Derniers Articles
GEO vs SEO : faut-il choisir ou combiner les deux ? Open Knowledge Format : Google pose les bases d’un nouveau standard pour les agents IA Un tribunal allemand juge Google responsable des erreurs de ses AI Overviews La reconversion à l’ère de l’IA générative : les nouvelles compétences attendues des entreprises Google confirme qu’il ignore le fichier llms.txt et clôt le débat L’édition de juin 2026 de Réacteur est en ligne ! SEO technique : comment un agent IA peut auditer et corriger votre site à votre place Sundar Pichai livre un discours aux diplômés de Stanford 2026 : trois règles de vie à retenir Google Business Profile : des numéros WhatsApp ajoutés automatiquement et sans possibilité de suppression SEO + GEO : un nouveau livre blanc pour comprendre les LLM et mieux les influencerLire l'article complet : Google Discover sous le capot : 20 pipelines, des millions de cartes, des insights inédits issus de la data.
Publié le 30/03/2026 à 14:09:38 par Abondance
Google Discover sous le capot : 20 pipelines, des millions de cartes, des insights inédits issus de la data.
L'analyse SDK de Metehan Yesilyurt a révélé les noms des pipelines internes de Google Discover. Nos données montrent ce que chacun fait réellement : volume, portée, timing, domaines leaders. 42 millions de cartes, des centaines d'appareils, trois mois d'observation.
Ce qu'on a fait
Pendant trois mois (décembre 2025 - février 2026), nous avons observé les flux Discover réels de centaines d'appareils. Résultat : 42 millions de cartes analysées. A chaque carte nous avons associé le pipeline responsable de sa sélection.
Les noms existaient déjà dans le SDK Google, ils ont notamment été publiés récemment par Metehan Yesilyurt. Ce qui manquait, c'est ce qu'ils font en pratique : combien de contenu chacun sélectionne, à combien d'appareils il le montre, à quelle vitesse, et quels domaines il privilégie. C'est ce que nos données révèlent.
Pour chaque pipeline, nous calculons quatre métriques :
- La portée : pourcentage d'appareils qui voient chaque URL par jour
- La vitesse : âge médian des articles au moment de leur apparition
- L'exclusivité : pourcentage d'URLs propres au pipeline
- Le volume : part dans le flux total
La révélation : pas un algorithme, un système à couches
La croyance courante : Discover utilise un algorithme de recommandation. La réalité : c'est un système structuré en six couches fonctionnelles, chacune avec une logique et une audience distinctes.
Chaque pipeline positionné par sa vitesse (axe X, log) et sa portée (axe Y). Couleur = famille fonctionnelle. moonstone et shoppinginspiration dominent en portée ; mustntmiss et newsstoriesheadlines sont les plus rapides ; deeptrends et aura persistent le plus longtemps.
Les 20 pipelines FR classés par volume total. content domine à 30,7 %, suivi d'aura (13,3 %) et moonstone (12,9 %).
