Chunking : découpez votre contenu pour être cité par l'IA

Le chunking, c'est quoi exactement ?

Le chunking désigne le découpage d'une page web en blocs de texte courts et autonomes, appelés « chunks » (littéralement des morceaux), que les moteurs génératifs récupèrent et citent indépendamment du reste de la page. Un chunk correspond le plus souvent à une section délimitée par un H2 ou un H3, ou à un paragraphe qui répond à lui seul à une question.

Un modèle de langage ne conserve pas votre article dans sa mémoire. Quand un internaute pose une question à ChatGPT ou à Perplexity, le système lance une recherche, récupère des documents, les découpe, transforme chaque morceau en vecteur numérique (c'est le rôle des embeddings, ces représentations mathématiques du sens), puis ne conserve que les blocs les plus proches de la question. C'est le mécanisme du RAG, la génération augmentée par récupération.

Conséquence directe : ce n'est pas votre page qui concourt, c'est chacun de ses blocs, séparément. Une page excellente dont aucun bloc n'est autoportant perd face à une page moyenne qui contient un paragraphe parfaitement découpé.

• Chunk : bloc de texte cohérent, généralement de 100 à 300 mots, qui traite une seule idée et se comprend sans lire ce qui précède.
• Passage retrieval : récupération au niveau du passage, c'est-à-dire la capacité d'un moteur à remonter une section précise plutôt que la page complète.
• Embedding : traduction d'un texte en série de nombres, qui permet à la machine de mesurer la proximité de sens entre une question et un bloc.
• Top-k : nombre de blocs que le moteur retient avant de rédiger sa réponse, souvent une vingtaine seulement, toutes sources confondues.

À quoi ressemble un passage cité par l'IA en 2026 ?

Un passage cité par une IA générative en 2026 est court, factuel, et répond dès sa première phrase. Trois études publiées cette année convergent sur ce portrait-robot, avec des méthodologies très différentes.

L'analyse la plus large est celle de Pillarbase, relayée par Search Engine Land le 29 juillet 2026 : 15 699 298 citations de Google AI Mode collectées sur douze mois dans 148 secteurs, pour 4,6 millions de passages uniques. La longueur médiane du passage surligné est de 117 mots. Surtout, 80 % des passages cités livrent la réponse dans leur première phrase et 85 % se comprennent sans le contexte environnant. La corrélation avec le classement reste forte : les pages qui fournissent 21 passages ou plus se situent au rang médian n°1, contre le rang 11 pour celles qui n'en fournissent que 1 à 4.

Deuxième source, l'étude de Kevin Indig publiée sur Growth Memo le 16 février 2026, construite sur 18 012 citations validées issues de 3 millions de réponses ChatGPT. Elle établit que 44,2 % des citations proviennent du premier tiers de l'article, contre 31,1 % pour le milieu et 24,7 % pour le dernier tiers. Nous avons détaillé ce travail dans notre analyse sur les 44 % de citations ChatGPT issues du premier tiers des articles. Autre enseignement de la même étude : les contenus cités affichent une densité d'entités nommées de 20,6 %, contre 5 à 8 % pour un texte standard.

Troisième source, l'étude MaxAEO menée début 2026 sur 3 200 passages cités, 600 requêtes informationnelles et huit moteurs (ChatGPT, Gemini, Perplexity, Claude, Copilot, Grok, AI Mode et AI Overviews). Attention, il s'agit d'un test maison de l'éditeur, non vérifié par un tiers indépendant. Elle mesure une médiane de 28 mots pour les citations reprises mot pour mot, avec 70 % d'entre elles entre 15 et 45 mots, et relève que 64 % des passages cités sont la première ou la deuxième phrase de leur section.

Ces chiffres ne se contredisent pas : le bloc récupéré fait une centaine de mots, la phrase effectivement reprise en fait une trentaine. L'IA sélectionne une section, puis y pioche une phrase. Tout l'enjeu du chunking consiste à rendre ces deux niveaux exploitables en même temps.

COMPRENDRE LE GEO · SEPTEMBRE 2026

Le portrait-robot du passage cité par l'IA

• 117 mots, longueur médiane d'un passage cité par Google AI Mode
• 85 % des passages cités se comprennent hors de leur contexte
• 80 % livrent la réponse dès la première phrase
• 44,2 % des citations ChatGPT viennent du premier tiers de l'article

Les lignes de statistiques sont le format le plus cité par les moteurs génératifs

Part de chaque micro-format dans 3 200 passages cités, 8 moteurs, 600 requêtes, début 2026. Étude MaxAEO, test réalisé par l'éditeur et non vérifié par un tiers indépendant.

• Ligne de statistique 22 %
• Phrase de définition 18 %
• Point de liste 17 %
• Réponse question / réponse 14 %
• Paragraphe narratif 4 %

Ce que l'IA extrait facilement

• Définition en une phrase
• Chiffre daté et sourcé
• Réponse en tête de section
• Liste à puces
• Tableau comparatif
• Entités nommées

Ce qu'elle laisse de côté

• Pronom sans référent
• « Comme vu plus haut »
• Paragraphe de 15 lignes
• Chiffre enfermé dans une image
• Réponse gardée pour la conclusion
• Titre énigmatique

À retenir : un moteur génératif ne cite pas votre page, il cite une section d'une centaine de mots qui tient debout toute seule. Découper votre contenu en blocs autonomes multiplie mécaniquement le nombre de portes d'entrée par lesquelles une IA peut vous citer.

Télécharger l'infographie (PNG)

Pourquoi les moteurs génératifs raisonnent en passages et pas en pages

Les moteurs génératifs raisonnent en passages parce que la fenêtre de contexte d'un modèle est limitée et coûteuse. Envoyer trente pages entières à GPT, Gemini ou Mistral pour répondre à « quel est le délai de rétractation en VEFA » serait lent, cher et contre-productif. Le système ne transmet donc au modèle qu'une poignée de blocs, souvent une vingtaine, sélectionnés pour leur proximité sémantique avec la question.

Ce tri se joue à un niveau où votre marque n'existe pas encore. À l'étape de récupération, le moteur compare des vecteurs, pas des réputations. Un bloc mal découpé qui commence par « Cela pose évidemment un problème » n'a aucune chance : le mot « cela » ne porte aucun sens exploitable hors contexte.

Anthropic a chiffré l'ampleur du phénomène dans une publication d'ingénierie du 19 septembre 2024. En travaillant sur des chunks de 800 tokens (un token est l'unité de découpage du texte par un modèle, environ trois quarts de mot en français) et en ajoutant à chaque bloc une phrase de contexte, l'éditeur réduit le taux d'échec de récupération de 35 %, puis de 49 % en combinant deux méthodes de recherche, et jusqu'à 67 % avec une étape de reclassement. Il s'agit d'un benchmark maison, mené par Anthropic sur ses propres jeux de données, mais l'ordre de grandeur est éloquent : un bloc privé de contexte est massivement moins retrouvé. Pour aller plus loin sur cette unité de découpage, voyez notre article sur la façon dont les tokens découpent et facturent le texte.

La leçon pour un rédacteur est simple : ce que le pipeline technique obtient en ajoutant artificiellement du contexte à chaque bloc, un bon chunking éditorial l'obtient à la source, en écrivant des sections qui se suffisent à elles-mêmes.

Chunking : les six règles d'un passage citable

Un chunking efficace repose sur six règles simples, toutes vérifiables en relisant une section à voix haute, hors contexte. Si la section reste compréhensible pour quelqu'un qui n'a pas lu le reste, le chunk est prêt.

Répondre dès la première phrase

La question posée par votre H2 doit trouver sa réponse dans la première ou la deuxième phrase de la section. C'est le comportement de 80 % des passages cités par AI Mode selon Pillarbase. Gardez la nuance, l'exemple et la mise en perspective pour les phrases suivantes.

Rendre chaque chunk autonome

Bannissez ce que l'agence Lumar appelle la « pénalité des pronoms » dans son guide du 18 mai 2026 : écrire « son chiffre d'affaires a progressé de 3 % » sans nommer l'entreprise rend le bloc inutilisable. Répétez les noms propres, les entités et le sujet principal à chaque section, même si cela vous paraît redondant à la lecture linéaire.

Viser 100 à 300 mots par chunk

La fourchette de 100 à 300 mots par bloc, recommandée par Benu Aggarwal dans Search Engine Land, correspond exactement à la médiane de 117 mots observée sur AI Mode. En dessous de 60 mots, le bloc manque de substance. Au-delà de 400, il mélange plusieurs idées et se fait mal découper.

Nommer les entités plutôt que les décrire

Écrivez « Gemini 3 Flash », « la CNIL », « le règlement européen sur l'IA », « 1 200 euros hors taxes » plutôt que « ce modèle », « l'autorité » ou « une somme conséquente ». La densité d'entités nommées de 20,6 % relevée dans les contenus cités n'est pas un hasard : les entités sont les points d'accroche des moteurs.

Sortir les chiffres des images

Un chiffre dans un JPG est invisible pour un modèle de langage. C'est précisément pour cette raison que nos infographies Horizon GEO sont construites en HTML et en CSS, texte réel et liens réels compris. Un graphique exporté en image reste utile pour LinkedIn, jamais pour la citation.

Formuler les titres comme des questions

Selon l'analyse Pillarbase, 48 % des passages réutilisés plus de cent fois s'ouvrent sur une question explicite. Un H2 formulé « Combien coûte un audit GEO ? » est plus facilement apparié à une requête réelle qu'un H2 « Tarification ». Le format Markdown, que les LLM digèrent particulièrement bien, obéit à la même logique de hiérarchie explicite.

Google dit qu'il ne faut pas chunker. Qui a raison ?

Google affirme officiellement qu'aucun découpage n'est nécessaire. Sa documentation « Optimizing for generative AI features », mise à jour le 10 juillet 2026, est sans ambiguïté : « There's no requirement to break your content into tiny pieces for AI to better understand it », soit « rien ne vous oblige à découper votre contenu en tout petits morceaux pour que l'IA le comprenne mieux ». Google ajoute qu'il n'existe pas de longueur de page idéale et recommande simplement un HTML sémantique propre.

Cette position est cohérente, et elle ne contredit pas le chunking. Google parle de ses propres systèmes, qui indexent déjà vos pages depuis des années et savent en isoler les parties pertinentes. Le message vise surtout les pratiques absurdes : saucissonner un guide en quarante pages de 80 mots, ou multiplier les fichiers techniques censés parler aux robots.

Mais Google n'est plus le seul destinataire. ChatGPT, Perplexity, Copilot, Le Chat de Mistral ou Grok découvrent souvent votre page à la volée, sans historique d'indexation, et la découpent eux-mêmes selon leurs propres règles. Face à ces systèmes, la clarté au niveau du passage n'est pas une option technique, c'est la seule chose que vous contrôlez. La bonne lecture du chunking est donc : ne fragmentez pas artificiellement votre site, mais structurez chaque page pour qu'elle se découpe proprement toute seule.

Chunking d'une page existante : la méthode en cinq étapes

Reprendre le chunking d'une page existante prend entre trente et quatre-vingt-dix minutes et ne demande aucune refonte technique. Voici la séquence que nous appliquons en atelier, sans toucher au code du site.

• Étape 1, cartographier les questions : listez les questions réelles auxquelles la page répond, en reprenant les formulations de vos clients, les requêtes de la Search Console et les suggestions des IA elles-mêmes.
• Étape 2, réécrire les H2 : transformez chaque intertitre descriptif en question ou en bénéfice explicite, et vérifiez qu'un seul sujet est traité par section.
• Étape 3, remonter la réponse : déplacez la phrase qui répond réellement à la question en tête de section, avant les nuances et les exemples.
• Étape 4, désambiguïser : relisez chaque section isolément et remplacez tous les pronoms orphelins par le nom de l'entité concernée, chiffres et dates compris.
• Étape 5, densifier le premier tiers : remontez la définition, le chiffre clé et la réponse directe dans les 30 premiers pour cent de l'article, là où se concentrent 44,2 % des citations.

Chez Digital-m, nous auditons régulièrement des sites de PME dont le contenu est excellent mais dont aucune section ne tient debout seule : la définition arrive au chapitre 4, le prix est dans un tableau image, et la conclusion contient la meilleure phrase de l'article. Le redécoupage produit alors des résultats visibles sans écrire une ligne supplémentaire. C'est l'un des chantiers de départ de notre accompagnement GEO.

Les erreurs de chunking qui coûtent des citations

Les erreurs de chunking les plus coûteuses ne sont pas techniques, elles sont rédactionnelles. Elles se glissent dans des textes par ailleurs très bien écrits, parce que l'écriture linéaire et l'écriture citable ne suivent pas les mêmes règles.

• Le suspense éditorial : garder la réponse pour la fin. Efficace en journalisme, catastrophique en GEO, puisque le dernier tiers ne récolte que 24,7 % des citations.
• La section fourre-tout : un H2 qui traite trois idées produit un chunk flou, dont le vecteur ne ressemble à aucune question précise.
• Le renvoi interne permanent : « comme nous l'avons vu plus haut » brise l'autonomie du bloc et le disqualifie pour l'extraction.
• Le chiffre non daté : « la majorité des internautes » ne se cite pas, « 44,2 % des citations en février 2026 » se cite.
• Le micro-découpage : enchaîner vingt H2 de 40 mots produit des blocs sans substance et dilue l'autorité de la page. Google met explicitement en garde contre cette dérive.
• Le contenu enfermé : chiffres dans une image, réponses dans un accordéon chargé en JavaScript, tableau en PDF. Vous trouverez d'autres pièges de ce type dans notre inventaire des erreurs GEO les plus courantes.

Ce que le chunking apporte aussi à votre SEO classique

Le chunking sert votre référencement Google autant que votre visibilité dans les IA, parce que les deux systèmes cherchent la même chose : une réponse nette, à un endroit identifiable. Google exploite depuis 2021 une indexation par passages qui remonte une section précise d'une page longue, exactement selon la même logique.

Les bénéfices se cumulent sur quatre plans. Les extraits optimisés, ces réponses affichées en position zéro, se nourrissent de paragraphes courts et directs. Le taux de rebond baisse quand le lecteur trouve sa réponse sans scroller. L'accessibilité progresse, puisqu'une hiérarchie de titres claire aide aussi les lecteurs d'écran. Enfin, la production éditoriale s'accélère : un plan en questions se rédige plus vite qu'un plan en thèmes vagues.

Autrement dit, le chunking n'est pas une couche supplémentaire posée sur votre SEO. C'est une discipline d'écriture qui rend le même contenu lisible par deux publics à la fois, les humains pressés et les machines qui citent. Nos formations GEO certifiées Qualiopi consacrent d'ailleurs un module entier à cet exercice de redécoupage, sur les contenus réels des participants.

Ce qu'il faut retenir

Le chunking consiste à écrire des sections de 100 à 300 mots qui répondent dès leur première phrase et se comprennent hors contexte. Les données de 2026 sont convergentes : 117 mots de médiane pour un passage cité par AI Mode, 85 % de passages autosuffisants, 80 % de réponses en première phrase, 44,2 % de citations concentrées dans le premier tiers de l'article. Google rappelle qu'il ne faut pas fragmenter artificiellement un site, et il a raison, mais cette mise en garde ne dispense d'aucun effort de clarté : elle le recentre sur la structure plutôt que sur le saucissonnage.

Commencez petit. Prenez vos cinq pages les plus stratégiques, relisez chaque section isolément, remontez les réponses, nommez les entités, sortez les chiffres des images. Vous verrez le nombre de blocs exploitables augmenter avant même de publier une nouvelle ligne. Si vous souhaitez un diagnostic sur vos propres contenus, un audit GEO Digital-m identifie précisément les sections qui bloquent vos citations et l'ordre dans lequel les retravailler.