1492.Vision avance avoir analysé 42 millions de cartes Google Discover sur trois mois et aboutit à une conclusion qui bouscule les idées reçues. D’après cette étude, Discover ne fonctionnerait pas avec un algorithme unique, mais avec plus de 20 pipelines internes aux rôles très différents. Pour les éditeurs et les spécialistes SEO, cela change la lecture du produit, des performances et des chutes de trafic.
1492.Vision décrit un Discover bien plus fragmenté que prévu
Source de l’image : https://x.com/1492_Vision/status/2038518986774594025/
Selon 1492.Vision, Google Discover s’appuierait sur une architecture composée de nombreux pipelines spécialisés, chacun avec sa propre portée, sa visibilité et sa logique de distribution.
La cartographie publiée distingue plusieurs grandes familles. On y retrouve un socle de sélection universelle, des blocs dédiés à l’actualité chaude, d’autres orientés tendances, géolocalisation, contenus de niche, vidéo, personnalisation et monétisation. L’idée défendue par la plateforme est claire : Discover ne serait pas un flux uniforme, mais un assemblage de circuits parallèles.
Moonstone et shoppinginspiration ressortent comme deux moteurs majeurs
Parmi les noms mis en avant, moonstone apparaît comme l’un des plus puissants. D’après les chiffres partagés par 1492.Vision, ce pipeline atteindrait 19,3 % de portée, soit environ un lecteur sur cinq, contre 9,9 % pour le pipeline de base baptisé content.
Autre surprise, shoppinginspiration grimpe à 19,7 % de portée. La plateforme le présente comme un pipeline alimenté par un petit pool d’articles produits, avec une durée de vie moyenne de 3,7 jours par contenu. Cette place accordée au shopping suggère que la dimension commerciale de Discover pèse bien plus lourd qu’on ne l’imagine souvent.
Source de l’image : https://x.com/1492_Vision/status/2038518986774594025/
L’actualité conserve un poids fort, mais avec une visibilité plus faible
L’étude isole aussi des pipelines comme mustntmiss et newsstoriesheadlines, associés aux breaking news et aux gros titres. Leur portée reste notable, avec 11,2 % pour le premier et 9,1 % pour le second dans la version française analysée.
En revanche, leur visibilité affichée paraît plus basse. Cela peut traduire une présence ponctuelle, liée aux pics d’actualité, plutôt qu’une exposition durable. Pour les sites d’info, cette lecture renforce l’idée que la performance sur Discover dépend autant du bon type de contenu que du bon moment de diffusion.
La France et l’anglais montreraient deux Discover radicalement différents
C’est sans doute l’un des enseignements les plus marquants de la publication. 1492.Vision affirme que Discover FR et Discover EN partagent les mêmes noms de pipelines, mais pas le même comportement.
La plateforme cite plusieurs écarts nets. AIO serait à 0 % en français contre 29 % en anglais. Côté sources sociales, X dominerait en France, tandis que YouTube prendrait l’avantage en anglais. Enfin, moonstone pèserait 19 % en FR contre 9 % en EN. En clair, les recettes observées sur les marchés anglophones ne seraient pas transposables telles quelles au marché français.
Les contenus vidéo, locaux et personnalisés occupent aussi des zones bien identifiées
La carte publiée par 1492.Vision ne se limite pas à l’actualité ou au shopping. Elle mentionne aussi des pipelines comme freshvideos, creatorcontent, geotargetingstories, webkicklocalstories, discoverviewerrelatedcontent ou encore userpersonascontent.
Cette répartition renforce une idée simple : un contenu peut être favorisé pour sa fraîcheur, sa proximité géographique, son affinité avec un profil utilisateur ou son format. Pour les éditeurs, cela explique pourquoi deux articles de qualité comparable peuvent obtenir des résultats très différents dans Discover.
Cette étude remet en cause la notion d’un seul levier pour percer sur Discover
Le principal apport de 1492.Vision n’est pas seulement la liste de noms internes. La plateforme propose surtout une nouvelle grille de lecture. Au lieu de chercher une formule unique pour “plaire à Discover”, l’étude pousse à raisonner en scénarios : actualité chaude, tendances émergentes, vidéo, local, commerce, contenus affinitaires.
Cette approche éclaire aussi certaines variations brutales de trafic. Un média peut perdre en visibilité non parce que tout son site décroche, mais parce qu’un type de contenu ne passe plus par le pipeline qui le portait jusque-là.
1492.Vision promet une série complète pour détailler chaque pipeline
La plateforme indique que cette première publication s’inscrit dans un travail plus large, avec une analyse complète FR et EN, des deep-dives hebdomadaires et des contenus supplémentaires à venir. Elle précise aussi que les noms de pipelines auraient été révélés par une analyse SDK attribuée à @metehan777, tandis que ses propres données servent à documenter leur volume, leur portée, leur timing et leurs anti-patterns.
À ce stade, ces résultats doivent encore être lus comme une cartographie analytique, pas comme une documentation officielle de Google. Mais pour tous ceux qui suivent Discover de près, 1492.Vision met sur la table une hypothèse solide : la performance ne dépendrait pas d’un seul système, mais d’un empilement de circuits spécialisés dont les règles changent selon les marchés, les formats et les usages.
Je m’appelle Samuel Le Goff. À 38 ans, je suis l’actualité du numérique depuis plus de 14 ans. Aujourd’hui, je m’intéresse particulièrement aux smartphones et aux usages concrets de l’intelligence artificielle, que je traite à travers des contenus clairs et accessibles sur Menow.fr.
