Query fan-out : définition, exemple et effet sur le SEO

Le query fan-out est la décomposition d’une question en plusieurs recherches lancées en parallèle par un moteur à IA générative, avant la rédaction d’une réponse unique. Le terme vient de Google. Le 20 mai 2025, à la conférence Google I/O, Elizabeth Reid, responsable de la recherche, écrit qu’AI Mode utilise « notre technique de query fan-out, qui découpe votre question en sous-thèmes et lance simultanément une multitude de requêtes en votre nom » (blog Google, 20 mai 2025).

Le blog de Google France reprend la même formule au lancement d’AI Mode en France, le 22 juillet 2026 : une technologie « qui découpe votre question en plusieurs sous-thèmes et lance simultanément une multitude de recherches » (Google France, 22 juillet 2026). Le fonctionnement d’ensemble d’AI Mode, ses sources et sa disponibilité sont détaillés dans notre guide du Mode IA de Google.

La documentation pour les éditeurs précise deux points. La page « AI features and your website » indique que les Aperçus IA comme AI Mode « peuvent utiliser » cette technique. Et le guide d’optimisation pour l’IA générative, mis à jour le 10 juillet 2026, en donne la définition la plus nette : « un ensemble de requêtes simultanées et associées, générées par le modèle pour demander plus d’informations et obtenir d’autres résultats pertinents pour la requête de l’utilisateur ».

Le fan-out se déroule en quatre temps : le modèle lit la question, la découpe en sous-thèmes, lance une recherche pour chacun dans l’index de Google, puis rédige une réponse à partir des passages récupérés, avec des liens vers les pages qui la soutiennent. Les pages candidates passent par les systèmes de classement habituels de Google : le guide le dit explicitement.

L’exemple officiel de Google est domestique. Pour « comment remettre en état une pelouse envahie de mauvaises herbes », les sous-requêtes peuvent être « meilleurs désherbants pour pelouse », « enlever les mauvaises herbes sans produits chimiques » et « comment empêcher les mauvaises herbes dans la pelouse ». Chacune ramène ses propres résultats. Une page spécialisée dans le désherbage sans chimie peut donc être retenue sans être bien classée sur la question de départ.

Une condition reste fixe : pour figurer comme lien dans les Aperçus IA ou AI Mode, une page doit être indexée et pouvoir s’afficher avec un extrait dans la recherche Google (Google Search Central). Une balise `nosnippet` ou une page non indexée sort donc la page du jeu, fan-out ou pas.

Côté brevets, une demande déposée par Google, US20240289407A1 « Search with stateful chat », publiée le 29 août 2024, décrit un système qui génère des « requêtes synthétiques » à partir de la sortie d’un grand modèle de langage. C’est une demande de brevet, pas une description d’AI Mode : Google n’a jamais confirmé que ce texte correspond à ce qui tourne en production, et le mot « fan-out » n’y figure pas.

Prenons une question qu’un dirigeant de TPE pourrait poser à AI Mode : « Quel logiciel de facturation choisir pour une micro-entreprise ? ». Le tableau ci-dessous est une illustration construite par nos soins, pas une sortie réelle de Google : Google ne publie pas les sous-requêtes qu’il génère. Il montre la logique : une question large se décompose en angles précis, et chaque angle appelle un type de page différent.

La lecture utile est dans la dernière colonne. Un éditeur de logiciel qui n’a qu’une page d’accueil et une page tarifs ne répond qu’à deux de ces six angles. Une page de comparaison honnête, une page sur les obligations et une page sur l’export comptable lui donnent quatre occasions supplémentaires d’être récupéré.

Le fan-out récompense les pages qui répondent nettement à une sous-question précise, et les sites qui couvrent l’ensemble des sous-questions d’un sujet. Il ne récompense pas la multiplication des pages. Le guide de Google l’écrit sans détour : créer un contenu distinct pour chaque variante de recherche, requêtes de fan-out comprises, dans le but de manipuler le classement ou les réponses d’IA enfreint la règle sur l’abus de contenu à grande échelle.

Le même guide écarte aussi deux réflexes répandus : il n’est pas nécessaire de découper son contenu en petits morceaux pour l’IA, ni d’écrire d’une manière particulière pour elle. Ce qui compte reste la qualité et l’originalité. Google distingue le contenu « banal », qui répète ce que tout le monde sait, du contenu qui apporte un avis d’expert ou une expérience réelle.

En pratique, quatre habitudes rendent une page plus facile à récupérer sur une sous-question. Elles valent aussi pour les autres moteurs, comme l’explique notre guide du Generative Engine Optimization, et commencent par le choix des pages à travailler en priorité, détaillé dans la typologie des pages stratégiques pour les réponses d’IA.

Personne n’a accès aux sous-requêtes réelles de Google. On reconstitue donc les sous-questions probables d’un sujet en croisant ce que les internautes cherchent déjà, ce que Google propose autour d’une recherche et ce que vos clients demandent. Le tableau donne les sources utiles et leur limite.

Une fois la liste établie, regroupez les sous-questions par page : une page principale par intention, des sections pour les sous-questions proches, une page séparée seulement quand l’intention change vraiment. C’est le travail de votre plan de contenu SEO mensuel, puis du maillage interne décidé avant la rédaction, qui relie la page principale aux pages qui traitent les angles voisins. Avant de créer une page, le détecteur de cannibalisation vérifie qu’une page existante ne traite pas déjà la même sous-question.

Aucun outil, ni de Google ni d’un tiers, ne montre les sous-requêtes réellement lancées par AI Mode pour une recherche donnée. Search Console compte les données d’AI Mode dans le type de recherche « Web », et Google précise qu’une question de suivi dans AI Mode est traitée comme une nouvelle requête : impressions, positions et clics sont rattachés à la question de l’internaute (aide Search Console). La sous-requête qui a fait remonter votre page reste invisible.

Le rapport sur les performances de l’IA générative, déployé pour tous les sites au 31 août 2026 selon l’aide Search Console, ne comble pas ce manque. Il compte les impressions de vos liens dans les Aperçus IA et AI Mode, par page, pays, date et appareil. Il n’affiche ni requête, ni clic, ni position, et ne sépare pas les Aperçus IA d’AI Mode. Le calcul d’une part de voix à partir de ce rapport est expliqué dans notre méthode de mesure dans Search Console.

Suivre une liste de sous-requêtes comme on suit des mots-clés ne fonctionne pas non plus. Seer Interactive a interrogé l’API Gemini 3 deux fois par jour pendant une semaine, 13 relevés au total, et publié le résultat le 27 janvier 2026 : 8,52 sous-requêtes en moyenne par question, 99 % sans aucun volume de recherche mensuel, 0,1 % de similarité d’un relevé à l’autre, et seulement 8 sous-requêtes présentes dans les 13 relevés (Seer Interactive). C’est l’API Gemini, pas AI Mode lui-même, mais la leçon tient : on suit des thèmes, pas des formulations.

Les tests d’optimisation publiés restent fragiles. Dans un test publié en 2025, Semrush a retravaillé quatre de ses articles pour couvrir leurs sous-questions : ses citations sur les requêtes suivies sont passées de 2 à 5 en un mois, avec un pic à 9, pendant que les mentions de la marque baissaient (Semrush). Quatre articles ne prouvent rien de général. Ce qui se mesure de façon fiable, c’est votre présence sur un jeu fixe de questions, relevé régulièrement : c’est ce que fait GetRerank pour AI Mode et cinq autres IA, chacune suivie séparément.

Oui, sous d’autres noms et avec moins de détails publiés. Le terme « query fan-out » est celui de Google ; les autres éditeurs décrivent des recherches multiples sans employer ce mot.

OpenAI explique dans son centre d’aide que ChatGPT réécrit généralement la question en une ou plusieurs requêtes ciblées envoyées à ses partenaires de recherche, puis peut envoyer d’autres requêtes plus précises après avoir lu les premiers résultats. Perplexity a présenté le 14 février 2025 son mode Deep Research, qui « effectue des dizaines de recherches et lit des centaines de sources » avant de rédiger un rapport (Perplexity). La documentation de l’API Gemini, mise à jour le 23 septembre 2026, indique que le modèle peut lancer plusieurs recherches pour une même demande, chacune facturée séparément.

Pour un site, la conséquence est la même partout : la question de l’internaute n’est pas la seule requête qui compte. Les moteurs diffèrent par leurs sources et leurs index, ce qui explique qu’une marque citée par l’un soit absente chez l’autre.

Huit vérifications, dans l’ordre, avant de publier ou de mettre à jour une page qui vise une question de décision.

Sources consultées le 4 octobre 2026 : annonce d’AI Mode, Google I/O, 20 mai 2025 ; lancement en France, 22 juillet 2026 ; guide d’optimisation pour l’IA générative, mis à jour le 10 juillet 2026 ; « AI features and your website », mis à jour le 10 décembre 2025 ; rapport Performances de Search Console ; rapport sur les performances de l’IA générative ; demande de brevet US20240289407A1 ; Seer Interactive, 27 janvier 2026 ; Semrush, test de 2025 ; aide OpenAI sur la recherche ChatGPT ; Perplexity Deep Research, 14 février 2025 ; API Gemini, ancrage avec la recherche Google.

Les citations de Google sont traduites par nos soins. Le tableau d’exemple est une illustration : il ne reproduit aucune sortie réelle d’AI Mode.