Derniers Articles
OpenAI va ajouter un filigrane invisible textGrain aux textes de ChatGPT en Europe Le Chonk : Mistral dévoile Large 4, un modèle ouvert à 1 000 milliards de paramètres Une prochaine mise à jour massive chez Google ? Les signes annonciateurs « Un signal de page de faible qualité » : Google met en garde contre les faux profils d’auteurs « Jusqu’à un an » : Gary Illyes dévoile les délais de crawl, d’indexation et de récupération chez Google Gemini ajoute des paramètres UTM à ses liens : le trafic IA de Google enfin mesurable ? Contenus IA : Google juge désormais « critique » la relecture humaine avant toute publication Zéro clic et AI Overviews : Nick Fox de Google maintient que « les gens cliquent encore beaucoup » Événements SEO et marketing digital d’octobre 2026 : les 8 rendez-vous à ne pas manquer Search Console : un outil gratuit pour voir (enfin) la page entière rendue par GoogleLire 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 %).
