Vous posez une question à un moteur génératif, c’est-à-dire un moteur qui rédige une réponse à partir de sources trouvées sur le web au lieu d’afficher une liste de liens, en s’appuyant sur un grand modèle de langage (LLM). Il peut lancer plusieurs autres recherches avant de vous répondre. Le query fan-out désigne ce mécanisme : décomposer une question en plusieurs sous-requêtes, lancer ces recherches en parallèle, puis regrouper les informations trouvées dans une réponse unique. Au lieu de chercher la page qui répond à toute la demande, le système explore séparément plusieurs dimensions du besoin.
Google emploie l’expression pour décrire son propre produit, et en français. Dans son annonce du 22 juillet 2026, l’entreprise écrit que « Le Mode IA utilise notre technologie de query-fan-out qui découpe votre question en plusieurs sous-thèmes et lance simultanément une multitude de recherches ». Nous partons de cette phrase, et nous nous y tenons.
Source : Google France (blog officiel), Lancement des Aperçus IA et du Mode IA dans la Recherche Google en France, vérifié le 12 août 2026.
Une question contient rarement un seul besoin
Pourquoi un moteur irait-il chercher autre chose que ce que vous avez tapé ? Parce qu’une question courte empile souvent plusieurs demandes. Prenons un cas banal : « quel logiciel de facturation choisir pour une PME française en 2026 ? ». La phrase tient en une ligne. Elle porte pourtant une contrainte explicite (une PME), une contrainte implicite (les obligations françaises applicables), des critères de comparaison (le prix, les fonctionnalités, la simplicité), des questions pratiques (les intégrations, le nombre d’utilisateurs) et un besoin de vérification.
Un système qui se contenterait de chercher la formulation saisie ramènerait des listes de logiciels. Il ne ramènerait pas de quoi arbitrer. Les sous-requêtes ne sont donc pas des synonymes : ce ne sont pas d’autres manières de dire la même chose, ce sont d’autres aspects du même problème.
Plusieurs pages peuvent alors participer à une seule réponse : l’une documente le prix, la deuxième explique une méthode, la troisième rappelle une règle applicable. Aucune ne couvre l’ensemble. Une question porte plusieurs besoins.
Comment le moteur procède
Google a présenté la technique le 5 mars 2025, au lancement du Mode IA : le produit lance simultanément plusieurs recherches liées à des sous-thèmes et à plusieurs sources de données, puis rassemble ces résultats en une réponse compréhensible. La mécanique se déroule en trois temps.
Source : Google (blog officiel), Expanding AI Overviews and introducing AI Mode, vérifié le 12 août 2026.
Analyser la question et en tirer des dimensions
Le système commence par identifier ce que la question contient : le sujet, les entités, les contraintes, la localisation, la temporalité, le niveau de précision attendu. Il en tire des sous-thèmes, autrement dit des dimensions du besoin. Le besoin est découpé, il n’est pas traduit.
Lancer plusieurs recherches en parallèle
Chaque dimension devient une recherche qui interroge ses propres sources et rapporte ses propres résultats. Les branches restent indépendantes, ce qui explique qu’une réponse puisse mélanger des documents de nature très différente. Cette phase de récupération documentaire repose sur le même principe que le fonctionnement du RAG, que nous ne développons pas ici.
Sélectionner, regrouper, rédiger
Le moteur élimine ensuite les doublons, compare les informations et retient les passages utiles. Une partie du résultat se joue là : une page récupérée par une branche peut être écartée lors de la sélection. Lancer des recherches ne suffit pas. Il faut encore trier.
Un exemple concret, et ce qu’il ne prouve pas
À quoi ressemble ce découpage sur une vraie question ? Imaginons que nous analysions celle-ci : « quelle agence GEO choisir pour une PME sans expertise interne ? ». Le GEO (Generative Engine Optimization) désigne l’optimisation des contenus pour les moteurs à réponse générative.
Les dimensions plausibles se listent sans difficulté : ce qu’est une agence GEO, les services proposés, la production de contenus, le monitoring des réponses des IA, les méthodes de mesure, les références clients, les tarifs, la complémentarité entre SEO et GEO. Aucune page ne couvre correctement l’ensemble. Une réponse peut donc combiner une page commerciale, un comparatif, un témoignage, un article pédagogique et une étude.
Un avertissement compte ici davantage que l’exemple. Nous le disons nettement : cette liste est une simulation pédagogique. Elle sert à rendre le mécanisme visible, elle ne donne pas les sous-requêtes réellement utilisées par Google. Nous montrons un raisonnement plausible. Nous ne montrons pas l’algorithme.
Query fan-out et expansion de requête, ce n’est pas la même chose
N’est-ce pas simplement de l’expansion de requête sous un nouveau nom ? La confusion circule et mérite d’être levée. L’expansion de requête enrichit une seule recherche : elle ajoute des synonymes, des variantes, des formulations proches. Sur « meilleur canapé convertible », elle explore « meilleur canapé-lit » ou « canapé convertible confortable ». La question ne bouge pas, seule sa formulation change.
Le query fan-out procède autrement. Sur la même demande, il ouvre des recherches distinctes sur le confort, la qualité du matelas, la facilité d’ouverture, le prix et l’entretien. Ce ne sont pas des façons de redire « canapé convertible », ce sont les questions à résoudre avant de recommander un modèle.
L’expansion cherche plusieurs manières de formuler une question. Le query fan-out cherche les différentes questions nécessaires pour traiter le problème. L’une élargit la formulation, l’autre découpe le besoin.
Ce que personne ne peut vous dire
Google documente le principe du query fan-out. Il ne publie ni la formulation de chaque sous-requête, ni leur nombre, ni leur ordre, ni le poids accordé à chacune. Ce qui est public, c’est le mécanisme. Ce qui reste privé, c’est son exécution.
Les sous-requêtes exactes ne sont pas publiques
Les outils du marché proposent des simulations, regroupent des intentions et analysent les sources affichées. Ce travail est utile, nous nous en servons. Il ne donne pas accès aux recherches internes du moteur. Nous insistons sur ce point, parce que la limite est souvent franchie : une cartographie de query fan-out est une hypothèse de travail, pas une copie de l’algorithme.
OpenAI écrit dans sa documentation développeur que le nombre de sources est souvent supérieur au nombre de citations, la liste des sources correspondant à l’ensemble des URL consultées par le modèle pour former sa réponse. Cette documentation décrit la plateforme d’OpenAI, pas Google. Elle montre qu’une page peut être lue par un système sans apparaître dans ce que voit l’utilisateur.
Source : OpenAI (documentation développeur), Web search, vérifié le 12 août 2026.
Il n’existe pas de nombre standard
Le nombre de recherches lancées dépend de la complexité de la question, des contraintes, du produit et du mode de recherche. Google lui-même parle par approximation : dans un entretien publié le 5 mars 2026, Dounia Berrada, Search Senior Engineering Director, explique que le Mode IA effectue « une douzaine de recherches » dans le temps qu’il faut pour en mener une seule. Cette formule donne un ordre de grandeur. Elle ne constitue pas une mesure.
Source : Google (blog officiel), Google expert explains AI Mode in Search’s query fan-out method, vérifié le 12 août 2026.
Ce volume bouge d’ailleurs d’une version de modèle à l’autre. En annonçant l’arrivée de Gemini 3 dans la Recherche, le 18 novembre 2025, Google indique que la technique de query fan-out peut effectuer davantage de recherches pour découvrir des contenus pertinents, et trouver des contenus qui lui avaient échappé jusque-là. Nous nous méfions donc des chiffres ronds sur ce sujet : un volume annoncé aujourd’hui deviendrait faux à la mise à jour suivante. Nous n’en annonçons aucun.
Source : Google (blog officiel), Google brings Gemini 3 AI model to Search and AI Mode, vérifié le 12 août 2026.
Le Mode IA de Google, et les autres
Le query fan-out n’est plus un objet théorique pour un lecteur français. L’annonce citée en introduction est aussi celle qui a lancé, le 22 juillet 2026, les Aperçus IA et le Mode IA dans la Recherche en France. Le Mode IA reste le principal exemple de query fan-out documenté officiellement par l’éditeur d’un moteur. Nous avons décrit ailleurs le fonctionnement des Aperçus IA, qui relèvent d’un autre format d’affichage.
Les autres assistants suivent-ils la même méthode ? La prudence s’impose. ChatGPT, Perplexity et d’autres assistants peuvent mener plusieurs recherches pour répondre à une question, avec des mécanismes comparables. Leurs architectures ne sont pas toutes publiques, et rien ne permet de supposer qu’elles fonctionnent comme celle de Google. Nous décrivons ce qui est documenté.
Ce que ça change pour vos contenus
L’essentiel tient en une phrase : le query fan-out n’oblige pas à publier une page par formulation imaginable, il oblige à comprendre les dimensions du besoin auquel le moteur cherche à répondre. Une longue liste de sous-questions ne réclame pas autant d’articles, mais une décision par question : une page autonome, une section, ou rien.
Google rappelle qu’« aucune exigence supplémentaire ni optimisation spéciale ne sont requises pour apparaître dans les Aperçus IA ou le Mode IA ». Aucun réglage technique n’est donc à activer. Chez SEO.fr, nous partons des questions réellement posées par les clients d’une marque, puis nous décidons où chaque dimension mérite d’être traitée.
Source : Google Search Central (documentation officielle, version française), Fonctionnalités d’IA dans la Recherche Google, vérifié le 12 août 2026.
Deux conséquences méritent votre attention. Le suivi d’une seule requête principale ne raconte plus tout le parcours : les critères, les comparaisons et les objections forment autant de familles de questions à observer. Et une page peut soutenir une réponse sans être nommée, ce qui n’est pas la même chose qu’être citée : cette différence entre citation et mention IA se travaille pour elle-même, et c’est le premier point que nous regardons dans un accompagnement GEO.
La bonne question n’est donc pas de savoir combien de recherches un moteur lance. Elle est de savoir si les dimensions du besoin auquel vous répondez sont couvertes quelque part, par un contenu qu’un moteur peut reprendre. Le mot-clé reste utile. Il n’est simplement plus seul.
