Quand on demande une réponse à une IA, on a parfois l’impression qu’elle “sait”. En réalité, selon les outils, les paramètres et les cas d’usage, elle peut s’appuyer sur plusieurs mécanismes : ses connaissances internes, des documents fournis, une recherche web, des bases de données, des comparateurs, des résultats de moteurs de recherche, des avis, des fiches locales, des forums ou des contenus déjà bien visibles.
Pour le référencement, c’est un point essentiel. Si les IA ont besoin de sources, alors la question n’est pas seulement : “comment être premier sur Google ?”
La question devient aussi : “comment devenir une source claire, visible, cohérente et exploitable ?”
1. Les IA ne répondent pas toujours à partir d’une seule requête
Dans une recherche classique, on imagine souvent un schéma simple : l’utilisateur tape une requête, le moteur affiche une liste de résultats, puis les pages sont classées selon leur pertinence, leur qualité, leur autorité et de nombreux autres signaux.
Avec les moteurs de recherche IA, la logique peut devenir plus large. L’utilisateur ne tape plus seulement “location vélo famille bord de mer”, “restaurant italien Lyon”, “vélo adapté adulte handicap” ou “plugin données structurées WordPress”.
Il pose une demande plus naturelle : quel vélo louer pour une balade en famille au bord de la mer avec deux enfants, quel restaurant choisir pour un dîner calme, quel modèle de vélo adapté convient à un adulte qui veut garder de l’autonomie, ou comment améliorer les données structurées d’un site WordPress au-delà d’un plugin SEO classique.
Ces demandes contiennent plusieurs intentions à la fois : information, comparaison, contexte local, attente de preuve, contrainte personnelle et question de confiance.
Une IA qui veut répondre correctement doit donc souvent aller plus loin qu’une seule requête.
2. Le fan-out transforme une question en plusieurs recherches
Le terme important ici est fan-out. Dans le contexte de la recherche IA, il désigne une logique de décomposition : une question principale est élargie en plusieurs sous-requêtes, sous-thèmes ou angles de recherche.
Google utilise officiellement cette notion pour AI Mode. Dans sa présentation de Google Search et AI Mode en mai 2025, Google explique qu’AI Mode utilise une technique de query fan-out : la question est divisée en sous-thèmes, puis plusieurs requêtes sont lancées simultanément pour explorer plus profondément le web.
Exemple : “Quel vélo louer pour une balade familiale de deux heures au bord de la mer avec deux enfants ?” Pour répondre sérieusement, le système peut explorer la location de vélos familiaux, les vélos enfants, les itinéraires faciles, les accessoires, les avis locaux, les tarifs, la disponibilité et la réservation.
C’est ce qui rend le fan-out intéressant pour le SEO et le GEO : une page n’est plus seulement évaluée sur une requête isolée. Elle peut devenir intéressante si elle apparaît, directement ou indirectement, sur plusieurs branches de l’intention.
3. Les sous-requêtes couvrent plusieurs types d’intentions
Le fan-out n’est pas seulement une liste de synonymes. Il peut couvrir plusieurs familles de requêtes : informationnelles, transactionnelles, navigationnelles et contextuelles.
Autour d’une recherche de vélo, cela peut donner : “quel vélo choisir pour une balade familiale”, “réserver vélo électrique demi-journée”, “nom du loueur vélo avis” ou “vélo confortable pour personne peu sportive”. Chaque formulation apporte un angle différent.
En SEO classique, on a longtemps répété : un mot-clé, une intention, une page. Cette règle reste utile pour éviter les pages floues et les contenus qui se cannibalisent.
Mais dans une logique GEO, il faut aussi comprendre comment une source peut répondre à un champ d’intention plus large. Une page très utile peut ne pas être première sur une seule requête courte, mais revenir souvent dans plusieurs recherches proches.
4. Les SERP restent importantes parce que les IA ont besoin de sources visibles
On entend parfois que le SEO serait mort parce que les utilisateurs posent leurs questions aux IA. C’est une conclusion trop rapide.
Si une IA cherche des sources sur le web, elle a besoin de contenus accessibles, indexables, visibles, suffisamment clairs, associés à une entité, cités ou reconnus, et cohérents avec d’autres signaux.
Une page bien positionnée dans Google ou Bing n’est pas automatiquement choisie par une IA. Mais une bonne visibilité dans les SERP peut être un signal logique : la page répond déjà à une intention, elle est crawlable, indexée, parfois citée, liée ou évaluée dans un contexte de recherche.
Le GEO dépend donc encore en partie du SEO. Le SEO aide à rendre une source trouvable. Le GEO pose une question supplémentaire : une fois trouvée, cette source est-elle assez claire, fiable et exploitable pour être reprise ?
5. Les IA peuvent croiser Google, Bing, les comparateurs, les forums et les bases produits
Toutes les IA ne fonctionnent pas de la même manière. Certaines répondent surtout à partir de leur modèle. D’autres utilisent une recherche web, des index, des connecteurs, des bases spécialisées, des documents fournis par l’utilisateur ou des données internes.
- Pour un sujet informationnel,
les sources peuvent être des articles, guides, documentations officielles, médias spécialisés, études, forums ou pages déjà visibles dans Google et Bing.
- Pour un sujet local,
la fiche Google Business Profile, les avis, les horaires, les services et la cohérence entre fiche, site et avis deviennent importants.
- Pour un sujet e-commerce,
les fiches produits, données structuréesProductetOffer, Google Shopping, marketplaces, comparateurs, avis et guides d’achat peuvent entrer dans l’écosystème.
- Pour un sujet d’expertise,
le profil auteur, LinkedIn, les conférences, interviews, articles signés et citations dans des sources reconnues comptent aussi.
Ce n’est donc pas seulement le site qui compte. C’est l’écosystème de sources autour du site.
6. Une source peut être choisie parce qu’elle revient souvent
On peut l’expliquer avec une analogie simple : un classement général. Le premier du classement n’a pas forcément gagné chaque étape. Il arrive devant parce que son résultat cumulé est le plus solide.
Pour une source web, on peut raisonner de manière comparable. Une URL n’a pas forcément besoin d’être première sur une seule requête très visible. Elle peut devenir intéressante si elle apparaît souvent dans les bons résultats, sur plusieurs sous-requêtes issues du même sujet.
La page peut apparaître sur une requête comparative, être citée dans un guide d’achat, recevoir des avis, être reprise par un comparateur, être mentionnée dans un article spécialisé ou exister dans un flux produit. Pris isolément, chaque signal peut sembler limité. Ensemble, ils rendent la source plus robuste.
Une IA qui croise plusieurs sources a plus de chances d’identifier une entité, un produit, une marque ou une page quand ces éléments reviennent régulièrement dans des contextes cohérents.
7. Le GEO demande une présence dans les sources, pas seulement une optimisation du site
Le SEO classique travaille beaucoup le site : technique, contenu, maillage interne, performance, indexation, popularité et expérience utilisateur. Tout cela reste important.
Mais le GEO ajoute une autre couche : la présence dans les sources que les IA peuvent consulter ou recouper.
Cela peut vouloir dire
- être présent dans les comparateurs pertinents,
- obtenir des mentions de marque,
- publier des contenus utiles,
- travailler les profils auteurs,
- soigner les avis,
- clarifier la fiche Google Business Profile,
- envoyer les sitemaps à Bing,
- structurer les fiches produits et
- produire des pages qui répondent vraiment à des questions complètes.
Cette stratégie ne consiste pas seulement à “mettre des mots-clés”. Elle consiste à rendre une entité plus lisible dans son environnement : une entreprise locale comme entreprise locale, un auteur comme personne réelle et compétente, un produit comme produit comparable, un service comme offre cohérente entre site, fiche locale, avis et contenus.
8. Les données structurées aident les IA à comprendre une source une fois qu’elle est trouvée
Dans cette série, les données structurées restent le fil conducteur. Le fan-out explique comment une IA ou un moteur de recherche IA peut explorer plusieurs chemins. Les données structurées, elles, aident à clarifier ce que la source contient.
Elles peuvent indiquer qu’une page est un article, qui est l’auteur, quelle organisation publie, quel produit est présenté, quelle offre est disponible, quel fil d’Ariane situe la page, quelles questions et réponses sont présentes, quel événement est annoncé ou quelle entité locale est concernée.
Elles ne remplacent pas le contenu visible et ne garantissent pas une citation, mais elles réduisent l’ambiguïté. Dans une logique de fan-out, c’est utile : si une source est retrouvée sur plusieurs branches d’une intention, il faut encore que le système comprenne correctement ce qu’elle représente.
Une page produit sans prix, sans disponibilité, sans marque, sans avis, sans attributs clairs et sans données structurées sera plus difficile à exploiter dans un comparatif. Une entreprise locale dont le site, la fiche Google et les avis racontent trois choses différentes sera plus difficile à recommander proprement.
9. Bing redevient un point à ne pas négliger
Pendant des années, beaucoup de sites ont traité Bing comme un sujet secondaire. Dans une logique IA, c’est moins confortable.
Microsoft est lié à OpenAI. Bing peut intervenir dans certains écosystèmes de recherche, d’assistance ou d’indexation. Et même sans supposer un lien direct dans chaque réponse, il reste utile qu’un site soit correctement détectable hors de Google.
Conclusion pratique : il faut continuer à envoyer ses sitemaps dans Bing Webmaster Tools. C’est une action simple, peu coûteuse, et cohérente avec une stratégie de visibilité plus large. Le but n’est pas de dire que Bing remplace Google. Le but est d’éviter d’avoir un site visible dans un seul environnement.
10. Une requête produit ne ressemble plus toujours à un mot-clé court
Prenons un exemple e-commerce. Avant, un internaute pouvait chercher : “location vélo électrique”. Aujourd’hui, il peut demander : “Quel vélo louer pour faire une balade tranquille en famille près de la mer, avec deux enfants et un adulte qui ne fait pas souvent de vélo ?”
Cette question contient plusieurs sous-intentions : type de vélo, niveau physique, âge des enfants, durée de location, sécurité de l’itinéraire, confort, assistance électrique, accessoires, réservation, distance depuis le lieu de vacances, prix, avis et disponibilité.
Une IA peut alors chercher des fiches produits, pages de location, comparatifs, conseils d’usage, avis, fiches locales, pages de catégories, données marchandes et articles spécialisés. Pour apparaître dans ce type de réponse, il ne suffit pas toujours d’avoir une fiche produit isolée.
Il faut parfois un ensemble : une fiche produit claire, une page de location claire, des données structurées Product et Offer, des attributs techniques exploitables, des avis, une page catégorie bien construite, des comparatifs internes, des contenus de conseil par cas d’usage et des mentions externes.
11. Les limites : on ne sait pas toujours quelles sources sont utilisées
Il faut rester prudent. On ne sait pas toujours précisément quelles sources une IA a consultées, quels index ont été interrogés, quelles sources ont été ignorées, quel poids est donné à chaque source, ni si la réponse vient du web, du modèle, d’un connecteur ou d’un mélange.
Le fan-out n’est pas une recette magique. Ce n’est pas non plus un bouton “être cité par les IA”. C’est une manière de comprendre l’évolution de la recherche : les réponses peuvent être construites à partir d’un faisceau de requêtes, de sources et de signaux.
La bonne approche consiste donc à travailler ce qui reste solide :
- contenu utile,
- SEO technique, pages visibles,
- sources externes,
- auteurs identifiés,
- avis,
- données structurées,
- cohérence entre site, fiches, profils et mentions, et
- présence dans les environnements où les décisions se prennent.
12. Le vrai changement : on rend une entité compréhensible
Le SEO classique reste indispensable. Mais il ne suffit plus toujours de penser page par page. Les moteurs de recherche IA et les moteurs de réponse doivent comprendre des entités : une entreprise, une personne, un produit, un service, une marque, une adresse, une expertise, une offre ou une relation entre contenus.
C’est pour cela que les données structurées, les auteurs, les avis, le SEO local, les fiches produits et les mentions de marque reviennent aussi souvent dans cette série.
Le sujet n’est pas seulement de “ranker”. Le sujet est de devenir lisible. Et dans un web saturé de contenus générés, approximatifs ou interchangeables, cette lisibilité devient un avantage stratégique.
Ce qu’il faut retenir sur la recherche des sources par les IA
Les IA ne cherchent pas toujours leurs sources comme un humain, ni exactement comme un moteur de recherche classique. Elles peuvent décomposer une demande, explorer plusieurs sous-thèmes, croiser des résultats, puis construire une réponse synthétique.
Cela ne rend pas le SEO inutile. Au contraire : si les IA ont besoin de sources visibles, accessibles et crédibles, alors le SEO reste une couche de fond essentielle.
Le GEO ajoute une autre exigence : il faut être compris comme une source exploitable. Dans l’épisode suivant, on reviendra sur la grammaire qui permet de décrire ces sources plus clairement : Schema.org.
Le GEO commence par une base SEO solide
Les IA ont besoin de sources visibles, accessibles et compréhensibles. Le GEO ne part donc pas de zéro : il intègre les bases du SEO, puis ajoute une exigence de clarté, de cohérence et d’exploitabilité.
Cet article fait partie de la série Données structurées, Rich Results et IA.
La série est organisée en parties : comprendre, appliquer, puis développer les cas stratégiques.
Cette série est decoupée en 3 grandes parties. Le mot « saison » sert ici a organiser la progression editoriale, pas a annoncer une publication l’année prochaine 😉 .
L’idee :
- Saison 1 : comprendre les bases ;
- S1E1 – Pourquoi votre site doit devenir plus explicite.
- S1E2 – Comment les IA cherchent leurs sources.
- S1E3 – Comprendre Schema.org.
- S1E4 – Google Rich Results.
- Saison 2 : appliquer dans WordPress ;
- S2E1 – Ce que les plugins SEO font déjà, et ce qu’il faut vérifier.
- S2E2 – Quelles entités baliser sur un site WordPress.
- S2E3 – Piloter des données structurées avancées avec un plugin custom.
- Saison 3 : développer les cas stratégiques. SEO local, auteurs et WooCommerce.
Les épisodes peuvent etre publiés progressivement, avec d’autres articles intercalés entre deux épisodes.
