Une Answer Unit est un modèle d'organisation de l'information proposé pour construire une réponse claire, autonome, contextualisée et vérifiable autour d'un besoin précis.
L'objectif n'est pas d'écrire pour une intelligence artificielle.
L'objectif est de rendre une information réellement utile :
- à l'utilisateur ;
- aux moteurs de recherche ;
- aux systèmes de récupération d'information ;
- aux moteurs de réponse ;
- aux systèmes génératifs lorsqu'ils accèdent à cette information.
Une représentation simplifiée :
QUESTION / INFORMATION NEED
↓
ENTITY
↓
ATTRIBUTE / RELATIONSHIP
↓
DIRECT ANSWER
↓
CONTEXT
↓
CONDITIONS
↓
EVIDENCE
↓
NEXT INFORMATION
Une Answer Unit n'est pas nécessairement une FAQ.
Elle peut apparaître dans :
- un paragraphe ;
- une fiche produit ;
- une page service ;
- une page locale ;
- un tableau ;
- une liste ;
- une documentation ;
- une fiche établissement ;
- un guide ;
- une étude de cas.
Ce référentiel développe le concept d'Answer Unit dans le cadre méthodologique proposé par VisiaLocal.
Answer Unit n'est pas présenté ici comme un standard officiel de Google.
De nombreux contenus Web parlent d'un sujet sans répondre précisément aux questions que ce sujet implique.
Exemple :
Nous proposons un service rapide, flexible et personnalisé pour répondre aux besoins de tous nos clients.
Cette phrase communique une intention marketing.
Mais elle ne permet pas de savoir :
- quel service ;
- dans quel délai ;
- pour qui ;
- dans quelle zone ;
- sous quelles conditions.
Une Answer Unit cherche à réduire cet écart.
Dans ce référentiel :
Une Answer Unit est une unité informationnelle suffisamment claire et contextualisée pour répondre à un besoin précis sans nécessiter une quantité excessive d'informations supplémentaires pour être comprise.
Cette définition est méthodologique.
Elle ne constitue pas une définition officielle d'un moteur de recherche.
Une Answer Unit n'est pas définie par sa longueur.
Elle peut être :
- une phrase ;
- plusieurs phrases ;
- une liste ;
- un tableau ;
- un bloc structuré.
La longueur dépend de la complexité de la réponse.
Une FAQ est un format éditorial.
Une Answer Unit est une structure informationnelle.
Une FAQ peut contenir des Answer Units.
Mais une Answer Unit peut exister sans FAQ.
Exemple :
Les commandes validées avant 12 h sont expédiées le jour même du lundi au vendredi, sous réserve de disponibilité des produits.
Il n'est pas nécessaire d'écrire :
Expédiez-vous les commandes le jour même ?
pour que l'information constitue une réponse exploitable.
Une Answer Unit n'est pas un format Google.
Elle ne garantit pas :
- featured snippet ;
- AI Overview ;
- citation ;
- position ;
- rich result.
Elle constitue une manière de structurer l'information.
L'objectif n'est pas de découper artificiellement toutes les pages en fragments destinés aux modèles de langage.
Une bonne Answer Unit doit d'abord être utile à une personne.
Si une structure facilite également :
- l'extraction ;
- la récupération ;
- la compréhension ;
- la citation ;
cela constitue un bénéfice supplémentaire.
Toute Answer Unit commence par un besoin.
Ce besoin peut être explicite :
Quel est le délai ?
ou implicite :
L'utilisateur veut savoir quand sa commande sera prête.
Le besoin informationnel est plus important que la formulation exacte du mot-clé.
Exemple :
Les commandes personnalisées sont généralement préparées sous 24 heures ouvrées après validation des informations de personnalisation.
La question et la réponse sont visibles.
Exemple :
Les commandes personnalisées sont généralement préparées sous 24 heures ouvrées après validation des informations de personnalisation.
Le besoin est identique.
Le format éditorial change.
Une Answer Unit simple peut contenir :
ENTITY / SUBJECT
ANSWER
Exemple :
L'atelier est ouvert le samedi de 9 h à 18 h.
Entité :
atelier
Réponse :
ouvert samedi 9 h–18 h
Une Answer Unit plus complexe peut contenir :
QUESTION
↓
DIRECT ANSWER
↓
ENTITY
↓
CONTEXT
↓
CONDITIONS
↓
EVIDENCE
↓
DATE / FRESHNESS
↓
NEXT STEP
Tous ces éléments ne sont pas obligatoires.
Ils dépendent de la réponse.
L'information principale doit être identifiable rapidement.
Exemple faible :
Plusieurs solutions peuvent être envisagées en fonction de votre situation.
Exemple plus précis :
Les interventions sont disponibles du lundi au samedi dans un rayon d'environ 20 km autour d'Aix-en-Provence.
La seconde formulation apporte immédiatement :
- disponibilité ;
- jours ;
- zone.
Une réponse doit permettre de comprendre de quoi elle parle.
Exemple :
Oui, jusqu'à 18 h.
Cette réponse dépend fortement du contexte.
Exemple autonome :
Le magasin est ouvert le samedi jusqu'à 18 h.
L'entité ou le sujet est identifiable.
De nombreuses Answer Units décrivent un attribut.
Exemple :
Entity
Restaurant
Attribute
openingHours
Answer
Le restaurant est ouvert le dimanche de 12 h à 14 h.
Une Answer Unit peut également décrire une relation.
Exemple :
Entity
Service
Relationship
provider
Answer
Le service est réalisé directement par l'équipe de l'entreprise.
Certaines réponses nécessitent un contexte.
Exemple :
La personnalisation est réalisée dans notre atelier en Suisse avant l'expédition de la commande.
Le contexte permet de comprendre :
- où ;
- quand ;
- dans quelle étape.
Une réponse peut dépendre de conditions.
Exemple incomplet :
Livraison en 24 h.
Exemple contextualisé :
La livraison en 24 h est disponible pour les produits en stock lorsque la commande est validée avant 11 h, selon la destination.
La seconde formulation évite une promesse absolue.
Certaines réponses nécessitent une exception.
Exemple :
Les interventions sont possibles du lundi au samedi, hors jours fériés.
Une exception importante ne doit pas être cachée si elle change réellement la réponse.
Une affirmation peut nécessiter une preuve.
Exemples :
- certification ;
- étude ;
- statistique ;
- donnée officielle ;
- mesure ;
- source ;
- document.
Une Answer Unit peut alors prendre la forme :
CLAIM
↓
EVIDENCE
↓
SOURCE
Une source peut permettre au lecteur de vérifier l'information.
Il faut privilégier, lorsque cela est pertinent :
- sources primaires ;
- organismes officiels ;
- publications originales ;
- documentation officielle.
La source doit réellement soutenir l'affirmation.
Une information sensible au temps peut nécessiter une date.
Exemple :
Au 23 septembre 2026, le service est disponible dans trois pays.
Cela évite qu'une donnée temporelle soit interprétée comme permanente.
Certaines Answer Units doivent être mises à jour régulièrement.
Exemples :
- prix ;
- horaires ;
- stock ;
- disponibilité ;
- réglementation ;
- équipe ;
- événements ;
- délais.
D'autres informations sont relativement stables :
- histoire ;
- matériau ;
- méthode ;
- localisation géographique historique.
Exemple :
L'entreprise a été fondée en 2026.
Cette information historique peut rester valide durablement.
Exemple :
Le produit est actuellement disponible en stock.
Cette réponse peut devenir fausse rapidement.
Une stratégie de publication doit tenir compte de cette différence.
Une Answer Unit est dite autonome dans ce framework lorsqu'elle conserve suffisamment de sens lorsqu'elle est lue indépendamment de plusieurs paragraphes voisins.
Exemple faible :
Il est également disponible le samedi.
Exemple plus autonome :
Le service de retrait en magasin est également disponible le samedi.
L'objectif n'est pas de répéter artificiellement le contexte partout.
Il s'agit d'éviter les ambiguïtés inutiles.
Une Answer Unit n'a pas besoin d'être totalement indépendante du document.
Le contexte de la section peut suffire.
Exemple :
Elle est gratuite à partir de 80 €.
Dans ce contexte, le pronom reste compréhensible.
L'autonomie doit donc être équilibrée avec la qualité éditoriale.
Une Answer Unit peut concentrer plusieurs faits utiles.
Exemple :
Les réparations sont réalisées sur rendez-vous du lundi au samedi dans l'atelier d'Aix-en-Provence, avec diagnostic préalable.
Cette phrase contient :
- service ;
- condition ;
- jours ;
- lieu ;
- processus.
Une Answer Unit ne doit pas devenir un paragraphe contenant toutes les informations possibles.
Une réponse sur les horaires n'a pas nécessairement besoin d'expliquer :
- l'histoire de l'entreprise ;
- sa méthode ;
- ses certifications ;
- tous ses services.
Chaque unité doit conserver un objectif identifiable.
Une information atomique représente un fait relativement simple.
Exemple :
Le magasin ferme à 19 h.
Une Answer Unit peut contenir une ou plusieurs informations atomiques lorsque celles-ci répondent au même besoin.
Une question complexe peut nécessiter plusieurs faits.
Question :
Puis-je venir dimanche avec mon chien ?
Réponse :
L'établissement est ouvert le dimanche de 8 h à 13 h et les chiens tenus en laisse sont acceptés dans l'espace autorisé.
Deux attributs sont nécessaires :
- horaires ;
- politique concernant les animaux.
Certaines réponses nécessitent plusieurs étapes.
Exemple :
Comment commander un produit personnalisé ?
1. Choisir le produit
↓
2. Saisir la personnalisation
↓
3. Valider la commande
↓
4. Vérification
↓
5. Fabrication
↓
6. Expédition
La réponse est un processus plutôt qu'un fait unique.
Une Answer Unit peut expliquer un processus.
Exemple :
- Le véhicule est réceptionné.
- Un diagnostic initial est réalisé.
- Les résultats sont expliqués au client.
- Un devis est proposé lorsque des réparations sont nécessaires.
Ce format répond mieux qu'un long paragraphe promotionnel.
Une définition peut constituer une Answer Unit.
Exemple :
GEO signifie Generative Engine Optimization. Le terme désigne les pratiques visant à étudier et améliorer la visibilité de contenus et de sources dans les environnements de recherche utilisant des systèmes génératifs.
Certaines questions nécessitent une comparaison.
Exemple :
| Critère | Option A | Option B |
|---|---|---|
| Usage | Local | National |
| Délai | Court | Variable |
| Personnalisation | Forte | Standardisée |
Le tableau constitue ici une unité de réponse comparative.
Une donnée numérique doit préciser son contexte.
Faible :
67 %.
Meilleur :
Les appels provenant de la fiche locale ont augmenté de 67 % entre juillet et août 2026.
La donnée possède maintenant :
- métrique ;
- variation ;
- période.
Question :
Où intervenez-vous ?
Réponse :
L'entreprise intervient principalement à Aix-en-Provence et dans les communes situées dans un rayon d'environ 20 km, selon le type de prestation.
La zone est explicite sans créer artificiellement une page pour chaque commune.
Question :
Ce produit est-il disponible ?
Réponse :
Le produit est disponible en magasin sous réserve du stock du jour. Contactez l'établissement pour confirmer la disponibilité avant votre déplacement.
La réponse distingue :
- disponibilité générale ;
- variabilité ;
- action recommandée.
Question :
Combien coûte le service ?
Réponse :
Le service débute à 990 € HT. Le prix final dépend du périmètre et des options retenues.
Cette réponse contient :
- prix d'entrée ;
- taxe ;
- condition.
Question :
À qui ce service est-il destiné ?
Réponse :
Le service est destiné aux entreprises disposant d'un établissement local et souhaitant améliorer la qualité de leurs informations dans Search, Maps et les environnements de recherche utilisant l'IA.
Question :
Est-ce compatible avec WooCommerce ?
Réponse :
Oui. La méthode peut être appliquée à un site WooCommerce, sous réserve que les données produits et les éléments techniques nécessaires soient accessibles.
Les sujets réglementaires nécessitent davantage de prudence.
Une réponse peut devoir préciser :
- juridiction ;
- date ;
- source ;
- conditions ;
- exceptions.
Exemple :
En France, la règle applicable dépend du type de produit concerné. Vérifiez le texte officiel en vigueur avant publication ou commercialisation.
Les sujets sensibles ne doivent pas être simplifiés au point de devenir trompeurs.
Une entreprise locale peut avoir des Answer Units autour de :
- horaires ;
- adresse ;
- stationnement ;
- accessibilité ;
- services ;
- zones ;
- réservation ;
- moyens de paiement ;
- disponibilité ;
- spécialités.
Exemples :
Oui. Plusieurs plats végétariens sont proposés selon la carte du moment.
Oui. Le restaurant dispose d'une terrasse extérieure accessible pendant les périodes d'ouverture, selon les conditions météorologiques.
La réservation est recommandée le soir et le week-end.
Exemples :
Les produits concernés sont fabriqués directement dans le laboratoire de la boulangerie.
Oui. Les commandes personnalisées doivent être effectuées au minimum 48 heures à l'avance.
Des produits sans gluten peuvent être proposés, mais l'atelier manipulant également du gluten, l'absence totale de contamination croisée ne peut pas être garantie.
Exemples :
L'hôtel dispose d'un parking privé réservé aux clients, sous réserve de disponibilité.
Les animaux sont acceptés dans certaines chambres avec supplément.
Les chambres sont disponibles à partir de 15 h.
Exemples :
Le rendez-vous est recommandé pour les opérations d'entretien et obligatoire pour certaines interventions longues.
L'atelier prend en charge les véhicules particuliers de la majorité des marques, selon le type d'intervention.
Un diagnostic initial prend généralement entre 30 minutes et 1 heure selon le problème rencontré.
Exemples :
L'entreprise intervient principalement dans un rayon de 30 km autour de son atelier.
Les interventions urgentes sont possibles selon la disponibilité de l'équipe.
Le devis est gratuit pour les interventions standards ; certains diagnostics sur site peuvent être facturés.
Une boutique peut répondre à :
- dimensions ;
- matériaux ;
- provenance ;
- délai ;
- personnalisation ;
- livraison ;
- retour ;
- stock ;
- variantes ;
- compatibilité.
Ces informations doivent idéalement provenir des données réelles du produit.
Exemple :
Le produit est fabriqué en coton biologique certifié, avec personnalisation réalisée dans l'atelier avant expédition.
La réponse contient :
- matériau ;
- caractéristique ;
- processus.
Question :
Quelles tailles sont disponibles ?
Réponse :
Le produit est proposé en tailles S, M, L et XL. La disponibilité de chaque taille est indiquée directement sur la fiche produit.
Question :
Quand ma commande sera-t-elle expédiée ?
Réponse :
Les produits en stock sont généralement expédiés sous 24 à 48 heures ouvrées. Les produits personnalisés peuvent nécessiter un délai supplémentaire indiqué sur leur fiche.
En B2B, les Answer Units peuvent traiter :
- périmètre ;
- prérequis ;
- processus ;
- livrables ;
- délais ;
- intégrations ;
- gouvernance ;
- zones ;
- accompagnement.
Question :
Que comprend l'accompagnement ?
Réponse :
L'accompagnement comprend l'analyse initiale, la définition des priorités, la mise en œuvre des optimisations prévues au contrat et le suivi des principaux indicateurs.
Cette formulation doit naturellement être adaptée à la réalité du service.
Les grandes entreprises peuvent nécessiter des réponses plus complexes.
Exemples :
- Qui possède cette marque ?
- Dans quels pays est-elle présente ?
- Quelle filiale exploite ce service ?
- Où se trouve cette boutique ?
- Quel catalogue est disponible dans ce pays ?
- Quelle politique s'applique à cette région ?
Les Answer Units peuvent alors dépendre d'une architecture d'entités plus élaborée.
Un réseau doit distinguer :
BRAND INFORMATION
et :
LOCATION INFORMATION
Exemple :
La marque propose le service X.
ne signifie pas automatiquement :
Chaque établissement propose le service X.
Une réponse locale doit refléter la réalité de l'établissement concerné.
Une traduction doit conserver :
- le fait ;
- le contexte ;
- les conditions ;
- les unités ;
- la juridiction lorsque nécessaire.
Une version linguistique ne doit pas introduire involontairement une nouvelle promesse.
Une Answer Unit peut être créée à partir d'une donnée réelle.
Exemple :
RAW DATA
Preparation time = 24h
↓
BUSINESS KNOWLEDGE
Les commandes personnalisées sont préparées sous 24 heures.
↓
VALIDATION
24 heures ouvrées après validation.
↓
ANSWER UNIT
Les commandes personnalisées sont généralement préparées sous 24 heures ouvrées après validation des informations de personnalisation.
Exemple :
ENTITY
Hotel
↓
ATTRIBUTE
parking
↓
VALUE
Private parking
↓
CONDITION
Subject to availability
↓
ANSWER UNIT
L'hôtel dispose d'un parking privé réservé aux clients, sous réserve de disponibilité.
Exemple :
ENTITY A
Service
↓
RELATIONSHIP
provider
↓
ENTITY B
Organization
↓
ANSWER UNIT
Le service est fourni directement par Example Company.
Certaines informations visibles peuvent également être représentées dans des données structurées lorsqu'un vocabulaire approprié existe.
Exemple :
Visible content
↓
Organization provides Service
↓
Structured representation
Organization → Service
Les données structurées doivent correspondre au contenu réel.
Une information présente uniquement dans JSON-LD n'est pas nécessairement une bonne expérience utilisateur.
Les informations importantes doivent généralement être accessibles aux utilisateurs.
Le balisage constitue une couche supplémentaire.
Une Answer Unit peut conduire vers une information plus profonde.
Exemple :
Le service est disponible dans trois formules.
En savoir plus sur les formules →
La réponse reste utile sans obliger immédiatement l'utilisateur à ouvrir une autre page.
Un CTA peut suivre une réponse lorsque l'action est logique.
Exemple :
Oui. Un audit initial peut être demandé directement depuis le formulaire de contact.
Demander un audit
La réponse précède l'action commerciale.
Une bonne Answer Unit doit être facile à :
- trouver ;
- lire ;
- comprendre ;
- vérifier ;
- utiliser.
L'AEO et l'UX peuvent donc converger sur plusieurs principes.
Sur mobile, les réponses importantes doivent rester accessibles sans nécessiter :
- de longs blocs inutiles ;
- plusieurs niveaux d'accordéons ;
- des interactions complexes.
La hiérarchie visuelle reste importante.
Un accordéon peut être utile pour certaines questions secondaires.
Mais cacher toutes les informations importantes derrière des accordéons peut dégrader l'expérience.
Le choix dépend :
- du volume ;
- de la priorité ;
- du contexte ;
- de l'interface.
Les tableaux sont particulièrement utiles pour :
- prix ;
- caractéristiques ;
- comparaisons ;
- disponibilités ;
- horaires ;
- compatibilités.
Ils doivent rester lisibles sur mobile.
Une liste est appropriée lorsque la réponse correspond réellement à une série d'éléments.
Exemple :
- carte bancaire ;
- espèces ;
- paiement mobile.
La prose reste appropriée pour :
- expliquer ;
- contextualiser ;
- nuancer ;
- raconter ;
- démontrer.
Une stratégie Answer Unit ne doit pas transformer un site en base de données illisible.
Les réponses doivent utiliser une langue naturelle.
À éviter :
Restaurant Aix terrasse végétarien réservation dimanche.
À préférer :
Le restaurant dispose d'une terrasse et propose plusieurs options végétariennes. La réservation est recommandée le dimanche.
Une réponse spécifique apporte généralement davantage de valeur qu'une formulation générique.
Faible :
Livraison rapide.
Précis :
Les commandes en stock sont expédiées sous 24 à 48 heures ouvrées.
Une réponse doit pouvoir être vérifiée lorsqu'elle présente un fait important.
Exemple :
Certification obtenue en septembre 2026.
peut être accompagnée d'un lien vers le certificat lorsque celui-ci est public.
La provenance indique d'où vient l'information.
Elle peut être :
- entreprise ;
- organisme public ;
- étude ;
- fabricant ;
- expert ;
- base de données.
Connaître la provenance peut être particulièrement important pour les sujets sensibles.
Toutes les informations n'ont pas le même niveau de certitude.
Il faut distinguer :
fait
Le magasin ouvre à 9 h.
de :
estimation
Le délai est généralement de deux à trois jours.
de :
projection
Cette évolution pourrait se poursuivre.
Une Answer Unit ne doit pas présenter une estimation comme une certitude.
Les qualificatifs peuvent être nécessaires :
- généralement ;
- environ ;
- selon disponibilité ;
- sous réserve ;
- à partir de ;
- jusqu'à ;
- selon le modèle.
Ils ne doivent pas être supprimés uniquement pour rendre la réponse plus courte.
Une Answer Unit doit réduire les ambiguïtés importantes.
Exemple :
Livraison gratuite dès 50 €.
Questions restantes :
- dans quel pays ?
- avant ou après remise ?
- pour tous les produits ?
Lorsque ces conditions changent la décision de l'utilisateur, elles doivent être précisées.
Deux Answer Units ne devraient pas fournir des réponses contradictoires.
Exemple :
Page A
Livraison sous 24 h.
Page B
Livraison sous 72 h.
Si les deux informations concernent le même service dans les mêmes conditions, une correction est nécessaire.
Dans ce framework, l'Answer Consistency désigne la cohérence d'une réponse entre différentes surfaces pertinentes.
Exemple :
Website
↓
Product page
↓
FAQ
↓
Business profile
Les informations importantes devraient rester compatibles.
Un Answer Gap existe lorsqu'un besoin important ne possède pas de réponse suffisamment accessible.
Exemple :
Les clients demandent régulièrement :
Puis-je venir sans rendez-vous ?
Mais le site ne fournit aucune information.
Il existe alors un Answer Gap.
Un Answer Conflict apparaît lorsque plusieurs sources appartenant à la même organisation fournissent des réponses incompatibles.
Exemple :
Site :
Fermeture à 18 h.
Profil local :
Fermeture à 19 h.
L'objectif n'est plus seulement de produire une réponse.
Il faut résoudre le conflit.
Dans ce framework, l'Answer Decay désigne la dégradation d'une réponse devenue obsolète avec le temps.
Exemple :
Livraison disponible en Belgique.
alors que l'entreprise a arrêté cette destination six mois auparavant.
La réponse était correcte.
Elle ne l'est plus.
La fraîcheur doit être adaptée au type d'information.
Exemple :
Founding date
faible fréquence de mise à jour.
Stock
très forte fréquence potentielle.
La gouvernance doit tenir compte de cette différence.
Une organisation peut construire un inventaire :
| Entity | Question | Answer | Source | Freshness |
|---|---|---|---|---|
| Company | Where? | Aix-en-Provence | Internal | Stable |
| Service | Price? | From €990 | Pricing | Review |
| Product | Stock? | Dynamic | Inventory | Real-time |
| Store | Hours? | 9–18 | Operations | Weekly |
Cet inventaire peut révéler rapidement les informations manquantes.
Une Answer Map peut représenter :
ENTITY
↓
ATTRIBUTES
↓
QUESTIONS
↓
ANSWERS
↓
SOURCES
↓
PAGES
Elle permet de relier la connaissance interne à la présence publique.
Dans ce framework, l'Answer Coverage désigne la proportion des besoins informationnels importants réellement couverts par des informations fiables et accessibles.
L'objectif n'est pas d'atteindre 100 % de toutes les questions imaginables.
Il faut couvrir les questions réellement utiles.
Toutes les questions n'ont pas la même importance.
Une entreprise peut prioriser selon :
- fréquence ;
- impact commercial ;
- impact utilisateur ;
- risque ;
- importance réglementaire ;
- position dans le parcours.
Les règles exactes de priorisation peuvent varier selon le projet.
Certaines réponses comportent davantage de risque.
Exemples :
- santé ;
- finance ;
- droit ;
- sécurité ;
- réglementation ;
- produits réglementés.
Elles peuvent nécessiter :
- validation ;
- source ;
- date ;
- responsabilité éditoriale ;
- formulation prudente.
Chaque information importante devrait idéalement avoir un responsable ou une source de vérité.
Exemple :
Price
→ Sales / pricing system
Opening hours
→ Operations
Product stock
→ Inventory
Legal information
→ Legal / compliance
Cela facilite la maintenance.
À grande échelle, la gestion des réponses devient une question de gouvernance de l'information.
Il faut pouvoir savoir :
- qui crée ;
- qui valide ;
- qui publie ;
- qui met à jour ;
- quelle source fait autorité.
Un système de récupération cherche des informations pertinentes.
Une Answer Unit bien contextualisée peut fournir un passage dont le sujet et le fait sont clairement identifiables.
Exemple :
Les commandes personnalisées sont préparées sous 24 heures ouvrées après validation.
Le passage contient directement l'information recherchée.
Dans une architecture RAG :
QUESTION
↓
RETRIEVAL
↓
PASSAGES
↓
GENERATION
↓
ANSWER
Une Answer Unit peut constituer un passage informationnel particulièrement clair.
Cela ne garantit pas qu'elle sera récupérée ou utilisée.
Une question complexe peut être décomposée en sous-questions.
Exemple :
Quel hôtel convient à une famille avec parking et piscine ?
Sous-besoins :
- hôtel ;
- localisation ;
- famille ;
- parking ;
- piscine.
Plusieurs Answer Units peuvent contribuer à la réponse finale.
L'AEO constitue le cadre général d'optimisation des réponses.
L'Answer Unit constitue ici un modèle opérationnel d'organisation de l'information.
On peut représenter :
AEO
↓
QUESTIONS
↓
ANSWER ARCHITECTURE
↓
ANSWER UNITS
L'Entity SEO apporte :
- entité ;
- attribut ;
- relation.
L'Answer Unit transforme ces informations en réponse compréhensible.
ENTITY
↓
ATTRIBUTE
↓
VALUE
↓
CONTEXT
↓
ANSWER UNIT
Les meilleures réponses d'une entreprise peuvent parfois provenir de connaissances qu'elle possède déjà.
FIRST-PARTY DATA
↓
BUSINESS KNOWLEDGE
↓
VALIDATION
↓
PUBLIC INFORMATION
↓
ANSWER UNIT
La création de contenu devient alors un travail de transformation de connaissance plutôt qu'une simple production de texte.
Le contenu visible et les données structurées peuvent représenter les mêmes faits sous différentes formes.
HUMAN-READABLE ANSWER
MACHINE-READABLE REPRESENTATION
lorsque cela est approprié.
Les deux couches doivent rester cohérentes.
Dans les environnements génératifs, une réponse peut être construite à partir de plusieurs sources.
Une information :
- claire ;
- spécifique ;
- contextualisée ;
- sourcée ;
peut être plus facile à exploiter qu'une formulation vague.
Cela ne garantit pas sa sélection.
AI Search peut combiner :
- Search ;
- retrieval ;
- passages ;
- données structurées ;
- Knowledge Graphs ;
- modèles génératifs.
L'Answer Unit constitue un modèle éditorial compatible avec cette logique sans dépendre d'une plateforme spécifique.
Une réponse peut précéder une conversion.
Exemple :
QUESTION
Intervenez-vous à Marseille ?
↓
ANSWER
Oui. Les interventions à Marseille sont disponibles selon le type de prestation.
↓
CTA
Vérifier votre zone d'intervention.
La réponse ne doit pas être remplacée par le CTA.
Répondre précisément peut renforcer la confiance.
Particulièrement lorsque la réponse inclut :
- limites ;
- conditions ;
- sources ;
- dates ;
- informations vérifiables.
Une réponse honnête peut être plus utile qu'une promesse commerciale absolue.
Nous proposons les meilleurs délais possibles.
Problème :
aucun délai réel.
Garage Aix réparation auto Aix mécanicien Aix diagnostic voiture Aix.
Problème :
présence de mots sans réponse.
48 heures.
Problème :
on ne sait pas ce qui prend 48 heures.
Toutes les commandes sont expédiées exactement en 24 heures.
Problème :
une précision absolue peut être fausse si le processus varie.
Ouvert jusqu'à 20 h.
alors que l'horaire a changé.
Une réponse obsolète reste une mauvaise réponse.
Question :
Quel est le délai ?
Réponse :
Notre priorité est votre satisfaction.
La question reste sans réponse.
Une information essentielle ne devrait pas nécessiter cinq clics ou la lecture de plusieurs pages si elle peut être fournie simplement.
Deux pages donnent des prix différents sans expliquer pourquoi.
La structure seule ne résout pas le problème.
Une entreprise ne doit pas publier une réponse simplement parce qu'une requête existe.
Si l'information n'est pas connue :
- la rechercher ;
- la valider ;
- ou indiquer qu'elle n'est pas disponible.
Un audit peut examiner :
Quel besoin est traité ?
Quelle entité est concernée ?
La réponse est-elle directe ?
Est-elle compréhensible ?
Les limites importantes sont-elles indiquées ?
Une preuve est-elle nécessaire ?
D'où vient l'information ?
Est-elle encore valide ?
Les autres surfaces disent-elles la même chose ?
Une étape suivante est-elle nécessaire ?
Il est possible de construire des systèmes internes de scoring.
Mais aucun score propriétaire ne doit être présenté comme un score officiel Google.
Un système interne peut servir à comparer :
- complétude ;
- précision ;
- fraîcheur ;
- vérifiabilité ;
- cohérence.
Les pondérations dépendent de la méthodologie utilisée.
Identifier le besoin.
Identifier l'entité.
Récupérer les faits.
Vérifier les faits.
Ajouter le contexte nécessaire.
Ajouter conditions et limites.
Ajouter une preuve si nécessaire.
Produire la réponse.
Choisir le bon format.
Relier aux informations complémentaires.
Rendre accessible.
Actualiser.
Une Answer Unit peut suivre le cycle :
CREATE
↓
VALIDATE
↓
PUBLISH
↓
MONITOR
↓
UPDATE
↓
REVALIDATE
↓
REPUBLISH
La fréquence dépend de la volatilité de l'information.
REALITY
↓
FIRST-PARTY DATA
↓
BUSINESS KNOWLEDGE
↓
ENTITY
↓
ATTRIBUTE / RELATIONSHIP
↓
INFORMATION NEED
↓
QUESTION
↓
ANSWER UNIT
↓
CONTENT
↓
STRUCTURED REPRESENTATION
↓
RETRIEVAL
↓
ANSWER ENGINE / AI SEARCH
↓
USER
↓
ACTION
↓
FEEDBACK
↓
UPDATE
Une Answer Unit peut être évaluée avec une question simple :
Si cette information était extraite de la page et présentée à quelqu'un qui cherche précisément cette réponse, resterait-elle vraie, compréhensible et suffisamment contextualisée ?
Si oui, l'unité possède une bonne autonomie informationnelle.
Si non, davantage de contexte peut être nécessaire.
Publier davantage de contenu ne signifie pas nécessairement répondre à davantage de besoins.
Une page de 3 000 mots peut contenir très peu de faits utiles.
Une page de 800 mots peut répondre précisément à de nombreuses questions.
Le volume éditorial et la couverture informationnelle sont deux dimensions différentes.
Ajouter 100 questions artificielles ne crée pas nécessairement une bonne architecture AEO.
La priorité doit rester :
REAL QUESTIONS
REAL INFORMATION
REAL ANSWERS
Une approche traditionnelle peut être :
KEYWORD
↓
QUESTION
↓
TEXT
Une approche Information-First peut être :
REALITY
↓
DATA
↓
KNOWLEDGE
↓
ENTITY
↓
INFORMATION NEED
↓
ANSWER
↓
CONTENT
Cette deuxième approche réduit le risque d'inventer du contenu pour couvrir artificiellement des requêtes.
L'Answer Unit peut être considérée comme une couche intermédiaire :
RAW DATA
↓
KNOWLEDGE
↓
ANSWER UNIT
↓
WEB CONTENT
↓
SEARCH / AI SEARCH
Elle transforme un fait interne en information publique compréhensible.
On peut représenter :
ENTITY SEO
Qui ?
Quoi ?
Quels attributs ?
Quelles relations ?
↓
ANSWER UNIT
Comment exprimer le fait ?
↓
AEO
Comment répondre au besoin ?
Cette position explique pourquoi les Answer Units peuvent servir de pont entre plusieurs disciplines.
Le Semantic SEO cherche à représenter correctement :
- sujets ;
- entités ;
- relations ;
- contexte ;
- informations.
Les Answer Units permettent ensuite de transformer certaines de ces informations en réponses explicites.
Une page peut être construite comme un ensemble cohérent :
PRIMARY ENTITY
↓
PRIMARY INTENT
↓
CORE ANSWER
↓
SUPPORTING ANSWER UNITS
↓
EVIDENCE
↓
RELATED ENTITIES
↓
NEXT STEP
L'objectif n'est pas d'empiler des blocs indépendants.
Il faut conserver une narration et une hiérarchie.
Deux entreprises du même secteur peuvent avoir les mêmes mots-clés mais des Answer Units très différentes.
Exemple :
Restaurant A
- terrasse ;
- menu végétarien ;
- réservation ;
- parking.
Restaurant B
- menu dégustation ;
- chef ;
- accords ;
- privatisation.
Le secteur ne détermine pas toutes les réponses.
La réalité de l'entreprise les détermine.
Une entreprise peut disposer d'informations distinctives :
- processus particulier ;
- délai ;
- expertise ;
- fabrication ;
- origine ;
- zone ;
- technologie ;
- service ;
- garantie.
Ces informations peuvent devenir des Answer Units différenciantes lorsqu'elles répondent à un besoin réel.
Une page apporte davantage de valeur lorsqu'elle fournit des informations qui ne sont pas simplement une reformulation de contenus déjà disponibles partout.
Les connaissances propres à l'entreprise peuvent contribuer à cette différenciation.
Il ne s'agit pas d'inventer de la nouveauté.
Il s'agit de publier de l'information réellement possédée.
Pour certaines informations, l'entreprise elle-même constitue la source primaire.
Exemple :
- ses horaires ;
- ses services ;
- ses délais ;
- ses produits ;
- ses zones ;
- ses processus.
Pour d'autres affirmations, elle ne constitue pas la meilleure source.
Exemple :
- réglementation ;
- statistiques nationales ;
- recherches scientifiques.
Il faut alors utiliser une source adaptée.
Certaines informations peuvent être corroborées par d'autres sources.
Exemple :
Company
→ certification annoncée sur son site.
Certification provider
→ certification publiquement vérifiable.
La deuxième source peut confirmer la première.
Une Answer Unit peut être vue comme une verbalisation d'une partie d'un graphe.
Exemple :
Organization
→ provides →
Service
→ availableIn →
Place
peut devenir :
Example Company propose ce service à Aix-en-Provence.
Le graphe représente la relation.
L'Answer Unit l'exprime en langage naturel.
Un système peut récupérer un passage sans utiliser toute la page.
Une Answer Unit contextualisée peut alors conserver davantage de sens.
Cela ne signifie pas qu'il faut optimiser chaque phrase pour l'extraction.
La priorité reste la qualité du document.
Un système génératif peut éventuellement citer une source contenant une information pertinente.
Mais une Answer Unit ne garantit jamais :
- retrieval ;
- utilisation ;
- citation ;
- affichage.
Elle améliore l'organisation de l'information, pas le contrôle du système externe.
On peut observer :
- questions couvertes ;
- pages concernées ;
- informations manquantes ;
- conflits ;
- fraîcheur ;
- impressions ;
- requêtes ;
- citations observables ;
- conversions.
Aucune métrique unique ne résume toute la performance.
Une matrice peut croiser :
| Entity | Attribute | Question | Answer | Page | Status |
|---|---|---|---|---|---|
| Restaurant | Hours | Open Sunday? | Yes | Contact | Published |
| Restaurant | Terrace | Terrace? | Yes | Home | Published |
| Restaurant | Parking | Parking? | Unknown | — | Missing |
| Restaurant | Booking | Reservation? | Yes | Contact | Published |
Elle permet de détecter les lacunes.
Une organisation peut maintenir une bibliothèque interne de réponses validées.
Cette bibliothèque peut servir à alimenter :
- site ;
- fiches ;
- documentation ;
- support ;
- équipes ;
- contenus.
Elle ne doit pas nécessairement être publiée intégralement.
Pour les informations critiques, une source interne de référence peut être utile.
Exemple :
Business system
↓
Validated answer
↓
Website
↓
Structured data
↓
Business profiles
Cela réduit les contradictions.
Certaines Answer Units peuvent être générées ou mises à jour à partir de données structurées.
Exemples :
- stock ;
- prix ;
- horaires ;
- caractéristiques.
L'automatisation nécessite cependant :
- données fiables ;
- règles ;
- validation ;
- contrôle des erreurs.
Une information automatiquement générée peut être techniquement correcte mais contextuellement trompeuse.
La validation humaine reste importante lorsque :
- le risque est élevé ;
- le contexte est complexe ;
- la donnée est ambiguë ;
- une décision éditoriale est nécessaire.
Le cycle de vie peut être :
DISCOVER
↓
SOURCE
↓
VALIDATE
↓
WRITE
↓
PUBLISH
↓
MEASURE
↓
UPDATE
↓
ARCHIVE
Certaines réponses doivent être supprimées lorsqu'elles ne sont plus pertinentes.
Une information historique peut rester utile sans être présentée comme actuelle.
Exemple :
Cette offre était disponible jusqu'au 31 décembre 2025.
Le contexte temporel permet de conserver l'information sans créer de confusion.
Dans les environnements complexes, certaines réponses peuvent nécessiter un historique.
Exemple :
Shipping policy v1
↓
Shipping policy v2
Cela peut être particulièrement pertinent pour :
- politiques ;
- contrats ;
- documentation ;
- réglementation ;
- produits techniques.
À grande échelle, les Answer Units peuvent devenir une couche de gouvernance entre :
DATA SYSTEMS
↓
KNOWLEDGE MANAGEMENT
↓
CONTENT MANAGEMENT
↓
SEARCH
↓
AI SEARCH
Cette approche dépasse alors la simple optimisation d'une page SEO.
Lorsque les réponses sont gérées comme des objets informationnels reliés à :
- données ;
- entités ;
- sources ;
- systèmes ;
- contenus ;
le travail se rapproche d'une forme d'ingénierie de l'information appliquée à Search.
Answer Unit est utilisé ici comme un cadre méthodologique.
Il ne faut pas affirmer :
- que Google utilise ce nom pour ses passages ;
- qu'un LLM exige ce format ;
- qu'une Answer Unit garantit une citation ;
- qu'il existe une longueur idéale universelle ;
- qu'il existe un nombre optimal par page.
Le concept sert à améliorer la qualité de l'information publiée.
Les concepts suivants sont utilisés comme éléments du framework :
- Answer Unit ;
- Answer Gap ;
- Answer Conflict ;
- Answer Decay ;
- Answer Coverage ;
- Answer Map ;
- Answer Inventory ;
- Answer Consistency ;
- Answer Ownership ;
- Answer Governance.
Ils constituent un vocabulaire méthodologique.
Ils ne sont pas présentés comme des standards officiels de Google.
Quelles informations possédons-nous ?
↓
Quelles entités, attributs et relations ces informations décrivent-elles ?
↓
Comment transformer ces faits en réponses utiles ?
↓
Comment organiser la présence numérique pour répondre aux besoins ?
↓
Comment cette information peut-elle participer à la visibilité dans les environnements génératifs ?
↓
Comment l'ensemble fonctionne-t-il dans les nouveaux environnements de recherche ?
REAL BUSINESS
↓
FIRST-PARTY DATA
↓
BUSINESS FIRST-PARTY KNOWLEDGE
↓
ENTITIES
↓
ATTRIBUTES
↓
RELATIONSHIPS
↓
ANSWER UNITS
↓
CONTENT ARCHITECTURE
↓
STRUCTURED DATA
↓
CORROBORATION
↓
RETRIEVAL
↓
SEO
↓
AEO
↓
GEO
↓
AI SEARCH
↓
MEASUREMENT
↓
FRESHNESS
Le principe fondamental des Answer Units peut être résumé ainsi :
Ne pas commencer par demander combien de contenu produire. Commencer par déterminer quelles informations vraies sont nécessaires pour répondre correctement.
Puis :
Transformer ces informations en réponses suffisamment claires pour être comprises par un humain, et suffisamment structurées pour conserver leur sens dans différents contextes de recherche et de récupération.
Documentation générale :
https://developers.google.com/search/docs
https://developers.google.com/search/docs/fundamentals/creating-helpful-content
https://developers.google.com/search/docs/appearance/ai-features
https://developers.google.com/search/docs/appearance/structured-data/intro-structured-data
Schema.org fournit un vocabulaire permettant de représenter des entités, attributs et relations.
W3C JSON-LD 1.1:
https://www.w3.org/TR/json-ld11/
Aggarwal, P., Murahari, V., Rajpurohit, T., Kalyan, A., Narasimhan, K., & Deshpande, A.
GEO: Generative Engine Optimization
https://arxiv.org/abs/2311.09735
Ce référentiel est proposé et maintenu par VisiaLocal.
VisiaLocal est une agence d'ingénierie sémantique travaillant notamment sur :
- Semantic SEO ;
- First-Party Data ;
- Entity SEO ;
- Answer Engine Optimization ;
- Answer Units ;
- Structured Data ;
- Schema.org / JSON-LD ;
- Generative Engine Optimization ;
- Local Search ;
- AI Search.
Ce repository documente le concept public d'Answer Unit et son articulation avec l'architecture de l'information.
Les systèmes internes de collecte, questionnaires, règles de priorisation, modèles d'audit, systèmes de scoring, automatisations et méthodes opérationnelles propriétaires de VisiaLocal ne sont pas documentés publiquement.
Pour citer ce référentiel :
VisiaLocal — Answer Units: référentiel sur les unités de réponse pour le Semantic SEO, l'AEO, le GEO et l'AI Search (2026).
Les corrections factuelles, discussions terminologiques, cas d'usage et contributions permettant d'améliorer le framework sont les bienvenues.
VisiaLocal — Agence d'Ingénierie Sémantique, SEO, GEO & AEO
Aix-en-Provence, France.