MUM n’est plus un système à optimiser. C’est le brouillon public, publié en 2021, du raisonnement que Google exécute aujourd’hui dans AI Mode et dans les AI Overviews. Le modèle lui-même n’apparaît nulle part dans les systèmes de classement décrits par les ingénieurs de Google devant la justice américaine. En revanche, les quatre idées qu’il portait — la requête comme tâche, le transfert entre langues, le multimodal, le passage comme unité de réponse — décrivent exactement la contrainte à laquelle votre contenu est soumis maintenant. Cet article traite de ces quatre idées et de ce qu’elles imposent concrètement à la rédaction.
MUM en une phrase, et pourquoi il n’y a pas de « SEO pour MUM »
Google annonce MUM (Multitask Unified Model) le 18 mai 2021. Architecture T5, entraînement simultané sur 75 langues, traitement conjoint du texte et de l’image. Google le présente comme « 1 000 fois plus puissant que BERT » — formule de communication, jamais accompagnée d’une méthodologie publique. Sa première application concrète a été nettement plus modeste que la promesse : reconnaître les variantes de noms des vaccins COVID pour renvoyer la bonne information sanitaire.
En septembre 2021, Google annonce une série de blocs SERP « propulsés par MUM » : Things to know, Refine this search et Broaden this search, l’extraction de sujets connexes dans les vidéos, puis la recherche multimodale dans Lens début 2022. La marque MUM disparaît ensuite de la communication produit de Google.
Le point vérifiable est là : dans les documents et témoignages issus du procès antitrust américain, les systèmes de classement cités sont RankBrain, DeepRank, eDeepRank, RankEmbed, Navboost, Tangram et PageRank. MUM n’y figure pas. Conclusion opérationnelle : arrêtez de chercher des « optimisations MUM ». Ce qui reste utile, c’est le modèle mental.
De la promesse de 2021 à la SERP de 2026
| Capacité annoncée en 2021 | Où elle vit en 2026 | Conséquence rédactionnelle |
|---|---|---|
| Décomposer une tâche complexe en sous-questions | Query fan-out d’AI Mode et des AI Overviews | Couvrir les sous-questions, pas seulement la requête |
| Comprendre 75 langues simultanément | Réponses construites à partir de sources multilingues | La traduction d’un contenu anglophone n’apporte plus de valeur |
| Traiter texte et image ensemble | Lens, multisearch, entrées visuelles d’AI Mode | Visuels porteurs de données, doublés de texte |
| Générer une réponse plutôt que lister des liens | Synthèses citant des passages | Écrire des passages autonomes, extractibles |
Idée 1 : la requête est devenue une tâche, et vous ne la voyez plus
L’argument de Google en 2021 tenait à une statistique maison : un utilisateur émet en moyenne huit requêtes pour accomplir une tâche complexe. MUM devait compresser ces huit requêtes en une seule interaction.
C’est exactement ce que fait le query fan-out. La documentation Search Central de Google le décrit sans détour : ces systèmes « émettent de multiples recherches connexes » pour construire une réponse, ce qui aboutit à afficher un ensemble de liens plus large et plus varié que la recherche classique.
Conséquence directe : votre page n’est plus évaluée sur la requête saisie, mais sur des reformulations que vous ne verrez jamais dans la Search Console. Une page qui répond parfaitement à la requête principale et ignore les six sous-questions qui l’entourent perd contre une page moins bien positionnée mais plus couvrante.
Ce schéma explique pourquoi deux pages de qualité comparable obtiennent des résultats opposés : celle qui traite six angles alimente six branches du fan-out, celle qui en traite un n’en alimente qu’une. La citation ne récompense pas la qualité globale de la page, elle récompense la disponibilité d’un passage utilisable sur chaque branche.
Le test des huit requêtes. Prenez votre requête cible. Écrivez à la main les huit questions qu’un lecteur se pose réellement autour d’elle — coût, délai, prérequis, alternative, cas où ça ne marche pas, comment vérifier, ce qui change selon le profil, ce qu’il faut faire ensuite. Ouvrez votre page. Comptez combien de ces huit questions trouvent une réponse explicite, autonome, extractible. En dessous de cinq, la page est un candidat faible au fan-out. Cette liste devient votre plan de réécriture — pas la liste de mots-clés de l’outil.
Idée 2 : votre contenu français est en concurrence avec l’anglais
L’entraînement conjoint sur 75 langues visait un objectif précis : ce qui est appris dans une langue devient exploitable dans les autres. Google avait pris pour exemple l’ascension du mont Fuji, où l’information la plus utile existe surtout en japonais.
Ce qui en découle est inconfortable pour beaucoup d’éditeurs français : « il n’existe rien de sérieux sur ce sujet en français » a cessé d’être un avantage concurrentiel. Traduire ou paraphraser un contenu anglophone de référence ne produit plus de valeur différenciante — le moteur a déjà accès à la source.
Ce qui reste défendable est étroit et concret : données de marché locales, cadre réglementaire national, prix réels en euros, cas clients situés, terminologie métier française. Le reste est commodité.
Idée 3 : l’image n’est plus une illustration
MUM traitait texte et image dans le même espace de représentation. Multisearch dans Lens en est l’application grand public. Deux règles de production en découlent, et elles se contredisent en apparence :
- Produisez des visuels porteurs d’information — schémas de mécanisme, captures annotées, photos de votre propre exécution. C’est une des rares sources d’originalité non copiable.
- Ne stockez jamais une donnée uniquement dans une image. La documentation de Google demande explicitement du texte lisible accompagnant les images et vidéos de qualité. Une infographie qui contient l’unique version de vos chiffres est une donnée invisible à la citation.
Autrement dit : le visuel prouve, le texte est cité.
Idée 4 : l’unité de citation est le passage, pas la page
C’est le point le plus rentable et le plus mal appliqué. Un système génératif ne cite pas une page, il extrait un fragment qui répond à une des sous-requêtes du fan-out. Ce fragment doit tenir debout seul, hors de son contexte. Quatre contraintes de rédaction, applicables immédiatement :
- Chaque section H2 commence par sa réponse, en une à trois phrases. Le contexte vient après, jamais avant.
- Aucun pronom de reprise en début de section. « Cette solution », « ce dernier », « comme vu plus haut » : extraits du contexte, ces passages deviennent inutilisables. Renommez l’entité complètement.
- Chaque chiffre porte sa date et son périmètre. « 75 langues » ne vaut rien ; « 75 langues, entraînement simultané, annonce Google du 18 mai 2021 » est citable.
- Un intertitre annonce une information, pas un thème. « Les avantages » → « Trois avantages, dont un qui ne tient que sur mobile ».
Ce qu’il faut faire, et ce qu’il faut arrêter
Faire
- Appliquer le test des huit requêtes à vos dix pages les plus stratégiques et réécrire les sections manquantes.
- Réécrire les ouvertures de section pour qu’elles soient autonomes.
- Dater et cadrer tous les chiffres existants.
- Investir dans ce que la traduction d’un contenu anglophone ne produira jamais : données locales, exécution réelle, cas limites documentés.
Arrêter
- Chercher des optimisations spécifiques à un modèle nommé. Google indique explicitement qu’aucune exigence technique supplémentaire, aucun fichier lisible par machine, aucun balisage dédié n’est nécessaire pour apparaître dans ces fonctionnalités.
- Traiter les données structurées comme un levier de citation : Google demande seulement qu’elles correspondent fidèlement au texte visible.
- Raisonner en volume. Une page courte et complète bat une page longue et diluée dans un système qui extrait des passages.
Questions fréquentes
MUM est-il toujours actif en 2026 ?
Google ne communique plus sous cette marque depuis 2022 et MUM n’apparaît pas parmi les systèmes de classement décrits lors du procès antitrust américain. Les capacités qu’il portait — multimodalité, multilinguisme, décomposition de tâche — se retrouvent aujourd’hui dans AI Mode et les AI Overviews, sous d’autres modèles.
Faut-il optimiser différemment pour AI Mode et pour la recherche classique ?
Non, selon Google : pas d’exigence technique supplémentaire, pas de balisage spécifique. La différence est rédactionnelle, pas technique — couverture des sous-questions et autonomie des passages.
Comment mesurer le trafic issu de ces fonctionnalités ?
Il est agrégé dans le rapport Performances de la Search Console, type de recherche « Web ». Aucune segmentation dédiée n’est disponible à ce jour.
Sources : MUM: a new AI milestone for understanding information, blog Google, 18 mai 2021 · AI features and your website, Google Search Central · comptes rendus du procès antitrust DOJ v. Google sur les systèmes de classement. Contenu vérifié en août 2026.
