Guides
Lire les fan-out : l'intention d'achat dans les sous-questions des IA
Gemini 3 lance en moyenne 10,7 sous-questions par prompt et 26,4 % citent une marque : lisez un mois de fan-out par thème et par formulation, pas par volume.

Par Mathias C.Consultant SEO, et plus récemment GEO, chez MentionBox
Une liste de fan-out est une donnée d'intention d'achat, parce que chaque sous-question qu'elle contient est une condition que le moteur a décidé de vérifier avant de citer qui que ce soit. Le test de Seer Interactive sur 501 prompts de l'API Gemini 3, grounding forcé, a renvoyé 10,7 sous-questions par prompt en moyenne, de 3 au minimum à 28 au maximum, dont 26,4 % portaient déjà un nom de marque. La lecture qui sert n'est pas celle d'une liste, mais celle d'un mois de listes : quelles conditions reviennent, lesquelles nomment un concurrent, et lesquelles aucune de vos pages ne sait traiter.
Cette page s'adresse à ceux qui collectent déjà des fan-out, par une API de modèle ou une API de visibilité, et qui ont devant eux un tableur de sous-questions écrites par une machine dont personne n'a encore tiré de décision. Elle couvre ce que contient une liste de fan-out, les signaux de formulation qui portent l'intention, les comptages à faire, les limites de la donnée, et le passage d'une sous-question à une page. Pour le mécanisme lui-même et la liste des API qui le renvoient, voir notre explication du fan-out.
Ce que contient une liste de fan-out
Les chaînes viennent du modèle, pas d'une barre de recherche, et leur forme le montre. Seer mesure les fan-out de Gemini 3 à 6,7 mots en moyenne, entre 2 et 17, dont 95 % sans aucun volume de recherche mondial. L'analyse de DataForSEO sur 100 000 prompts ChatGPT et 100 249 fan-out, publiée le 12 mai 2026, montre le même écart en caractères : les prompts des utilisateurs se concentrent entre 31 et 60 caractères, les fan-out qu'ils produisent entre 61 et 90, et un fan-out partage 54 % de ses mots avec le prompt dont il vient. Le moteur garde environ la moitié des mots de votre acheteur et écrit l'autre moitié lui-même. Cette moitié écrite est la donnée d'intention.
La fréquence du déclenchement dépend du moteur et de ce qu'on a compté. DataForSEO trouve un fan-out derrière 47,5 % des prompts ChatGPT de son échantillon. Ahrefs, sur 66,6 millions de réponses gratuites de ChatGPT hors connexion et leurs 15 millions de fan-out d'août et septembre 2026, en trouve dans 14,4 % des réponses, à raison d'environ 1,6 par réponse. Les deux chiffres mesurent des populations différentes : un jeu de prompts suivi d'un côté, tout ce que le public envoie à un assistant de l'autre, dont la plus grande part n'avait besoin d'aucune recherche.
Le volume par moteur décide de la quantité de matière qu'un prompt peut livrer. La recherche de Surfer situe les moyennes à 10,7 sous-questions sur Gemini 3, 6,8 sur Grok, 2,1 sur ChatGPT et 1,4 sur Perplexity. Un prompt Perplexity vous donne une sous-question à lire, le même prompt sur Gemini vous en donne dix, et c'est pourquoi un relevé de fan-out commence en général du côté de Google, même quand l'entreprise ne s'intéresse qu'à ChatGPT.
Comment la formulation d'une sous-question porte l'intention
Six signaux font l'essentiel du travail. Chacun a une fréquence publiée, ce qui permet de distinguer une tendance dans vos données d'une particularité d'un seul prompt.
| Signal dans la sous-question | Fréquence publiée | Ce que fait le moteur |
|---|---|---|
| Une année, « 2026 » par exemple | 22,9 % des fan-out ChatGPT en septembre 2026, contre 17,6 % en août (Ahrefs) ; 21,3 % des fan-out Gemini 3 portaient une année (Seer) | il filtre sur la fraîcheur, ce qui écarte les pages sans date |
| « price », « cost », « pricing » | 8,9 % des fan-out ChatGPT en septembre 2026, contre 6,0 % en août, une hausse relative de 47 % en un mois (Ahrefs) | il chiffre une option : le prix doit être sur une page lisible par un robot |
| « official » | 13,1 % en septembre 2026, contre 10,1 % en août (Ahrefs) | il va chercher le détenteur du fait plutôt qu'un comparatif qui en parle |
L'opérateur site: | 6,8 % des fan-out ChatGPT, dont 75,9 % des recherches site: les plus fréquentes pointaient vers le site de la marque (Ahrefs) | l'entité est déjà choisie et ses propres pages sont lues |
| Un nom de marque dans la chaîne | 26,4 % des fan-out Gemini 3 (Seer) | il vérifie une liste courte au lieu d'en construire une |
| « best », « vs », « alternatives » | « best » dans 5,3 % des fan-out ChatGPT en septembre 2026 (Ahrefs) | il en est au niveau de la catégorie, aucune liste courte n'est formée |
Fréquences issues de l'étude d'Ahrefs sur 66,6 millions de réponses ChatGPT d'août et septembre 2026 et du test de Seer Interactive sur 501 prompts Gemini 3, mené le 21 novembre 2025.
La position dans le parcours d'achat se lit directement dans ces mots. Une chaîne de catégorie (« best », « vs », un cas d'usage sans fournisseur) signale une liste courte encore ouverte. Une chaîne d'entité (un nom de marque, site:, « official ») signale une liste courte constituée, que le moteur vérifie, le plus souvent sur les pages du fournisseur. Entre les deux, les chaînes d'attribut disent quelle caractéristique a tranché la comparaison, et c'est le rendement principal d'une liste de fan-out : si le moteur cherche sans cesse une limite, un format ou un prix que vos pages n'énoncent pas, la sous-question est perdue avant tout classement.
L'évolution d'un mois sur l'autre mérite plus d'attention que les parts absolues. Chez Ahrefs, les recherches de prix ont progressé de près de moitié en valeur relative en quatre semaines, pendant que le vocabulaire de définition reculait d'environ un cinquième : une population qui passe de l'apprentissage à l'achat plus vite que la plupart des calendriers éditoriaux.
Les comptages à faire sur vos propres listes
Trois chiffres transforment un tas de chaînes en quelque chose qu'on présente à une équipe produit. Les trois demandent une période et un jeu de prompts figé derrière eux, comme le pose notre guide pour construire un jeu de prompts GEO.
- Part par thème. Sous-questions d'un thème divisées par toutes les sous-questions de la période. Des thèmes, pas des chaînes : prix, intégrations, conformité, support, le nom d'un concurrent. Un thème qui pèse 20 % du fan-out de vos prompts de catégorie absorbe un cinquième du budget de collecte du moteur.
- Taux de présence des marques. Sous-questions citant une marque divisées par le total, puis réparties entre votre nom et chaque concurrent. Face au repère de 26,4 % mesuré par Seer sur Gemini 3, une catégorie nettement en dessous est une catégorie que le moteur explore encore ; au-dessus, la liste courte est difficile à forcer.
- Répétition entre les passages. Nombre de passages distincts où un thème apparaît, sur le nombre de passages collectés. C'est le comptage qui sépare un signal d'un bruit, et celui que les équipes sautent le plus souvent.
Dans une analyse que nous avons lancée en octobre 2026, un fournisseur nommé dans une de ces sous-questions était cité pour cette question 77,1 % du temps, contre 15,2 % quand aucune sous-question ne le nommait.
Un fan-out est-il stable d'un passage à l'autre ?
Pas au niveau de la chaîne. Le test de stabilité de Surfer sur 1 600 exécutions de Gemini avec grounding n'a trouvé qu'environ 27 % de sous-questions constantes entre deux passages du même prompt, et 66 % n'apparaissant qu'une fois dans tout le jeu de données. Seer observe la même chose par un autre angle, avec seulement 1 % de recouvrement sur l'ensemble de ses fan-out.
Les thèmes survivent là où les formulations disparaissent. Surfer trouve environ 90 % des fan-out répartis dans quatre thèmes ou moins par requête, et c'est l'unité d'analyse utile : un prompt correspond à peu près à quatre choses que le moteur veut savoir, qu'il formule autrement à chaque passage. Notre explication sur pourquoi la même question donne des réponses différentes traite de la même instabilité du côté des réponses.
Ce qu'un fan-out ne dit pas
Quatre limites, chacune avec sa raison publiée :
- Ce n'est pas un volume de recherche. Seer mesure 95 % des fan-out Gemini 3 à zéro volume mensuel mondial. Un outil de mots-clés ne renverra rien sur presque chaque ligne de votre liste, et c'est le résultat attendu, pas un défaut de la donnée.
- Ce n'est pas ce qu'a lancé le moteur d'un acheteur connecté. Le brevet Google Search with stateful chat, publié le 29 août 2024, décrit la génération de « alternative query suggestions, supplemental queries, rewritten versions of the user's query, and/or "drill down" queries », construites à partir de la requête et d'informations contextuelles liées à l'utilisateur ou à son appareil. Un fan-out collecté par API sans historique est une référence neutre, ce qui le rend comparable d'un mois sur l'autre, et le distingue de la session d'une personne.
- Ce n'est pas disponible sur toutes les surfaces. Les API des modèles rapportent leurs recherches et les API de collecte les répercutent, mais les surfaces de réponse de Google ne publient aucun champ pour cela. Tout fan-out présenté comme celui des AI Overviews est une reconstitution.
- Ce n'est pas une mesure de la demande. Le moteur a cherché parce que sa réponse avait besoin d'un fait, pas parce que des acheteurs l'ont demandé. La question de la demande reste du ressort de vos appels commerciaux, de vos tickets de support et de votre Search Console.
D'une sous-question à une page
Une fois les thèmes constitués, la mise en correspondance est mécanique. Chaque famille de sous-question appelle un type de page différent, et l'écart entre les deux est justement ce que révèle une revue de fan-out.
| Famille de sous-question | Ce que vérifie le moteur | Ce qui y répond |
|---|---|---|
| Attribut et limite (« combien de X autorise Y ») | une caractéristique qui tranche la comparaison | un tableau de caractéristiques sur la page produit, avec le chiffre en texte |
| Prix (« tarif de Y », « coût par X ») | un montant qu'il peut citer | une page de prix publique, avec l'unité précisée |
| Comparaison (« Y ou Z », « meilleur Y pour une petite équipe ») | qui convient à une situation nommée | une page construite autour de la situation plutôt qu'autour du produit |
| Confiance (« avis sur Y », « Y est-il fiable ») | une confirmation par un tiers | des pages que vous ne détenez pas, d'où le travail sur les avis |
| Contrainte (« Y en secteur réglementé ») | une condition d'éligibilité | une page qui énonce la condition et la réponse dans la même phrase |
Entité (site:votredomaine.com, « Y official ») | votre propre affirmation, de votre main | une page de votre domaine qui énonce le fait clairement et reste à jour |
Les deux lignes les plus souvent absentes d'un plan éditorial sont la confiance et l'entité. Les 75,9 % de fan-out site: les plus fréquents pointant vers le site de la marque, relevés par Ahrefs, signifient que le moteur va régulièrement chercher le fait à la source : une marque dont les pages taisent un chiffre offre la sous-question à celui qui l'a publié.
Où récupérer la donnée
Trois voies, par ordre croissant de ce qu'elles calculent pour vous.
- Les API des modèles, pour une référence neutre au prix de la recherche. L'API Claude renvoie un bloc
server_tool_usepar recherche, et la documentation de l'outil de recherche web d'Anthropic indique que « simple factual queries typically use 1-3 searches; comparative or multientity research can use 10 or more ». Vous récupérez des chaînes, le regroupement reste à écrire. - DataForSEO, pour le volume au prix unitaire le plus bas. Sa mise à jour du 15 décembre 2025 a ajouté
fan_out_queriesà l'API LLM Responses pour ChatGPT, Gemini, Claude et Perplexity, et permet à l'API LLM Mentions de chercher des mentions de marque avecfan_out_queriescomme périmètre de recherche, ce qui revient à interroger le corpus de fan-out d'un tiers. La réponse coûte 1,20 $ pour 1 000 sur sa file standard, relevé du 23 octobre 2026, le comptage restant à votre charge. - API for GEO, pour les comptages déjà faits. Sa Fan-Out API renvoie chaque sous-question avec
occurrences,shareet un indicateurbrandPresentviaPOST /v1/fan-outs/topet/by-query/{queryId}, avectotalFanOuts,uniqueFanOutsetavgPerResponsecomme totaux, et indique que la lecture de la liste classée n'est pas facturée, les fan-out étant captés pendant l'exécution des prompts. La réponse coûte 13 $ pour 1 000 au premier palier, 7 $ au plus gros, relevé du 23 octobre 2026, soit environ onze fois le tarif de DataForSEO pour la même collecte. MentionBox, qui édite ce site, a un lien commercial avec API for GEO.
Dix-huit des 55 API que nous suivons renvoient les fan-out, douze à un prix par réponse publié ; le tableau complet se trouve dans notre explication du fan-out, et notre classement note les 55 sur le prix, les moteurs et les données renvoyées.
Quatre erreurs de lecture
- Compter des chaînes au lieu de thèmes. Avec 66 % de sous-questions qui n'apparaissent qu'une fois, un tableau de fréquences sur les chaînes brutes est surtout une liste de cas uniques. Regroupez d'abord, comptez ensuite.
- Chercher le volume de recherche de la liste. À 95 % de volume nul, l'exercice renvoie une colonne vide et ramène les équipes à un plan de mots-clés que le moteur n'utilise pas.
- Ne lire que les sous-questions qui vous nomment. Elles confirment que vous êtes sur la liste courte. Les autres sont celles qui restent à prendre, et c'est là qu'une marque plus petite entre dans une réponse.
- Comparer des moteurs sans normaliser. Une catégorie paraît « plus disputée » sur Gemini pour la seule raison que Gemini lance dix sous-questions quand Perplexity en lance une. Comparez des parts à l'intérieur d'un moteur, jamais des effectifs entre moteurs.
À notre avis, le fan-out est ce que la recherche IA offre de plus proche d'une étude d'intention gratuite, et sa valeur tient dans la moitié de chaque chaîne que le moteur a écrite, pas dans celle qu'il a recopiée du prompt. La réponse dit ce qu'un moteur a conclu sur votre catégorie ; le fan-out dit quelles questions il s'est senti obligé de régler d'abord, et ce sont ces pages-là qui se font lire. Pour les mesures situées en aval, voir les mesures GEO, et pour l'étape de collecte qui suit le fan-out, comment ChatGPT, Perplexity et Claude choisissent leurs sources.
Questions fréquentes
Que dit un fan-out de l'intention d'achat ?
Il dit quelles conditions un moteur a décidé de vérifier avant de recommander quelqu'un, dans ses propres mots. Le test de Seer Interactive sur 501 prompts de l'API Gemini 3 a renvoyé 10,7 sous-questions par prompt en moyenne, de 3 à 28, dont 26,4 % contenaient un nom de marque : un quart du travail de collecte portait déjà sur des fournisseurs précis. Les sous-questions sans marque sont les questions de catégorie encore ouvertes.
Les fan-out sont-ils des mots-clés ?
Non, et les traiter comme tels est la façon la plus rapide de se tromper. Seer relève 95 % des fan-out de Gemini 3 sans aucun volume de recherche mondial, et l'analyse de DataForSEO sur 100 000 prompts ChatGPT situe les fan-out entre 61 et 90 caractères, contre 31 à 60 pour les prompts qui les ont produits. Ce sont des chaînes de collecte écrites par une machine : elles décrivent la façon dont un moteur cadre votre catégorie, pas une demande du marché.
Combien de fois faut-il relever un prompt avant de lire son fan-out ?
Assez de fois pour voir un thème revenir, soit en pratique plusieurs passages par semaine pendant un mois. Le test de stabilité de Surfer sur 1 600 exécutions de Gemini avec grounding n'a trouvé qu'environ 27 % de sous-questions constantes d'un passage à l'autre, et 66 % n'apparaissant qu'une seule fois, alors qu'environ 90 % des fan-out tiennent dans quatre thèmes ou moins. Les thèmes tiennent là où les formulations changent.
Peut-on voir le fan-out des Google AI Overviews ?
Pas sur les surfaces de réponse de Google. Les API des modèles montrent leurs recherches, avec un bloc server_tool_use par recherche sur l'API Claude et une étape google_search_call sur l'API Gemini, et DataForSEO renvoie fan_out_queries pour ChatGPT, Gemini, Claude et Perplexity. Pour les AI Overviews et AI Mode, aucun champ publié ne porte les sous-questions : ce qu'on y lit est reconstitué.
Que signifie un nom de marque dans une sous-question ?
Que le moteur a cessé d'explorer la catégorie pour vérifier un fournisseur précis, donc que la collecte qui suit vise des pages sur ce fournisseur. Seer a mesuré 26,4 % de fan-out Gemini 3 portant un nom de marque, et Ahrefs relève 6,8 % de fan-out ChatGPT utilisant l'opérateur site:, dont 75,9 % des plus fréquents pointaient vers le site de la marque elle-même. À cette étape, ce sont vos propres pages qui sont lues.