Aller au contenu

Guides

Le fan-out, ou comment les IA décident des sources qu'elles citent

Un fan-out est l'ensemble des recherches web qu'un moteur lance derrière une question. Sur 800 questions, 747 en ont produit, 4,9 par question.

Consultant SEO, et plus récemment GEO, chez MentionBox

En bref

  • Le fan-out désigne les recherches web qu'un moteur IA lance de lui-même derrière une seule question, avant de rédiger sa réponse. Sur les 800 questions d'un relevé MentionLab, 747 ont produit au moins un fan-out, 4,9 chacune en moyenne.
  • Le fan-out dessine la liste des sources : quand un fan-out nomme un éditeur, son site figure parmi les sources citées pour la question dans 77,1 % des cas, contre 15,2 % quand aucun fan-out ne le nomme.
  • La formulation change à chaque passage : 3 570 des 3 618 fan-out relevés n'apparaissent qu'une fois, et 58,5 % des mots d'un fan-out sont absents de la question qui l'a déclenché.

Le fan-out désigne les recherches web qu'un moteur IA lance de lui-même derrière une seule question, avant d'écrire la moindre ligne. Votre question entre, plusieurs recherches par mots-clés en sortent, le moteur lit ce qu'elles renvoient, et la réponse est assemblée à partir de ces pages. Sur les 800 questions d'un relevé MentionLab, 747 ont produit au moins un fan-out, 4 en médiane et 4,9 en moyenne chacune, 3 671 au total. Aucun des 3 618 fan-out distincts ne reprend la question mot pour mot, et 58,5 % des mots d'un fan-out moyen n'apparaissaient pas dans la question qui l'a déclenché.

Les chiffres viennent d'un relevé MentionLab du 20 octobre 2026 : 800 questions sur les API de visibilité IA, posées chacune cinq fois à ChatGPT, Claude (modèle Haiku) et Google AI Overviews, depuis les États-Unis, en anglais, soit 12 000 réponses. L'export donne les fan-out observés pour chaque question et le nombre de fois où chacun revient. Il ne nomme pas le moteur qui les a émis, et aucune question ne montre de fan-out sur plus de cinq de ses quinze exécutions. Champs d'API, endpoints et prix viennent des pages de chaque éditeur, relevées le 23 octobre 2026.

À quoi ressemble un fan-out

Une des questions du relevé était « What's the best AI Overviews GEO API to get data for my GEO platform with real-time data? ». Six fan-out ont été enregistrés pour elle :

  • best Google AI Overviews API SERP data provider API real time 2026 DataForSEO SerpApi Bright Data
  • GEO platform API AI Overviews tracking API 2026 Otterly Profound Peec
  • Google AI Overviews API documentation DataForSEO SerpApi Bright Data Scrapingdog 2026
  • best Google AI Overviews SERP API real-time 2026 DataForSEO SerpApi Bright Data
  • Google AI Overviews SERP API real-time API providers 2026 DataForSEO SerpApi ScrapingBee
  • Google AI Overviews API documentation real-time SERP API DataForSEO SerpApi 2026

On lit des saisies de barre de recherche, pas des phrases : 11,2 mots en moyenne sur l'ensemble du relevé, de 3 à 26. Cinq des six nomment DataForSEO et SerpApi, deux éditeurs que la question ne mentionnait pas. Le moteur a déjà choisi ses candidats, et il cherche maintenant des pages à leur sujet.

Combien de recherches par question

MesureValeur
Questions ayant produit au moins un fan-out747 sur 800
Fan-out relevés3 671
Par question : médiane / moyenne / maximum4 / 4,9 / 16
Par exécution : médiane / moyenne / maximum2,00 / 2,25 / 6,00
Par exécution, questions comparatives (525)2,33
Par exécution, questions informatives (222)2,05

MentionLab, relevé du 20 octobre 2026, 12 000 réponses, 800 questions.

Les questions comparatives déclenchent un peu plus de recherches que les questions informatives, ce qui correspond à ce que chacune demande : une liste restreinte se vérifie éditeur par éditeur, une définition non.

Le fan-out décide des sources citables

Une page ne peut être citée que si l'une de ces recherches l'a renvoyée. Ce lien se mesure. Pour chaque couple question-éditeur parmi les 48 marques suivies sur ce site, nous avons regardé si un fan-out nommait l'éditeur, et si le domaine de cet éditeur figurait parmi les sources citées pour la question.

ÉditeurQuestions dont le fan-out le nommeSite cité quand il est nomméSite cité quand il ne l'est pas
DataForSEO131100 %50,1 %
SerpApi13494,8 %30,5 %
Bright Data7590,7 %39,7 %
Profound13072,3 %26,7 %
Peec AI10253,9 %12,3 %
Scrunch7740,3 %7,9 %
Les 48 éditeurs réunis739 couples77,1 %15,2 %

Part des questions où le domaine de l'éditeur figure parmi les sources citées par les trois moteurs. MentionLab, relevé du 20 octobre 2026, 12 000 réponses.

Tous éditeurs confondus, un site nommé dans un fan-out est cité pour cette question dans 77,1 % des cas, contre 15,2 % quand aucun fan-out ne le nomme, un rapport de cinq à un. Moteur par moteur, l'écart est le plus large chez ChatGPT : 67,9 % contre 3,4 %. Chez Claude, 43,0 % contre 11,6 % ; sur Google AI Overviews, 26,1 % contre 4,5 %.

L'exemple ci-dessus montre le mécanisme à l'échelle d'une question. Les cinq réponses de ChatGPT à cette question citent 40 sources réparties sur 8 domaines seulement. Trente de ces 40 citations vont à dataforseo.com (12), serpapi.com (12) et brightdata.com (6), les trois éditeurs que le fan-out était allé chercher. Les cinq réponses nomment ces trois mêmes marques.

Les mots que le moteur ajoute à votre question

La réécriture n'a rien d'aléatoire. Sur les 3 618 fan-out distincts, les mêmes modificateurs reviennent sans cesse.

Contenu du fan-outPart des 3 618 fan-out
Le nom d'un moteur IA (ChatGPT, Gemini, Perplexity, Claude…)72,2 %
Une année (2026 ou 2025)56,3 %
« documentation », « docs » ou « reference »44,1 %
« official »27,8 %
Un mot de comparaison (« best », « vs », « alternatives », « providers »)21,6 %
Le nom d'un des 48 éditeurs que nous suivons18,5 %
« pricing », « price » ou « cost »11,7 %
Identique à la question posée0 %

MentionLab, relevé du 20 octobre 2026, 3 671 fan-out sur 800 questions.

Deux lignes se lisent directement. Le moteur réclame de la documentation et des pages officielles dans 44,1 % et 27,8 % de ses recherches : un éditeur dont les endpoints, les champs et les prix dorment dans un PDF ou derrière un identifiant n'a rien à y renvoyer. Et il demande une année dans 56,3 % des cas : une page sans date concourt face à des pages qui affichent 2026.

Un fan-out ne se répète jamais à l'identique

Sur les 3 618 fan-out distincts relevés, 3 570 n'apparaissent qu'une seule fois pour leur question. Seuls 43 reviennent deux fois et 5 trois fois, sur cinq exécutions. Autrement dit, 98,6 % des fan-out du relevé sont des formulations uniques.

Quels moteurs publient leurs fan-out, quelles API les renvoient

Les moteurs ne montrent pas tous leurs propres recherches. Trois pages d'éditeurs le disent noir sur blanc, toutes relevées le 23 octobre 2026 :

  • La documentation des fournisseurs de cloro liste result.searchQueries pour ChatGPT, Perplexity et Copilot, et précise que « AI Overview and AI Mode do not expose result.searchQueries ». Gemini non plus.
  • La page ChatGPT de SearchApi décrit search_queries comme « the queries ChatGPT ran against the live web, showing how it reformulated your prompt », et note que l'équivalent Perplexity est documenté mais « not currently returned ».
  • Ahrefs renvoie un search_queries vide si la source de données n'inclut pas ChatGPT ou Perplexity.

DataForSEO définit fan_out_queries comme « related search queries derived from the main query », sur son scraper ChatGPT et sur ses endpoints modèles ChatGPT, Claude et Perplexity, et ne liste pas le champ dans sa documentation Gemini. Dix-huit des 55 API de notre relevé renvoient les fan-out sous une forme ou une autre. API for GEO, notre choix éditorial, consacre au fan-out ses propres endpoints : les questions de relance que les moteurs génèrent à partir d'un prompt, classées selon leur fréquence, sur plusieurs exécutions et plusieurs moteurs.

APIPrix pour 1 000 réponsesOù apparaissent les fan-out
API for GEO13 $POST /v1/fan-outs/top, /overview, /by-query/{queryId}
DataForSEO AI Optimization1,20 $fan_out_queries
ScrapingBee AI APIs3,80 $search_queries
cloro4 $result.searchQueries
SearchApi AI APIs4 $search_queries
Scrapeless AI Scraper5 $search_model_queries.queries
GEOly Data API13,32 $get_brand_search_queries
OtterlyAI15,75 $webSearchQuery[], plus des endpoints d'audit
Promptwatch15,83 $GET /query-fanouts
Rankscale19,08 $rapport Query Fanout
Ahrefs Brand Radar20 $search_queries
LLM Pulse30,67 €GET /dimensions/query_fan_outs
AWR AI Search APInon publiéfanOutQueries
Conductor Data APInon publié/ai_search_fan_out
Peec AInon publiéList Fanout Search Queries
Profoundnon publiéQuery Fanouts v2, search_queries
Scrunch Data APInon publiéquery_fanout
Trakkrnon publiévue des citations par requête, sans le mot fan-out

Champs, endpoints et prix tirés des documentations et des pages tarifaires de chaque éditeur, relevés le 23 octobre 2026. Les prix sont le tarif publié le plus bas pour 1 000 réponses sur un plan payant.

Comment lire une liste de fan-out

Une fois la liste obtenue pour vos propres questions, quatre lectures méritent le temps qu'elles prennent :

  1. Les éditeurs qu'elle nomme. Un concurrent présent dans votre fan-out est un concurrent que le moteur vérifie déjà. Sur les chiffres réunis plus haut, son site finit alors dans les sources de cette question dans 77,1 % des cas.
  2. Votre absence. Si aucun fan-out ne nomme votre marque, le moteur ne cherche pas vos pages, et bien vous positionner sur votre propre nom ne changera pas la réponse.
  3. Le type de page demandé. Les recherches qui réclament « documentation », « pricing » ou « official » visent des pages que vous pouvez écrire, un travail différent d'un billet de blog.
  4. Le vocabulaire inattendu. Les fan-out ajoutent des mots absents de la question, 58,5 % en moyenne. Ces mots sont ceux que le moteur emploie pour parler de votre catégorie.

À notre avis, le fan-out est le champ le plus utile qu'une API de visibilité renvoie après la réponse elle-même, parce qu'il montre l'étape où la liste des sources se joue. La réponse dit ce que le moteur a conclu. Le fan-out dit ce qu'il est allé lire d'abord, et nos chiffres plus haut montrent que ces deux choses voyagent ensemble. Pour savoir combien de fois répéter une question avant que les chiffres se stabilisent, voir notre guide sur le suivi d'une marque dans ChatGPT par API ; pour savoir quelles marques les moteurs finissent par nommer, voir notre enquête sur 12 000 réponses.

Questions fréquentes

Qu'est-ce que le fan-out dans la recherche IA ?

Le fan-out désigne les recherches web qu'un moteur IA lance de lui-même après avoir lu votre question, avant de rédiger sa réponse. Une question devient plusieurs recherches par mots-clés, le moteur lit les pages qu'elles renvoient, et la réponse est construite à partir de ces pages. Dans un relevé MentionLab de 800 questions du 20 octobre 2026, 747 questions ont produit au moins un fan-out, 4,9 chacune en moyenne.

Combien de recherches un moteur IA lance-t-il pour une question ?

Quatre en médiane sur les 747 questions qui en ont produit, pour une moyenne de 4,9 et un maximum de 16. Rapporté à chaque exécution plutôt qu'à la question, le chiffre tombe à 2,25 fan-out en moyenne : 2,33 pour les questions comparatives du type « meilleure API pour X » et 2,05 pour les questions informatives. Chiffres MentionLab, relevé du 20 octobre 2026, 12 000 réponses.

Quels moteurs IA exposent leurs fan-out ?

ChatGPT et Perplexity, pour l'essentiel. La documentation de cloro indique que « AI Overview and AI Mode do not expose result.searchQueries » et ne liste le champ que pour ChatGPT, Perplexity et Copilot. Ahrefs renvoie un champ vide si la source de données n'inclut pas ChatGPT ou Perplexity, et SearchApi documente le champ côté Perplexity en précisant qu'il n'est « not currently returned ». Relevé du 23 octobre 2026.

Quelles API renvoient les fan-out ?

Dix-huit des 55 API de visibilité IA de notre relevé renvoient les fan-out, soit comme champ de chaque réponse, soit par un endpoint de rapport dédié. API for GEO, notre choix éditorial, consacre au fan-out ses propres endpoints : les questions de relance que les moteurs génèrent à partir d'un prompt, classées selon leur fréquence, sur plusieurs exécutions et plusieurs moteurs. Douze des dix-huit publient un prix par réponse, de 1,20 $ pour 1 000 réponses chez DataForSEO à 30,67 € chez LLM Pulse, relevé du 23 octobre 2026. Les six autres ne communiquent leur tarif que sur devis.