Le « chunking », ou découpage d’un contenu en passages courts et auto-suffisants, est-il une technique ultime pour être repris par les IA, ou une perte de temps ? La question fait rage dans la communauté SEO. Certains experts voient dans cette méthode un simple buzzword inutile, d’autres la considèrent comme une optimisation incontournable. Plongée au cœur d’un débat qui scinde le SEO et le GEO.

Du côté des critiques : « le chunking est un mirage »

Pour Nikki Pilkington, le terme est surtout du jargon marketing recyclé :

« Ce que les experts GEO appellent chunking, c’est en réalité ce que les SEO recommandent depuis 2009 : des titres clairs, une idée par section et des paragraphes concentrés. (…) On ne peut pas optimiser pour le chunking, puisque ce n’est pas un levier SEO, mais un terme technique venu de l’IA. »

Despina Gavoyannis va dans le même sens et souligne l’impossible maîtrise de ce processus :

« La technique ‘chunk optimization’ est une impasse. Vous ne pouvez pas contrôler comment Google, ChatGPT ou Perplexity découpent vos contenus. Chaque modèle applique ses propres stratégies, basées sur des considérations techniques (coût, contexte, taille du modèle). »

Dan Petrovic, qui a décortiqué le code source de Chrome, rappelle que le chunking est avant tout un choix d’ingénierie intégré aux systèmes eux-mêmes :

« L’algorithme DocumentChunker de Chrome découpe chaque page web en passages sémantiques d’environ 200 mots. Ce découpage est entièrement automatique, basé sur la structure HTML et conçu pour être optimisé par le navigateur, pas par le rédacteur. »

Autrement dit, si l’on en croit ces experts ; vouloir « optimiser » le chunking côté contenu reviendrait finalement à courir après une variable qui échappe totalement aux créateurs.

Du côté des partisans : « le chunking est une pratique incontournable »

À l’inverse, d’autres experts comme Philippe Yonnet ou Aishwarya Srinivasan estiment que le chunking n’est pas qu’un mot à la mode, mais bien une pierre angulaire de l’écriture web à l’ère des IA.

Philippe Yonnet explique :

« Le chunking, c’est produire des passages de 150 à 300 mots 100% compréhensibles même pris isolément. (…) Cette méthode est adaptée aux limites des transformers, qui analysent les textes par fenêtres successives de quelques centaines de tokens. Des chunks cohérents maximisent les chances d’être repris par les systèmes RAG comme Perplexity ou Bing Copilot. »

De son côté, Aishwarya Srinivasan insiste sur les bénéfices tangibles dans une pipeline RAG (Retrieval Augmented Generation) :

« Mauvais découpage...