Cet article, paru en anglais sur le Search Engine Journal (ainsi que les conversations complètes sur mon podcast « With Jason Barnard… » et sur la chaîne YouTube de Kalicube.pro) est le dernier d’une série de cinq articles consacrés au fonctionnement de l‘algorithme de Bing, et basés sur une série d‘entretiens menés tout autour du monde !
Il y a un an, j’ignorais l'existence d’un Algorithme qui gère la page de résultats de Google dans son ensemble. Ce concept ne m’était jamais venu à l’esprit : il se trouve que les moteurs de recherche comme Bing ont des algorithmes de la page entière qui filtrent les classements de candidats et organisent le contenu et la disposition de la SERP avant de l’afficher à l’utilisateur.
Pour moi, il s’agit de la découverte la plus stupéfiante depuis que Gary Illyes m’a expliqué comment fonctionne le classement des éléments riches (également appelés fonctionnalités SERP).
Si vous ne savez ce que je veux dire par « classement de candidats », je vous recommande vivement de lire l’article auquel je viens de renvoyer, car ce concept est à connaître absolument pour cet article. Et, comme pour beaucoup d’autres informations entendues au cours de cette série, une fois cette notion comprise, elle devient logique et évidente.
Le darwinisme dans les résultats de recherche est une bonne façon de comprendre comment une SERP enrichie et moderne est construite.
Nathan Chalmers est chargé de programme pour l’Équipe chargée de la pertinence de la page chez Bing… Et il pense que ma théorie sur le darwinisme dans les résultats de recherche est « vraiment cool » !
Chalmers m’a confirmé que j’avais bien compris les idées et concepts du système de classement dans les moteurs de recherche dans leur ensembles, mais que le processus était moins mécanique que je ne le suggérais, et que je passais à côté de détails importants.
Détails qu’il m’a alors expliqués.
Comment les éléments enrichis gagnent leur place sur la SERP
Différentes équipes gèrent les candidats qui ‘postulent’ pour une place sur la SERP. Ces classements de candidats qui enchérissent pour une place sur la SERP finale sont couramment connus sous le nom de ‘fonctionnalités SERP’ (ou éléments riches, comme je vais les appeler).
Pour faire simple, les classements de candidats / éléments riches (carrousel vidéos, carrousel d’images, recettes de cuisine, knowledge cards, recherches associées, etc.) obtiennent une place sur la SERP s’ils apportent plus de valeur à l’utilisateur que les liens bleus qu’ils remplacent.
Jusque là, tout est très darwinien.
L’arbitrage de l’algorithme de la page entière
Mais ensuite, l’Algorithme de la Page entière occupe une position dominante : il agit comme une sorte de "juge de dernière instance" pour éliminer, nettoyer, définir la disposition de la SERP, et maintenir l’équilibre. En un mot, il façonne la SERP pour servir au mieux l’utilisateur en fonction de sa requête.
Chalmers utilise le terme “construire un produit”. Qu’est-ce que cela signifie ?
Sachant que toute page de résultats de moteur de recherche (SERP) est un produit que Bing et Google vendent à leurs utilisateurs (même si c’est gratuit pour l’utilisateur, on paie indirectement par la présence de publicités), la question à laquelle répond l’Algorithme de la Page entière peut être résumée ainsi :
« Quels produit Bing veut-il fournir à ses clients ? »
Le rôle de l’Algorithme de la Page entière est de créer le meilleur produit possible à partir des parties disponibles proposées par les classements de candidats.
Comme si par hasard, c’est une SERP de marque : mon sujet de prédilection sur Kalicube.pro
La SERP ‘riche’ en détail
Les liens bleus y sont présents
Les liens bleus sont le fondement sur lequel tout le reste est construit et la référence à laquelle est comparé tout candidat / élément riche.
Pour que n’importe quel élément riche prenne la place d’un lien, il doit fournir à l’utilisateur une « meilleure » expérience que le lien bleu. Nathan Chalmers le formule de cette manière : « donnez plus efficacement satisfaction à l’utilisateur ».
Il est important de noter que les liens bleus sont toujours présents. Ils peut y avoir que 3, ou même 10 ou 12, mais ils sont toujours là.
Une enchère gagnante d’un classement de candidats peut être ignorée
Une fois que tous les classements de candidats ont soumis leur enchère, il me semblait que tout candidat / élément riche qui plaçait une enchère gagnante (c’est-à-dire qui prouvait qu’il fournissait une meilleure expérience pour l’internaute qu’un lien bleu) obtiendrait une place.
Mais ce n’est pas nécessairement le cas : Nathan Chalmers révèle que l’algorithme de la page entière prend la décision finale concernant le fait qu’un élément riche obtient ou non une place sur la SERP.
Ses algorithmes (car il y a plusieurs algorithmes de la Page entière) cherchent à façonner l’expérience utilisateur idéale pour ces enchères. Quand il reçoit des enchères gagnantes d’éléments riches, l’algorithme peut choisir de les éliminer. Donc même une enchère gagnante peut être rejetée.
Il me vient à l’esprit plusieurs raisons pour éliminer un élément riche qui a « gagné » de façon darwinienne une place sur la SERP :
-
Il ne répond pas vraiment à l’intention de l’utilisateur.
-
Un autre élément riche convient mieux (un Questions & Réponses / featured snippet peut être rejeté au bénéfice d’un knowledge panel, par exemple).
-
La SERP deviendrait trop encombrée.
-
La SERP deviendrait trop longue.
-
Il nuirait à la rentabilité de la SERP.
Mon idée selon laquelle une pure logique darwinienne ferait des merveilles et créerait la page parfaite s’est révélée naïve. “L'élimination darwinienne” fait également partie du jeu et contribue largement aux choix finaux.
De la position des éléments riches sur la SERP
Une question à laquelle Illyes n’a pas répondu (mais pour sa défense, je ne lui avais pas posé cette question) resterait : « Comment décidez-vous où chaque élément riche est classé/positionné sur la SERP de Google ? »
Nathan Chalmers donne une réponse, pour ce qui est de Bing, du moins : ils ont un algorithme appelé « Darwin » (et ce n’est pas une blague) qui décide de la place des éléments sur cette SERP.
Une fois qu’un élément riche (ex. : carrousel vidéos, carrousel images) obtient une place sur la SERP, la position où il est affiché dépend de son utilité probable pour l’utilisateur. Cette dernière est basée sur des métriques évaluant la satisfaction de l’utilisateur en fonction de l’intention comprise.
Une requête comme « météo à Toulouse » ne présente pas d’ambiguïté et un “answer box” météo vient se placer tout en haut. C’est simple comme bonjour. Mais « Toulouse » est ambigu et le résultat pourrait contenir la météo, des images, des vidéos... et c’est là que, selon Chalmers, l’équipe de la page entière démontre vraiment son utilité.
En segmentant les données historiques, elle compare chaque candidat aux liens bleus et positionne l’élément riche en fonction de la probabilité qu’il apportera ou non meilleur satisfaction que le lien bleu dans un face à face. S’il gagne dans ce duel, il prend la place, et pousse le lien bleu plus bas.
Et quelle est la question fondamentale à laquelle l’algorithme essaie de répondre ? Selon Nathan Chalmers, "est ce que ce résultat va amener l’utilisateur à ses fins efficacement ? Si la réponse est non, alors on ne l’affiche pas sur la page ou nous le classons plus bas."
Les annonces représentent un cas spécial
Dans un monde idéal à la Peter Pan, les annonces seraient « seulement un autre classement de candidats enchérissant pour une place. » Elles soumettraient une enchère, comme les autres. Et elles seraient soumises à l’élimination darwinienne basée sur le mérite, comme les autres.
Nathan Chalmers affirme que c’est vrai jusqu’à un certain point. Elles ne sont présentes que lorsqu’elles démontrent à l’Algorithme de la Page entière qu’elles aident à apporter satisfaction à l’utilisateur plus efficacement que les liens bleus organiques.
Mais il suggère également qu’elles reçoivent un traitement spécial. J’imagine que les annonces ont une barre moins haute à passer dans les enchères que les autres classements de candidats et que la probabilité est plus basse qu’elles soient éliminées par l’algorithme de la page entière.
Cela dit, il est essentiel que l’Algorithme de la Page entière maintienne le bon équilibre. Si Bing permet aux annonces de dominer et de nuire à l’expérience utilisateur, cela ruine le produit et met en danger la survie du moteur de recherche.
Longueur de page : ambiguïté & annonces
Illustrations : Véronique BarnardCertaines SERP sont très longues, tandis que d’autres sont très courtes. Cela dépend en grande partie de l’ambiguïté : plus les requêtes sont ambiguës, plus les pages sont longues, et vice versa.
Comme Frédéric Dubut l’explique dans la première partie de la série :
« Pour les intentions dépourvues d’ambiguïté, les SERP ont tendance à devenir plus riches et plus courtes. Le nombre total de résultats tend à baisser à mesure que le nombre d’éléments riches augmente. Puisque l’intention est claire, des résultats plus courts, plus riches, et plus concentrés sont ce qu’il y a de plus satisfaisant pour l’utilisateur.
Pour les intentions ambiguës, les SERP tendent à devenir plus riches et plus longues : les éléments riches ont tendance à s’ajouter à la page des résultats et à supprimer peu de choses. Comme l’intention n’est pas claire, fournir plus de résultats avec un éventail d’intentions est ce qu’il y a de plus satisfaisant pour l’utilisateur. »
Mais Nathan Chalmers indique que la présence des annonces peut jouer aussi un rôle. Une SERP peut être raccourcie artificiellement par l’algorithme de la Page entière afin d’accroître les clics sur les annonces et générer des revenus.
Quelles sont les métriques pour les Algorithmes de la Page entière ?
Une chose qui revient dans toutes les conversations de cette série est que tout le processus, de l’exploration et de l’indexation au classement et à la construction de la page entière, est (quasiment) de l’apprentissage automatique de bout en bout.
Frédéric Dubut suggérait dès le début de cette série que la clé de tous ces algorithmes, ce sont les métriques, plutôt que les facteurs de classement. Mais nous avons là un algorithme très clairement axé sur les métriques.
En ligne
Le comportement des utilisateurs sur les SERP est une métrique très importante pour l’Algorithme de la Page entière. Le succès ou l’échec de n’importe quelle combinaison de liens bleus et d’éléments riche est mesuré par la manière dont l’utilisateur interagit avec.
Le taux de clics n’affecte pas les classements au sens « traditionnel » tel que nous avons eu tendance à les comprendre. Le comportement sur les SERP n’affecte pas les classements des liens bleus, ni les enchères soumises par les classements de candidats qui cherchent à les remplacer, mais ils exercent une grande influence sur la manière dont la page entière est organisée.
Le comportement des utilisateurs sur la SERP est transmis à l’algorithme (Darwin), qui donne à la machine les signaux de correction ou de confirmation dont elle a besoin pour améliorer sa performance. Son objectif consiste, comme le dit Nathan Chalmers, à apporter satisfaction à l’utilisateur le plus efficacement possible.
Hors ligne
Comme pour tous les autres algorithmes, l’équipe de la Page entière bénéficie du soutien de juges humains (l’équivalent des évaluateurs de qualité de Google) qui donnent des retours sur la qualité et la pertinence d’une SERP ; sur la pertinence du contenu, sa qualité et sa position sur la page.
Tout cela est renvoyé à l’algorithme, avec les signaux du comportement sur les SERP. Les directives de qualité de la Page entière cherchent à répondre à la question : « à quel point cette page représente une bonne solution au problème exprimé par l’utilisateur ? »
Le fait que chaque équipe chez Bing a sa propre équipe de juges humains, chacune avec un ensemble différent de directives, adapté aux besoins de l’algorithme, suggère fortement qu’il y a d’autres directives d’évaluateurs de qualité chez Google, que nous n’avons pas vues.
Il est certain que Bing les a. Google les a probablement aussi : des directives de qualité spécifiques pour différentes parties du produit d’ensemble de la recherche, comprenant les liens bleus, les éléments riches, et (c’est celui que j’adore) la Page entière.
Récapitulatif du rôle de l’Algorithme de la Page entière
Mon résumé de la conversation est le suivant : le but de l’algorithme de la Page entière est de prendre les enchères des différents classements de candidats, de les filtrer selon la pertinence de ce type de résultat pour l’intention de l’utilisateur, puis d’évaluer la performance probable par rapport au résultat de référence (le lien bleu qui occupe chaque position).
Regardez la vidéo (en anglais) sur laquelle cet article est basé : Comment fonctionne l’Algorithme de la Page entière de Bing.
Conclusion : le darwinisme dans les résultats de recherche comporte trois étapes
-
La survie darwinienne du plus adapté, basée sur la valeur que le type de contenu apporte à l’utilisateur pour sa requête.
-
L’élimination darwinienne, basée sur la pertinence du type de contenu à l’intention dans le contexte de la SERP.
-
L’élaboration darwinienne de l’anatomie de la SERP, basée sur la satisfaction de l’utilisateur.
Il me semble que notre approche traditionnelle du SEO repose uniquement sur le premier point : les liens bleus sont en concurrence pour une place en haut en cherchant à prouver à l’algorithme qu’ils sont meilleurs que leurs pairs.
Cette série, d’Illyes en mai 2019 à Chalmers en mai 2020, a grandement élargi mon horizon de compréhension du fonctionnement de Bing et Google. Même si les liens bleus sont la fondation du système, les éléments riches sont présents et tout aussi importants dans les trois étapes du Search darwinien: du survie du plus adapté, à l’élimination, à la façonnage de l’anatomie de la SERP finale.
Le darwinisme s’est révélé une excellente analogie : tous les éléments sur une SERP vit, prospère et meurt selon sa performance.
Pour nos, les marketeurs, cela nous oblige d’accepter que notre contenu, que ca soit texte, audio, images, vidéos ou autre, ne peut pas échapper aux conséquences d’une mauvaise performance. Ne pas parvenir à apporter efficacement satisfaction à l’utilisateur pour une intention de requête donnée finira par se voir un jour ou l’autre, et l’extinction en découlera « naturellement ».
Illustrations : Véronique BarnardMerci d’avoir lu cette série !
Je suis absolument stupéfait et heureux d’avoir pu produire cette série. J’ai appris plus que je n’aurais pu espérer sur la manière dont fonctionnent les résultats de recherche, et la manière dont les différents éléments s’assemblent pour construire les pages de résultats riches.
Tout ce que j’ai appris m’a permis de me former une meilleure idée de ce que j’essaie d’accomplir quand j’optimise pour Bing et Google, et cela a donc rendu mon approche du métier de consultant plus intelligente.
J’espère que cela a été tout aussi utile pour vous !
----
Avec Frédéric Dubut, Senior Program Manager Lead / Bing
Avec Fabrice Canel, Principal Program Manager / Bing
Avec Ali Alvi, Principal Program Manager - Intelligence Artificielle / Bing
Avec Meenaz Merchant, Principal Program Manager Lead - Intelligence artificielle et recherche / Bing
Avec Nathan Chalmers, Program Manager - Search Relevance Team / Bing