Une enquête récente sur la répartition des requêtes des grands modèles de langage (LLM) tels que ChatGPT a révélé une variabilité significative dans leurs réponses. L'étude souligne que la composition des sous-requêtes évolue au fil du temps, entraînant des résultats différents. De plus, l'inclusion des horodatages annuels a presque disparu, et les sources utilisées par ces modèles changent fréquemment, avec 32 nouvelles sources ajoutées et 44 supprimées. En outre, les entreprises mentionnées dans les réponses tournent à chaque exécution de requête, remettant en question l'hypothèse de stabilité des résultats de recherche générés par l'IA.