Machine learning : une nouvelle frontière pour le SEO ?
Le machine learning gagne en importance au sein des algorithmes de Google. Il est temps pour les spécialistes du SEO d’apprendre à s’adapter aux évolutions induites par l’apprentissage automatique.
Le machine learning n’a pas encore redéfini le paysage du SEO. Mais il est définitivement en vue, à condition de savoir regarder dans la bonne direction. Pour l’instant, référenceurs et agences SEO ici peuvent continuer à vaquer à leurs occupations en faisant mine de ne pas s’inquiéter des changements qui s’annoncent. Mais progressivement, il devient plus difficile d’ignorer qu’une secousse profonde est en train d’agiter la planète référencement. Alors, avant que les sites de vos clients ne commencent à jouer au yo-yo dans les SERPs parce que le machine learning a gagné en puissance, mieux vaut vous préparer. Et avoir une meilleure idée de cette nouvelle frontière SEO qu’il vous faudra bien franchir un jour ou l’autre.
Pourquoi le machine learning est-il si important pour Google ?
On ne présente plus le machine learning, cet « apprentissage automatique » qui découle de l’intelligence artificielle et permet aux ordinateurs d’évoluer à partir de la data. Éduqués, les algorithmes peuvent ainsi s’adapter aux besoins réels (et évolutifs) des entreprises comme des clients. Si vous avez déjà reçu des suggestions juste après avoir navigué sur les pages de produits d’un marketplace (« Ce produit pourrait vous intéresser ! »), alors vous avez tâté, sans le savoir, du machine learning. Si vous désirez en savoir plus sur cette technologie qui nous fait plonger de plain-pied dans la science-fiction, cet article résume bien les choses.
Du point de vue des moteurs de recherche en général, et de Google en particulier, le machine learning a donc tous les atours d’une potion miraculeuse. L’apprentissage automatique ne change certes pas le fonctionnement de Google. Mais il lui fait gagner en vitesse, en précision et en réactivité, dès qu’il s’agit de collecter des données et de les interpréter pour mieux remplir sa mission : répondre aux besoins des internautes. En effet : tout l’édifice mis en place par Google vise à satisfaire ses utilisateurs – un objectif en vue duquel le géant de Mountain View n’hésite pas à tordre la réalité du web à sa convenance, quitte à en modifier les règles. Par exemple, en lançant RankBrain (sur le terrain des SERPs depuis avril 2015), un algorithme permettant de mieux comprendre les requêtes formulées par les internautes ce qui fera évolué les attentes des référenceurs. Si, au départ, RankBrain s’occupait uniquement d’un type très spécifique de requêtes (les 15 % de demandes inédites), il est désormais impliqué dans un nombre grandissant de demandes. Peut-être même dans toutes les demandes, si l’on en croit ce que les Googlers laissent parfois entendre (voir ici).
Comment le machine learning change-t-il le SEO ?
Il faut comprendre qu’à travers le machine learning, le SEO est à l’aube d’une révolution. Si Google s’est saisi de cette technologie (et a investi des milliards de dollars dedans), c’est parce qu’elle est la clé d’un changement profond de conception. On pourrait résumer cette conception par la formule suivante : le « user first ».
Jusqu’au machine learning, l’idée de résultats de recherche réellement personnalisés, en adéquation complète avec les intentions des utilisateurs, tenait surtout de l’impossible quête du Graal. Les humains n’ont pas les ressources pour déterminer ce dont les utilisateurs ont exactement besoin, au moment précis où ils en ont besoin, simplement à partir d’une façon de formuler une requête et en fonction du terminal utilisé pour se connecter à Internet. C’est un objectif tout simplement inatteignable.
Mais les algorithmes, eux, peuvent le faire. Ils disposent, pour cela, de ressources énormes. Accumuler les données et les traiter pour comprendre précisément quelles sont les intentions des internautes et leur suggérer des réponses qui collent au plus près à celles-ci, c’est dans leurs cordes. C’est à ça que sert le machine learning. Et c’est sur ce point qu’il va changer structurellement le SEO.
Quels changements attendre pour le référencement naturel ?
Cette évolution induite par le machine learning concernera toutes les dimensions du référencement naturel :
1. Les contenus, qui deviendront les véritables moteurs du SEO, bien avant les leviers techniques et les backlinks.
2. Les leviers d’optimisation on-page, qui, tout en restant viables (il faudra continuer de remplir consciencieusement les balises html), n’en perdront pas moins en importance au profit des contenus. Ce sera, n’en doutons pas, la mort des méthodes éthiquement discutables (Black Hat SEO).
3. Les leviers techniques, comme les scripts, les sitemaps et les fichiers robots.txt, qui seront de moins en moins nécessaires.
4. L’expérience utilisateur, qui sera certainement la priorité absolue de Google, et qui devra (pour être pleinement efficace) découler des trois points précédents. Afin d’offrir aux internautes la meilleure expérience possible, gage d’un positionnement plus élevé dans les SERPs.
En somme, le machine learning ne signifie aucunement la fin du SEO technique, mais le commencement d’une ère où ces méthodes seront au service de l’utilisateur final (plutôt qu’au service des robots de Google).
Quel rôle le référenceur va-t-il jouer dans ce nouveau paysage SEO ?
Concrètement, le machine learning va pousser les agences de référencement à jouer un rôle plus global, moins attaché aux outils techniques et au respect absolu des règles. Ils devront s’intéresser de plus près à LA question qui occupe d’ores et déjà Google : l’utilisateur final est-il satisfait de son expérience ? Pour cela, les spécialistes SEO devront s’adapter à ces nouvelles réalités, point par point. C’est-à-dire :
1. Veiller à ce que les contenus soient qualitatifs et pertinents, et qu’ils répondent aux intentions des utilisateurs, suffisamment pour pousser ceux-ci vers la conversion. Google comprendra tout seul que c’est le meilleur contenu possible qui a été mis en ligne, et il le positionnera en conséquence dans ses SERPs.
2. Veiller à ce que l’optimisation SEO repose sur une stratégie globale, qui n’utilise les leviers techniques que comme des appuis indispensables permettant de mieux produire des contenus de qualité. Demain, avec un machine learning surpuissant, espérer tromper Google grâce à des points techniques deviendra totalement illusoire.
3. Laisser le soin à la machine de s’occuper des leviers techniques, pour mieux se concentrer sur la stratégie globale. La Google Search Console, qui est déjà capable d’informer les webmasters des scories existantes sur leurs pages, pourra (dans quelques années) garantir l’aspect « SEO friendly » d’un site web, sans plus d’efforts à fournir.
4. Favoriser l’expérience utilisateur, à tous points de vue : qu’il s’agisse de la technique (affichage rapide sur desktop comme sur mobile, navigation ergonomique), de l’optimisation (choisir des mots-clés longue traîne, plus pertinents en regard de la recherche vocale notamment) ou des contenus (personnalisés en fonction des cibles visées).
Nouvelle frontière, nouveau métier
Il existe deux catégories de référenceurs SEO : les technocrates et les créatifs. Les premiers croient dur comme fer en la toute-puissance de la technique pure. Ils sont les papes du référencement on-page, les princes du netlinking. Pour eux, une bonne stratégie SEO s’appuie avant tout sur un solide socle méthodologique, à base de mots-clés et de balises html. Les seconds sont moins attachés aux leviers eux-mêmes : ils considèrent volontiers que les bons contenus web font les bons amis, et qu’un texte de qualité n’a pas forcément besoin d’une technique omniprésente. La force du machine learning, c’est de contraindre ces deux catégories à en devenir une seule. De fondre le SEO technique dans le SEO créatif, et inversement.
De cette nouvelle frontière à franchir, il en ressortira donc un nouveau métier, dédié au déploiement d’un référencement qui a l’utilisateur comme horizon et la technique comme appui. Avec une unique ligne d’arrivée : la satisfaction client.