RankBrain
RankBrain est le premier système de classement fondé sur le machine learning que Google a introduit dans la recherche, en 2015. Il comprend les mots d'une requête comme des concepts, et non comme des mots-clés isolés, ce qui lui permet de traiter une requête inédite comme une requête déjà connue au sens proche.
RankBrain est le premier système de classement fondé sur le machine learning que Google a introduit dans la recherche, en 2015. Il comprend les mots d'une requête comme des concepts, et non comme des mots-clés isolés, ce qui lui permet de traiter une requête inédite comme une requête déjà connue au sens proche.
Pourquoi c'est important
RankBrain marque le point de bascule où l'algorithme de Google est passé de la correspondance de mots-clés à la compréhension du sens. Lors de son annonce, Google a révélé qu'environ 15 % des requêtes reçues chaque jour étaient des recherches jamais vues auparavant, et a surpris le secteur en qualifiant RankBrain de troisième signal le plus important, aux côtés du contenu et des liens. Pour les créateurs de contenu, l'implication est claire : même sans expression correspondant exactement à la requête dans le texte, une page peut se classer dès lors que le sens y est, de sorte que traiter le sujet avec rigueur l'emporte sur l'alignement mécanique de synonymes.
Comment ça fonctionne
RankBrain représente mots et expressions sous forme de vecteurs mathématiques afin de calculer la distance entre les concepts. Lorsqu'arrive une question de mot-clé de longue traîne longue et ambiguë, il la relie à des requêtes connues de sens voisin pour en retrouver les résultats. À ses débuts, il ne s'appliquait qu'aux 15 % de requêtes inédites, avant d'être étendu à l'ensemble des requêtes. Contrairement à une idée reçue, RankBrain est moins un facteur de classement qui note les pages qu'un système d'interprétation des requêtes ; il n'existe donc pas de technique distincte d'« optimisation pour RankBrain ». La réponse de fait consiste à satisfaire l'intention de recherche dans un langage naturel.
L'évolution vers BERT et MUM
La lignée du classement par machine learning qu'a ouverte RankBrain se poursuit ainsi.
| Système | Introduction | Rôle |
|---|---|---|
| RankBrain | 2015 | Comprendre les mots comme des concepts, interpréter les requêtes inédites |
| Neural Matching | 2018 | Saisir comment requêtes et pages se relient sur le plan conceptuel |
| BERT | 2019 | Comprendre le contexte d'un mot dans la phrase de façon bidirectionnelle (mise à jour BERT) |
| MUM | 2021 | 1 000 fois plus puissant que BERT, modèle multitâche couvrant 75 langues, du texte aux images |
Ces systèmes ne se remplacent pas les uns les autres : ils fonctionnent comme un ensemble (ensemble) et figurent tous, aujourd'hui encore, dans le guide des systèmes de classement de Google. Les fonctionnalités de recherche générative comme les AI Overviews reposent elles aussi sur cette même pile de compréhension du sens.
Sources :
- A guide to Google Search ranking systems - Google Search Central
- How AI powers great search results - Google Blog
- FAQ: All about the Google RankBrain algorithm - Search Engine Land
Comment inblog vous aide
Depuis RankBrain, la recherche fait correspondre le sens, et non les mots-clés. En rédigeant sur inblog des articles fidèles au sujet et alignés sur l'intention de recherche, vous pouvez apparaître sur une grande variété de requêtes sémantiquement proches, sans avoir à viser une à une chaque variante de mot-clé.