Comment fonctionne RankBrain et l'optimisation des contenus ?

Aujourd'hui, il est difficile de ne pas avoir entendu parler de RankBrain. Ce nouveau système de Google, ainsi que son impact sur les résultats de recherche, soulève des nombreuses questions auprès de la communauté SEO.

A travers ce 3ème volet du guide sémantique SEOQuantum, nous allons essayer de comprendre la façon dont RankBrain fonctionne et s'il y a quelque chose que nous pourrions faire pour optimiser les contenus.

Qu'est-ce que Google RankBrain?

Google Rank Brain est un système d'apprentissage automatique (basé sur le deep learning) développé par Google pour améliorer la pertinence des résultats de recherche. Il permet d'interpréter de nouvelles requêtes qui n'ont pas été recherchées précédemment.

Certains experts SEO considèrent que RankBrain fait partie de l'algorithme de recherche de Colibri (Google Hummingbird),  annoncé en 2013, pour aider le moteur de recherche à mieux comprendre la signification de la requête et notamment les requêtes composées de plusieurs mots.

La première déclaration officielle de Google RankBrain a été faite par Greg Corrado en octobre 2015. Greg a déclaré que, peu de temps après le déploiement, RankBrain est devenu le troisième "facteur" de classement de la recherche le plus important.

Étant donné l'impact, il est important de comprendre exactement comment l'algorithme fonctionne, et ce qu'il apportera aux internautes, mais aussi son impact auprès des SEO.

Comment fonctionne Google RankBrain?

Comme mentionné ci-dessus, le but principal de RankBrain est de fournir des résultats plus pertinents en interprétant la signification de phrases entières plutôt que de se concentrer sur les mots-clés. L'une des facettes de cet algorithme est l'assimilation des contenus (cette article ne traitera que de cet aspect).

Rankbrain gère efficacement les requêtes de longue traine ainsi que leurs similitudes entres elles (comment sont-elles connectées ? à quels sujets particuliers ?).

Grâce à cela, Google peut comprendre une phrase qui n'a jamais été traitée auparavant, en la corrélant (via la similitude) à des phrases/concepts déjà connues.

En tant que système d'apprentissage automatique, RankBrain apprend constamment en accordant une attention particulière aux paramètres comme le pogosticking, le taux de rebond ou le temps passé sur une page. Si un utilisateur considère les résultats affichés sans rapport avec la recherche, la prochaine fois, l'algorithme affichera d'autres résultats pour cette requête.

Quelles sont les incidences pour les utilisateurs de Google ?

• Vous pourrez trouver des informations sur un concept ou un événement sans utiliser ce mot particulier  ("Quel est l'animal au sommet de la chaine alimentaire ?")
• Vous obtiendrez des résultats plus pertinents pour des recherches ambiguës qui ont plusieurs significations (par exemple, "Jaguar" comme la marque de voiture ou "jaguar" comme l'animal)
• Si vous effectuez une recherche que Google n'a jamais rencontrée auparavant, elle sera correctement interprétée et adaptée au vecteur le plus connus

Google ne divulgue pas les algorithmes exacts qu'il utilise, mais nous savons que ses principes de fonctionnement sont proches du word embedding.

L’approche par le Word embedding

Le choix d’une bonne méthode d’analyse des mots est souvent indispensable pour mener à bien des tâches d’optimisation de contenu. La représentation par fréquence des mots est la plus couramment utilisée (voir la notion de WORDPRINT dans notre outil SEOQuantum). Cependant, cette représentation a pour défaut de ne capturer que peu d’informations sur le contexte du mot et leur relation entre eux.

Depuis la fin des années 2000, les techniques s’appuyant sur des réseaux de neurones artificiels se sont imposées (deep learning). Il s’agit du Word embedding.

Au sein d’un corpus, un mot n’est pas utilisé de n’importe quelle manière, il est contextualisé : en relation avec les autres mots. Cette approche permet de représenter un mot par un vecteur en fonction de sa position dans le corpus. Les méthodes de Word Embedding construisent, pour chaque mot, une fenêtre de contexte. Nous utilisons des vecteurs de contexte afin de représenter chaque mot à travers une matrice. Les mots ayant des significations similaires se situent à proximité des termes de l'espace vectoriel.

Voici un exemple dans SEOQuantum des lexies les plus proches de "garantie" pour la requête "comparateur assurance"

L'approche par l'outil SEOQuantum

Nous voulions avoir une meilleure compréhension dont RankBrain fonctionne et, à cet effet, nous avons créé notre propre outil d'analyse sémantique SEOQuantum .

Nous avons créé des liens de similitude entre les lexies en utilisant un algorithme de deep learning. Pour chacune de vos requêtes sur SEOQuantum, nous traitons des corpus de textes pour en extraire les vecteurs de chacun des mots.

Au final, ce ne sont pas exactement des "synonymes" ou des "mots-clés associés" (mots renvoyant des résultats similaires dans les SERP) ou des co-occurences, mais quelque chose de très différent.

Avec SEOQuantum, nous avons essayé de comprendre la façon dont Google «pense» et les mots qu'il considère comme liés à vos mots clés ciblés.

Testez et vous verrez que les résultats sont assez intéressants et certaines fois imprévisibles. Parfois, les mots que nous associons étroitement à un certain concept ne sont pas ceux qui apparaissent à proximité de celui-ci dans le texte, par exemple pour la lexie "SEO" pour la requête "agence seo" : 

Ici, nous pouvons constater que la lexie SEO (pour la requête "agence seo") est associée au concept de "visibilité", de "qualité" et de "performance"... à méditer :-)

Comment optimiser RankBrain?

Selon Google, il n'y a aucun moyen d'optimiser RankBrain. RankBrain n'a pas d'incidence notable sur les résultats de la recherche, car son objectif premier est de traiter les requêtes qui manquent de pertinences.

Le fait est qu'il est impossible pour un SEO d'ignorer l'existence de l'algorithme dans vos actions de référencement naturel. Alors, que fait-on ?

Développez votre liste de mots clés au-delà des synonymes et des co-occurences :

Ne créer plus de pages ou des contenus adaptés à un seul mot clé. Pour un effet maximal, essayez dorénavant de penser "univers sémantique"  :

• Regroupez vos mots clés ciblés, ainsi que leurs variations et les recherches associées
• Utilisez des lexies supplémentaires qui apparaissent le même concept sémantique (utilisez le coefficient de similitude de notre outil SEOQuantum)

Concentrez-vous sur la création de contenu à forte valeur ajoutée

• Soyez loquace, cherchez à couvrir tous les aspects du sujet, répondez à autant de questions que vous le pouvez.

Le but de Google et RankBrain en particulier est de fournir aux utilisateurs les résultats les plus utiles et pertinents. Si vous partagez ce même objectif, vous avez plus de chances de réussir.

Optimiser vos contenus pour votre public et non pas pour les moteurs de recherche

• Soyez naturel : bien que cette déclaration puisse paraître banale, elle est particulièrement vraie dans le contexte du deep learning. Souvenez-vous que l'algorithme apprend du comportement humain. 

Si les gens apprécient votre contenu et le considèrent comme pertinent, Rankbrain le considèrera de même naturellement.