Query fan-out : les sous-requêtes que lance l’IA quand vous lui posez une question
Ce qu’est la technique avec laquelle les moteurs de recherche par IA découpent une question en plusieurs recherches, comment elle fonctionne sur un exemple réel et ce qu’a fait Gemini sur 1 230 exécutions d’une étude de DoGeo.
Publié le 17 octobre 2026
Réponse courte
Le query fan-out est la technique avec laquelle un moteur de recherche par IA découpe une question en plusieurs sous-requêtes plus précises, lance chacune séparément et rédige la réponse à partir de ce qu’il trouve. Google l’utilise dans les Aperçus IA et le Mode IA, et Gemini l’applique quand il estime qu’une recherche sur le Web améliorera sa réponse. Dans une étude de DoGeo portant sur 1 230 exécutions de Gemini (octobre 2026), quand le modèle cherchait, il lançait environ 2 sous-requêtes et utilisait environ 10 sources par réponse. Pour une marque, cela veut dire se battre sur chaque sous-requête, et pas seulement sur la question que la personne a tapée.
Qu’est-ce que le query fan-out
DéfinitionLe query fan-out est une technique de recherche dans laquelle un moteur d’IA décompose une question en plusieurs sous-requêtes, cherche chacune séparément et combine les résultats en une seule réponse. Google la décrit comme le fait d’« effectuer plusieurs recherches associées sur des sous-thèmes et des sources de données ».
Cette description figure dans la documentation de Google Search Central sur les fonctionnalités d’IA, mise à jour le 31 décembre 2025, qui nomme la technique en français « distribution ramifiée de requêtes ». En anglais, « query fan-out » désigne une requête qui s’ouvre en éventail.
Une sous-requête est chacune des recherches que le moteur lance de lui-même à partir de la question d’origine. La personne écrit une phrase ; le moteur la transforme en plusieurs recherches plus étroites, chacune sur un sous-thème, et lit les résultats de toutes avant de rédiger.
Google a présenté la technique avec le Mode IA. Dans son annonce de Google I/O du 20 mai 2025, Elizabeth Reid, vice-présidente et responsable de la recherche Google, a expliqué que le Mode IA découpe la question en sous-thèmes et lance simultanément de nombreuses requêtes pour le compte de l’utilisateur, afin d’aller plus loin dans le Web qu’une recherche classique.
Un exemple de query fan-out avec une vraie question
ExempleLa documentation de l’API Gemini prend comme exemple la question « Qui a gagné l’Euro 2024 ? ». Pour y répondre, le modèle peut lancer dans la même requête deux recherches différentes : « UEFA Euro 2024 winner » et « Spain vs England Euro 2024 final score ».
Aucune des deux sous-requêtes ne reprend la question telle qu’elle a été écrite. La première cherche le fait principal, le vainqueur ; la seconde cherche un détail qui complète la réponse, le score de la finale.
Appliqué à un achat, le mécanisme est le même. Une question comme « quel logiciel de paie choisir pour une PME » peut s’ouvrir en recherches sur les prix, sur des comparatifs entre marques ou sur les obligations légales. Chacune de ces recherches a sa propre liste de pages candidates.
Quels moteurs de recherche par IA utilisent le query fan-out
ComparatifGoogle a documenté le query fan-out dans trois surfaces de la recherche Google et dans l’API Gemini. Ce qui change de l’une à l’autre, c’est le nombre de recherches lancées et le type de question visé, d’après ce que Google a lui-même publié.
| Surface | Ce que dit Google | Nombre de recherches | Pour quelles questions |
|---|---|---|---|
| Aperçus IA | Peuvent utiliser la technique pour développer une réponse | Non publié | Les requêtes où un résumé apporte plus que les résultats |
| Mode IA | Découpe la question en sous-thèmes et lance de nombreuses requêtes à la fois | Non publié | Exploration, raisonnement ou comparaisons complexes |
| Deep Search dans le Mode IA | Utilise la même technique, poussée plus loin | Des centaines de recherches | Des recherches qui aboutissent à un rapport cité |
| Gemini avec recherche (API) | Génère une ou plusieurs requêtes s’il juge qu’une recherche améliore la réponse | Environ 2 par réponse dans l’étude de DoGeo | Celles que le modèle juge améliorables par une recherche |
Le tableau s’en tient à Google, parce que ce sont les surfaces où l’éditeur lui-même documente la technique sous ce nom. La façon dont d’autres assistants, comme ChatGPT ou Perplexity, choisissent leurs sources est expliquée dans comment les modèles d’IA choisissent leurs sources, avec ce qui est observable pour chacun.
Quand Gemini ne cherche pas sur le Web : étude sur 1 230 exécutions
DonnéesDans une étude de DoGeo portant sur 1 230 exécutions de Gemini (octobre 2026), le modèle a répondu sans lancer la moindre sous-requête de recherche entre 26 % et 70 % du temps, selon l’ensemble de questions. Sans recherche, pas de query fan-out : la réponse vient uniquement de l’entraînement.
| Ensemble de questions | Exécutions | Sans recherche Web |
|---|---|---|
| Recrutement tech en Espagne, en anglais | 222 | 26 % |
| Outils de recrutement, en espagnol | 219 | 49 % |
| Les mêmes questions de recrutement, en anglais | 219 | 37 % |
| Visibilité dans les IA et GEO, en espagnol | 285 | 70 % |
| Les mêmes questions de GEO, en anglais | 285 | 46 % |
L’étude a lancé chaque question 3 fois sur cinq ensembles : 74 questions de recrutement tech en anglais, 73 sur les outils de recrutement en espagnol et en anglais, et 95 sur la visibilité dans les IA en espagnol et en anglais. Les trois secteurs sont ceux de Kulturo, de HeyTalent et de DoGeo elle-même.
« Sans recherche Web » signifie que l’exécution n’a lancé aucune sous-requête, pas que la réponse soit mauvaise ou inventée. Les pourcentages valent pour ce modèle, cette semaine et ces ensembles : ils ne décrivent ni Gemini en général ni d’autres assistants.
Gemini cherche moins en espagnol qu’en anglais avec les mêmes questions
LangueAvec les mêmes questions traduites, Gemini a lancé moins de recherches en espagnol qu’en anglais dans l’étude de DoGeo d’octobre 2026 : sur le recrutement, il a répondu sans chercher 49 % du temps en espagnol contre 37 % en anglais, et sur le GEO, 70 % contre 46 %.
L’écart apparaît dans les deux secteurs mesurés dans les deux langues, et il va dans le même sens. L’étude mesure ce que fait le modèle, pas pourquoi il le fait : elle ne permet donc pas de l’attribuer à une cause précise.
Pour une entreprise qui vend en espagnol, la conséquence pratique est qu’une plus grande part des réponses de Gemini est rédigée de mémoire. Là, la page de l’entreprise n’intervient pas au moment de répondre : ce qui compte, c’est ce que d’autres sources ont publié sur la marque avant l’entraînement.
Combien de sous-requêtes lance Gemini et combien de sources il utilise
VolumeQuand Gemini cherche, il lance environ 2 sous-requêtes par réponse et utilise environ 10 sources, selon l’étude de DoGeo sur 1 230 exécutions d’octobre 2026. La moyenne de sous-requêtes allait de 1,8 à 2,2 selon l’ensemble, et celle des sources de 9,6 à 10,4.
Dix sources pour deux recherches, cela veut dire que chaque sous-requête apporte plusieurs pages à la réponse. Une page bien placée sur une seule de ces recherches peut déjà entrer dans la liste des sources, même si elle n’apparaît pas sur l’autre.
L’année n’est ajoutée aux sous-requêtes que pour certains sujets. Dans la même étude, entre 11 % et 15 % des sous-requêtes sur le recrutement contenaient « 2025 » ou « 2026 » ; sur les questions de GEO, 1 %. Que le modèle ajoute l’année dépend du sujet : ce n’est pas une règle fixe.
Ce que le query fan-out implique pour une marque
ConséquencesLe query fan-out change ce pour quoi une marque est en concurrence : positionner une page sur la question que tape le client ne suffit plus, car le moteur cherche des sous-thèmes que cette personne n’a jamais écrits. Chaque sous-requête a sa propre liste de candidates, et la marque entre dans la réponse si elle en remporte une.
- Être dans l’index de Google est la condition d’entrée. Selon Google Search Central, une page ne peut s’afficher comme lien de soutien dans les Aperçus IA ou le Mode IA que si elle est indexée et affichable dans la recherche Google avec un extrait ; il n’y a aucune exigence technique supplémentaire.
- Chaque page doit répondre seule à un sous-thème. Une sous-requête sur les prix trouve la page des prix, pas la page d’accueil ; une sous-requête sur un comparatif trouve le comparatif. Comment suivre les mentions d’une entreprise par les assistants est expliqué dans le guide du suivi de positions et de visibilité dans les IA.
- Ce que les assistants ne peuvent pas lire n’est pas en concurrence. Avant de penser aux sous-requêtes, mieux vaut vérifier si les robots d’IA peuvent lire votre site, car un blocage au niveau du CDN exclut toutes les pages d’un coup.
- Quand le modèle ne cherche pas, les sources tierces comptent. Avec des questions en espagnol, l’étude de DoGeo a relevé plus de réponses sans recherche, et là, ce que d’autres sites disent de la marque pèse.
Les étapes concrètes pour travailler la présence dans cet assistant figurent dans le guide pour apparaître dans Gemini.
Comment savoir si votre site apparaît dans ces sous-requêtes
MesureLes sous-requêtes ne sont pas publiées, mais leur effet se mesure. Pour Google, la Search Console affiche les impressions d’un site dans les fonctionnalités d’IA générative. Pour les autres assistants, la méthode technique consiste à journaliser les visites de leurs robots dans le pare-feu ou le CDN.
La journalisation des robots repose sur une règle qui enregistre, sans bloquer, les requêtes de chaque robot, identifié par son user-agent (le nom sous lequel il se présente) et vérifié par IP quand le fournisseur publie ses plages. Ces journaux indiquent quelles pages chaque robot visite et quand. C’est ce que DoGeo met en place pour chaque client.
Chaque robot dit quelque chose de différent. OAI-SearchBot, selon OpenAI, sert à faire apparaître des sites dans les résultats de recherche de ChatGPT : ses visites indiquent donc quelles pages entrent dans cet index. ChatGPT-User et Claude-User ouvrent une page quand une personne pose une question, selon OpenAI et Anthropic, et sont le signal le plus proche d’une lecture de la page par l’assistant pendant une conversation.
Le journal ne voit ni ce que l’assistant écrit dans sa réponse, ni les mentions qui ne nécessitent pas d’ouvrir le site. Pour cela, il faut toujours poser un ensemble fixe de questions et noter qui apparaît.
Pour aller plus loin
Parlons de votre visibilité
Réservez un appel avec DoGeo. Nous y arrivons avec un rapport déjà préparé sur la façon dont Google et les assistants IA vous voient aujourd’hui, et sur ce que nous ferions en premier. Vous choisissez le créneau dans le calendrier.
Comment fonctionne le query fan-out, étape par étape
MécanismeLa documentation de l’API Gemini décrit le query fan-out en trois étapes : le modèle décide si une recherche Google améliorerait la réponse, génère une ou plusieurs requêtes et les exécute, puis rédige la réponse à partir des résultats, avec des citations vers les pages utilisées.
Le modèle décide s’il doit chercher
Selon Google, le modèle analyse la question et détermine si une recherche peut améliorer la réponse. S’il estime que non, il répond avec ce qu’il a appris pendant son entraînement et ne lance aucune sous-requête.
Le modèle rédige les sous-requêtes et les lance
Si une recherche est nécessaire, le modèle écrit une ou plusieurs requêtes à partir de la question et les exécute dans Google. Chaque sous-requête renvoie ses propres résultats, si bien qu’une même question peut finir par consulter des pages très différentes.
Le modèle combine les résultats en une réponse citée
Le modèle lit les résultats de toutes les sous-requêtes, synthétise l’information et renvoie une réponse avec des annotations qui relient chaque affirmation à la page d’où elle vient. Ces pages sont les sources citées.