Le Machine Learning influence depuis de nombreuses années l’affichage des résultats sur Google. Mais récemment, mes équipes me partageaient l’information que le Machine Learning s’exécutait maintenant au niveau mot-clef, et que cela rendait la compréhension de l’algorithme et du fonctionnement de Google de plus en plus complexe.
En effet, si chaque mot-clef répond à des règles différentes pour atteindre la première page de Google, alors il devient techniquement impossible de « trouver » comment raisonne Google, car il appliquera un raisonnement différent pour chaque mot-clef.
Se sont les implications de ce changement que je souhaite imaginer avec vous dans cet article.
1 mot-clef = 1 algo ?
Le Maching Learning s’est donc invité dans l’algorithme de ranking de Google à la couche la plus basse, celle du niveau mot-clef. Et l’impact que cela aura sur notre industrie pourra être très important.
Cet ajout du Maching Learning au niveau ranking ajoute une complexité : là où, avant, il y avait une formule commune pour classer un site plus ou moins haut dans les résultats de recherche, aujourd’hui, chaque mot possède sa propre formule. Maintenant que les algos sont écrits par de puissants ordinateurs, la limite du nombre d’algos saute.
Nous prenons donc peu de risques à poser cette hypothèse : aujourd’hui, dans le ranking de Google, 1 mot-clef = 1 algo.
Ainsi, là où avant il suffisait de faire de la rétro-ingénierie afin de tenter de comprendre comment « réfléchissait » Google pour classer les sites, aujourd’hui chaque mot-clef va nécessiter sa propre analyse, sa propre étude, sa propre rétro-ingénierie.
Si 1 mot-clef = 1 algo, alors il n’y a plus d’algo du tout.
Tirons ce fil encore un peu. Si chaque mot-clef auto-crée son propre algorithme, alors il n’y a plus d’algorithme du tout. Il ne reste juste qu’un arbre des possibilités avec autant de branches (dans ce cas présent, le résultat de recherche sur Google) que de variables (dans ce cas présent, le mof-clef).
Prenons des exemples de phrases d’hier et regardons ce qu’elles deviennent aujourd’hui :
Hier on disait : « L’algo de Google aime bien que vous mettiez plusieurs images dans vos fiches produits.«
Demain on dira : « Afin d’atteindre la première page sur Google, notre modèle prédit que pour cette fiche produit qui vend un câble iPhone vous allez avoir besoin d’une image, mais que pour celle qui vend cette table en teck, vous allez avoir besoin d’au moins 5 images.«
Hier on disait : « L’algo de Google demande une balise Title de 70 caractères.«
Demain on dira :« Afin d’atteindre la première page sur Google, notre modèle prédit que pour cette fiche produit qui vend un câble iPhone vous allez avoir besoin d’une balise Title de 20 caractères, mais que pour celle qui vend cette table en teck, vous allez avoir besoin d’une balise Title de 60 caractères.«
Hier on disait : « L’algo de Google aime bien les vidéos sur les fiches produits.«
Demain on dira : « Afin d’atteindre la première page sur Google, notre modèle prédit que pour cette fiche produit qui vend un câble iPhone vous n’aurez pas besoin d’investir dans une vidéo, mais que pour celle qui vend cette table en teck, vous aurez 80% de chance d’atteindre la première page de Google si vous y ajoutiez une vidéo. »
Etc… La variété des recommandations deviennent infinies, car le ranking Google d’aujourd’hui n’est plus le résultat d’un algo, mais d’une inifinté d’algos générés par la machine. La variété d’algorithmes devient infinie, donc la rétro-ingénierie devient impossible.
Google a drastiquement complexifié la compréhension de son fonctionnement, et cela va compliquer le travail de nombreuses équipes.
Si le nombre d’algos = le nombre de mot-clef, alors les recommandations SEO se feront elles-aussi au niveau de cette couche la plus basse, et, alors, les audit SEO devront utiliser des techniques de SEO predictif.
Inscrivez-vous
