Le machine learning : game changer du SEO ou simple évolution naturelle ?

Tout le monde le dit : le machine learning va bousculer le référencement naturel. Mais il ne faudrait pas enterrer trop vite le SEO tel qu’on le connaît.

Tout le monde le dit : le machine learning va bousculer le référencement naturel. Mais il ne faudrait pas enterrer trop vite le SEO tel qu’on le connaît.

En ces temps de course à l’innovation, on a tendance à voir des révolutions partout. C’est vrai pour le SEO comme ailleurs. Chaque jour, quelqu’un annonce la mort prochaine du référencement naturel ou son remplacement par autre chose, à tel point que sa survie fait figure d’anomalie pour certains observateurs.

Il y a quelques jours, je suis tombé sur un article américain titré : « Comment le machine learning va changer le SEO à tout jamais » (sur ce blog). Ce titre réunit tous les ingrédients indispensables pour attirer l’attention : la référence à une nouvelle technologie, une disruption en perspective, et une forme de certitude prophétique que ne renierait pas Nostradamus. Mais il est symptomatique d’une certaine tendance à vouloir imposer les révolutions technologiques au plus grand nombre.

Bien sûr, je m’intéresse de près aux possibilités induites par l’intelligence artificielle dans mon domaine de prédilection, le SEO. D’ailleurs, l’IA n’est pas un fantasme de geek alimenté aux films de science-fiction : elle existe déjà dans les moteurs de recherche et dans certains outils (voir plus bas). Mais, quant à décréter que le machine learning est un game changer pour le référencement naturel, et que bientôt plus rien ne sera comme avant, cela me semble aller vite en besogne. À mon sens, il s’agirait plutôt d’une évolution somme toute logique du SEO vers une meilleure prise en compte de l’utilisateur – une direction qui n’est pas nouvelle.

Google, une « IA First Company »

Nul ne peut ignorer la hype autour de la notion d’intelligence artificielle. Tous les domaines sont concernés. On nous promet des diagnostics médicaux posés par des machines intelligentes dans les cinq années à venir, avec une précision à faire pâlir d’envie Dr. House ; et des voitures qui, non contentes de rouler toutes seules, seront capables de prendre des décisions sur une base morale (du type : en cas d’accident mortel inévitable, qui sauver en priorité ?). Il est clair que le secteur du web est lui aussi fortement impacté par les progrès de l’IA et de l’apprentissage automatique. Notamment les moteurs de recherche et, dans leur prolongement, les leviers d’optimisation SEO.

À y regarder de plus près, on se rend compte que le machine learning est déjà présent à tous les étages d’un moteur de recherche. Les algorithmes « Random Forest » et les réseaux neuronaux permettent d’améliorer la classification des pages web en fonction de leur thématique et de leur qualité ; d’autres algorithmes entrent en jeu pour optimiser le scoring des pages en pondérant les signaux envoyés par les internautes ; et des technologies pointues issues du deep learning, bien que pas encore tout à fait au point, sont capables de traduire automatiquement des pages d’une langue à une autre, en particulier via les réseaux récurrents dits de « long short-term memory » (LSTM). Autant de méthodes que les moteurs de recherche utilisent pour mieux comprendre et mimer les comportements des internautes. Et Google le premier, qui ambitionne de devenir une « AI First Company » selon les termes de son CEO Sundar Pichai.

Le lancement de l’algorithme RankBrain par Google en 2015 a tracé plus explicitement la voie dans laquelle le moteur de recherche souhaitait s’engager. Basé sur le principe des réseaux neuronaux, RankBrain s’attache à comprendre les intentions qui se dissimulent derrière les requêtes des internautes (en 2016, Google annonçait que l’algorithme, chargé au départ de traiter les 15 % de requêtes inédites, était devenu le troisième facteur de classement des pages).

Mieux l’on comprend ce que veut l’utilisateur, mieux l’on est capable de répondre avec pertinence à sa requête – telle est la promesse du machine learning. Quand j’entre dans une boulangerie pour demander « du pain », la dame derrière le comptoir ne sait pas si je veux une baguette, un pain de campagne ou un pain de seigle. Mais si je tape « du pain » sur Google, l’IA utilise son aptitude à apprendre à partir des précédentes recherches effectuées avec les mêmes mots-clés pour tâcher de me fournir des réponses pertinentes (c’est ça, l’ « apprentissage automatique »). Conséquence : Google pourrait être capable de comprendre, mieux que ma boulangère, que je veux une baguette pas trop cuite.

L’évolution de la recherche sur le web

On peut légitimement se demander si les moteurs ne se tirent pas une balle dans le pied en développant des technologies qui visent à transmettre l’information de l’utilisateur au Cloud, et du Cloud à l’utilisateur, sans avoir besoin de passer par des navigateurs web. En réalité, c’est le contraire : dans cette démarche, il y a une évolution logique liée aux nouveaux comportements des utilisateurs. Il se passe la même chose dans de nombreux autres secteurs. Si des entreprises d’hôtellerie peuvent fonctionner sans posséder de biens immobiliers (Airbnb), des sociétés de transport sans avoir de voitures (Uber) et des restaurateurs sans avoir de restaurants (toutes les applications de commande de repas à domicile), alors pourquoi les moteurs de recherche ne pourraient-ils pas se passer de navigateurs, voire même d’ordinateurs ?

Il suffit de voir comment les recherches web sont elles-mêmes en train de changer, notamment par le biais de la recherche vocale. Si l’on en croit les prévisions d’Ovum, le nombre d’appareils proposant des assistants vocaux devrait dépasser les 7,5 milliards d’unités en 2021 !

D’une certaine manière, l’intégration du machine learning au fonctionnement des moteurs de recherche ne fait qu’entériner la prise de pouvoir de l’oralité digitale – et, pour le coup, la vraie révolution est plutôt là. L’apprentissage automatique donne de la légitimité à cette nouvelle vision du moteur de recherche comme « moteur de réponses » ou « moteur de suggestions », comme on voudra. C’est cette technologie qui permet aux assistants vocaux de fournir des réponses uniques et pertinentes aux utilisateurs (80 % des réponses données par Google Home proviennent des contenus affichés en position zéro, selon une étude Wearerost).

Machine learning et SEO

Mais cela ne veut pas dire que le métier du SEO soit en train de changer à cause du machine learning. Concrètement, le boulot du référenceur n’a pas bougé depuis RankBrain. Il consiste toujours à déchiffrer le fonctionnement des moteurs de recherche pour trouver les chemins menant à un positionnement optimisé. Machine learning ou pas, le référenceur SEO continue de jouer le rôle d’intermédiaire entre Google, l’entreprise et l’internaute. Nous sommes des interprètes. Et à moins qu’un langage digital unique s’impose un jour, le monde aura toujours besoin d’interprètes.

Alors, bien sûr, il y a des choses qui changent pour le SEO en raison de la montée en puissance du machine learning dans les moteurs de recherche. Difficile d’affirmer le contraire. L’apprentissage automatique impacte plusieurs dimensions du référencement, par exemple en faisant des contenus les moteurs de l’optimisation (bien avant les leviers techniques et les backlinks), en donnant la priorité à l’expérience utilisateur (pour aller vers le SXO, mélange de SEO et d’UX), en valorisant la personnalisation, et en incitant les référenceurs à développer des stratégies plus globales. On ne peut pas ignorer non plus les révolutions éventuelles à venir, poussées par l’IA, comme l’apparition probable de moteurs de recherche open source à moyen terme, avec des règles de ranking explicites et accessibles au plus grand nombre.

Il faut tout de même apporter une précision : l’IA n’est pas une nouveauté dans l’univers du référencement naturel. Elle est déjà présente dans les outils SEO, par exemple sous la forme de techniques de Natural Language Processing (NLP) pour optimiser les contenus d’un site web en quelques clics. De son côté, la data visualisation prend de l’ampleur à travers des logiciels open source. Dans ce contexte, le machine learning est effectivement en train de trouver sa place. À court terme, on effectuera sans doute des audits SEO avec un brin d’apprentissage automatique pour faire des recommandations toujours plus pointues et pertinentes.

Mais le cœur du métier de référenceur, lui, restera le même. Machine learning ou pas. Le choix des mots-clés, la recherche marketing, le benchmark, la rédaction des contenus, les décisions stratégiques et la bonne utilisation des différents leviers du SEO resteront l’apanage de l’humain. Pendant un bon moment encore. Quand on pourra automatiser certaines opérations comme la sélection des supports de publication pertinents pour les backlinks ou le travail de désaveu des liens toxiques, il faudra quand même qu’un humain s’y colle.

Pas un game changer, mais un vecteur d’évolution

En clair, je n’ai pas de doute sur le fait que le travail des référenceurs SEO est amené à évoluer en raison du machine learning, simplement parce qu’il n’a jamais cessé de le faire, au gré des innovations technologiques et des changements de comportement des internautes.

Ceux qui voient le référencement naturel comme une statue inamovible, impossible à bouger d’un iota, se trompent complètement. D’ailleurs, les spécialistes du SEO se sont déjà tournés depuis longtemps vers de nouvelles perspectives, sans attendre l’avènement des machines intelligentes : personnalisation des contenus, expérience utilisateur, exploitation de la data (issue du crawl, des serveurs logs, des APIs…), assistance, etc. La notion d’apprentissage automatique chamboule un peu les habitudes, mais elle n’est pas vraiment un game changer. En s’inscrivant dans une démarche plus globale de focalisation du métier sur l’utilisateur et ses besoins, elle est plutôt un vecteur d’évolution.

Dans un futur proche, il sera indispensable de comprendre et de savoir utiliser l’apprentissage automatique dans le cadre d’une stratégie de référencement. La data scientist Aysun Akarsu a dit que « l’usage du machine learning sera considéré, demain, au même titre que l’usage de l’ordinateur aujourd’hui » (comprendre : comme un préalable essentiel, presque une évidence sans laquelle on aura l’air d’un ignorant), et elle n’a pas tout à fait tort. Mais cela ne fait pas de cette technologie un brusque changement de direction, simplement un raccourci vers une meilleure prise en compte des utilisateurs.
Andréa ⚡️ Bensaid

CEO chez Eskimoz

UniLab Tokyo Team

55 Blog posts

Comments