¿Citan las IA los documentos PDF?
Publicado el
Raras veces, en comparación con las páginas web. En ChatGPT, los PDF representan del 16 al 21 % de los resultados obtenidos por sus búsquedas, pero se citan de 2 a 5 veces menos que las demás páginas, en todos nuestros corpus. Claude obtiene muy pocos PDF, alrededor del 3 % de sus resultados como máximo. No hemos encontrado ningún estudio publicado que mida la citación de PDF por parte de las IA: estas cifras son las nuestras. Por lo tanto, un documento importante publicado únicamente en PDF tiene menos posibilidades de ser citado que una página web equivalente.
¿Para qué tipo de pregunta? Todo depende de la pregunta. Si el usuario busca un documento específico, una norma, una ficha técnica o un informe, la IA puede ir a buscarlo en PDF. Para una pregunta de información o de mercado, suele citar páginas web.
Lo que hemos medido en ChatGPT
Hemos contado, en los resultados obtenidos por las búsquedas de ChatGPT, las direcciones de documentos PDF, y luego la proporción de estos documentos que realmente se citan. Los PDF son abundantes en lo que encuentra ChatGPT: el 21 % de los resultados en una decena de sectores en francés, el 20 % en esos sectores en inglés, el 19 % en la resolución de problemas de software y el 17 % en nuestras preguntas sobre la visibilidad en las IA.
Sin embargo, se citan poco: el 5,7 % de los PDF obtenidos frente al 12,1 % de las demás páginas en los sectores en francés, el 5,2 % frente al 10,1 % en inglés, el 4,9 % frente al 11,8 % en la resolución de problemas y el 2,1 % frente al 10,8 % en nuestras preguntas del 15 de septiembre de 2026. Por lo tanto, un PDF se cita de 2 a 5 veces menos que una página web encontrada por la misma IA. Nuestros primeros corpus, sobre HVAC y la inteligencia artificial, ya mostraban una diferencia de 3 a 4 veces.
Claude obtiene muy pocos PDF
En Claude, los PDF están casi ausentes de los resultados: entre el 0,5 y el 3 % de lo que devuelve su búsqueda según el corpus. Es demasiado poco para medir una tasa de citación fiable. Por tanto, la diferencia con ChatGPT radica principalmente en lo que devuelve cada motor de búsqueda, incluso antes de elegir las fuentes a citar.
En Gemini, la API no distingue entre las páginas encontradas y las páginas citadas, y solo ofrece el dominio de las fuentes, lo que no permite medir la proporción de PDF. Una vez más, no es posible establecer una regla única para «las IA»: ChatGPT encuentra muchos PDF y los descarta, Claude encuentra pocos.
Por qué se cita menos un PDF
Observamos varios obstáculos, sin poder decir cuál influye más. A menudo, un PDF no tiene etiquetas de título utilizables ni una estructura de párrafos legible por una máquina: en nuestros propios registros, algunos PDF se leyeron como un único bloque de texto de varias decenas de miles de palabras, y otros no pudieron leerse en absoluto. Sin embargo, el pasaje citado por una IA es un párrafo desarrollado, localizable, que incluye las palabras de su búsqueda.
Un PDF también suele ser largo y general, como un informe anual, una guía completa o un catálogo, mientras que la IA busca un pasaje que responda a una pregunta concreta. Estas explicaciones siguen siendo hipótesis: nosotros medimos la diferencia de citación, no su causa.
Lo que dicen Google y los estudios publicados
Google indexa los documentos PDF: el formato figura en la lista de tipos de archivos que puede indexar, actualizada el 3 de febrero de 2026. Y su documentación sobre las funciones de IA indica que una página indexada y elegible para un fragmento puede servir como fuente, sin requisitos adicionales. Por lo tanto, nada excluye a un PDF de las respuestas de IA de Google.
No hemos encontrado ningún estudio publicado, ni ninguna documentación de OpenAI, Anthropic o Google, que trate específicamente sobre la citación de PDF por parte de las IA. Este es uno de los temas en los que nuestras mediciones son, que sepamos, las únicas disponibles.
Qué cambia esto para una empresa
Un libro blanco, una ficha técnica o un estudio publicados únicamente en PDF se encuentran, pero rara vez se citan. Para que una IA pueda incorporar un contenido importante, es mejor publicarlo también como página web, dividido en páginas o secciones que respondan cada una a una pregunta concreta, con párrafos desarrollados, y mantener el PDF para su descarga.
La página web lleva la pregunta en su título y en su dirección, responde desde las primeras líneas y remite al documento completo. El PDF sigue siendo útil para el lector que quiere leerlo todo; la página web es lo que la IA puede citar.
Lo que no sabemos
Un documento se contabiliza como PDF cuando su dirección termina en «.pdf»; un PDF servido bajo otra dirección no se contabiliza. En ChatGPT, los documentos citados se identifican en los enlaces de la respuesta. Nuestras mediciones se realizan sobre la API de los modelos y no distinguen entre los tipos de PDF.
Fuentes
- Google Search Central — tipos de archivos indexables por Google, .
- Google Search Central — « AI features and your website », .
- Mediciones de FaireDuBruit, del 4 al 16 de septiembre de 2026 — ver «Cómo medimos».
Preguntas relacionadas
- ¿Qué fragmento de una página cita una IA?
- ¿Prefieren las IA los contenidos recientes?
- ¿Es necesario el marcado schema.org para ser citado por las IA?
- ¿Cuenta el título de una página para ser citado por una IA?
Todas las preguntas sobre la visibilidad en las IA · Nuestra oferta