Comment un moteur de recherche à base d’IA décide-t-il quelles pages citer dans sa réponse ? Un brevet de Microsoft, mis en avant le 26 octobre par Abondance, apporte un éclairage concret. Le document décrit comment compresser et trier les résultats de recherche avant de les envoyer à un modèle de langage. Pour les référenceurs qui travaillent leur visibilité dans les réponses générées, c’est une lecture utile, à condition de garder ses limites en tête.
Plan de l'article
Un brevet publié cet été, repéré cette semaine #
Le brevet porte le numéro US20260236548A1 et s’intitule « Generating and utilizing compressed grounding data for search engines that utilize generative artificial intelligence models ». Selon Google Patents, la demande a été déposée le 31 mars 2025 au nom de Microsoft Technology Licensing LLC, avec une priorité au 13 février 2025, et publiée le 13 août 2026. C’est le consultant Ian Sorin qui l’a repéré et commenté sur LinkedIn, avant qu’Abondance n’en détaille le contenu.
Le problème posé est simple : un modèle de langage ne peut lire qu’un volume limité de texte en un seul appel. Quand le moteur récupère des dizaines de pages pour répondre à une question, il faut donc réduire ces « données d’ancrage » (grounding data) sans perdre l’essentiel. Le brevet décrit comment faire ce tri.
À lire Aperçus IA : Google range le réglage d’exclusion parmi ses outils officiels de contrôle
Ce que décrit le brevet, étape par étape #
Nettoyer puis résumer sans réécrire
Le contenu des pages est d’abord nettoyé : balises HTML, caractères spéciaux et erreurs d’encodage sont supprimés. Le texte est ensuite découpé en phrases, puis résumé de façon extractive. Le système ne reformule pas : il sélectionne des phrases déjà présentes dans la page.
D’après l’analyse d’Abondance, plusieurs méthodes de sélection sont décrites. L’une repose sur un graphe de similarité entre phrases, qui fait ressortir les plus « centrales ». Une autre regroupe les phrases par thème et garde la plus représentative de chaque groupe. Une approche fréquentielle favorise aussi les termes proches de la requête.
Favoriser l’introduction et la conclusion
Le brevet prévoit une pondération selon la position : les phrases placées en introduction ou en conclusion sont favorisées. Les redondances entre sources sont ensuite supprimées. Pour un rédacteur, cela confirme une vieille règle : l’information clé doit apparaître tôt et être reprise en fin de section.
Filtrer les sources selon leur fiabilité
Si le volume reste trop élevé, le système retire les données les moins pertinentes, les moins fraîches ou les moins crédibles. Les critères décrits sont la fraîcheur (date de création ou de modification, avec des seuils qui varient selon le domaine), la réputation (exactitude passée, autorité du domaine, validation par les pairs), la corroboration par plusieurs sources indépendantes, la neutralité du ton et la diversité des sources.
À lire Faille PHP critique : comment couper son site sans perdre son référencement Google
Ce qu’on peut en retenir pour le SEO #
Sans tirer de conclusions hâtives, plusieurs bonnes pratiques rédactionnelles ressortent de ce document. Écrire des phrases de synthèse qui se comprennent seules, sans dépendre du paragraphe précédent, augmente leurs chances d’être retenues dans un résumé extractif. Placer la réponse principale en début de section, puis la reformuler en conclusion, colle à la pondération positionnelle décrite.
La fraîcheur compte aussi : afficher clairement une date de publication et une date de mise à jour, surtout sur des sujets d’actualité, aide le moteur à évaluer le contenu. Enfin, un ton factuel et des affirmations appuyées par des données vérifiables ailleurs répondent aux critères de neutralité et de corroboration.
Ces conseils rejoignent ce que les spécialistes du GEO (l’optimisation pour les moteurs génératifs) recommandent déjà. Le brevet leur donne simplement une base technique plus précise.
Les limites à garder en tête #
Un brevet ne prouve pas qu’une technologie est utilisée. Le document ne mentionne ni Bing ni Copilot, et cite GPT-3.5, GPT-4 ou GPT-4o comme exemples de modèles. Rien ne garantit que le moteur de Microsoft applique ce système tel quel aujourd’hui.
À lire Contenu généré par IA : Google exige désormais une vérification manuelle avant publication
Le brevet ne dit pas non plus comment la réputation d’une source est mesurée concrètement. Et il laisse une question ouverte, importante pour les éditeurs : que deviennent les informations exclusives, par définition peu reprises ailleurs, si la corroboration pèse dans le tri ? Une enquête originale risquerait d’être moins bien traitée qu’une information déjà largement relayée.
En attendant d’en savoir plus, le plus sûr reste de produire des contenus clairs, datés, sourcés et bien structurés. Ce sont aussi ceux que Google valorise depuis des années.
