Lorsqu’un LLM répond, il le fait de préférence à partir de son modèle (ses connaissances acquises par entrainement). Dans le cas où ce n’est pas possible, il effectue plusieurs recherches dans les moteurs.
Le terme fan‑out, désigne la décomposition d’une question en plusieurs sous‑requêtes parallèles pour couvrir plus largement le sujet.
Les résultats sont ensuite fusionnés et utilisés pour la réponse finale. L’IA prend la question utilisateur, la découpe en plusieurs aspects, et lance plusieurs requêtes simultanément (8–12 sous‑requêtes typiquement, voire des centaines en « Deep Search »). Chaque sous‑requête explore un angle précis (définition, chiffres, comparaisons, cas particuliers, etc.).
CharGPT peut lancer jusqu’à 4 requêtes en parallèle et ensuite jusqu’à 2 recherches d’images si besoin. Il pousse ensuite les investigations si nécessaire.
Mais plus que le volume, ce qui est important ce sont les triggers qui déclenchent le fan out, les pattern de sous-requêtes et heuristiques que les sous-tendent.
