Sommaire de l'article
Un moteur génératif ne répond pas de mémoire : il cherche, lit, puis rédige
Un modèle de langage seul connaît le monde tel qu'il était à la fin de son entraînement, avec des trous et des approximations. Pour répondre à une question d'actualité ou de choix, les produits de recherche générative ne s'appuient pas sur cette mémoire : ils cherchent des documents, en extraient des passages et les donnent à lire au modèle avant qu'il ne rédige. Cette architecture, la génération augmentée par récupération ou RAG, est commune à ChatGPT avec recherche, à Perplexity, à Claude avec recherche web et aux réponses générées de Google.
La chaîne comporte quatre étapes : l'interprétation du prompt et sa décomposition en requêtes, la récupération de passages dans un index, le reclassement et le filtrage de ces passages, puis la synthèse avec attribution des sources. Le détail varie d'un éditeur à l'autre et une partie n'est pas documentée. Google a décrit publiquement ses requêtes en éventail pour AI Mode ; OpenAI, Anthropic et Perplexity documentent leurs robots de recherche ; le reste relève de la littérature technique sur le RAG et de nos mesures.
Étape 1 : le prompt est interprété, puis décomposé en sous-requêtes
Un prompt n'est pas une requête. « Je dirige un cabinet d'expertise comptable de douze personnes à Lyon, quel logiciel de facturation choisir pour passer à la facture électronique ? » contient une intention explicite, deux contraintes de contexte, une échéance réglementaire implicite et un critère de taille. Aucune page n'a été écrite pour cette phrase. Le moteur la réécrit donc en plusieurs requêtes courtes, proches de ce qu'on tape dans une barre de recherche, qui couvrent chacune un angle de la demande.
Cette décomposition est la plus visible des quatre étapes. Google l'a nommée « query fan-out » et la présente comme le cœur d'AI Mode ; Perplexity, ChatGPT et Claude affichent dans leur interface les recherches lancées avant la réponse. Le nombre de requêtes dépend de la question : une demande de définition en produit une ou deux, une demande de comparaison peut en produire une dizaine.
La conséquence pour une page est directe : elle n'est jamais comparée au prompt, mais à l'une des sous-requêtes. Une page qui traite un sujet « en général » ne correspond précisément à aucune d'elles. Une section qui répond à une sous-requête identifiable a une chance à chaque fois que cette sous-requête est générée, quel que soit le prompt d'origine. C'est ce qui explique qu'un article étroit et précis apparaisse dans des réponses à des questions qu'il ne visait pas.
Étape 2 : la récupération travaille sur des passages, pas sur des pages
Chaque sous-requête interroge un index. Cet index n'est pas une liste de pages entières : dans la plupart des implémentations documentées, les pages sont découpées en segments de quelques dizaines à quelques centaines de mots, et chaque segment est représenté à la fois par ses mots-clés et par un vecteur qui encode son sens. La recherche combine ces deux représentations, ce qui permet de retrouver un passage qui répond à la sous-requête sans en reprendre les termes exacts.
Ce découpage change l'unité de la compétition. En référencement classique, une URL entière se mesure à d'autres URL. En recherche générative, un segment de votre page se mesure à des segments de toutes les autres pages, y compris de votre propre site. Le moteur ne lit pas la page de haut en bas pour en dégager le message ; il pioche le segment le plus proche de la sous-requête et l'évalue tel quel.
Trois propriétés d'une page découlent de ce mécanisme.
- Chaque section doit se suffire à elle-même. Une réponse répartie sur cinq paragraphes séparés par des digressions ne produit aucun segment fort ; cinq segments moyens perdent contre un segment précis d'un concurrent.
- Le titre de la section fait partie du segment. Que le découpage suive ou non les titres, l'intertitre reste le meilleur indice du sujet traité ; s'il reprend la formulation d'une sous-requête, il aligne le segment sur elle.
- Le segment doit exister dans le HTML que le robot reçoit. Ce qui est injecté par JavaScript après le chargement, masqué derrière un consentement rendu côté serveur ou bloqué au niveau du pare-feu n'entre jamais dans l'index. C'est la première des quatre conditions d'une citation, et elle se vérifie avant toute réécriture.
L'index lui-même est constitué par des robots dédiés : OAI-SearchBot pour la recherche ChatGPT, Claude-SearchBot pour Claude, PerplexityBot pour Perplexity, Googlebot pour AI Overviews et AI Mode. Ils sont distincts des robots d'entraînement, et leur fréquence de passage n'est pas publiée ; dans les journaux serveur que nous analysons, elle varie fortement selon la notoriété du site et la fraîcheur de ses contenus.
Étape 3 : les passages candidats sont reclassés, dédoublonnés et filtrés
La récupération ramène beaucoup plus de segments que le modèle ne peut en lire : des dizaines, parfois des centaines par sous-requête. L'étape suivante réduit ce volume à quelques passages. Un modèle de reclassement note chaque candidat sur sa capacité à répondre, par lecture du couple requête-passage et non plus par similarité de vocabulaire. Des filtres s'ajoutent, dont les éditeurs ne publient pas la liste mais dont les effets s'observent : fraîcheur pour les sujets qui évoluent, fiabilité apparente de la source, diversité des domaines.
- 01CandidatsDes dizaines de segments par sous-requête, retenus par similarité lexicale et sémantique.
- 02ReclassementChaque couple requête-passage est noté sur sa capacité à répondre, pas sur ses mots-clés.
- 03DédoublonnageLes passages qui disent la même chose avec les mêmes mots sont fusionnés ; un seul survit.
- 04FiltresFraîcheur, fiabilité apparente de la source, diversité des domaines.
- 05Contexte du modèleQuelques passages seulement, avec leur URL, sont transmis à la rédaction.
Le dédoublonnage pénalise sans bruit. Si votre page de présentation dit ce que disent celles de vos vingt concurrents (« un accompagnement sur mesure », « une équipe d'experts »), le moteur y voit vingt copies d'un même passage et n'en garde qu'une, rarement la vôtre. À l'inverse, une donnée que vous êtes seul à publier (un délai mesuré, un prix, une méthode nommée) n'a pas de doublon ; elle passe le filtre chaque fois qu'elle répond à une sous-requête.
Le filtre de fiabilité est celui où l'identité de la source intervient : le moteur se demande s'il peut s'appuyer sur ce passage. Une page dont l'auteur et l'éditeur sont identifiés, cohérents avec ce qu'on trouve ailleurs et balisés en données structurées, offre plus de prises à cette évaluation qu'une page anonyme. Nous comparons critères classiques et critères génératifs dans SEO vs GEO : ce qui change vraiment dans les critères de sélection.
Étape 4 : le modèle rédige et attribue
Les passages retenus sont placés dans la fenêtre de contexte du modèle avec une consigne : répondre en s'appuyant sur eux et indiquer d'où vient chaque affirmation. Le modèle ne recopie pas ; il paraphrase, fusionne, réordonne. Une phrase peut combiner deux sources, et l'attribution se fait par un lien ou un numéro après la phrase. Les erreurs d'attribution existent, et les éditeurs le reconnaissent : une affirmation peut être rattachée à une source qui ne la contient pas exactement, une nuance peut disparaître à la paraphrase.
Ce que cette étape demande à un passage tient en quatre propriétés. Elles ne servent pas à être retenu, mais à survivre à la réécriture sans déformation et à être attribué à la bonne entité.
- 1AutonomeCompréhensible sans le paragraphe précédent : aucun « celui-ci », « cette solution », « comme vu plus haut ».Sinon : le modèle comble le vide avec sa propre supposition.
- 2Chiffré et datéUn nombre avec son unité, une date, une condition explicite.Sinon : la paraphrase arrondit ou généralise.
- 3NomméL'entité qui parle est dans le passage : « chez SEO360 », pas « chez nous ».Sinon : la citation perd votre nom au profit de l'URL seule.
- 4Non ambiguUne affirmation par phrase, sans double négation ni ironie.Sinon : le modèle choisit une lecture, pas toujours la vôtre.
Le troisième point est le plus souvent négligé. Sur un site, « nous » désigne évidemment l'entreprise ; sorti de la page, dans un passage de soixante mots, « nous » ne désigne plus personne, et le modèle citera « une agence » ou l'URL. Nommer l'entité dans les passages importants coûte quelques mots et change la façon dont la marque apparaît.
Ce que chaque étape exige d'une page
Le tableau ci-dessous relie chaque étape à ce qu'elle demande et au symptôme observé quand la demande n'est pas satisfaite. C'est notre grille de diagnostic : on remonte la chaîne jusqu'à l'étape qui a écarté la page.
| Étape | Ce que fait le moteur | Ce que la page doit offrir | Symptôme si absent |
|---|---|---|---|
| 1. Décomposition | Réécrit le prompt en sous-requêtes courtes | Des sections alignées sur des sous-requêtes réelles, dans leur vocabulaire | La page n'est jamais candidate, même sur son sujet |
| 2. Récupération | Cherche des segments dans un index | Un HTML complet, accessible aux robots de recherche IA, découpé en sections autonomes | La page est absente de l'index ou n'y produit aucun segment fort |
| 3. Reclassement | Note, dédoublonne, filtre | Des données propres, une date sincère, une entité identifiée | La page est candidate mais toujours écartée au profit d'une autre |
| 4. Synthèse | Paraphrase et attribue | Des passages autonomes, chiffrés, nommés, non ambigus | La page est citée mais déformée, ou sans le nom de la marque |
Tableau : faites défiler horizontalement.
Le schéma suivant compare, au fil des quatre étapes, une page rédigée en réponses directes et sa version narrative d'origine.
Données illustratives. Ce qu'il faut y lire : la version narrative est encore candidate presque une fois sur deux, mais elle décroche au reclassement et à la synthèse ; le travail de réécriture agit surtout sur les étapes 3 et 4.
Où les moteurs diffèrent, et pourquoi cela change peu la méthode
Les quatre étapes sont communes, mais chaque éditeur les règle différemment, ce qui explique une partie des écarts de part de citation entre moteurs pour un même site.
- Google (AI Overviews, AI Mode) puise dans son index classique : une page doit d'abord y être indexée. La décomposition en éventail y est large, ce qui favorise les sites qui couvrent une intention sous plusieurs angles.
- ChatGPT décide s'il doit chercher ou répondre de mémoire ; quand il cherche, il s'appuie, d'après OpenAI, sur son propre index et sur des fournisseurs tiers. Une page absente de ces index n'est jamais candidate, même bien classée sur Google.
- Perplexity cherche systématiquement et cite abondamment, avec des sources numérotées ; le nombre de places par réponse y est plus élevé, mais la concurrence des sources tierces y est plus forte.
- Claude déclenche la recherche comme un outil, lorsque la question l'exige ; il retient peu de sources et les cite avec précision, ce qui rend l'étape 3 plus sélective.
Ces différences se lisent dans les mesures, mais elles ne changent pas ce qu'une page doit être : des sections autonomes, chacune alignée sur une sous-requête, accessibles aux robots de recherche, portées par une entité identifiée et par des données qui n'existent pas ailleurs. Une telle page est candidate partout ; les réglages des moteurs décident ensuite de la fréquence à laquelle elle est retenue.
Les décrochages typiques, étape par étape
Quand une page n'apparaît pas, la cause se situe à une étape précise, et la corriger à une autre étape ne sert à rien. Voici les décrochages les plus fréquents, classés par étape.
- Étape 1. Des intertitres qui ne ressemblent à aucune requête (« Notre approche », « Pourquoi nous choisir »), sur une page qui traite pourtant le bon sujet.
- Étape 2. Un contenu principal rendu en JavaScript, un pare-feu qui rejette
OAI-SearchBotouPerplexityBot, une réponse dispersée sur toute la page sans section qui la porte. - Étape 3. Des formulations interchangeables avec celles des concurrents, aucune date visible, un auteur anonyme et une entreprise sans données structurées.
- Étape 4. Des passages qui renvoient au contexte (« cette solution », « comme indiqué ci-dessus »), des chiffres sans unité, des promesses sans condition.
Les quatre conditions que nous utilisons en audit, accessible, citable, identifiée et corroborée, se projettent sur cette chaîne : l'accessibilité conditionne l'étape 2, la citabilité les étapes 2 et 4, l'identification et la corroboration l'étape 3. Le diagnostic trouve l'étape qui écarte la page ; le plan d'action la satisfait, puis passe à la suivante.
Ce qu'il faut retenir
- Un moteur génératif suit quatre étapes : décomposition du prompt, récupération de passages, reclassement, synthèse citée. Chacune écarte des pages.
- Votre page n'est jamais comparée au prompt, mais à des sous-requêtes courtes ; chaque section doit en viser une, dans son vocabulaire.
- L'unité de compétition est le segment de texte, pas l'URL : une réponse dispersée ne produit aucun segment fort.
- Le reclassement dédoublonne les formulations génériques et filtre sur la fraîcheur et l'identité de la source ; seules les données propres passent.
- Un passage survit à la paraphrase s'il est autonome, chiffré, daté, nommé et non ambigu.
Questions fréquentes
Qu'est-ce que la génération augmentée par récupération (RAG) ?
C'est l'architecture des moteurs génératifs : avant de rédiger, le système recherche des passages de documents dans un index et les fournit au modèle de langage, qui s'appuie sur eux pour répondre et cite leurs sources. Elle compense les limites de la mémoire du modèle, figée à la date de son entraînement. ChatGPT avec recherche, Perplexity, Claude avec recherche web et les réponses générées de Google fonctionnent sur ce principe, avec des réglages différents.
Pourquoi une page bien classée sur Google n'est-elle pas forcément citée par les IA ?
Parce que la sélection s'opère sur des segments de texte, pas sur des URL, et à des étapes où le classement Google n'intervient pas. Une page peut être première sur une requête et ne contenir aucune section autonome qui réponde à la sous-requête générée par le moteur ; elle peut aussi être écartée au reclassement pour une formulation identique à celle de dix concurrents, ou n'être pas indexée du tout par les robots de recherche IA.
Combien de sous-requêtes un moteur génère-t-il à partir d'un prompt ?
Cela dépend de la complexité de la question et du moteur. Une demande de définition en produit une ou deux ; une demande de comparaison ou de choix peut en produire une dizaine. Google a décrit cette décomposition en éventail pour AI Mode, et Perplexity affiche les requêtes lancées dans son mode approfondi. Le nombre exact n'est pas publié ; l'important est qu'une section de page vise une sous-requête précise plutôt que le prompt entier.
Faut-il écrire une page par sous-requête ?
Non, une section par sous-requête suffit, à condition qu'elle se suffise à elle-même. L'index découpe les pages en segments ; une page longue et bien structurée, dont chaque intertitre correspond à une question réelle et dont chaque première phrase répond, produit autant de segments candidats qu'elle a de sections. Multiplier les pages courtes disperse au contraire l'autorité et complique la corroboration.
Le moteur peut-il déformer ce que dit ma page ?
Oui. À l'étape de synthèse, le modèle paraphrase et fusionne plusieurs sources ; une nuance peut disparaître, un chiffre être arrondi, une affirmation rattachée à une source qui ne la contient pas exactement. Les éditeurs reconnaissent ces erreurs. On réduit le risque en écrivant des passages autonomes, avec des chiffres accompagnés de leur unité et de leur date, une affirmation par phrase, et le nom de l'entité dans le passage lui-même.
Praticien du référencement depuis 2001, Kamel Malek dirige SEO360 (Alicante, Valence, Madrid, Paris). Il a publié trois ouvrages sur la visibilité dans les moteurs génératifs, dont Generative Engine Optimization et Rétablir les faits.
