Écrire par passages : la méthode du chunking pour être extrait et cité par les IA

En SEO, le chunking désigne la façon d’écrire une page en passages autonomes, chacun centré sur une question, pour qu’un moteur de réponse puisse les découper, les comparer à une requête et les citer. Les systèmes comme ChatGPT, Perplexity ou les AI Overviews ne lisent pas une page d’un bloc : ils travaillent sur des extraits. Une section claire, qui répond dès sa première phrase et garde son sens hors contexte, a donc plus de chances d’être retenue, sans que rien ne garantisse la citation.

Voici comment fonctionne ce découpage, ce que disent vraiment les travaux techniques souvent cités, les règles d’écriture qui en découlent et un exemple de réécriture avant et après.

01Qu’est-ce que le chunking en SEO ?

Le mot vient de l’anglais chunk, « morceau ». Dans les systèmes d’IA, le chunking est l’étape qui découpe un document en segments avant de les indexer. En SEO et en GEO, le terme a glissé vers une méthode de rédaction : structurer le contenu pour que chaque segment soit exploitable seul.

Chunking SEO et chunking en mémorisation : deux sens à distinguer

• En psychologie et en pédagogie, le chunking est une technique de mémorisation qui regroupe des informations en unités plus faciles à retenir, comme un numéro de téléphone lu par paires de chiffres.
• En IA et en recherche d’information, c’est le découpage d’un texte en segments pour le traitement par un modèle, notamment dans les systèmes RAG.
• En SEO et en GEO, c’est l’adaptation de l’écriture à ce découpage : sections ciblées, réponses directes, passages autonomes.

Les deux premiers sens partagent une idée : une information découpée en unités cohérentes est plus facile à traiter, pour un humain comme pour une machine.

Passage, chunk, section : de quoi parle-t-on ?

Vous ne contrôlez que les sections. L’objectif du chunking SEO est que vos sections coïncident le plus souvent possible avec les passages et les chunks que les systèmes vont isoler.

02Comment un moteur de réponse découpe et sélectionne les passages

Chaque moteur a sa propre chaîne de traitement, et aucun ne publie son paramétrage exact. Le principe général, lui, est bien documenté.

Le découpage d’une page en chunks

Les systèmes RAG utilisent plusieurs stratégies de découpage, souvent combinées :

• Taille fixe : un nombre fixe de mots ou de caractères, avec un léger chevauchement entre segments pour ne pas couper une idée en deux.
• Par phrases : on regroupe des phrases entières jusqu’à une longueur maximale.
• Par sections : on découpe sur les intertitres, une section donnant un chunk.
• Chunking augmenté : on ajoute à chaque segment un en-tête avec le titre, l’URL ou le thème du document parent, pour lui rendre son contexte.

Il n’existe pas de taille universelle. Un billet d’Etalab publié en février 2025 sur l’amélioration des RAG utilise par exemple des chunks de 4 000 caractères au maximum, quand des tutoriels techniques montrent des segments de quelques dizaines de mots. Une page bien structurée par intertitres résiste mieux à toutes ces méthodes.

Embeddings : transformer les passages en vecteurs

Chaque chunk est ensuite transformé en embedding. Selon la documentation d’OpenAI, un embedding est un vecteur de nombres : plus la distance entre deux vecteurs est faible, plus les textes sont proches par le sens.

• La question de l’utilisateur est elle aussi transformée en vecteur.
• Le système calcule la proximité entre la question et chaque passage, souvent avec la similarité cosinus.
• Les passages les plus proches sont retenus, parfois reclassés par un second modèle.

Un passage qui mélange trois sujets produit un vecteur « moyen », moins proche de chacune des questions possibles. Un passage centré sur un seul sujet se rapproche nettement de la question qui lui correspond. Les vecteurs sont stockés dans une base vectorielle.

RAG : retrouver les passages qui répondent à la question

Le RAG (génération augmentée par la recherche) a été formalisé dans l’article de Lewis et al. publié en mai 2020 : un modèle de langage est couplé à un index de passages, interrogé par un module de recherche, et rédige sa réponse à partir des passages retrouvés.

Les moteurs de réponse appliquent ce principe au web. Google indique dans son guide sur les fonctionnalités d’IA générative que celles-ci reposent sur la génération augmentée par la recherche, en s’appuyant sur ses systèmes de classement pour récupérer des pages pertinentes et à jour. Pour une explication plus complète, voir notre article sur le RAG appliqué au SEO.

Brevets et travaux de recherche : ce qu’ils disent et ne disent pas

Plusieurs travaux reviennent dans les publications LinkedIn sur le chunking. Ils sont intéressants, à condition de ne pas leur faire dire plus qu’ils ne disent.

• Passage ranking : Google décrit officiellement, dans son guide des systèmes de classement, un système d’IA qui identifie des sections ou passages d’une page pour mieux juger sa pertinence. Il confirme que Google évalue des passages, pas comment les AI Overviews les choisissent.
• WebFormer : publié sur arXiv en février 2022, ce modèle extrait des champs structurés (titre, prix, marque) en tenant compte de la structure HTML de la page. Il montre qu’un modèle peut exploiter le balisage d’une page ; il ne prouve pas qu’un moteur de réponse l’utilise pour citer des sources.
• Brevets : un brevet décrit une invention possible, pas un système en production. Il ne faut jamais en déduire une règle de classement.

03Les règles d’écriture du chunking SEO

Ces règles améliorent à la fois la lecture humaine, l’extraction par les IA et l’éligibilité aux extraits de Google. Elles prolongent les principes de la rédaction GEO.

Un sujet par section et des intertitres explicites

• Chaque H2 ou H3 traite une seule question ou un seul sous-thème.
• L’intertitre annonce précisément le contenu : « Quelle longueur pour un chunk ? » plutôt que « Un point important ».
• Reprenez les formulations réelles des internautes, issues des questions associées ou de la Search Console.

Une étude d’Ahrefs publiée en avril 2026 observe que les pages citées par ChatGPT ont des titres plus proches de la question que les pages récupérées mais non citées. Le même principe vaut probablement pour les intertitres, qui servent de repère aux découpages par section.

La réponse dès la première phrase

Adoptez la pyramide inversée : la réponse d’abord, les détails ensuite. Si un système ne retient que les deux premières phrases d’une section, elles doivent suffire à répondre.

• Commencez par une phrase qui reprend le sujet et donne la réponse.
• Ajoutez ensuite la condition, l’exemple ou la nuance.
• Gardez les transitions narratives pour plus tard, ou supprimez-les.

C’est la logique qui permet aussi de décrocher un extrait optimisé.

Des paragraphes autonomes, compréhensibles hors contexte

Un chunk isolé perd ce qui le précède. Les renvois du type « comme vu plus haut » ou « ce point » deviennent incompréhensibles.

• Bannissez les références à d’autres parties de l’article dans les phrases clés.
• Rappelez le sujet dans chaque paragraphe important, sans répétition mécanique.
• Testez : lu seul, le paragraphe a-t-il encore un sens complet ?

Listes, tableaux et entités nommées plutôt que pronoms

• Listes : elles séparent nettement les éléments d’une énumération ou les étapes d’une procédure.
• Tableaux : ils rendent une comparaison exploitable ligne par ligne.
• Entités nommées : écrivez « le fichier robots.txt » plutôt que « il », « Google Search Console » plutôt que « l’outil ». Un pronom privé de son antécédent ne veut plus rien dire.

La reconnaissance des entités est au cœur de la compréhension des textes par les modèles, comme l’explique notre article sur le NLP appliqué au SEO.

04Exemple avant et après : réécrire un paragraphe en chunk autonome

Prenons un paragraphe typique d’article technique, placé sous un intertitre vague.

Avant (intertitre : « Un point à ne pas négliger ») : « Comme nous l’avons vu plus haut, il est important de bien le configurer. En effet, sans cela, il risque de bloquer des pages essentielles, ce qui peut avoir des conséquences importantes sur votre visibilité. C’est pourquoi nous vous conseillons de le vérifier régulièrement. »

Isolé, ce passage ne dit ni de quoi il parle, ni quoi vérifier, ni quand.

Après (intertitre : « Quand vérifier le fichier robots.txt ? ») : « Le fichier robots.txt doit être vérifié après chaque mise en production, car une directive Disallow mal placée peut empêcher Googlebot et OAI-SearchBot d’explorer des pages essentielles. Contrôlez au minimum trois points : les répertoires bloqués, l’accès aux fichiers CSS et JavaScript, et la présence de la ligne Sitemap. »

Pour tester vos propres passages, copiez une section seule dans un assistant IA et demandez-lui de quoi elle parle et quelle question elle résout. S’il hésite, la section dépend trop de son contexte.

05Les limites du chunking et les erreurs à éviter

Le chunking SEO est une discipline d’écriture utile, pas une technique d’optimisation miracle.

Aucune garantie de citation

• Être récupéré ne veut pas dire être cité : la sélection dépend aussi de la visibilité de la page, de l’autorité du site et des autres sources disponibles.
• Une page bloquée aux robots, mal indexée ou dont le contenu dépend du JavaScript ne sera pas découpée du tout : la base reste l’optimisation technique pour le GEO.
• Être cité ne signifie pas peser sur la réponse, comme l’explique notre article sur la façon dont ChatGPT choisit ses sources.

Découper à l’excès et perdre le fil de l’article

Google le dit explicitement dans son guide : il n’est pas nécessaire de découper votre contenu en tout petits morceaux pour que l’IA le comprenne, ni d’écrire d’une façon particulière pour la recherche générative. Ses systèmes savent montrer la partie pertinente d’une page qui couvre plusieurs sujets.

• Évitez les sections d’une phrase qui fragmentent la lecture.
• Gardez des transitions entre les sections pour que l’article reste un raisonnement, pas une suite de fiches.
• Ne créez pas une page par micro-question : regroupez les questions proches dans une même page structurée.
• N’ajoutez pas de fichiers ou de balisages spéciaux pour l’IA : Google précise qu’ils ne sont pas nécessaires pour sa recherche.

Le bon équilibre : des sections autonomes, mais un article qui garde un fil logique. Pour approfondir la lecture des pages par les modèles, consultez notre guide sur la façon dont les moteurs IA lisent votre contenu.

06Questions fréquentes

Qu’est-ce que le chunking en SEO ?

Le chunking en SEO est une méthode de rédaction qui organise une page en passages autonomes, chacun centré sur une question, avec un intertitre explicite et une réponse dès la première phrase. L’objectif est que les moteurs de réponse, qui découpent les pages en segments avant de les comparer aux requêtes, puissent extraire et citer ces passages facilement.

Quelle longueur pour un chunk ?

Il n’existe pas de longueur universelle : chaque système fixe sa propre taille, de quelques dizaines de mots à plusieurs milliers de caractères. Côté rédaction, visez des sections qui traitent une seule question en quelques paragraphes courts. Google indique qu’il n’est pas nécessaire de découper le contenu en tout petits morceaux pour l’IA.

Le chunking garantit-il une citation ?

Non. Le chunking rend vos passages plus faciles à extraire, mais la citation dépend aussi de l’accessibilité technique de la page, de sa visibilité dans les moteurs, de l’autorité du site et des autres sources disponibles. Les réponses des IA varient aussi d’une fois à l’autre. C’est une condition favorable, pas une garantie.

Quelle différence entre chunking et passage ranking ?

Le passage ranking est un système de Google qui identifie des passages d’une page pour mieux évaluer sa pertinence dans les résultats classiques. Le chunking désigne le découpage technique des documents dans les systèmes RAG, et par extension une méthode d’écriture. Les deux reposent sur la même idée : une page s’évalue aussi section par section.

Comment écrire un paragraphe citable par une IA ?

Placez-le sous un intertitre qui pose la question, donnez la réponse dans la première phrase, nommez le sujet au lieu d’utiliser un pronom, supprimez les renvois du type « comme vu plus haut » et ajoutez un détail concret : chiffre sourcé, étape ou exemple. Puis testez le paragraphe seul : il doit garder tout son sens.