Vous avez lu qu’il fallait écrire « en propositions » pour être cité par les IA. L’étude derrière cette idée, Dense X, dit plus simple : un moteur retrouve mieux une information quand la phrase qui la porte se comprend seule, sans « il » ni « ce » qui renvoie ailleurs. Elle ne dit pas de découper vos pages, et Google juge ce découpage inutile. Vous trouverez ici la règle, ce qu’elle prouve, et un paragraphe réécrit. Si vous cherchez la mécanique des moteurs vectoriels, l’article sur les embeddings est le bon point de départ.
L’essentiel
- Dense X est une étude universitaire publiée à la conférence EMNLP 2024 : un moteur retrouve mieux une information quand elle est indexée sous forme de « propositions », des phrases courtes qui portent une seule idée et se comprennent seules.
- Le gain est net pour les moteurs qui n’ont pas été entraînés sur des questions-réponses (+10,1 points en moyenne), faible pour ceux qui l’ont été (+2,7 points).
- L’étude porte sur Wikipédia en anglais. Elle ne mesure ni le web, ni la citation par une IA.
- Google range le « chunking », c’est-à-dire le découpage du contenu en petits morceaux, parmi les tactiques à ignorer.
- Ce qui se transpose à l’écriture : nommer le sujet au lieu d’écrire « il », une idée par phrase, le chiffre avec ce qu’il mesure.
Ce que Dense X vous apprend : chaque phrase doit se comprendre sans les autres
Une phrase est mieux retrouvée par un moteur quand elle se comprend extraite seule : c’est la leçon de l’étude Dense X pour qui écrit. L’étude s’intitule Dense X Retrieval: What Retrieval Granularity Should We Use? (« Quelle granularité de recherche faut-il utiliser ? »). Elle est signée par Tong Chen et sept coauteurs, de l’université de Washington et de Tencent AI Lab notamment, et a été présentée à EMNLP 2024, une conférence de référence en traitement du langage.
Les chercheurs comparent trois façons de ranger un texte dans l’index, c’est-à-dire la base où le moteur cherche : par passage de quelques phrases, par phrase, ou par proposition. Ils définissent la proposition par trois principes. Elle porte un sens distinct. Elle est minimale : on ne peut pas la couper en deux idées. Et elle est, selon leurs termes, « contextualized and self-contained » (contextualisée et autonome) : elle contient tout ce qu’il faut pour être comprise, y compris le nom de ce dont elle parle.
L’exemple de l’étude tient en une question : quel est l’angle d’inclinaison de la tour de Pise ?
La phrase du milieu contient la bonne réponse, mais elle dit « la tour ». Lue seule, elle ne dit pas laquelle. La proposition de droite répète « la tour de Pise » : elle répond sans le reste du texte. C’est ce que fait la résolution des références, en jargon la « coréférence » : remplacer chaque « il », « elle », « ce » ou « la tour » par ce qu’il désigne.
Pourquoi une phrase autoportante est mieux retrouvée, et de combien
Indexer des propositions plutôt que des passages améliore nettement la recherche des moteurs qui n’ont pas été entraînés sur des questions-réponses, et un peu celle des moteurs qui l’ont été. Les moteurs testés sont des moteurs « vectoriels » : ils transforment chaque texte et chaque question en une liste de nombres, puis cherchent les textes dont les nombres sont les plus proches de ceux de la question.
La mesure retenue est le rappel à 20 : la part des questions pour lesquelles un texte contenant la réponse figure dans les 20 premiers résultats. Moyenne sur cinq jeux de questions, d’après le tableau 3 de l’étude :
L’écart tient à l’entraînement des moteurs. Deux moteurs, SimCSE et Contriever, n’ont pas été entraînés sur des paires question-réponse annotées : ils gagnent +12,6 et +7,7 points. Les deux autres, DPR et GTR, ont été entraînés sur de telles paires : ils gagnent +2,7 et +2,6 points. Le gain est le plus fort sur les questions qui portent sur des noms rares : DPR passe de 47,5 % à 59,4 % de réussite dans les 5 premiers résultats sur le jeu EntityQuestions (Chen et al., 2024).
La raison avancée par les auteurs est la densité. Une proposition compte en moyenne 11,2 mots, contre 58,5 pour un passage de leur corpus. Le moteur compare la question à une seule idée, pas à une idée noyée parmi cinq ou six autres.
Ce gain se retrouve dans la réponse finale, mais il est modeste. Avec le moteur GTR et un modèle de langage (l’IA qui rédige la réponse) limité à 500 tokens de contexte, soit quelques centaines de mots, la part de réponses exactes passe de 38,5 % à 41,3 % (Chen et al., 2024).
Ce que l’étude ne dit pas : Google ne vous demande pas de découper vos pages
Dense X ne demande à personne de découper ses pages, et Google juge ce découpage inutile. L’étude parle d’indexation : c’est le moteur qui découpe, pas l’auteur. Ses limites sont écrites noir sur blanc : « Our study only focuses on Wikipedia as the retrieval corpus » (notre étude porte uniquement sur Wikipédia comme corpus de recherche), et elle est « limited to English Wikipedia only » (limitée à la Wikipédia anglaise). Elle ne mesure ni des pages web, ni la citation d’une source par une IA.
Google, de son côté, a tranché. Son guide d’optimisation pour les fonctionnalités d’IA générative, mis à jour le 10 juillet 2026, écrit : « There’s no requirement to break your content into tiny pieces for AI to better understand it. » (Rien n’oblige à découper votre contenu en petits morceaux pour que l’IA le comprenne mieux.) Il ajoute : « Google systems are able to understand the nuance of multiple topics on a page and show the relevant piece to users. » (Les systèmes de Google savent saisir les nuances de plusieurs sujets sur une même page et montrer le passage pertinent.) Le même guide précise : « You don’t need to write in a specific way just for generative AI search. » (Vous n’avez pas besoin d’écrire d’une façon particulière uniquement pour la recherche par IA générative.)
Danny Sullivan, alors « Search Liaison » de Google, chargé du lien entre le moteur et le public, avait déjà prévenu le 20 octobre 2020, à propos du classement des passages : « We are not indexing passages. Period. » (Nous n’indexons pas les passages. Point.) En janvier 2026, dans le podcast Search Off the Record, il visait le découpage en « bouchées » : « So we don’t want you to do that. » (Donc nous ne voulons pas que vous le fassiez.) Et : « We don’t want people to have to be crafting anything for Search specifically. » (Nous ne voulons pas que les gens aient à fabriquer quoi que ce soit spécifiquement pour la recherche.)
Deux mesures tierces vont dans le même sens, avec une nuance. Dan Petrovic (DEJAN) a analysé 7 060 requêtes de Gemini, l’IA de Google, citant au moins trois sources, en décembre 2025 : la page médiane fournit environ 377 mots à la réponse, bien plus qu’une phrase. Mais l’agence RESONEO, qui a disséqué 1 249 réponses de ChatGPT en juillet 2026 (étude mise à jour en août), observe qu’en mode réponse instantanée, celui où ChatGPT répond sans phase de réflexion, le modèle travaille à partir d’un titre et d’environ 200 caractères d’extrait. Dans ce cas, une phrase qui dépend de la précédente arrive amputée de son sens.
Une phrase autonome n’est pas pour autant une recette de citation. Une étude de l’éditeur Sprinklr, présentée à la conférence SIGIR 2026 (252 000 essais sur six modèles d’IA), conclut que les retouches de pure mise en forme « have little impact » (ont peu d’effet) sur la source citée ; la pertinence du sujet et la position dans la liste des résultats pèsent le plus (Vishwakarma et al., 2026). L’effet varie selon les modèles, mais la leçon tient : la clarté aide à être compris, pas à passer devant un concurrent plus pertinent. Le tri final entre sources est expliqué dans l’article sur le reranking.
| Affirmation | Statut | Source |
|---|---|---|
| Indexer en propositions améliore la recherche sur Wikipédia | Documenté | Chen et al., EMNLP 2024 |
| Le gain est faible pour les moteurs entraînés (+2,7 points) | Documenté | Chen et al., tableau 3 |
| Google ou ChatGPT indexent des propositions | Non documenté | Aucun éditeur ne le dit |
| Google indexe des passages isolés | Démenti par Google | Danny Sullivan, 2020 |
| Découper ses pages en petits morceaux aide Google | Faux | Guide d’optimisation de Google, 2026 |
| Gemini puise environ 377 mots par page (médiane, requêtes à 3 sources ou plus) | Observé, non documenté par Google | DEJAN, décembre 2025 |
| En mode instantané, ChatGPT répond à partir d’un titre et d’environ 200 caractères d’extrait | Observé, non documenté par OpenAI | RESONEO, juillet-août 2026 |
| Retoucher la seule mise en forme change la source citée | Observé : effet faible | Sprinklr, SIGIR 2026 |
| Des phrases autonomes augmentent la citation par les IA | Déduit, non mesuré | Aucune étude publiée repérée |
Réécrire un paragraphe en propositions : 4 gestes
Réécrire en propositions, c’est remplacer chaque renvoi par ce qu’il désigne et séparer les idées collées dans une même phrase. Comptez dix minutes par paragraphe, et commencez par les paragraphes qui répondent à une question : définitions, chiffres, comparaisons.
Ces gestes sont déduits des trois principes de l’étude. Aucune étude publiée repérée pour cet article ne les teste sur des pages web.
- Remplacez chaque renvoi par son nom. « Il », « elle », « ce dispositif », « cette méthode » deviennent le nom de la chose.
- Une idée par phrase. Une phrase qui contient « et », « qui » ou « ce qui » porte souvent deux idées : coupez.
- Collez le chiffre à ce qu’il mesure. Le chiffre, son périmètre et sa source tiennent dans la même phrase.
- Relisez chaque phrase isolée. Masquez celle d’avant : si la phrase ne dit plus rien de précis, elle dépend d’une autre.
Exemple sur un logiciel de paie fictif.
Avant : « Il s’installe en dix minutes. Cette rapidité vient de son import automatique, qui reprend aussi les congés, ce qui le distingue de ses concurrents. »
Après : « Le logiciel de paie Paiefacile s’installe en dix minutes. L’import automatique de Paiefacile explique la rapidité d’installation de Paiefacile. L’import automatique de Paiefacile reprend aussi les congés. La reprise automatique des congés distingue Paiefacile de ses concurrents. »
La version « avant » contient quatre informations, dont aucune ne tient seule : « il », « cette rapidité », « qui » et « ce qui » renvoient tous ailleurs. La version « après » donne une phrase par information, et chacune peut être extraite sans perdre son sujet. Les répétitions sont volontairement poussées ici ; la section suivante dit où s’arrêter. Benu Aggarwal formule la même exigence dans une tribune publiée par Search Engine Land en juillet 2025 : chaque bloc doit garder « Enough context that it still makes sense if quoted in isolation » (assez de contexte pour garder son sens s’il est cité seul).
Les excès à éviter : style télégraphique, répétitions, paragraphes en miettes
Un texte écrit entièrement en propositions devient pénible à lire : la règle s’applique aux phrases qui portent une information, pas à toutes les phrases. Les transitions, les exemples et les explications peuvent garder leurs pronoms. Ce qui doit se comprendre seul, c’est la phrase qu’un lecteur ou un moteur viendra chercher.
Trois signes indiquent que vous êtes allé trop loin :
- le nom du produit revient trois fois dans la même phrase ;
- les paragraphes ne font plus qu’une ligne et le raisonnement disparaît ;
- vous avez créé une page par idée, alors que Google dit savoir montrer « le passage pertinent » d’une page qui traite plusieurs sujets.
Même l’outil des chercheurs se trompe. Le modèle qui découpe les textes en propositions produit 3,1 % de propositions qui ne tiennent pas seules, sur un échantillon de 50 passages contrôlés à la main (Chen et al., tableau 2).
Questions fréquentes
Google ou ChatGPT utilisent-ils Dense X ?
Aucun des deux ne le dit. Google affirme que ses systèmes savent isoler le passage pertinent d’une page, sans dire comment. OpenAI ne documente pas le découpage des pages lues par ChatGPT. Les mesures tierces de DEJAN et RESONEO décrivent ce que les moteurs utilisent, pas leur méthode d’indexation.
Quels outils appliquent la méthode des propositions ?
La méthode a été reprise dans des bibliothèques de développement d’applications d’IA. LlamaIndex, une bibliothèque de code pour construire des applications d’IA, a publié un composant « dense_x_retrieval » à partir de février 2024 ; sa page indique aujourd’hui qu’il n’est plus maintenu. Ces outils servent à construire son propre moteur, pas à écrire pour Google ou ChatGPT.
Écrire en propositions, est-ce la même chose qu’écrire pour l’IA ?
Non. Une phrase qui se comprend seule sert d’abord le lecteur qui survole la page ou arrive directement sur une section. Google demande de ne pas écrire « d’une façon particulière uniquement » pour l’IA ; une phrase claire n’est pas une écriture particulière, c’est une phrase claire. Pour situer cette règle dans l’ensemble du GEO, voir le GEO, c’est quoi.
Faut-il réécrire tous ses anciens articles ?
Non. Commencez par les pages qui répondent à une question précise et par leurs phrases clés : la définition, le chiffre, la réponse. Le reste peut attendre une mise à jour de fond. Aucune mesure ne permet de chiffrer le gain d’une réécriture.
Sources
- Tong Chen et al., Dense X Retrieval: What Retrieval Granularity Should We Use?, EMNLP 2024 — arxiv.org
- Google Search Central, Optimizing your website for generative AI features, mis à jour le 10/07/2026 — developers.google.com
- Barry Schwartz, Google Squashes Myths Around Passage Indexing, 21/10/2020 — seroundtable.com
- Barry Schwartz, Google doesn’t want you to create bite-sized chunks of your content, janvier 2026 — searchengineland.com
- Dan Petrovic, How big are Google’s grounding chunks?, 20/12/2025 — dejan.ai
- RESONEO, What ChatGPT pulls, what it shows, what it cites, juillet-août 2026 — think.resoneo.com
- Benu Aggarwal, Chunk, cite, clarify, build, 17/07/2025 — searchengineland.com
- LlamaIndex, llama-index-packs-dense-x-retrieval — pypi.org
- Rahul Vishwakarma, Shushant Kumar, Ratnesh Jamidar (Sprinklr), What Gets Cited: Competitive GEO in AI Answer Engines, SIGIR 2026 — arxiv.org
