Leaks de Google Maps : les principaux enseignements
Le Leak de Google de 2024 continue de révéler ses secrets. L’agence Resoneo a analysé un binaire récent de Google. Celui-ci désigne un fichier logiciel compilé exécutable. Il expose une partie non publique de Geostore, la base des entités géographiques de Google. Il est présent au sein d'une archive unique et consultable. Grâce à de la rétro-ingénierie, l’agence a retrouvé des noms de services, de modules ou de fournisseurs de données intégrés. Résultat : ce corpus rassemble 72 signaux de classement, 793 fournisseurs de données et plus de 10 900 déclarations Geostore. Le fichier binaire a aussi été croisé avec le leak de 2024, le trafic réseau de Maps, le Web index, ou différents services mobiles. De cette étude, une information ressort : la liste d'établissements affichée par Google Maps n'est que le résultat visible d'un système complexe sous-jacent.
Google structure l'information géographique pour alimenter l'IA contextuelle.
D’après l’étude, le point de départ pour comprendre l’affichage des informations locales par Google pourrait être Geostore. Cette infrastructure interne de Google est destinée à organiser les objets géographiques. Elle représenterait la base de données interne et l'infrastructure architecturale secrète qui alimente Google Maps. Google y centraliserait, traiterait et organiserait toutes ses entités géographiques, comme les routes ou les adresses.
Si Geostore décrit principalement les objets géographiques, le Knowledge Graph apporterait une dimension sémantique. Google rattache les pages Web aux entités géographiques via celui-ci. Il évalue la pertinence d'un document pour une entité donnée, mesure l'indice de confiance de cette relation et compare plusieurs textes sur ce même sujet.
Intervient ensuite le système Webref. C’est une couche qui relie les documents du Web à l’entité en question. Le système peut associer à la page un MID, c’est-à-dire un identifiant machine. Une page peut être reliée à une seule ou plusieurs entités, avec un niveau de confiance différent pour chacune. Google peut essayer d’évaluer la nature et la force de cette relation. La page traite-t-elle réellement du sujet ? Est-elle pertinente pour cette entité ? Quels liens existent entre cette page, cette entité et d’autres éléments ? Est-elle particulièrement utile ou reconnue pour cette entité ? Notons que cette organisation signifie qu’une page Web ne sert pas uniquement à se positionner sur des mots-clés. Elle peut aussi aider Google à comprendre et à confirmer une entité géographique.
Ensuite, les systèmes Search et Places interprètent la requête de l’utilisateur. Par exemple, pour "pharmacie près de la gare", Google doit comprendre qu’il faut rechercher des pharmacies situées dans une zone liée à une gare précise. Après avoir compris la recherche, Search et Places produisent des candidates. Ce sont des lieux susceptibles de répondre à la demande. La sélection se fait dans un espace géographique dynamique. Cela signifie que la zone de recherche peut dépendre de la position de l’utilisateur, de la densité des commerces, du type de recherche… Les systèmes on-device ajoutent une partie du contexte personnel de l’utilisateur. Une partie de l’intelligence géographique de Google se trouve en effet sur le téléphone.
Une fois les candidates identifiés, le système Mapcore contrôle ce qui atteint réellement la surface visuelle de la carte. Un établissement peut être bien classé dans les données internes, mais ne pas apparaître visuellement sur Google Maps. À l’inverse, un lieu peut être affiché à l’écran parce qu’il est proche ou important dans la zone visible. Le listing Google Maps n’est que la couche visible de cette stack.
Ensuite, et de plus en plus, les systèmes de langage naturel, comme Ask Maps et Gemini peuvent permettre à l’utilisateur de poser des questions plus complexes qu’une simple recherche par mots-clés. Gemini ou Ask Maps ne remplacent pas nécessairement toutes les couches précédentes. Ils peuvent agir comme une interface capable de raisonner au-dessus de ces données.
Optimiser la cohérence sémantique des établissements.
Il est encore difficile de savoir quels résultats SEO obtenir à partir de ces informations. "L’étude est trop récente pour avoir déployé une stratégie fondée dessus et mesuré proprement son impact", souffle Olivier de Segonzac, associé fondateur de Resoneo. "En revanche, elle change déjà certains protocoles de travail. Nous allons davantage traiter chaque établissement comme une entité complète, en vérifiant la cohérence entre Google Business Profile, le site de la marque et les sources tierces utilisées par Google. Elle renforce aussi l’importance de la précision sémantique. Dans notre étude, nous avons par exemple observé 21 magasins d’une même enseigne dans une seule agglomération : 11 étaient interprétés principalement comme des pharmacies et 10 comme des drugstores. Ce type de différence peut avoir un impact très concret sur les requêtes pour lesquelles un magasin est candidat. Nous lançons également des tests sur certaines sources explicitement présentes dans les données récupérées, notamment les sources cartographiques, Wikipédia, Google Earth... L’objectif est maintenant de mesurer ce qui peut réellement modifier la compréhension ou la visibilité d’un établissement."
Le SEO local exigera des établissements hyper-documentés pour l'IA
Un point important, pour Olivier de Segonzac, le SEO local va probablement évoluer d’un problème de classement à celui lié à la capacité à répondre." Aujourd’hui, Google Maps comprend déjà une requête sous forme de concepts, sélectionne des établissements et exploite énormément de données structurées sur chacun d’eux. Les avis sont eux-mêmes découpés par thèmes, avec les passages associés, leur sentiment et leur pertinence. Un système conversationnel peut donc répondre à des questions beaucoup plus précises que "quel restaurant est le plus proche ?".
Pour cela, demain, la question pourra être : "Quel restaurant italien autour de moi convient à six personnes, accepte les chiens, a peu d’attente et reçoit de bons avis sur les pâtes ?"
"Pour les marques, l’enjeu sera de rendre chaque établissement sémantiquement très bien documenté : il faudra les bonnes catégories, les bons attributs, des horaires fiables, des informations cohérentes sur le Web et des avis authentiques décrivant réellement l’expérience."
La personnalisation pourrait encore renforcer ce phénomène. "Maps dispose déjà, sur l’appareil, de signaux liés aux lieux fréquents, au domicile, au travail, aux trajets et même à une affinité pour certaines enseignes. Nous n’avons pas démontré que tous ces signaux alimentent Ask Maps, mais l’infrastructure nécessaire à des réponses différentes selon l’utilisateur existe déjà."
Pour lui, le suivi de positions locales ne disparaîtra donc pas, mais il ne suffira plus. Il faudra aussi auditer les réponses que Google produit sur un établissement. C’est-à-dire : vérifier les faits, comprendre pourquoi un lieu est recommandé et s’assurer que Google le rattache aux bons concepts.