Comment Google Search utilise l'IA

Vos efforts de référencement ne donnent pas les résultats escomptés et vous ne parvenez pas à comprendre pourquoi ?

Les tactiques traditionnelles de référencement deviennent de moins en moins efficaces. Pendant que vous vous concentrez sur les mots-clés et les backlinks, l'IA de Google évolue rapidement, changeant fondamentalement la façon dont les résultats de recherche sont classés.

Ce changement se produit en coulisses, ce qui rend de plus en plus difficile de comprendre pourquoi votre contenu n'est pas aussi performant qu'il le devrait.

Compréhension Comment fonctionnent les systèmes d'IA de Google est la clé pour adapter votre stratégie SEO. Cet article explore l'évolution de l'IA de Google (RankBrain, correspondance neuronale, BERT et MUM) et explique comment ces avancées remodèlent la recherche.

En maîtrisant ces concepts, vous serez mieux équipé pour créer du contenu qui s'aligne sur l'approche basée sur l'IA de Google, améliorant ainsi vos chances d'être mieux classé dans les résultats de recherche.

Les systèmes d'IA de Google

Google utilise une forme d’IA pour identifier, peser et ordonner les URL depuis 2015 environ, avec son premier système d’IA appelé RankBrain.

Trois ans plus tard, Ben Gomes, vice-président senior de l'apprentissage et de l'éducation de Google et ancien responsable de la recherche, a qualifié l'IA de «prochain chapitre de la recherche.”

Gomes a expliqué que l’IA permettra à Google de proposer une meilleure expérience utilisateur, et pas seulement en termes de requête. Il a déclaré que l’IA créera « trois changements fondamentaux » dans le fonctionnement de la recherche :

• Des réponses aux voyages : « Pour vous aider à reprendre vos tâches là où vous les avez interrompues et à découvrir de nouveaux centres d'intérêt et passe-temps, nous proposons de nouvelles fonctionnalités à Search qui vous aident à répondre à vos besoins d'information continus. »
• Des requêtes à la mise à disposition d'un moyen sans requête pour accéder à l'information : « Nous pouvons faire apparaître des informations pertinentes liées à vos intérêts, même lorsque vous n'avez pas de requête spécifique en tête. »
• Du texte à une manière plus visuelle de trouver l’information : « Nous apportons davantage de contenu visuel à la recherche et repensons entièrement Google Images pour vous aider à trouver des informations plus facilement. »

Ce changement a commencé avec RankBrain.

RankBrain (2015)

Le système RankBrain a été la première étape pour aider le moteur de recherche à « comprendre comment les mots se rapportent aux concepts ».

Comprendre le lien entre un mot et un concept est une activité intelligente et la première étape de Google pour comprendre le contenu comme un humain.

Par exemple, si vous recherchez « Quelle est la couleur du ciel ? », l'IA pourrait comprendre ce que signifie « ciel » et savoir s'il s'agit d'une couleur perçue. Google pourrait alors renvoyer un résultat qui ne contiendrait pas les mots exacts mais répondrait à la requête.

Quelques années plus tard, Google a fait de nouveaux progrès en reliant les mots aux concepts grâce à la correspondance neuronale.

Correspondance neuronale (2018)

Ce système/sous-système a été créé pour aider Google à comprendre comment « les requêtes sont liées aux pages » pour des concepts plus difficiles à comprendre.

Supposons que vous recherchiez « attacher mes lacets », ce qui peut vouloir dire plusieurs choses. Grâce à la correspondance neuronale, Google pourrait comprendre que « lacets » signifie lacets de chaussures et renvoyer des résultats sur les façons de les attacher.

---

BERT (2019)

BERT signifie Bidirectionnel Encoder Representations from Transformers et était considéré comme un «percée.”

Considérez BERT comme l’évolution de RankBrain et de la correspondance neuronale, afin que Google puisse désormais comprendre comment plusieurs mots d’une phrase se rapportent à plusieurs mots sur la page et aux concepts qui les sous-tendent.

BERT semble être important pour reconnaissance d'entitéCela peut aider Google à comprendre le nom d’une marque, qui est une personne et peut-être même quelle est son expertise dans un sujet donné.

Il s'agit du type de modèle d'IA qui rend possible l'IA générative et les aperçus d'IA. Google l'utilise depuis 2019.

• En lien avec BERT, il existe un « système d’apprentissage profond » appelé DeepRank. Comme nous l’avons appris lors du témoignage de Panda Nayuk lors du procès du ministère de la Justice, DeepRank est essentiellement BERT lorsque BERT est utilisé pour le classement.
• DeepRank a également remplacé une grande partie de RankBrain.

MAMAN (2021)

Google affirme que le modèle unifié multitâche (MUM) est «1 000 fois plus puissant que BERT.”

Si BERT comprend le langage, alors MUM le génère. Et il peut également comprendre à la fois le texte et les images, et peut-être la vidéo à présent.

Pandu Nayak, responsable scientifique de Google Search et ancien vice-président de Search, a expliqué MUM comme suit :

« Prenons la question sur la randonnée au Mont Fuji : MUM pourrait comprendre que vous comparez deux montagnes, donc les informations sur l'altitude et le sentier peuvent être pertinentes. On pourrait également comprendre que, dans le contexte de la randonnée, « se préparer » pourrait inclure des choses comme l'entraînement physique ainsi que la recherche du bon équipement.

Étant donné que MUM peut faire émerger des informations basées sur sa connaissance approfondie du monde, il pourrait mettre en évidence que même si les deux montagnes ont à peu près la même altitude, l'automne est la saison des pluies sur le mont Fuji, vous aurez donc peut-être besoin d'une veste imperméable.

Cependant, l'application MUM visant à améliorer les résultats de recherche autour Informations sur le vaccin contre la COVID-19 met en évidence la puissance de ce système.

Nayak a déclaré que MUM aide à différencier les différentes marques de vaccins et à fournir les « dernières informations fiables sur le vaccin ».

MUM souligne que Google peut améliorer les résultats de recherche plus rapidement que par le passé.

Exploiter l’IA pour le référencement : quelles sont les possibilités ?

Ce que vous pouvez faire avec l'IA générative, Google peut le faire avec l'IA de son système de classement. Réfléchissez-y.

ChatGPT peut avoir un QI jusqu'à 155il est donc raisonnable de supposer que l'IA de Google peut, dans une certaine mesure, examiner les sources comme un humain.

Un humain examinant la qualité et la pertinence d'une page par rapport à son intention pourrait poser ces questions :

• Êtes-vous un expert expérimenté dans le sujet sur lequel vous écrivez ou parlez ?
• D’autres experts expérimentés parlent-ils de vous et de votre expertise ?
• Avez-vous la mauvaise réputation de spammer Google pour être mieux classé ?
• Comment ce que vous dites sur un sujet se rapporte-t-il à d’autres experts du domaine ?
• Est-ce le meilleur produit pour ce que je recherche ?

Mais n’oubliez pas que Gomes a déclaré que l’IA passerait « des réponses aux parcours ». C’est très important, car cela indique que Google peut suivre la façon dont vous et votre public interagissez avec votre marque ou vos experts internes ou créez du contenu à leur sujet.

Grâce à cela, Google pourrait répondre à des questions beaucoup plus pertinentes :

• Les gens bénéficient-ils de votre produit ou service ?
• Un site Web/une entreprise est-il affilié à un autre ou différent, avec des clients qui utilisent les deux ?
• Les clients partagent-ils des informations sur votre produit et les recherchent-ils ensuite sur Google ?

Il est temps d’arrêter de penser au référencement en termes de signaux de classement et de se concentrer sur la manière dont les humains recherchent des informations et pourquoi.