Core rapporte la s\u00e9lection et l\u2019absorption comme deux dimensions distinctes, pas un compteur de citations unique.<\/p>\n<ul>\n<li><strong>Taux de s\u00e9lection<\/strong> \u2014 part des prompts du jeu verrouill\u00e9 o\u00f9 le domaine de la marque appara\u00eet dans la liste des sources cit\u00e9es, par moteur.<\/li>\n<li><strong>Poids d\u2019absorption<\/strong> \u2014 part du texte de r\u00e9ponse synth\u00e9tis\u00e9e qui peut \u00eatre trac\u00e9e jusqu\u2019aux sources propres de la marque, par moteur.<\/li>\n<li><strong>Indice de concentration<\/strong> \u2014 \u00e0 quel point la r\u00e9ponse s\u2019appuie sur la ou les deux meilleures sources, ce qui d\u00e9termine si la strat\u00e9gie par moteur doit viser l\u2019\u00e9tendue ou la profondeur.<\/li>\n<li><strong>Diagnostic d\u2019\u00e9cart<\/strong> \u2014 pour chaque prompt faible, l\u2019\u00e9chec est-il en s\u00e9lection ou en absorption ? L\u2019action recommand\u00e9e diff\u00e8re.<\/li>\n<\/ul>\n<p>Le travail de s\u00e9lection alimente la <a href=\"https:\/\/capston.ai\/capston-core\/data-evidence-layer\/\">couche de preuves donn\u00e9es<\/a> et le programme d\u2019entit\u00e9s. Le travail d\u2019absorption alimente les r\u00e9\u00e9critures de pages d\u00e9finies par la <a href=\"https:\/\/capston.ai\/capston-core\/methodology\/\">m\u00e9thodologie Capston Core<\/a> et scor\u00e9es dans le <a href=\"https:\/\/capston.ai\/capston-core\/ai-visibility-scoring\/\">scoring de visibilit\u00e9 IA<\/a>.<\/p>\n<p>\u2192 Retour \u00e0 <strong><a href=\"https:\/\/capston.ai\/capston-core\/\">Capston Core<\/a><\/strong><\/p>\n<hr \/>\n<h2>FAQ<\/h2>\n<p><strong>S\u00e9lection ou absorption : qu\u2019est-ce qui compte le plus ?<\/strong><br \/>\nNi l\u2019un ni l\u2019autre isol\u00e9ment. Une marque jamais s\u00e9lectionn\u00e9e ne peut pas \u00eatre absorb\u00e9e. Une marque s\u00e9lectionn\u00e9e mais jamais absorb\u00e9e reste invisible dans la r\u00e9ponse vue par l\u2019utilisateur. Capston Core mesure les deux et oriente le travail vers l\u2019\u00e9tape qui contraint le r\u00e9sultat.<\/p>\n<p><strong>Pourquoi ChatGPT et Perplexity scorent-ils si diff\u00e9remment dans la recherche ?<\/strong><br \/>\nL\u2019\u00e9tude Zhang et al. (602 prompts, 21 143 citations) montre que Perplexity cite largement tandis que ChatGPT cite moins de sources avec une influence plus forte par source. Les rapports s\u00e9lection\/absorption diff\u00e8rent, donc une marque a besoin d\u2019un plan sp\u00e9cifique par moteur, pas d\u2019un playbook GEO unique.<\/p>\n<p><strong>Une page peut-elle avoir une forte absorption sans citation visible ?<\/strong><br \/>\nOui. Les moteurs utilisent parfois une source pour alimenter une r\u00e9ponse sans la faire appara\u00eetre dans la liste de citations visibles, notamment quand le contenu a \u00e9t\u00e9 absorb\u00e9 dans des corpus d\u2019entra\u00eenement ou des embeddings mis en cache. La mesure d\u2019absorption regarde le texte de la r\u00e9ponse, pas seulement le badge de citation.<\/p>\n<p><strong>\u00c0 quelle fr\u00e9quence retester s\u00e9lection et absorption ?<\/strong><br \/>\nTrimestriellement en cadence de base, mensuellement pour les comptes \u00e0 fort enjeu. Les mises \u00e0 jour de mod\u00e8les d\u00e9placent r\u00e9guli\u00e8rement le rapport s\u00e9lection\/absorption sur le m\u00eame jeu de prompts, sans aucun changement c\u00f4t\u00e9 marque.<\/p>\n<hr \/>\n<h2>R\u00e9f\u00e9rence<\/h2>\n<p>Zhang, K., He, X., & Yao, J. (2026). <em>From Citation Selection to Citation Absorption: A Measurement Framework for Generative Engine Optimization Across AI Search Platforms.<\/em> arXiv:2604.25707v2. \u00c9tude empirique portant sur 602 prompts, 21 143 citations et 23 745 caract\u00e9ristiques au niveau citation, \u00e0 travers ChatGPT, Perplexity, Google AI Overview et Gemini.<\/p>\n<hr \/>\n<h2>Bloc CTA final<\/h2>\n<p><strong>Identifiez si votre goulot d\u2019\u00e9tranglement est la s\u00e9lection ou l\u2019absorption.<\/strong><\/p>\n<p><a href=\"\/free-audit\/?source=capston-core-selection-absorption\" class=\"cc-cta-btn\" style=\"display:inline-block;background:#FDC70C;color:#151515;padding:0.875rem 1.75rem;border-radius:6px;font-weight:600;text-decoration:none;margin:0.5rem 0.75rem 0.5rem 0;font-family:inherit;font-size:1rem;line-height:1.4;\">Auditer s\u00e9lection et absorption<\/a><br \/>\n<a href=\"https:\/\/capston.ai\/capston-core\/methodology\/\" class=\"cc-cta-btn\" style=\"display:inline-block;background:#FDC70C;color:#151515;padding:0.875rem 1.75rem;border-radius:6px;font-weight:600;text-decoration:none;margin:0.5rem 0.75rem 0.5rem 0;font-family:inherit;font-size:1rem;line-height:1.4;\">Lire la m\u00e9thodologie de mesure<\/a><\/p>\n<hr \/>\n","protected":false},"excerpt":{"rendered":"<p>Intro La plupart des discussions sur l\u2019optimisation pour moteurs g\u00e9n\u00e9ratifs (GEO) confondent deux \u00e9v\u00e9nements tr\u00e8s diff\u00e9rents en un seul indicateur. \u00ab Est-ce que le moteur nous a cit\u00e9s ? \u00bb est trait\u00e9 comme une victoire binaire. Cela ne l\u2019est pas. \u00catre retenu comme source par ChatGPT, Perplexity, Google AI Overviews ou Gemini est la premi\u00e8re [&hellip;]<\/p>\n","protected":false},"author":30,"featured_media":23688,"parent":23225,"menu_order":0,"comment_status":"closed","ping_status":"closed","template":"","meta":{"_acf_changed":false,"footnotes":"","rank_math_title":"","rank_math_description":"","rank_math_focus_keyword":""},"class_list":["post-23656","page","type-page","status-publish","has-post-thumbnail","hentry"],"acf":[],"_links":{"self":[{"href":"https:\/\/capston.ai\/fr\/wp-json\/wp\/v2\/pages\/23656","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/capston.ai\/fr\/wp-json\/wp\/v2\/pages"}],"about":[{"href":"https:\/\/capston.ai\/fr\/wp-json\/wp\/v2\/types\/page"}],"author":[{"embeddable":true,"href":"https:\/\/capston.ai\/fr\/wp-json\/wp\/v2\/users\/30"}],"replies":[{"embeddable":true,"href":"https:\/\/capston.ai\/fr\/wp-json\/wp\/v2\/comments?post=23656"}],"version-history":[{"count":3,"href":"https:\/\/capston.ai\/fr\/wp-json\/wp\/v2\/pages\/23656\/revisions"}],"predecessor-version":[{"id":24053,"href":"https:\/\/capston.ai\/fr\/wp-json\/wp\/v2\/pages\/23656\/revisions\/24053"}],"up":[{"embeddable":true,"href":"https:\/\/capston.ai\/fr\/wp-json\/wp\/v2\/pages\/23225"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/capston.ai\/fr\/wp-json\/wp\/v2\/media\/23688"}],"wp:attachment":[{"href":"https:\/\/capston.ai\/fr\/wp-json\/wp\/v2\/media?parent=23656"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}