Estudo
YouTube nas respostas das IAs: por que Gemini e Perplexity citam vídeos, e o que eles realmente leem neles
Entre 10 e 24 de julho de 2026, arquivamos 883 respostas de ChatGPT, Claude, Gemini e Perplexity, feitas palavra por palavra, em cadência semanal, sobre 69 perguntas de três mercados que não têm nada em comum. Nesse corpus, youtube.com é a fonte mais citada no Gemini e a fonte mais citada no Perplexity, contando todos os domínios. Nos outros dois mecanismos, não aparece uma única vez em 1.655 citações registradas. Este estudo desmonta essa assimetria: quais mecanismos citam vídeos, que parte de um vídeo eles realmente leem, e o que vale a pena fazer com isso.
O que foi medido
O ponto de partida foi um mapa, não uma intuição. No Atlas, o registro das fontes que nossas verificações fazem aparecer, youtube.com marca uma AI Authority de 100 no Gemini e de 100 no Perplexity: numa escala de 0 a 100 calculada sobre o conjunto das medições que a Epovest executa nos últimos 30 dias, é a fonte que esses dois mecanismos mais citam. As outras duas colunas estão vazias. Um mapa tão surpreendente merece o confronto com o terreno, então abrimos o arquivo completo por trás dele.
O corpus é o histórico completo de respostas dos nossos próprios rastreadores: 16 rastreadores semanais, 69 perguntas distintas, feitas palavra por palavra pelas interfaces oficiais dos mecanismos, em três frentes sem relação: destinos de viagem em inglês, visibilidade em IA em inglês e em francês, serviços web em francês. Cada resposta fica arquivada com suas fontes citadas, em ordem, datadas. Duas semanas de verificações dão 883 respostas e 6.754 citações registradas.
| Mecanismo | Respostas | Respostas com fontes | Citações registradas | Citações do YouTube | Respostas que citam o YouTube |
|---|---|---|---|---|---|
| ChatGPT | 223 | 159 | 1.213 | 0 | 0 |
| Claude | 223 | 87 | 442 | 0 | 0 |
| Gemini | 223 | 211 | 2.546 | 35 | 35, ou 16,6% das respostas com fontes |
| Perplexity | 214 | 214 | 2.553 | 205 | 127, ou 59,3% das respostas com fontes |
A assimetria é o achado. Que um vídeo possa levar um nome até uma resposta de IA não é uma propriedade do YouTube: é uma propriedade do pipeline de cada mecanismo.
Um domínio, quatro tratamentos
O Perplexity o cita constantemente. Mais da metade de suas respostas com fontes cita pelo menos um vídeo: 127 respostas em 214, com 205 citações de vídeos no total, 8% de tudo o que o mecanismo citou nas duas semanas. Dez vezes, um vídeo abriu a lista de fontes. A posição média, 8,3 em listas de cerca de doze fontes, diz o resto: os vídeos raramente são a fonte estrela, são uma presença permanente no segundo plano.
O Gemini o cita no topo de uma cauda muito longa. 35 citações colocam youtube.com em primeiro lugar entre as centenas de domínios citados pelo Gemini, logo à frente de reddit.com com 33. É só 1,4% de suas citações, espalhado por 16,6% de suas respostas com fontes, mas nenhum outro domínio isolado fez melhor, e duas vezes um vídeo foi a primeira fonte da resposta. A presença cobre as três frentes: 22 citações nas perguntas de viagem, 11 em visibilidade em IA, 2 em serviços web.
O Claude o lê e escreve sem ele. Zero citações em 442. Mas o arquivo mostra o mecanismo buscando uma página de vídeo do YouTube cinco vezes na quinzena, dois vídeos distintos, cada um com a pergunta quase palavra por palavra no título. As páginas foram lidas; as respostas foram escritas sem elas.
O ChatGPT não toca nele. Zero citações em 1.213, e nem uma página do YouTube entre as fontes que reteve.
Na média dos quatro mecanismos, a parte do YouTube pesaria 3,6% das citações: um número que não descreve mecanismo nenhum. Neste corpus, um mecanismo se apoia em vídeos na maioria de suas respostas com fontes, outro classifica o domínio em primeiro citando-o com parcimônia, e dois nunca lhe dão crédito. Mecanismo por mecanismo é a única leitura honesta.
A parte que é lida é a trilha falada
Para cada fonte que retém, o payload do Perplexity carrega o trecho que o mecanismo realmente guardou. É isso que resolve a pergunta de qual parte de um vídeo serve à resposta.
As 205 citações de vídeos apontam todas para vídeos individuais: nunca a página inicial, nunca um canal, nunca uma página de resultados. 121 vídeos distintos, 203 entradas datadas. E os trechos retidos não são descrições: 129 dos 205 carregam marcadores explícitos de segundos apontando para dentro da linha do tempo do vídeo, e quase todo o resto se lê como fala transcrita tal como foi ouvida, hesitações incluídas. Um trecho retido recomenda, na grafia da própria transcrição, um "well ststructured website". Outro, em francês, aconselha criar conteúdo "optimisé pour lia", a grafia automática de "l'IA". Não são acidentes de edição: são provas de origem. O mecanismo lê a transcrição, gerada automaticamente quando nada melhor existe, e lê fundo: há trechos retidos apontando até o décimo sexto minuto de um vídeo.
Esse índice é fresco. Metade das 205 entradas carrega uma data de releitura em julho de 2026, 71% desde junho. O conjunto de vídeos citados é jovem sem ser só novo: 78% foram publicados desde o início de 2025, mas vídeos de 2020 ainda emergem. E as posições se mantêm: 33 dos 118 vídeos identificáveis voltam em pelo menos duas verificações semanais distintas, um quarto do conjunto recitado semana após semana.
O payload do Gemini expõe o domínio em vez da página, mas duas coisas se leem através dele. As consultas de busca que ele dispara são reformulações diretas da pergunta. E sua atribuição amarra blocos inteiros da resposta final a fontes do YouTube: listas de recomendações, critérios de escolha, conselhos práticos, sustentados pelo que um vídeo disse. A infraestrutura do lado do Google está documentada: o Gemini ancora suas respostas via Google Search, e a indexação de vídeo do Google lê o que um vídeo contém e detecta seus momentos-chave, com a indexação de legendas confirmada pela empresa há anos.
Por que esses dois mecanismos, e não os outros
A linha divisória é o acesso à trilha falada. A fala de um vídeo não vive no HTML de sua página: ela é carregada pelo player, por pontos de acesso que o robots.txt de youtube.com não abre aos rastreadores genéricos. Um mecanismo que lê a página web encontra um título, uma descrição e pouco texto para citar.
Os dois mecanismos que citam o YouTube são os dois que têm uma porta de entrada. O Gemini pertence à empresa dona do YouTube: sua ancoragem roda sobre um índice que trata os vídeos como conteúdo de primeira classe, transcrições e momentos-chave incluídos. O Perplexity construiu sua própria ingestão de vídeo: os trechos com marcas de tempo nos nossos payloads são esse índice falando. Os dois mecanismos que não citam o YouTube o encontram como uma página web: nosso arquivo mostra o Claude buscando uma página de vídeo e escrevendo sem ela, e o ChatGPT nunca retendo uma.
Nada disso é doutrina da parte de mecanismo algum. É o estado de quatro pipelines de recuperação, medido entre 10 e 24 de julho de 2026. Pipelines se movem sem aviso, mais uma razão para medir em vez de supor.
O título abre a porta, a transcrição conduz a conversa
Como um vídeo entra num conjunto de fontes? Neste corpus: pelo título. Os vídeos que nossas perguntas fizeram emergir carregam a pergunta, quase palavra por palavra, como título. Pergunte "What are the best places to visit in Africa right now?" e os conjuntos de fontes devolvem "Top 10 Places To Visit in Africa" e "I Visited Every Country in Africa. Here's My Rankings". Pergunte "How can my business get recommended by AI assistants?" e devolvem "How to Get Your Business Recommended by EVERY AI Assistant". Até os dois vídeos que o Claude foi ler reformulavam a pergunta no título. O título é o que faz um vídeo ser buscado, em todo mecanismo que busca; o que acontece depois se decide na transcrição.
A língua segue o mercado. As perguntas em francês fizeram emergir primeiro vídeos francófonos, com os anglófonos atrás e, às vezes, mais longe: o pareamento cruza línguas, mas um vídeo fala a um mercado primeiro na língua desse mercado.
O que vale a pena fazer com isso
Cada propriedade abaixo mira o mecanismo medido acima. Juntas, elas definem como é um vídeo pensado para as respostas das IAs.
- Parta de seu próprio mapa. Os mecanismos pesam os vídeos de formas muito diferentes, e o equilíbrio muda conforme o mercado e a pergunta. Sua própria série, mecanismo por mecanismo, mostra quais fontes servem às perguntas que importam para você: é ela que decide o lugar que um vídeo merece em seu plano.
- Dê ao vídeo o título da pergunta. O que entra no conjunto de fontes é um vídeo cujo título enuncia a pergunta que seu mercado faz, formulada como ela é feita. Uma pergunta, um vídeo, o título como porta.
- Diga os fatos em voz alta. A transcrição é o texto que os mecanismos leem. Pronuncie seu nome distintamente: a transcrição automática escreve o que ouve, e o que ela escreve é o que se indexa. Diga os números, os nomes, os termos que quer ver retidos, em palavras articuladas.
- Envie uma transcrição revisada. A transcrição automática é aquilo a que o índice recorre por padrão. Legendas escritas por você tornam o texto indexado suas próprias palavras, ortografia incluída.
- Capitule e descreva. Os momentos-chave são detectados e indexados. Capítulos que retomam as perguntas, e uma descrição que as responde em texto limpo, dão à detecção algo para encontrar.
- Fale a língua do mercado. Um vídeo alcança um mercado primeiro na língua desse mercado; um segundo mercado merece um segundo vídeo mais do que uma simples faixa de legendas.
- Date a ação, depois leia o efeito. Um vídeo publicado é um movimento que merece registro em seu Logbook; as próximas verificações se leem diante dele. Seu Atlas mostra se as fontes por trás de suas perguntas se moveram, e o Epovest Tracking se as próprias respostas se moveram.
Um ano atrás, ser citável pelas IAs queria dizer sobretudo páginas. Em dois dos quatro mecanismos que medimos, a fonte mais citada agora é um lugar onde o conteúdo fala em vez de escrever. A própria assimetria é a lição: a visibilidade nas respostas das IAs não é uma coisa só a ganhar, são quatro pipelines a medir, e nosso método começa aí: fazer as perguntas do mercado em cadência fixa, arquivar as respostas com suas fontes, e deixar a série dizer onde agir.