Dans une analyse publiée le 26 août 2026, Ethan Lazuk étudie les recherches intermédiaires générées par ChatGPT avant la production de ses réponses.
Consultant indépendant spécialisé dans le SEO et le GEO, il travaille dans le marketing numérique depuis 2015. Ses travaux portent notamment sur la recherche générative, le suivi des prompts et les mécanismes de récupération des contenus.
L’étude repose sur une cinquantaine de prompts suivis pendant 30 jours. Ils ont produit 2 608 lignes de données, pour 2 594 requêtes distinctes. Les sujets concernaient principalement le SEO, le GEO, le RAG et l’actualité de la recherche.
ChatGPT ne recherche pas la question telle quelle
Lorsqu’un utilisateur pose une question, ChatGPT peut lancer des recherches intermédiaires distinctes afin de trouver les informations nécessaires. Ces sous-requêtes sont généralement appelées fan-out queries.
Ce fonctionnement correspond au RAG et à la récupération de contenus externes. Le modèle ne s’appuie alors pas uniquement sur ses connaissances internes. Il consulte aussi des résultats disponibles au moment de la réponse.
Les formulations observées ressemblent rarement à des questions naturelles. Sur les 2 608 lignes analysées, seules 19 prennent cette forme avec des mots comme comment, pourquoi, quoi ou qui.
La longueur médiane atteint une médiane de dix termes. ChatGPT transforme donc les demandes conversationnelles en groupes compacts de concepts, de noms et de critères de recherche.
Un prompt consacré à la visibilité dans les moteurs IA peut ainsi produire une requête qui réunit le GEO, ChatGPT, Google AI Overviews, Bing Copilot, les citations et les méthodes de récupération des contenus.
Les requêtes relient plusieurs entités
Ethan Lazuk relève environ 1 741 recherches qui contiennent au moins deux entités reconnaissables. Cette catégorie comprend les entreprises, les produits, les personnes, les plateformes, les lieux et certains concepts identifiables.
Près de 700 requêtes associent trois entités ou davantage. Environ 201 en réunissent au moins quatre.
Une entité ne correspond pas seulement à un mot présent dans une page. Elle désigne un élément identifiable, comme une entreprise, une personne, un produit ou un service, ainsi que ses relations avec d’autres éléments.
Certaines recherches rapprochent plusieurs professionnels du SEO de notions comme le GEO, les citations et l’optimisation pour les moteurs IA. D’autres réunissent Google AI Overviews, ChatGPT, Perplexity et Bing Copilot dans une seule formulation.
Pour Ethan Lazuk, ces associations ressemblent à de petits graphes relationnels. ChatGPT ne cherche pas uniquement un sujet. Il cherche aussi les relations qui peuvent exister entre plusieurs acteurs, outils ou concepts.
Les guillemets précisent les termes recherchés
L’étude recense 224 requêtes avec des guillemets, soit 8,6 % du corpus. Parmi elles, 114 contiennent au moins deux expressions entre guillemets et 35 en utilisent trois ou davantage.
Ces guillemets entourent surtout des noms, des expressions techniques ou des formulations dont l’écriture exacte semble avoir de l’importance. Ils peuvent porter sur le nom d’une ville, une plateforme ou une expression comme « generative engine optimization ».
Le query fan-out peut donc passer d’une recherche sémantique large à plusieurs expressions exactes simultanément. ChatGPT conserve alors certains termes sans les remplacer par des synonymes.
La même logique apparaît avec les acronymes. Dans 431 requêtes, soit 16,6 % du corpus, ChatGPT associe « GEO » et « generative engine optimization ».
Selon Ethan Lazuk, la présence de l’acronyme et sa forme développée peut servir à lever une ambiguïté tout en conservant plusieurs formulations possibles dans la recherche.
ChatGPT peut désigner les domaines à consulter
Les recherches site: apparaissent dans 194 requêtes, soit 7,4 % des lignes étudiées. Cet opérateur limite les résultats à un domaine précis.
Le domaine developers.google.com apparaît dans 47 recherches. Il devance openai.com, présent 12 fois, puis Search Engine Land et Perplexity avec neuf occurrences chacun. Le blog de Google est cité dans huit requêtes.
Dans ces cas, la recherche intègre directement une préférence de source. ChatGPT ne demande pas au moteur de trouver n’importe quel document pertinent. Il lui indique le site sur lequel effectuer la recherche.
Lazuk analyse ici les requêtes lancées en amont, et non l’index, le cache ou les pages réellement ouvertes. Ces étapes interviennent ensuite dans la récupération et la sélection des contenus utilisés pour construire la réponse.
Les formulations comportent aussi des termes comme research, study, official, documentation, guidelines, experts ou citations. Ces ajouts précisent le type de preuve recherché pour traiter la demande initiale.
La fraîcheur apparaît directement dans les requêtes
Ethan Lazuk identifie 560 requêtes avec une année, soit 21,5 % du corpus. Certaines en contiennent même plusieurs.
Une recherche consacrée aux effets des AI Overviews sur le taux de clic peut, par exemple, mentionner 2025 et 2026. ChatGPT transmet ainsi une exigence de fraîcheur explicite au moteur au lieu de lui laisser la déduire seul.
Environ 92 requêtes rapprochent aussi plusieurs plateformes concurrentes ensemble. Elles associent notamment Google AI Overviews, Bing Copilot, ChatGPT et Perplexity.
Ces associations apparaissent surtout dans les recherches consacrées aux méthodes, aux citations, à la récupération des contenus et à la visibilité. Le système semble alors chercher des informations valables pour plusieurs plateformes plutôt qu’une réponse limitée à un seul outil.
Ethan Lazuk conseille de ne pas se concentrer uniquement sur la formulation littérale du prompt. Son analyse invite à examiner les entités associées, les domaines ciblés, la fraîcheur demandée et les formes de preuves recherchées.
Les résultats ne décrivent pas tous les usages
L’auteur souligne lui-même les limites de son étude. Les données proviennent d’un ensemble de prompts suivis dans son propre outil. Elles ne correspondent pas à des questions directement collectées auprès des utilisateurs de ChatGPT.
Les sujets observés forment également un corpus orienté SEO et recherche générative. La forte présence de termes comme GEO, RAG, citations ou AI Overviews découle en partie de cette sélection.
Le comptage des entités reste approximatif. Ethan Lazuk utilise une définition large qui inclut des personnes, des entreprises, des plateformes, des lieux, des produits et certains concepts.
Les résultats décrivent donc le comportement de ChatGPT sur ce jeu de données précis. Ils ne permettent pas de mesurer la fréquence de ces mécanismes sur l’ensemble des conversations ni de garantir qu’une page sera récupérée ou citée.
