SEO : Comment le machine learning aide-t-il au classement des résultats de recherche ?

Google utilise le machine learning et notamment l’algorithme RankBrain pour améliorer ses résultats de recherche, désormais opérationnel pour 100% des requêtes. En dehors de RankBrain, que Google peut-il faire d’autre pour atteindre ses objectifs de moteur de qualité ?

RankBrain pour de meilleurs résultats de recherche

Alors que Gary Illyes, analyste des tendances web chez Google, s'est récemment exprimé sur l'indexation des pages dans les résultats de recherche, le moteur tente d’améliorer continuellement ses résultats de recherche. Greg Corrado, responsable du machine learning chez Google, avait, quant à lui, lancé RankBrain en avril 2015. Cette amélioration de l'algorithme modifie le positionnement des résultats de recherche en fonction de comment la requête de l’utilisateur est interprétée. Il s'auto-alimente au fil des requêtes utilisateur au lieu d'être pré-configuré par les ingénieurs de Google. Ce n'est pas une mise à jour comme Google Panda ou Penguin. Rankbrain est une extension de la requête utilisateur. A ne pas confondre avec Hummingbird, un algorithme de recherche sémantique actif depuis 2013 qui tente, lui, de comprendre l’intention de l’utilisateur en étudiant chacun des mots de la requête utilisateur.

Pourquoi a-t-il fallu introduire de l’intelligence artificielle ?

Tout d’abord, les méthodes traditionnelles basées sur le langage avaient leurs limites car il existe de nombreuses façons de dire la même chose. Pour mémoire, Google a lancé il y a un peu plus d’un an, le système d'intelligence artificielle RankBrain lequel modifie le positionnement des résultats de recherche en fonction de l’interprétation qui est faite de la requête de l’utilisateur.

Pas d’IA pour gérer automatiquement le classement des résultats de recherche

Pour autant si l’IA permet de gagner du temps, des cas pratiques, comme la traduction, ne sont pas encore à la hauteur. Des personnalités comme Elon Musk et Stephen Hawking alertent également sur les pièges de l’IA. Est-ce que Google est prêt à lâcher prise et laisser l’IA prendre le contrôle de son moteur ? Pas encore. Lorsqu'il s'agit de traiter les résultats de son moteur de recherche, Google ne souhaite pas que le machine learning soit directement impliqué pour classer les résultats de recherche. En effet, cela représente un risque trop grand pour le moteur. 

Même si certains facteurs de positionnement s’expliquent, la plupart des systèmes d’IA actuels sont assez obscurs. Impossible de les modifier ponctuellement. Ainsi à la question « comment faire pour qu’une machine appréhende l’intuition humaine ? » les experts ne peuvent répondre avec certitude. Pour autant, Google met un point d'honneur à améliorer la qualité de ses résultats de recherche. Pour cela, les Search Quality Raters notent les résultats de recherche et des systèmes automatisés envoient des signaux aux algorithmes.

De la mesure de la qualité des résultats de recherche avec les clics

Avec l’émergence de son navigateur Chrome, Google s’est mis à mesurer les clics dans les résultats de recherche. On peut d'ailleurs les observer dans la Search Console. Des tests non concluants ont été menés pour tester l’impact de ce critère. Si Google veut tester si un résultat est à la bonne place, il peut utiliser la mesure du taux de clics. 

1. Plus un résultat de recherche est plébiscité via un plus le taux de clics élevé plus il mérite une position haute. L'IA peut déterminer cela en fonction des cas rencontrés. 
2. Il suffirait alors de mesurer l’engagement pour conclure si le résultat était intéressant pour l’utilisateur ou non, des données dont nous disposons via les web analytics. Cependant le moteur n'est pas censé y accéder. 

1. Comment augmenter son taux de clics naturellement ? 

Il convient de commencer par identifier sa cible et comprendre ses besoins. Cela permet de construire une page qui répondra mieux aux intentions des utilisateurs et de les conserver plus longtemps sur la page. 
Ensuite, on rédige l’accroche idéale dans les résultats afin d’inciter au clic. Cette accroche se teste plusieurs fois et évolue en fonction de la concurrence. 
On mesure la performance via Google Search Console qui fournit des informations sur les clics vers son site.  En les confrontant avec le temps passé sur le site et le taux de rebond (web analytics), il est ainsi possible de mesurer l’engagement et la satisfaction des utilisateurs. 

Google dispose également de nombreuses informations utilisateurs via les comptes Google qu’il peut utiliser pour alimenter son système d’apprentissage automatique.

2. Comment Google pourrait-il mesurer l'engagement ? 

Un bon engagement correspond à un temps passé sur le site dépassant la moyenne et une page positionnée avec un faible taux de rebond. Rand Fishkin, Moz introduit la notion de short clicks et long clicks. Un short click correspond à un retour des utilisateurs sur la page des résultats de recherche après avoir visité un résultat : ce sont des utilisateurs déçus. Ce résultat sera moins bien positionné si l’expérience se représente souvent. A l’inverse, ceux qui ont cliqué sur une page pour y rester suffisamment longtemps, long clicks, sont plus engagés et, a priori, satisfaits. 

A noter que Google sait se prémunir des clics frauduleux : le moteur les surveille déjà via sa régie Adwords depuis quelques années.

Finalement, inciter au clic avec une page inappropriée c’est prendre le risque que la page soit de moins en moins bien classée par le moteur. 

Quelles applications futures pour la recherche utilisateur ?

Pour être bien positionné, il convient donc de connaître l’intention de sa cible afin d’améliorer ses taux de clics et l’engagement des utilisateurs. 

Pour aller plus loin que les résultats de recherche Google, les assistants personnels (Siri, Cortana, M de Facebook ou Google Assistant) et les moteurs de recherche intégrés sont à la mode chez les géants du web. La course à la meilleure façon de présenter une information pertinente aux utilisateurs est lancée ! Il faudra certainement reproduire le même type d’analyse sur l’engagement pour les pages de résultats de ces différents supports.