Le query fan-out est la technique que Google a documentée le 5 mars 2025, en lançant AI Mode, pour expliquer comment son intelligence artificielle traite une question : elle la découpe en plusieurs sous-thèmes, lance une recherche pour chacun en parallèle, puis assemble les résultats en une seule réponse. Google décrit cette mécanique sur son blog officiel comme une manière d’explorer le web plus en profondeur qu’une recherche classique.
Si vous avez déjà lu notre dossier sur la méthode en 5 étapes pour sortir un site de l’invisibilité sur Google et ChatGPT, vous savez que la visibilité dans une réponse d’IA ne tient pas au hasard. Le fan-out en est l’un des mécanismes précis, et il vient d’être mesuré pour la première fois à grande échelle, pas chez Google, mais chez ChatGPT.
Table des matières
D’où vient le terme fan-out
Le terme vient directement de l’annonce officielle d’AI Mode. Sur son blog, Google explique que l’outil « utilise une technique de « query fan-out », en lançant plusieurs recherches associées de façon simultanée à travers des sous-thèmes et de multiples sources de données, puis réunit ces résultats pour fournir une réponse facile à comprendre ». Ce passage est la source du terme : l’annonce AI Mode de Google le définit pour son propre produit, pas un cabinet SEO ni un outil tiers qui l’aurait inventé en cours de route.
L’exemple que Google donne pour illustrer le mécanisme est parlant. Une question du type « quelles sont les différences de suivi du sommeil entre une bague connectée, une montre connectée et un tapis de suivi » déclenche plusieurs recherches parallèles, une par catégorie de produit, avant que l’IA ne recompose une réponse unique à partir de ce qu’elle a trouvé sur chacune. C’est tout l’intérêt du fan-out : traiter une question qui compare plusieurs choses sans forcer l’utilisateur à poser trois questions séparées.
Ce que l’étude Ahrefs mesure, et ce qu’elle ne mesure pas
Le 12 octobre 2026, Ahrefs a publié l’étude la plus large connue à ce jour sur le sujet : 66,6 millions de réponses ChatGPT en session gratuite et déconnectée, analysées en août et septembre 2026 sur le modèle GPT-5.6 Luna, ayant généré 15 millions de requêtes secondaires. Un point mérite d’être posé avant les chiffres : Ahrefs n’a pas mesuré AI Mode, le produit pour lequel Google a défini le terme. L’étude applique une grille d’analyse comparable à un comportement similaire observé chez ChatGPT, qui ne revendique pas ce terme dans sa documentation publique. Les deux mécanismes se ressemblent, mais un seul porte officiellement ce nom.
La recherche web n’est pas systématique
Sur les 66,6 millions de réponses analysées, seules 14,4 % ont déclenché une recherche web, soit environ 9,6 millions. L’essentiel des réponses de ChatGPT s’appuie donc sur les données d’entraînement du modèle, pas sur une requête fraîche envoyée au web. Les auteurs de l’étude notent eux-mêmes un écart avec d’autres recherches, qui rapportent des taux de déclenchement beaucoup plus élevés. La différence tient à la méthodologie : ces autres études utilisent souvent des invites commerciales toutes prêtes, du type « meilleur aspirateur robot », plutôt qu’un usage réel et gratuit du service.
Ce chiffre rejoint une question que beaucoup de lecteurs de ce site se posent déjà en suivant notre dossier GEO sur comment gagner en visibilité dans les réponses de ChatGPT et Google AI : la recherche web n’est qu’une option parmi d’autres pour une IA conversationnelle, pas une étape obligatoire à chaque question. Ignorer les 14,4 % de cas où elle se déclenche serait pourtant une erreur, parce que ce sont précisément les cas où une page bien structurée peut faire basculer la réponse en votre faveur.
Quand la recherche a lieu : 1,6 sous-requête et un ciblage par domaine
Quand ChatGPT effectue une recherche web, elle se décompose en moyenne en 1,6 requête secondaire. Dans 6,8 % des cas, l’une de ces sous-requêtes utilise l’opérateur site: pour cibler un domaine précis, une façon de dire à l’index « ne regarde que ce site-là ». Ahrefs a recensé environ 116 000 domaines ciblés de cette manière au total. Mais si l’on regarde la grappe plus restreinte des quelque 160 sites les plus fréquemment visés par cet opérateur, le résultat le plus utile pour une petite entreprise apparaît : 75,9 % de ces recherches ciblent le site de la marque elle-même, contre 11,9 % pour un revendeur (l’étude cite Walmart, Costco et Amazon) et seulement 1,9 % cumulés pour Reddit et Facebook.
Ce que ça veut dire concrètement pour une page
Traduit pour un site français : quand ChatGPT veut vérifier un prix ou une caractéristique produit, il regarde en priorité le nom de domaine de la marque elle-même, pas un comparateur ni un réseau social. Cette information doit donc exister en texte brut, sur une page facilement accessible, pas seulement dans un PDF téléchargeable, une image de fiche technique, ou noyée au milieu d’un paragraphe marketing. Un fleuriste qui vend en ligne et n’affiche ses tarifs que sur la photo d’un bouquet n’a rien à montrer à une sous-requête qui cible son domaine pour un prix. Un cabinet de conseil qui détaille ses forfaits uniquement dans le PDF d’une plaquette commerciale non indexable a exactement le même problème. Un artisan plombier qui ne mentionne la marque et le modèle des chaudières qu’il installe que dans une photo postée sur un réseau social est logé à la même enseigne : rien dans cette image n’est lisible par une sous-requête qui cible son site.
Rendre un prix ou une spécification lisible par une machine rejoint une pratique déjà connue sur ce site : les données structurées (schema.org), qui permettent de décrire un prix, une note ou une disponibilité dans un format que les machines lisent directement, en complément du texte visible par un humain.
Prix, avis et spécifications : les sous-requêtes qui montent
Entre août et septembre 2026, la composition de ces sous-requêtes a bougé. La part contenant le mot prix est passée de 6,0 % à 8,9 % des cas, une hausse relative de 47 % en un seul mois. Celle contenant le mot avis est passée de 2,7 % à 3,6 %, soit une hausse de 33 %. Les sous-requêtes portant sur les spécifications techniques, elles, sont entrées pour la première fois dans le classement des 50 termes les plus fréquents du mois de septembre. Trois signaux qui pointent dans la même direction : ChatGPT vérifie de plus en plus le prix, l’avis client et la fiche technique, trois informations qu’une page produit doit porter clairement et séparément, pas fondues dans un argumentaire commercial.
Un signal à suivre, pas une martingale
Le fan-out reste un mécanisme parmi d’autres dans la façon dont une IA construit sa réponse, et les chiffres d’Ahrefs décrivent un instant précis (deux mois, un seul modèle en version gratuite) plutôt qu’une règle figée pour tout ChatGPT. Mais le réflexe qu’il suggère reste valable quelle que soit l’évolution exacte du pourcentage : si une IA a une chance de consulter directement votre site pour vérifier un fait qui vous concerne, ce fait doit être écrit noir sur blanc, accessible sans clic supplémentaire ni téléchargement. C’est une version mécanique et vérifiable de ce que ce site appelle par ailleurs apparaître aux côtés des sources de confiance : pas une posture à adopter en général, une information précise à rendre lisible.
Crédits photo : Pixabay/rawpixel, Pixabay/fancycrave1.
