Les articles précédents de ce blog ont traité l'infrastructure : quels robots autoriser, pourquoi les moteurs génératifs n'exécutent pas votre JavaScript, ce que valent les llms.txt, ce que lisent vos données structurées. Tout cela sert à une chose : que le texte arrive intact. Reste la question du texte lui-même.

Le query fan-out est le mécanisme qui décide de la suite, et il est documenté par Google. Une question posée à AI Overviews ou à AI Mode n'est pas traitée telle quelle : elle est décomposée en plusieurs sous-requêtes lancées en parallèle, et ce qui remonte pour y répondre est un fragment de page. Ce fragment porte un nom dans la documentation des moteurs, le passage, et les deux mots désignent la même chose dans tout cet article. La conséquence pratique tient en une phrase : vos paragraphes seront lus séparés de ce qui les entoure, et beaucoup ne survivent pas à l'extraction.

Ce que Google dit exactement du query fan-out

La documentation Search Central consacrée aux fonctionnalités d'IA est explicite, et elle vaut mieux que les définitions de seconde main. Les deux surfaces sont concernées :

Both AI Overviews and AI Mode may use a "query fan-out" technique, issuing multiple related searches across subtopics and data sources, to develop a response.

Traduit : AI Overviews et AI Mode peuvent lancer plusieurs recherches liées, à travers des sous-thèmes et des sources de données, pour construire une réponse. Le verbe est au conditionnel du côté de Google, qui précise par ailleurs que les deux surfaces peuvent recourir à des modèles et à des techniques différents.

Elizabeth Reid, vice-présidente responsable de Search, l'avait formulé plus directement le 20 mai 2025 lors de l'annonce d'AI Mode : la fonctionnalité utilise la technique de query fan-out, en décomposant votre question en sous-thèmes et en lançant une multitude de requêtes simultanément pour vous.

Deux remarques sur cette définition, avant d'en tirer quoi que ce soit. Elle ne dit pas combien de sous-requêtes sont générées : les chiffres précis qui circulent sur ce point, entre huit et douze selon les uns, plusieurs dizaines selon les autres, ne viennent d'aucune publication de Google. Et elle ne dit pas non plus que la mécanique est propre à Google, alors que la décomposition de requête est un motif standard des systèmes de génération augmentée par récupération, celle que ChatGPT ou Perplexity appliquent également.

L'unité de publication et l'unité de récupération ont divergé

Vous publiez des pages. Les moteurs, eux, ne manipulent pas tous la même unité, et c'est là que se joue l'essentiel.

Dans la recherche classique, Google indexe des pages et classe des passages. La distinction est ancienne et elle a été mal comprise dès le premier jour. Quand le système a été présenté en octobre 2020, la presse spécialisée a parlé d'indexation de passages, et Google a corrigé. Un porte-parole cité par Barry Schwartz dans Search Engine Land le 15 octobre 2020 est sans ambiguïté : Google n'indexe pas les passages individuels d'une page, mais sait mieux cerner ce qui se trouve dans la page et en faire remonter les passages à des fins de classement. Le système, aujourd'hui listé sous le nom de passage ranking dans le guide officiel des systèmes de classement, y est décrit comme un système d'IA servant à identifier des sections individuelles d'une page pour mieux comprendre la pertinence de cette page. Google annonçait un effet sur 7 % des requêtes toutes langues confondues, pour un déploiement en anglais américain le 10 février 2021.

Retenez la formulation officielle : le passage sert à évaluer la page. L'unité classée reste la page, et c'est elle qui apparaît dans les résultats.

Dans les moteurs génératifs, le passage devient l'unité manipulée. Ici les sources officielles s'arrêtent et il faut passer aux brevets, avec la prudence que cela impose. Mike King a publié le 27 mai 2025 une analyse de trois d'entre eux qui reste la lecture de référence sur le sujet. Le brevet WO2024064249A1 décrit la génération de requêtes diversifiées à partir d'un prompt, soit le fan-out lui-même. Le brevet US20240362093A1 décrit la constitution d'un corpus restreint, taillé pour un utilisateur et une question donnés, dans lequel le contenu est récupéré au niveau du passage plutôt qu'au niveau de la page. Le brevet US20250124067A1 décrit un classement où un modèle compare des paires de passages en se demandant lequel est le plus pertinent, au lieu d'attribuer un score absolu.

La lecture qu'en fait King mérite d'être citée comme telle, parce que c'est une interprétation de brevets et non une déclaration de Google : chaque requête, sous-requête, document et passage est converti en vecteur, et la sélection des citations s'opère indépendamment du rang du document.

Si cette lecture est juste, elle a une conséquence qui dérange les habitudes du métier. Une page peut être citée pour un paragraphe qu'elle n'avait pas été écrite pour positionner, sur une sous-requête que personne n'a tapée. Et symétriquement, une page bien classée peut ne jamais être citée si aucun de ses fragments ne répond proprement à une sous-requête isolée. C'est le même écart que celui décrit dans notre article sur les critères de citation des AI Overviews : la position et la citation sont deux sélections distinctes.

Non, cela ne veut pas dire qu'il faut découper votre contenu

C'est ici que le marché tire la mauvaise conclusion, et il faut être précis sur ce que dit la documentation.

Google écrit qu'il n'y a aucune exigence supplémentaire pour apparaître dans AI Overviews ou AI Mode, ni aucune optimisation spéciale nécessaire, et qu'il n'est pas besoin de créer de nouveaux fichiers lisibles par machine, de fichiers texte pour l'IA ni de balisage particulier. La page renvoie aux fondamentaux du SEO, dont deux points intéressent directement notre sujet : rendre le contenu important disponible sous forme textuelle, et faire correspondre les données structurées au texte visible de la page.

Une précision honnête au passage, parce qu'on lit souvent l'inverse et que ce blog a lui-même relayé la formulation : cette documentation ne nomme pas le découpage en blocs parmi les pratiques inutiles. Elle ne le mentionne pas du tout. Ce qu'elle affirme, c'est qu'aucune optimisation spéciale n'est nécessaire, ce qui est une phrase plus large et plus prudente. Attribuer à Google une condamnation explicite du chunking serait lui prêter des propos qu'il n'a pas tenus.

Cela posé, la conclusion pratique reste la même, et elle découle du fonctionnement du système plutôt que d'une déclaration. Le découpage est le travail du moteur, pas le vôtre. Vous ne choisissez pas où passent les frontières : elles sont tracées à la récupération, par un système que vous ne contrôlez pas, et elles varient d'un moteur à l'autre. Fragmenter votre texte en micro-blocs pour anticiper ce découpage revient à deviner un paramètre invisible, et cela coûte quelque chose.

Ce coût est décrit dans la littérature technique. Harshit Nainwani et Hediyeh Baban ont déposé le 7 novembre 2025 un article intitulé Search Is Not Retrieval, qui pose une tension simple : trouver l'information pertinente et fournir assez de contexte pour raisonner dessus sont deux fonctions distinctes, et elles n'appellent pas la même taille d'unité. La précision sémantique pousse vers des fragments courts, la complétude du contexte pousse vers des fragments longs. Leur proposition consiste à maintenir deux niveaux en parallèle, des représentations fines pour la recherche et des contextes plus larges pour la restitution, plutôt que de trancher.

L'enseignement à en tirer pour un rédacteur est le suivant : couper plus court n'améliore pas mécaniquement la citabilité, parce que la découpe détruit précisément ce dont le modèle a besoin pour utiliser le fragment. Le levier n'est donc pas la longueur.

Le vrai défaut est la dépendance au contexte

Le levier, c'est l'autonomie du passage. Un fragment échoue quand il ne se comprend plus une fois séparé de ce qui le précède, et la cause est presque toujours la même : il pointe vers un antécédent absent.

Anthropic a documenté ce problème dans sa présentation du contextual retrieval, le 19 septembre 2024, avec un exemple devenu canonique. Soit un fragment qui dit que le chiffre d'affaires de l'entreprise a progressé de 3 % par rapport au trimestre précédent. Le commentaire des auteurs vaut d'être repris : ce fragment, pris isolément, ne précise ni de quelle entreprise il s'agit ni la période concernée, ce qui rend difficile de récupérer la bonne information ou de l'exploiter utilement. La phrase est parfaitement claire dans son rapport annuel et parfaitement inutilisable hors de lui.

Les tournures qui produisent cet effet sont les plus naturelles de la rédaction française, celles qui assurent la fluidité d'une lecture linéaire : cette méthode, ce dernier, comme nous l'avons vu plus haut, il, en revanche, ce type de dispositif. Chacune délègue le sens à un paragraphe voisin. Un lecteur humain suit sans effort. Un fragment extrait, non.

Voici le geste, sur un exemple :

Dépendant du contexte
  Cette approche présente trois limites. La première
  tient au coût d'infrastructure, la deuxième au
  délai de mise en oeuvre.

Autonome
  Le pré-rendu statique présente trois limites pour
  un site de plus de 10 000 pages. La première tient
  au coût d'infrastructure, la deuxième au délai de
  mise en oeuvre.

Le second paragraphe dit la même chose. Il nomme son sujet, il porte son périmètre, et il répond encore à la question quand on le lit seul. C'est tout l'écart entre un passage citable et un passage muet, et il se paie en deux ajouts : un sujet nommé et un périmètre chiffré.

Ce qui se mesure, et ce qu'il faut en penser

La tentation serait d'annoncer un gain chiffré. Les données disponibles ne le permettent pas, et il vaut mieux le dire.

L'étude de mesure GEO de Deepak Gupta, menée sur 240 pages et 200 prompts entre février et mai 2026, a testé douze changements successifs. La structuration par blocs y ressort à 18 % de citations supplémentaires, mais avec deux réserves qui commandent la lecture. La première est de périmètre : le gain est mesuré sur les seules pages réécrites, pas sur l'ensemble du site. La seconde vient de l'auteur lui-même, qui écrit que les gains sont observationnels et non causals, et qu'il faut les lire comme une direction plutôt que comme des tailles d'effet. Ni valeur p, ni intervalle de confiance, ni groupe témoin. C'est un signal, pas une promesse, et c'est exactement le cas de figure que décrit notre article sur les tests A/B en GEO.

Un point est en revanche bien établi, et il vient d'un test direct. En octobre 2025, searchVIU a placé un prix de 8,99 euros uniquement dans le JSON-LD d'une page, sans équivalent visible. Aucun des cinq systèmes interrogés ne l'a restitué. Écrits en HTML visible, les prix ont été relevés, ChatGPT et Gemini les captant tous. La règle qui en découle est étroite mais solide : un passage n'existe que s'il est dans le texte visible. Un contenu replié dans un accordéon injecté en JavaScript ne devient pas citable parce qu'il est bien écrit.

Quant à savoir si votre travail produit un effet, la seule voie honnête passe par un suivi de citations sur un jeu de prompts figé, avec la variance que nous avons documentée. Un passage réécrit ne se juge pas sur une observation.

Les cinq vérifications avant publication

Une checklist courte, dérivée de ce qui précède, à passer sur les sections qui portent une réponse.

Le sujet est nommé dans la phrase. Remplacez les renvois anaphoriques par le terme lui-même à chaque ouverture de section, et au moins une fois par paragraphe long. La répétition qui gêne un peu à la lecture est celle qui sauve le fragment.

La réponse précède l'explication. Les deux premières phrases d'une section contiennent la réponse complète, le développement vient après. C'est la structure qu'un modèle peut extraire sans avoir à recomposer votre raisonnement.

Chaque chiffre porte son unité, sa date et sa source dans la même phrase. Un pourcentage dont la source est deux paragraphes plus haut devient, une fois extrait, une affirmation non attribuée. C'est aussi ce qui protège votre marque d'être citée à contresens.

Le titre de section pose la question en clair. Il sert d'ancre de correspondance pour une sous-requête, et il donne au fragment le sujet que son texte pourrait avoir perdu.

L'information est dans le HTML visible. Vérifiable en une commande, sans outil : curl -s https://votre-page | grep "votre phrase". Si la phrase ne remonte pas, aucun moteur génératif ne la verra.

Et une erreur symétrique, qui se répand aussi vite que la bonne pratique : transformer chaque page en enfilade de questions-réponses. La citabilité au niveau du passage ne demande pas d'abandonner l'argumentation, elle demande que chaque unité de sens porte son sujet. Une page qui n'est plus qu'une FAQ perd la démonstration qui faisait sa valeur, et la démonstration est ce que les lecteurs viennent chercher.

Questions fréquentes

Le query fan-out, c'est quoi exactement ? La décomposition d'une question en plusieurs sous-requêtes lancées en parallèle, dont les résultats sont agrégés en une seule réponse. Google confirme que ses deux surfaces génératives, AI Overviews et AI Mode, peuvent y recourir. La définition figure aussi dans notre glossaire GEO.

Combien de sous-requêtes sont générées ? Personne ne le sait publiquement. Google ne publie pas ce nombre, et les valeurs précises qui circulent ne sont pas sourcées. Traitez toute affirmation chiffrée sur ce point comme non vérifiée.

Faut-il découper mes articles en blocs plus courts ? Non, et c'est le contresens le plus fréquent. Le découpage est effectué par le moteur, dont vous ne connaissez ni les frontières ni les critères. Travaillez l'autonomie de chaque passage, pas sa longueur.

Faut-il répéter le nom de ma marque dans chaque paragraphe ? Nommez le sujet du paragraphe, ce qui n'est pas la même chose. Si le sujet est votre offre, le nom apparaît naturellement ; s'il s'agit d'un point technique, le sujet est ce point technique. Le bourrage d'entité produit un texte que les lecteurs abandonnent, et l'engagement finit par se voir.

Cela vaut-il aussi pour ChatGPT et Perplexity ? Le mécanisme de décomposition oui, il est standard dans les systèmes de récupération augmentée. Les détails d'implémentation ne sont pas publiés, et ils diffèrent : le recouvrement des domaines cités entre moteurs est faible, comme le montrent les données citées dans notre article sur le suivi de citations. Écrire des passages autonomes est le seul geste qui vaille pour tous, ce qui est un argument suffisant pour commencer par là. Voir aussi notre page dédiée au référencement dans ChatGPT.

Comment savoir si mes passages tiennent seuls ? Prenez un paragraphe au hasard au milieu d'un article, copiez-le hors de sa page, et lisez-le. S'il faut remonter pour comprendre de quoi il parle, un moteur aura le même problème. Ce test manuel coûte deux minutes et détecte l'essentiel.

Le query fan-out ne crée pas un nouveau métier, et Google a raison de dire qu'aucune optimisation spéciale n'est requise. Il déplace simplement la propriété qui compte dans un texte, de la cohérence de l'ensemble vers l'autonomie de chaque partie. Un bon rédacteur faisait déjà la moitié du chemin ; l'autre moitié consiste à cesser de compter sur le paragraphe précédent.

C'est le premier point que nous regardons dans un audit GEO, et le seul de cette liste qui ne s'achète pas en changeant d'hébergeur.