Langues

Synthèses IA de Google (AI Overviews)

Comment fonctionnent les AI Overviews de Google — le bloc généré par Gemini dans la SERP de Google, la dispersion des requêtes, la façon dont le système sélectionne et cite des pages de l’index principal, et ses différences avec les featured snippets et AI Mode.

Première publication : 3 juil. 2026 · Dernière mise à jour : 8 août 2026 · Advanced
Langues
AIRédigé parAI v2

Les AI Overviews sont des synthèses générées par Gemini que Google affiche au-dessus ou dans les résultats classiques. Il s’agit d’une fonctionnalité de Search fondée sur les systèmes centraux de classement et de qualité de Google, et les pages de soutien doivent pouvoir apparaître avec un extrait dans Search. Google indique qu’aucune exigence technique supplémentaire ne s’applique. Les AI Overviews peuvent utiliser la dispersion des requêtes — plusieurs recherches liées sur des sous-thèmes et des sources de données — pour assembler une réponse avec des liens de soutien. Elles diffèrent des featured snippets et d’AI Mode ; les études indépendantes sur leurs déclencheurs, leur position, leurs citations et leurs clics doivent être lues comme des observations datées, non comme des règles permanentes de la plateforme.

L’éligibilité commence toujours par une page indexée et éligible aux extraits, et non par une norme technique spécifique à l’IA. Evidence for this claim Google says pages shown as supporting links in AI Overviews must be indexed and eligible to appear in Search with a snippet, with no additional technical requirements. Scope: Google Search AI features; eligibility does not guarantee selection. Confidence: high · Verified: Google: AI features and your website Google documente également la dispersion des requêtes comme plusieurs recherches liées sur des sous-thèmes et des sources — pas comme une étape garantie dans chaque réponse. Evidence for this claim Google documents query fan-out as issuing multiple related searches across subtopics and data sources for AI features. Scope: Google AI Overviews and AI Mode; Google says the technique may be used, not that every response uses it. Confidence: high · Verified: Google: AI features and your website

TL;DR — Les AI Overviews sont une synthèse générée par Gemini et rendue dans la propre SERP de Google. Google indique que la fonctionnalité repose sur ses systèmes centraux de classement et de qualité, puis génère du texte avec des liens de soutien. Elle utilise la récupération et l’ancrage, souvent alimentés par la dispersion des requêtes : plusieurs sous-recherches dont Gemini extrait les faits des pages récupérées avant de les assembler. L’éligibilité est ordinaire : une page doit être indexée et éligible aux extraits, sans « exigence technique supplémentaire ». Les AI Overviews se distinguent des featured snippets (un passage extrait d’une seule page) et d’AI Mode (une interface conversationnelle complète). Ils ne sont pas toujours en première position (environ 8,64 % apparaissent ailleurs), concernent surtout les requêtes informationnelles, longues et non commerciales, et la corrélation entre la première position et la citation a fortement diminué à mesure que la dispersion des requêtes s’est développée.

Evidence for this claim A supporting page must be indexed and eligible to appear with a Search snippet; Google documents no additional technical requirements for AI-feature eligibility. Scope: web search, retrieval-augmented generation and publisher reporting Confidence: high · Verified: AI features and your website

Même index, même classement — une fonctionnalité, pas une plateforme

Le fait le plus important à propos des AI Overviews est qu’il ne s’agit pas d’un nouveau moteur de recherche greffé sur Google. C’est une couche de présentation au- dessus des résultats que Google produit déjà. Google le dit clairement dans son guide d’optimisation de mai 2026 : « our generative AI features on Google Search are rooted in our core Search ranking and quality systems, » (traduction) « nos fonctionnalités d’IA générative dans Google Search reposent sur nos systèmes centraux de classement et de qualité », et donc « from Google Search’s perspective, optimizing for generative AI search is optimizing for the search experience, and thus still SEO. » (traduction) « du point de vue de Google Search, optimiser pour la recherche IA générative revient à optimiser l’expérience de recherche, et reste donc du SEO ».

C’est pourquoi l’éligibilité n’a rien d’exceptionnel. Pour être affichée comme lien de soutien, « a page must be indexed and eligible to be shown in Google Search with a snippet, fulfilling the Search technical requirements. There are no additional technical requirements. » (traduction) « une page doit être indexée et éligible à l’affichage dans Google Search avec un extrait, en satisfaisant les exigences techniques de Search. Il n’existe aucune exigence technique supplémentaire. » La chaîne exploration → indexation → classement est tout le prérequis — la même chaîne qui régit la exploration et le classement ordinaire. Ce qui empêche une page d’apparaître dans les résultats normaux l’empêche aussi d’apparaître dans les AI Overviews.

Evidence for this claim A supporting page must be indexed and eligible to appear with a Search snippet; Google documents no additional technical requirements for AI-feature eligibility. Scope: web search, retrieval-augmented generation and publisher reporting Confidence: high · Verified: AI features and your website

Cela contraste fortement avec des moteurs comme ChatGPT ou Perplexity, qui construisent leurs propres pools de récupération. C’est la préoccupation multi-plateforme dont s’occupent l’optimisation pour les moteurs génératifs et l’optimisation pour les moteurs de réponse. Les AI Overviews sont le cas propre à Google : même index, mêmes règles.

Le mécanisme : ancrage + dispersion des requêtes

Sous le capot, les AI Overviews sont un système RAG — génération augmentée par récupération, que Google appelle lui-même ancrage. Les mécanismes généraux de la récupération puis génération sont détaillés dans les articles sur le RAG et l’ancrage, je ne vais donc pas les redériver ici. La propre définition de Google mérite toutefois d’être gardée en tête : le RAG est « a technique (also known as grounding) used to improve the quality, accuracy, and freshness of AI responses by relying on our core Search ranking systems to retrieve relevant, up-to-date web pages from our Search index. » (traduction) « une technique (également appelée ancrage) utilisée pour améliorer la qualité, l’exactitude et la fraîcheur des réponses IA en s’appuyant sur les systèmes centraux de classement de Search pour récupérer des pages Web pertinentes et à jour depuis notre index Search ».

La particularité des AI Overviews est la dispersion des requêtes. Au lieu de répondre à partir d’un seul ensemble de résultats, Google peut décomposer votre question : « Both AI Overviews and AI Mode may use a ‘query fan-out’ technique — issuing multiple related searches across subtopics and data sources — to develop a response. » (traduction) « AI Overviews et AI Mode peuvent tous deux utiliser une technique de “dispersion des requêtes” — lancer plusieurs recherches liées sur des sous-thèmes et des sources de données — pour élaborer une réponse. » Gemini « analyzes the content from these various pages, extracts the most relevant facts, and stitches them together into a single, comprehensive answer. » (traduction) « analyse le contenu de ces différentes pages, en extrait les faits les plus pertinents et les assemble dans une réponse unique et complète ». Une requête peut donc puiser dans les SERP de plusieurs sous-requêtes que vous n’avez jamais saisies — d’où l’importance de couvrir les sous-questions d’un sujet plutôt que de se classer sur un seul terme générique. (La dispersion est également le mécanisme d’AI Mode et explique ce qu’il partage avec les Overviews.)

Pendant l’assemblage de la réponse, Google dit élargir la recherche de liens par rapport à une page de résultats classique : « our advanced models identify more supporting web pages, allowing us to display a wider and more diverse set of helpful links associated with the response than with a classic web search. » (traduction) « nos modèles avancés identifient davantage de pages Web de soutien, ce qui nous permet d’afficher un ensemble plus large et plus diversifié de liens utiles associés à la réponse que dans une recherche Web classique ».

Qu’est-ce qui déclenche un AI Overview ?

Les AI Overviews ne se déclenchent pas pour chaque recherche — c’est intentionnel. Google dit : « AI Overviews are only shown when our systems determine that it is additive to classic Search, and as such, often don’t trigger. » (traduction) « Les AI Overviews ne sont affichés que lorsque nos systèmes déterminent qu’ils ajoutent quelque chose à la recherche classique et, pour cette raison, ils ne se déclenchent souvent pas. » Les données agrégées montrent un fort biais :

  • L’intention informationnelle domine. Dans une analyse Ahrefs de 300K mots-clés, 99,2 % des mots-clés déclenchant un AI Overview étaient informationnels, et les AIO n’avaient qu’environ 10 % de chances de s’afficher pour les requêtes commerciales et transactionnelles.
  • Des requêtes plus longues et plus difficiles à monétiser. Les mots-clés AIO comptaient en moyenne environ 4 mots contre environ 2 pour les SERP sans AIO, avec une difficulté médiane bien plus faible (environ 12 contre environ 33). Dans mon étude de 55,8 millions d’AI Overviews sur 590 millions de recherches, les AIO apparaissaient davantage pour des requêtes informationnelles, longues et à fort volume — et moins pour les requêtes de marque, locales et courtes. Environ 71,67 % des recherches AIO ne comportaient aucune donnée CPC, ce qui confirme leur biais non commercial.
  • Ils coexistent avec d’autres fonctionnalités de SERP. Dans l’étude sur 300K mots-clés, 99,9 % des SERP AIO renvoyaient au moins une autre fonctionnalité (trois en moyenne), avec des featured snippets dans plus de la moitié des requêtes.

Un AI Overview est donc surtout probable pour une question informationnelle ouverte et le moins probable pour une requête de marque ou d’achat immédiat. C’est un comportement utile pour prévoir où vous en verrez un, pas un levier d’action.

Sourcing : ce n’est pas « classé n° 1, donc cité »

C’est ici que les AI Overviews deviennent réellement intéressants, et que mes propres données ont fait évoluer le récit. L’intuition selon laquelle être cité signifie simplement être classé n° 1 pour la requête exacte est fausse — et elle le devient de plus en plus.

Dans une étude originale de 2025 menée sur 1,9 million de citations provenant d’un million d’AI Overviews, environ 76 % des URL citées apparaissaient également dans les 10 premiers résultats organiques. Lorsque Xibeijia Guan a renouvelé l’étude en mars 2026 sur un échantillon deux fois plus grand (863 000 SERP de mots-clés, 4 millions d’URL d’AI Overviews), ce chiffre était tombé à 37,9 %, le reste se répartissant presque également entre les positions 11 à 100 (31,2 %) et au-delà du top 100 (31,0 %). Comme l’explique l’article : « This indicates that Google is selecting far fewer pages straight from the original SERP (~76% in July 2025 vs. ~38% today)… AI Overviews are relying less on the direct search results and more on the sources showing up in fan out query SERPs. » (traduction) « Cela indique que Google sélectionne beaucoup moins de pages directement depuis la SERP originale (environ 76 % en juillet 2025 contre environ 38 % aujourd’hui)… les AI Overviews dépendent moins des résultats de recherche directs et davantage des sources qui apparaissent dans les SERP des requêtes dispersées. »

C’est l’effet de la dispersion qui apparaît dans les données : à mesure que Google lance davantage de sous-requêtes, il puise ses citations dans les SERP de ces sous-requêtes plutôt que dans le top 10 de votre requête principale.

Une conséquence frappante : YouTube est récupéré indépendamment du classement. Parmi les pages citées par les AI Overviews qui ne figuraient pas dans le top 100 de Google pour la requête, 18,2 % étaient des URL YouTube ; YouTube est désormais le domaine le plus cité dans les AI Overviews et sa présence a augmenté de 34 % en six mois. Une vidéo peut donc apparaître sans être classée dans les liens bleus classiques.

Position et format des citations

Deux autres faits propres aux AI Overviews concernent où un Overview se place et comment il crée ses liens.

Premièrement, l’Overview n’est pas toujours en haut. Dans mon étude de juillet 2025 sur 10 millions de SERP contenant des AI Overviews (un million par pays dans 10 pays), « AI Overviews show outside of position 1 for 8.64% of queries. The lowest position we saw them was 6th. » (traduction) « Les AI Overviews apparaissent en dehors de la première position pour 8,64 % des requêtes. La position la plus basse où nous les avons vues était la sixième. » Il existait aussi des différences entre pays — le Japon et l’Espagne avaient davantage d’AI Overviews hors de la première position — ce qui m’a fait me demander « if they have some kind of scoring for how good the generated AI Overview result is. » (traduction) « s’ils disposent d’une sorte de score pour évaluer la qualité du résultat AI Overview généré ».

Deuxièmement, l’emplacement du lien est partagé. Un Overview cite généralement plusieurs sources, et la part d’attention de chaque page est donc diluée dans l’ensemble de liens — contrairement à un seul lien bleu, où une URL possède la position. C’est une raison pour laquelle les calculs de clics ci-dessous sont complexes.

Effet sur les clics — la version honnête et contestée

C’est ici qu’il faut se méfier de ceux qui vendent des certitudes. La direction est réelle ; l’ampleur est contestée et évolue.

  • La baisse. Dans l’étude Ahrefs d’avril 2025 sur 300 000 mots-clés, la présence d’un AI Overview était corrélée à un CTR moyen inférieur de 34,5 % pour la page la mieux classée, par rapport à des mots-clés informationnels similaires sans Overview.
  • La récupération partielle. Une étude de Seer Interactive rapportée par Search Engine Land en avril 2026 (53 marques, 5,47 millions de requêtes, 2,43 milliards d’impressions) a constaté que le CTR AIO remontait à environ 2,4 % en février 2026, après un point bas d’environ 1,3 % en décembre 2025. Être cité dans l’Overview doublait à peu près le CTR (environ 2,1 % contre environ 0,9 % sans citation), même si les deux valeurs restaient inférieures au CTR d’environ 3,3 % observé lorsqu’aucun AI Overview ne s’affichait. (Je considérerais SEL comme une source secondaire et vérifierais la publication originale de Seer avant de citer ces chiffres comme définitifs.)
  • L’affirmation de Google, en tension. Sundar Pichai a déclaré « if you put content and links within AI Overviews, they get higher clickthrough rates than if you put it outside of AI Overviews. » (traduction) « si vous placez du contenu et des liens dans les AI Overviews, ils obtiennent de meilleurs taux de clic que si vous les placez en dehors des AI Overviews ». Cela concorde avec l’écart cité/non cité au niveau du clic, mais reste en tension avec la baisse agrégée du CTR : considérez-le comme une affirmation, pas comme un fait établi.

Ma propre lecture de l’étude sur 55,8 millions d’Overviews : « Companies investing in their content are also the most likely to show for AIOs. Some may even benefit from them, but the vast majority, I think, will lose traffic. » (traduction) « Les entreprises qui investissent dans leur contenu sont aussi les plus susceptibles d’apparaître dans les AIO. Certaines peuvent même en bénéficier, mais je pense que la grande majorité perdra du trafic. »

Mesurer le phénomène : les deux rapports de Search Console

Un mythe persistant affirme qu’il est possible de filtrer Search Console par « Type de recherche = AI Overviews ». Ce n’est pas possible. À la mi-2026, les données des fonctionnalités IA se trouvent à deux endroits :

  1. Le rapport Performances standard, où les impressions AI Overview et AI Mode sont intégrées au type de recherche « Web » — aucune valeur de filtre ne les isole. Google indique que les sites apparaissant dans les fonctionnalités IA « are reported on in the Performance report, within the ‘Web’ search type. » (traduction) « sont rapportés dans le rapport Performances, au sein du type de recherche “Web”. »
  2. Un rapport de performances de l’IA générative distinct, lancé en juin 2026 et déployé sur une partie des propriétés. Il affiche uniquement des impressions — ventilées par pages, pays, dates et appareils — sans clics, CTR ni dimension de requête. L’aide de Google indique : « The generative AI performance report includes data from the Web search type in the Performance report. » (traduction) « Le rapport de performances de l’IA générative inclut les données du type de recherche Web du rapport Performances. »

GSC peut donc désormais montrer votre visibilité dans les fonctionnalités IA, mais ne peut toujours pas isoler les clics AI Overview des clics ordinaires sur les liens bleus. Comme l’a observé Ryan Law d’Ahrefs lorsque le rapport de juin 2026 était encore un souhait : « there is still no way to disambiguate AI Overview clicks and impressions from the rest of your Search Console data » (traduction) « il n’existe toujours aucun moyen de distinguer les clics et impressions des AI Overviews du reste de vos données Search Console ». Le nouveau rapport, limité aux impressions, ne résout donc pas entièrement le problème. Le workflow pratique comporte deux niveaux : utilisez le rapport IA générative pour les impressions et la visibilité, et estimez indirectement l’impact sur les clics (comparaisons avant/après du rapport Performances ou filtrage sur la fonctionnalité SERP dans des outils comme Ahrefs).

Bing a, de son côté, lancé un outil comparable mais potentiellement plus riche — AI Performance dans Bing Webmaster Tools (aperçu public, février 2026) — qui expose notamment les requêtes d’ancrage réelles (les formulations de type dispersion qui ont déclenché une citation), ce que Google ne révèle nulle part.

Où ce sujet s’insère-t-il ?

Les AI Overviews sont l’implémentation propre à Google des mêmes mécanismes traités ailleurs dans ce cluster : ancrage et RAG pour le schéma récupération-génération, embeddings, recherche sémantique, recherche vectorielle et découpage pour la couche de récupération, classement des passages pour la façon dont un passage d’une page est exposé, et hallucinations IA pour le mode d’échec que l’ancrage cherche à réduire. Pour la version pratique « comment optimiser pour cela » — et les résultats nuls sur le schéma et llms.txt — consultez le travail sur l’optimisation des AI Overviews dans le cluster optimisation.

La version en une ligne : les AI Overviews n’ont pas créé un nouveau jeu. Elles ont placé une interface écrite par Gemini sur le jeu auquel vous jouiez déjà — celui qui commence par être exploré et indexé.

Add an expert note

Pin an expert quote

New person? Create their unclaimed profile at /admin/experts/ → Pin a quote first.