Google Discover

Google Discover s’affiche sur l’écran d’accueil de l’appli Google, à gauche de l’écran d’accueil Android et dans l’onglet Discover de google.com sur mobile : un flux de cartes de contenu choisi pour chaque utilisateur, sans requête. C’est une surface de distribution considérable - et l’une des plus mal comprises du marketing organique, parce qu’on la traite comme un algorithme unique à optimiser.

Les travaux de Sylvain Deauré (newsletter 1492dotvision) disent autre chose. En rétro-analysant les feeds Discover à grande échelle, Deauré cartographie Discover comme une architecture de 20+ pipelines spécialisés : chaque pipeline a sa logique de sélection, sa temporalité et sa position dans le feed. Ce n’est pas un algorithme à hacker mais un système de routage : ton contenu est servi - ou pas - selon ton profil d’éditeur et les signaux que tu émets.

La robustesse de cette cartographie a un coût : elle est mono-source. C’est la lecture la plus fine disponible publiquement, mais elle repose sur l’observation d’un seul praticien, sur un système mouvant (les noms de pipelines évoluent vite, et les pipelines sociaux restent aujourd’hui EN-only). Cette page la traite comme une carte directionnelle solide : à valider sur tes propres feeds avant d’engager des ressources.

L’essentiel en 4 points

• Discover route le contenu selon ton profil d’éditeur : des pipelines naturels, d’autres conquérables, des plafonds infranchissables - l’effort ne déplace pas un plafond de conception.
• Le succès Discover est multi-étapes : un contenu qui performe traverse plusieurs pipelines en séquence sur 0-7 jours, on optimise la séquence, pas un coup unique.
• Pour l’e-commerce, la porte d’entrée est le pipeline shopping : durée de vie médiane 2,5 jours, soit 5× celle d’un article news - la visibilité soutenue prime la nouveauté.
• Le déclencheur est contre-intuitif : les posts sociaux ne paraissent pas sur Discover, ils créent les signaux qui font monter tes pages produits - et un signal modeste suffit.

Le mécanisme réel : une architecture de pipelines, pas un algorithme

La première erreur est de parler de « l’algorithme Discover » au singulier. En rétro-analysant les feeds Discover à grande échelle, Deauré observe une architecture de 20+ pipelines spécialisés, organisés en 6 couches fonctionnelles - éditorial, breaking, trends, local, vidéo, commercial - chacun avec sa propre logique de sélection, sa temporalité et sa position dans le feed. Les pipelines ne décident pas seulement si un contenu est servi mais où : breaking news en positions 2-4 (haut), contenu d’engagement en 6-8, produits plus bas.

Sans signal particulier, un article reste confiné au pipeline content de base - la baseline. Ce sont les signaux (engagement, tendance, importance éditoriale, pertinence locale) qui déclenchent la traversée multi-pipeline : un article qui performe ne paraît pas une fois puis disparaît, il traverse plusieurs pipelines en séquence sur 0-7 jours, chacun ouvrant une fenêtre à un timing et une audience distincts. La conséquence opérationnelle : le succès Discover est multi-étapes, pas ponctuel - on optimise pour la séquence (timing, format, signaux), pas pour un coup unique.

Du blockbuster au micro-ciblage qualifié

Le biais structurel de Discover a basculé : le modèle est passé de la portée large (peu d’URLs, beaucoup d’impressions chacune) à la dispersion hyper-personnalisée (des centaines d’URLs, peu d’impressions chacune). La niche devient un avantage : un produit spécialisé atteint des micro-audiences qualifiées qu’un généraliste ne touche pas - un site audiophile de niche déclenche une présence Discover sur sa catégorie que même Amazon ne génère pas.

Corollaire de mesure : les feeds réels sont hyper-personnalisés sur mobile et diffèrent radicalement de ce que captent les outils de monitoring génériques (desktop, feeds simplifiés). Des petits sites e-commerce invisibles dans ces outils sont bien présents dans les vrais feeds. Le bon audit se fait sur de vrais feeds personnalisés, pas sur un outil tiers - sinon une marque de niche conclut à tort à son absence.

Le second biais est un plafond par profil d’éditeur, pas un curseur d’effort. La visibilité totale = nombre de pipelines atteints × portée par pipeline. La presse nationale atteint 8-12 pipelines (Guardian 26, NYT 25) ; les sites tech 3-7 ; le lifestyle/divertissement plafonne structurellement à 2-3 pipelines quel que soit l’effort. Chaque profil a des pipelines naturels (portée automatique), conquérables (atteignables par ajustement éditorial) et des plafonds infranchissables. La stratégie gagnante est la multiplication de pipelines conquérables, pas l’optimisation en profondeur d’un seul - et surtout pas le combat contre un plafond de conception.

La séquence d’usage e-commerce : la stratégie étincelle

Pour une scale-up B2C, la porte d’entrée n’est pas l’actualité virale mais le pipeline shopping (shoppinginspiration) : environ 13,1 % de reach avec une durée de vie médiane de 2,5 jours - 5× plus longue que les articles news (0,48 j). Guides d’achat, comparatifs et reviews evergreen survivent là où le hook d’actualité s’éteint : pour un catalogue produit, la visibilité soutenue prime la nouveauté.

L’activation tient en une mécanique contre-intuitive - la stratégie étincelle : les posts sociaux ne paraissent pas directement sur Discover, ils créent les signaux qui font monter les pages produits liées. Et le seuil est bas : des signaux sociaux modestes suffisent à déclencher la visibilité produit (quelques dizaines de likes Facebook + partages, ou ~1000 likes TikTok). Conséquence pour le ROI : une marque n’a pas besoin d’une audience sociale massive - un test à 50-100 $ d’activation organique ou paid social + une page produit propre suffit à éprouver le canal. Le social owned (Facebook, Instagram, TikTok) se pense ici comme signal prérequis, pas comme canal de trafic autonome.

Deux accélérateurs complètent la séquence : les triggers événementiels (lancement, retour en stock, moment saisonnier, actualité) provoquent un sur-boost de 24-72 h - d’où l’intérêt de regrouper les publications autour de ces fenêtres ; et l’autorité de communauté de niche bat le volume généraliste sur la catégorie. L’avantage concurrentiel se déplace de l’échelle vers l’expertise et la confiance.

Le paramétrage : entités, signaux de qualité, substance éditoriale

L’infrastructure d’optimisation est le Knowledge Graph, pas les patterns d’engagement. Chaque card Discover est associée à une ou plusieurs entités du KG : l’architecture entités-contenu est une variable d’optimisation centrale, pilotable avec des outils gratuits (workflow : entité centrale → entités connectées via Google Images → filtrage → statut trending via Google Trends → brief → maillage interne sur entités communes). La cohérence des entités compte plus que leur quantité : des entités périmées ou hors-sujet dégradent la performance sur le long terme. L’expertise de l’auteur (byline, présence cross-plateforme) agit comme multiplicateur mesurable, pas comme barrière absolue.

Côté signal de qualité, Discover évalue une visite avant de ré-afficher un éditeur via un score interne « Good Visit » : le temps passé ne suffit pas, il faut un mix scroll + interactions (clics internes, partages). La page doit donc être conçue pour le deepening, pas pour l’engagement passif. Autre idée reçue tombée : Google ne classe pas le contenu IA vs humain (déclaration de Gary Illyes relayée par Deauré) - les pénalités touchent le signal utilisateur faible et les faux positifs des classifieurs, pas l’IA en soi. Le contenu B2C ne doit donc pas éviter l’IA par principe, mais viser qualité, exactitude et relecture humaine.

Dernier point de paramétrage, propre à l’e-commerce : le contenu produit pur ne traverse pas les pipelines engagement/trend. Pour franchir au-delà du silo shopping, il faut ajouter de la substance éditoriale (angle tendance, analyse marché, pont tech/science). C’est le même principe que côté SEO : la structure et l’autorité priment le volume de pages.

Ce qui monte vite : vidéo, social, et la bascule vers l’abonnement

La dynamique récente est une explosion des pipelines sociaux/vidéo, surtout en anglais. Entre décembre 2025 et février 2026, les pipelines créateur/vidéo ont crû de 7,8× à 18×. YouTube alimente Discover via une cascade en 3 étapes (creatorcontent ~2 h → freshvideos ~8,6 h → neoncluster ~17 h, 3e plus gros pipeline EN) - un entonnoir sélectif (~16 % de progression) qui récompense la persistance et la qualité, pas le volume. X/Twitter alimente l’entrée (23 % du pipeline créateur EN) mais sans cascade d’amplification : le texte plafonne, seule la vidéo traverse. Pour une scale-up B2C en marché EN, YouTube devient un canal de distribution Discover stratégique, pas seulement une plateforme sociale.

S’y ajoute un déplacement vers l’audience first-party : les profils Google Search (déployés au-delà des 54 pilotes) créent une couche d’identité éditeur avec un comportement Follow/Subscribe - et le code interne convert_follow_to_subscribe signale une bascule du suivi d’entité vers la logique d’abonnement créateur. Enjeu stratégique : structurer l’auteur/créateur comme entité persistante et capturer une audience directe (newsletter, abonnement) pour réduire la dépendance à la distribution algorithmique.

Si ta scale-up plafonne aujourd’hui

1. Discover est un canal earned, pas une régie. Le pilotage est SEO/owned (entités, signaux, qualité de visite) - distinct de l’achat Demand Gen qui paie le placement dans le même feed (Google Audience).
2. Connais ton plafond avant d’investir. Audite tes pipelines réels - sur de vrais feeds mobiles, pas via un outil de monitoring - et vise les pipelines conquérables ; pour l’e-commerce, le pipeline shopping est la porte naturelle (visibilité 5× plus longue que les news).
3. La stratégie étincelle rend le canal accessible aux petits budgets. Un test à 50-100 $ (activation sociale + page produit propre) suffit à déclencher la visibilité : le social owned est un signal, pas un canal de trafic.
4. Structure tes entités, pas ta viralité. Knowledge Graph cohérent + autorité d’auteur + page conçue pour le mix scroll + interactions (« Good Visit ») ; ajoute de la substance éditoriale pour sortir le produit du silo shopping.
5. En marché EN, traite YouTube comme canal de distribution Discover (cascade vidéo) ; capture l’audience en first-party (profils, abonnement) pour t’affranchir de l’aléa algorithmique.

Pour aller plus loin

• SEO - l’optimisation organique voisine : entités, autorité et structure priment le volume, et Discover suit la même logique.
• Generative Engine Optimization (GEO) - les LLMs s’intercalent entre la question et la réponse : même bataille d’autorité, autre surface.
• YouTube - le canal vidéo qui alimente la cascade Discover en EN.
• Ciblage Comportemental et Ciblage Contextuel - le filtrage collaboratif et les embeddings vers lesquels Discover migre.

Sources

• Sylvain Deauré (newsletter 1492dotvision), Discover: Shopping, Trends, Local: the specialist pipelines.
• Sylvain Deauré, Discover isn’t just for big media - e-commerce is catching on.
• Sylvain Deauré, Entities Everywhere.
• Sylvain Deauré, Navigating between reefs.
• Sylvain Deauré, Recommendations by publisher profile: your Discover action plan.
• Sylvain Deauré, What Discover does NOT let travel (and why).
• Sylvain Deauré, The journey of a viral article through Discover.
• Sylvain Deauré, YouTube, X, and the social pipeline explosion.
• Sylvain Deauré, From 54 pilot profiles to official rollout.

ℹ️ À propos de cette page

Reaching Kibo explore les vrais moteurs de la croissance des scale-ups B2C - et comment les mettre en pratique. Cette page appartient à Basecamp, le playbook du projet.

Elle est rédigée par IA, d’après le cadre et la direction que je donne. Une erreur, un désaccord, une source à ajouter ? Écris-moi : romain@reachingkibo.com.