Un guide des systèmes de classement de la Recherche Google

Google utilise des systèmes de classement automatisés qui
examinent de nombreux facteurs et signaux
concernant des centaines de milliards de pages Web et d’autres contenus de notre index de recherche afin de présenter les résultats les plus pertinents et utiles, le tout en une fraction de seconde. Cette page est un guide pour comprendre certains de nos systèmes de classement les plus notables. Elle couvre certains systèmes qui font partie de nos systèmes de classement principaux, c’est-à-dire les technologies sous-jacentes qui produisent des résultats de recherche en réponse aux requêtes. Elle aborde également certains systèmes impliqués dans des besoins de classement spécifiques.

Nos systèmes de classement sont conçus pour fonctionner au niveau de la page, en utilisant une variété de signaux et de systèmes pour comprendre comment classer les pages individuelles. Des signaux et des classifieurs à l’échelle du site sont également utilisés et contribuent à notre compréhension des pages. Avoir de bons signaux à l’échelle du site ne signifie pas que tout le contenu d’un site sera toujours bien classé, de même qu’avoir de mauvais signaux à l’échelle du site ne signifie pas que tout le contenu d’un site sera mal classé.

Nous améliorons régulièrement nos systèmes de classement grâce à
des tests et des évaluations rigoureux
et nous prévenons des
mises à jour de nos systèmes de classement
lorsque cela peut être utile aux créateurs de contenu et à d’autres.

Vous pouvez également visiter notre site Fonctionnement de la Recherche
pour comprendre comment nos systèmes de classement, combinés à d’autres processus, fonctionnent ensemble afin que la Recherche Google remplisse notre mission consistant à organiser l’information mondiale et à la rendre universellement accessible et utile.

BERT

Bidirectional Encoder Representations from Transformers (BERT) est un système d’IA utilisé par Google qui nous permet de comprendre comment des combinaisons de mots expriment des significations et des intentions différentes.

Systèmes d’information de crise

Google a développé des systèmes pour fournir des informations utiles et opportunes en temps de crise, qu’il s’agisse de situations de crise personnelle, de catastrophes naturelles ou d’autres situations de crise généralisées :

• Crise personnelle : Nos systèmes s’efforcent de comprendre quand les personnes recherchent des informations sur des situations de crise personnelle afin d’afficher des lignes d’assistance et du contenu provenant d’organisations de confiance pour certaines requêtes liées au suicide, à l’agression sexuelle, à l’ingestion de poison, à la violence sexiste ou à la toxicomanie. En savoir plus sur la façon dont
  les informations sur les crises personnelles sont affichées dans la Recherche Google.
• Alertes SOS : En période de catastrophes naturelles ou de situations de crise généralisées, notre système d’alertes SOS s’efforce d’afficher les mises à jour des autorités locales, nationales ou internationales. Ces mises à jour peuvent inclure des numéros de téléphone et des sites Web d’urgence, des cartes, des traductions de phrases utiles, des opportunités de don et plus encore. En savoir plus sur
  le fonctionnement des alertes SOS et la façon dont elles font partie des alertes de crise
  de Google qui aident en cas d’inondations, de feux de forêt, de séismes, d’ouragans et d’autres catastrophes.

Systèmes de déduplication

Les recherches sur Google peuvent trouver des milliers, voire des millions de pages Web correspondantes. Certaines d’entre elles peuvent être très similaires les unes aux autres. Dans de tels cas, nos systèmes n’affichent que les résultats les plus pertinents pour éviter une duplication inutile. En savoir plus sur
le fonctionnement de la déduplication et comment voir les résultats omis
si vous le souhaitez, lorsque la déduplication se produit.

La déduplication se produit également avec les extraits enrichis. Si la liste d’une page Web est promue pour devenir un extrait enrichi, nous ne répétons pas cette liste plus loin sur la première page de résultats. Cela désencombre les résultats et aide les utilisateurs à trouver plus facilement des informations pertinentes.

Système de nom de domaine à correspondance exacte

Nos systèmes de classement considèrent les mots dans les noms de domaine comme l’un des nombreux facteurs permettant de déterminer si un contenu est pertinent pour une recherche. Cependant, notre système de nom de domaine à correspondance exacte veille à ce que nous ne donnions pas trop de crédit au contenu hébergé sous des domaines conçus pour correspondre exactement à des requêtes particulières. Par exemple, quelqu’un pourrait créer un nom de domaine contenant les mots “best-places-to-eat-lunch” dans l’espoir que tous ces mots dans le nom de domaine propulseraient le contenu en haut des classements. Notre système s’ajuste en conséquence.

Systèmes de fraîcheur

Nous avons différents systèmes “la requête exige de la fraîcheur” conçus pour afficher du contenu plus récent pour les requêtes où cela est attendu. Par exemple, si quelqu’un recherche un film qui vient de sortir, il souhaite probablement des critiques récentes plutôt que des articles plus anciens datant du début de la production. Autre exemple : en règle générale, une recherche sur “séisme” peut renvoyer du matériel sur la préparation et les ressources. Cependant, si un séisme s’est produit récemment, des articles d’actualité et du contenu plus récent peuvent apparaître.

Systèmes d’analyse de liens et PageRank

Nous avons différents systèmes qui comprennent la manière dont les pages se lient entre elles afin de déterminer de quoi traitent les pages et lesquelles peuvent être les plus utiles en réponse à une requête. Parmi ceux-ci figure PageRank, l’un de nos systèmes de classement principaux utilisés lors du lancement initial de Google. Les curieux peuvent en savoir plus en lisant le document de recherche original sur PageRank
et le brevet. Le fonctionnement de PageRank a beaucoup évolué depuis lors et continue de faire partie de nos systèmes de classement principaux.

Systèmes d’actualités locales

Nous avons des systèmes qui s’efforcent d’identifier et de faire remonter des sources d’actualités locales chaque fois que cela est pertinent,
notamment via
nos fonctionnalités “À la une” et “Actualités locales”.

MUM

Multitask Unified Model (MUM) est un système d’IA capable à la fois de comprendre et de générer du langage. Il n’est actuellement pas utilisé pour le classement général dans la Recherche, mais plutôt pour certaines applications spécifiques telles que
l’amélioration des recherches d’informations sur le vaccin contre la COVID-19
et l’amélioration des appels d’extraits enrichis que nous affichons.

Correspondance neuronale

La correspondance neuronale
est un système d’IA que Google utilise pour comprendre les représentations de concepts dans les requêtes et les pages et les faire correspondre.

Systèmes de contenu original

Nous avons des systèmes pour veiller à ce que nous affichions du contenu original en bonne place dans les résultats de recherche,
y compris les reportages originaux,devant ceux qui se contentent de le citer. Cela inclut la prise en charge d’un
balisage canonique
spécial que les créateurs peuvent utiliser pour nous aider à mieux comprendre quelle est la page principale si une page a été dupliquée à plusieurs endroits.

Systèmes de déclassement basés sur la suppression

Google a des politiques qui permettent la suppression de certains types de contenu. Si nous traitons un volume important de telles suppressions concernant un site particulier, nous l’utilisons comme signal pour améliorer nos résultats. En particulier :

• Suppressions d’ordre légal :
  Lorsque nous recevons un volume important de
  demandes valides de suppression pour atteinte aux droits d’auteur
  concernant un site donné,
  nous sommes en mesure de l’utiliser
  pour déclasser d’autres contenus du site dans nos résultats. De cette façon, s’il y a un autre contenu contrefaisant, les utilisateurs sont moins susceptibles de le rencontrer par rapport au contenu original. Nous appliquons des signaux de déclassement similaires aux plaintes concernant la diffamation, les contrefaçons et les suppressions ordonnées par un tribunal. Dans le cas du matériel d’abus sexuel sur des enfants (CSAM), nous supprimons toujours ce contenu lorsqu’il est identifié et nous déclassons tout le contenu des sites ayant une proportion significative de contenu CSAM.

• Suppressions d’informations personnelles :
  Si nous traitons un volume important de suppressions d’informations personnelles concernant un site aux
  pratiques de suppression abusives, nous déclassons d’autres contenus du site dans nos résultats.
  Nous cherchons également à voir
  si le même modèle de comportement se produit sur d’autres sites et, le cas échéant, à appliquer des rétrogradations au
  contenu de ces sites. Nous pouvons appliquer des pratiques de rétrogradation similaires pour les sites qui reçoivent un volume
  important de suppressions de contenu concernant
  du contenu de doxing,
  des images personnelles explicites
  créées ou partagées sans consentement, ou
  du contenu faux explicite
  non consenti.

Système de classement des passages

Classement des passages
est un système d’IA que nous utilisons pour identifier des sections individuelles ou des « passages » d’une page Web afin
de mieux comprendre la pertinence d’une page pour une recherche.

RankBrain

RankBrain
est un système d’IA qui nous aide à comprendre comment les mots sont liés aux concepts. Cela signifie que nous
pouvons mieux restituer du contenu pertinent même s’il ne contient pas tous les mots exacts utilisés dans une recherche,
en comprenant que le contenu est lié à d’autres mots et concepts.

Systèmes d’information fiables

Plusieurs systèmes fonctionnent de différentes manières pour afficher les informations les plus fiables possibles, comme aider à faire surface des pages plus autoritaires et rétrograder le contenu de faible qualité
et valoriser le journalisme de qualité.
Dans les cas où des informations fiables pourraient faire défaut, nos systèmes affichent automatiquement
des avis sur le contenu
concernant des sujets en évolution rapide ou lorsque nos systèmes n’ont pas une grande confiance dans la qualité globale
des résultats disponibles pour la recherche. Ceux-ci fournissent des conseils sur la façon de rechercher d’une manière
qui pourrait conduire à des résultats plus utiles. Apprenez-en davantage sur notre approche pour fournir des informations
de haute qualité dans la Recherche.

Système d’avis

Le système d’avis vise à
mieux récompenser les avis de haute qualité, le contenu qui fournit une analyse perspicace et des recherches originales,
et qui est rédigé par des experts ou des passionnés qui connaissent bien le sujet.

Système de diversité des sites

Notre système de diversité des sites fonctionne de telle sorte que nous ne montrons généralement pas plus de deux listes de pages Web provenant du même site dans nos principaux résultats, afin qu’aucun site unique ne tende à dominer tous les principaux résultats. Cependant, nous pouvons toujours afficher plus de listes dans les cas où nos systèmes déterminent qu’il est particulièrement pertinent de le faire pour une recherche particulière. La diversité des sites traite généralement les sous-domaines comme faisant partie d’un domaine racine. C’est-à-dire : les listes provenant d’un sous-domaine (subdomain.example.com) et du domaine racine (example.com) seront toutes considérées comme provenant du même site unique. Cependant, les sous-domaines sont parfois traités comme des sites distincts à des fins de diversité lorsque cela est jugé pertinent.

Systèmes de détection du spam

Personne ne veut que sa boîte de réception e-mail soit remplie de spam, c’est pourquoi les filtres anti-spam sont si utiles.
La Recherche fait face à un défi similaire, car Internet comprend d’énormes quantités de spam qui,
s’il n’est pas traité, nous empêcherait d’afficher les résultats les plus utiles et pertinents. Nous
employons une gamme de systèmes de détection du spam,
y compris SpamBrain, pour traiter
le contenu et les comportements qui violent nos politiques relatives au spam.
Ces systèmes sont constamment mis à jour pour suivre les dernières façons dont la menace du spam évolue.

Systèmes retirés

Les systèmes suivants sont mentionnés à des fins historiques. Ils ont soit été intégrés dans
des systèmes successeurs, soit intégrés à nos systèmes de classement principaux.

Système de contenu utile

Annoncé en 2022 comme la « Helpful Content Update », il s’agissait d’un système conçu pour s’assurer que les gens voient du contenu original et utile rédigé par
des personnes, pour des personnes, dans les résultats de recherche, plutôt que du contenu créé principalement pour obtenir du trafic de moteur de recherche. En mars 2024, il a évolué et
est devenu une partie de

nos systèmes de classement principaux, car nos systèmes utilisent une variété de signaux et de systèmes pour
présenter des résultats utiles aux utilisateurs.

Hummingbird

Il s’agit d’une amélioration majeure de nos systèmes de classement globaux réalisée en août 2013. Nos
systèmes de classement ont continué à évoluer depuis lors, tout comme ils l’avaient fait auparavant.

Système Panda Il s’agissait d’un système conçu pour s’assurer que du contenu original et de haute qualité apparaisse
dans nos résultats de recherche.
Annoncé en 2011

et affublé du surnom de « Panda », il a évolué et est devenu une partie de nos systèmes de classement principaux en 2015.

Système Penguin Il s’agissait d’un système conçu pour lutter contre le spam de liens.
Annoncé en 2012 et affublé du surnom de « Penguin Update », il a été
intégré