Étape 01, Classification d intention
Le système classe la requête entrante
Domaine informationnel, sous-domaine, tâche utilisateur, sensibilité YMYL. Cette classification conditionne le routage vers le bon LLM et la sélection des sources autorisées pour la synthèse.
Étape 02, Slot identification
Identification des slots explicites et implicites
La requête contient des variables explicites (présentes) et implicites (latentes). Une page qui ferme plusieurs slots simultanément augmente sa probabilité d être sélectionnée au stade du retrieval.
Étape 03, Fan-out
Génération de dix à quinze sous-requêtes synthétiques
Gemini reçoit la requête, son intention classée et ses slots, puis produit un faisceau de sous-requêtes selon sept types : related, implicit, comparative, recent, personalized, reformulation, entity-expanded.
Étape 04, Retrieval & chunking
Chaque sous-requête déclenche une recherche dans l index
Les résultats ne sont pas des pages entières mais des chunks. Trois logiques de découpage cumulables : layout-aware (HTML), semantic (phrases proches), recursive (paragraphes vers phrases vers tokens).
Étape 05, Ranking des chunks
Application des cinq filtres iPullRank
Extractabilité (chunk auto-suffisant), Authority (crédibilité auteur/domaine), Freshness, Scope clarity (périmètre du chunk), Evidence density. Les chunks qui passent ces cinq filtres sont retenus.
Étape 06, Synthèse
Le modèle génératif assemble la réponse
Gemini synthétise les chunks retenus en privilégiant ceux qui sont cohérents, sourçables, et qui ferment plusieurs slots à la fois. Il insère les citations vers les domaines d origine selon sa configuration.
Étape 07, Citation
La réponse est servie avec ses sources citées
Le top des citations dépend de la profondeur (citation depth). Une page citée en première position est jugée canonique. Le citation rate global est désormais le KPI de référence pour la visibilité générative.
Comment lire ce pipeline
Ce schéma reproduit le pipeline tel que documenté par le brevet
Google WO2024064249A1 et tel qu il a été analysé publiquement par
Mike King (iPullRank). Le pipeline réel d AI Mode peut différer
dans le détail, notamment sur les pondérations entre les filtres
de l étape 5.
Pour aller plus loin, consultez le guide
Anatomie du search fan-out
et le glossaire correspondant.