Classement dans le fan-out

Le classement dans le fan-out mesure la performance d'une URL non pas sur la requête principale, mais sur les sous-requêtes que le moteur IA génère en interne pour compléter et ancrer sa réponse. Quand un utilisateur demande « quelle est la meilleure borne de recharge maison », le moteur déclenche en arrière-plan des recherches comme « puissance borne recharge », « installation borne 11 kW », « prix borne wallbox » avant d'agréger les résultats.

Shepard classe ce critère au rang 3 sur 23 (score 9,3 / 10) et précise : « de nombreux signaux montrent une relation claire entre le ranking sur les requêtes fan-out et les citations IA ». 17 études du corpus le couvrent avec une moyenne de 6,82 / 10 sur celles qui le notent — signal solide bien que moins répété que Search Rank.

• Cartographier les sous-requêtes : combiner Google Suggest (alphabet a-z en suffixe et préfixe), People Also Ask, et un fan-out LLM (Gemini 2.5 flash en mode thinking) pour obtenir 8-15 sous-requêtes plausibles.
• Position GSC sur chaque sous-requête : vérifier que l'URL ranke (top 20 au moins) sur les sous-requêtes les plus proches. Une URL top 1 sur la query principale mais absente du top 50 des sous-requêtes captera mal le fan-out.
• H2 dédiés aux sous-requêtes : chaque sous-requête forte mérite un H2 propre dans la page, formulé proche du vocabulaire utilisateur.
• Maillage interne vers les hubs adjacents : si l'URL est une feuille, lier vers les autres feuilles du même hub thématique pour signaler la couverture transverse.
• Test live ChatGPT / Perplexity : poser la requête principale dans les deux moteurs et observer si l'URL apparaît dans les citations. Si non, identifier quelles sources concurrentes sont citées et caractériser leur avantage.