Cependant, le plan pour descendre le géant de son piédestal requiert une stratégie pointue et des ressources à la mesure de l’enjeu.

Ne plus croire en Dieu

Fondamentalement, les utilisateurs des moteurs poursuivent seulement des habitudes car ils ne comprennent pas comment ça marche. Le débat sur la technologie n’est plus vraiment le cœur du problème, mais convaincre qu’un autre moteur soit « meilleur » que Google soulève un enjeu difficile qui n’est pas pour autant impossible.

Aujourd’hui, on peut légitimement se demander si c’est possible de diverger l’utilisateur du confort de son habitude d’utilisation avec Google.

ZDNet Asia a compilé les avis de plusieurs spécialistes qui donnent des recommandations sur la situation.

La stratégie la plus évidente semble focaliser sur un pays en particulier comme Baidu en Chine ou une spécialité comme Wolfram Alpha pour la science.

La méthode est intelligente, mais ne va pas renverser Google pour autant. Étendre ce stratagème sur une échelle suffisante devrait nécessiter tellement de ressources (du cash…) que c’est même difficile à estimer.

Le cas de Bing

Je n’ai jamais caché mon affection pour Bing, en tant qu’alternative viable pour grignoter une part de marché non négligeable.

Aujourd’hui, le produit est prêt, malgré les pointilleux qui iront comparer de près pour tourner l’avantage vers celui qu’ils préfèrent. Bing m’a même surpris sur des terrains où je ne l’attendais pas comme l’application iPad qui est absolument merveilleuse.

Le problème de Bing n’est plus technologique, mais tient à son appartenance à Microsoft. Le géant de l’informatique possède des avantages évidents comme un compte en banque épais à souhait, mais son immobilisme ou même sa bêtise sont des tares perpétuelles.

En l’état, Microsoft dĂ©pense une infime partie des ressources nĂ©cessaires Ă  la bataille. Pourtant, l’argent est disponible, mais ce foutu immobilisme et mauvais jugement des dirigeants rendent les efforts vains. Le grignotage par micro pourcentage n’est pas la bonne solution; les partenariats avec Yahoo!, Facebook, Apple, RIM et Firefox sont bĂ©nĂ©fiques, mais clairement insuffisants. En passant, Facebook n’est pas une option vaine, mais cet Ă©co-système Ă  l’intĂ©rieur du Web devrait sortir de son recoin et cela ne semble pas Ă  l’ordre du jour.

Un des gros points faibles identifiés chez Google est finalement sa plus grande force : la publicité. Les annonceurs sont désespérés de trouver une alternative viable à Adwords car le système d’enchères est devenu carrément dément sur certains secteurs.

Bing devrait lancer une stratĂ©gie marketing massive et globale afin de draguer l’utilisateur, puis ensuite focaliser sur la rĂ©gie publicitaire afin de proposer cette alternative salvatrice au gouffre Ă  budgets publicitaires qui s’appelle Adwords – plus simple Ă  dire qu’Ă  faire apparemment.

Le souci tient dans le fait que Microsoft souffre d’un complexe d’infériorité vis-à-vis de Google ; exactement le même que celui qui impliquait Apple. Avant de créer une situation favorable, la mentalité doit changer au plus haut niveau de la direction chez Microsoft.

Les erreurs marketing, notamment les lancements dispersĂ©s dans le monde, s’amoncellent par-dessus le complexe d’infĂ©rioritĂ© et le manque de budget pour diminuer drastiquement les chances de Bing. Mettre les moyens n’est pas un problème, donc reste Ă  trouver la bonne solution qui n’est pas au-dessus des capacitĂ©s de Microsoft.

Pourtant, je continue de croire que Bing puisse se réveiller un jour. J’aimerai vraiment que ma prédiction soit une nouvelle fois véridique, mais les bêtises régulières de Microsoft me permettent de douter.

Source image intro.

Ce moteur de recherche qui fonctionne sur le concept du slashtag permettant de customizer les résultats est une alternative non négligeable à Google qui est toujours plus dominé par les spammeurs, référenceurs et autres web marketeurs.

Pour faire connaissance avec Blekko, l’inévitable Scobleizer nous gratifie d’une longue interview vidéo.

Ayant eu le privilège de faire partie des  premiers invités à la Beta de Blekko (lien vers mon profil), j’ai commencé par créer le slashtag référencement en nettoyant la requête des offres commerciales, laissant uniquement les sources d’info à disposition.
On slash in les bons résultats et on slash out les indésirables. Le concept est d’obtenir le Web qu’on veut.

Spam toujours

L’emprise des professionnels de la visibilité Web est totale sur Google. Pour garder un semblant de naturel, le moteur de recherche a trouvé comme palliatif de valoriser Wikipedia qui squatte  un résultat quasiment sur toutes les premières pages de Google.
Autrement, dur de se faire une place au soleil sans prendre en compte le rĂ©fĂ©rencement – que ça soit du cĂ´tĂ© obscur de La Force ou Mr Propre.

A partir de ce constat, Blekko propose une alternative assez intéressante.
Le principe de base se base sur le concept du slashtag ou résultat de recherche sur-mesure qui est édité manuellement par les utilisateurs et modéré par l’équipe de Blekko.

Au fait, les amis ApocalX et Jeffer avait lancé Google Filter en 2004 qui avait aussi pour concept de ne plus voir certains sites dans les résultats de recherche Google.

Wikipedia avait aussi lancé un moteur basé sur la participation des internautes, mais le projet Wikia fût avorté en 2009 pour le transformer en un Yahoo! Answers like.

Google me permet de vivre confortablement depuis 2004 et j’ai bien profité des belles heures du MFA (MadeForAdsense) ou de l’affiliation. Aujourd’hui, je me tourne vers d’autres modèles car j’ai toujours dans l’esprit que les filons sont rapidement saturés sur Internet. En fait, j’ai tort car fourguer des pages au moteur dans l’espoir de racoler un clic publicitaire, un formulaire ou une commission de vente marche toujours aussi bien.
La concurrence est plus rude, mais le moteur est toujours aussi faiblard à lutter contre toutes les formes plus ou moins agressives de spam. Certains comme Kryter ont même fait de belles pirouettes commerciales sous prétexte de cibler la Longue Traîne. Le gavage du Google va perdurer tout autant que pour les canards et les oies dont nous avons dégusté le foie à Noël.
En passant, Matt Cutts m’a fait sourire en lançant un tweet solennel pour annoncer que le cloaking sera en ligne de mire.  Brrr la planète Black Hat SEO doit être verte de trouille.
C’est bien beau de compter sur des effets d’annonce, mais reste à prouver une véritable efficacité.

Aujourd’hui, j’ai bien l’impression que le momentum est en faveur de Blekko car il y a le spam et les référenceurs qui sont omniprésents, mais les fermes de contenu sont aussi des résultats qu’on ne souhaite pas forcément consulter. Les eHow, About et autres champions du contenu de (très) basse qualité ayant pour seul but de racoler vers un clic publicitaire sont bien valorisé par le moteur, mais commencent sérieusement à gaver l’utilisateur avancé.

Que ça soit John Battelle, Rand Fishkin, Keeg ou moi-mĂŞme (juste quelques liens parmi tant d’autres), certains professionnels mettent maintenant sĂ©rieusement en doute la capacitĂ© de Google Ă  endiguer le spam.
MĂŞme TechCrunch ou Slate s’y mettent en citant Ă©galement Blekko comme une alternative Ă  noter.

Outil pour le référenceur

La grosse surprise de Blekko arrive en cliquant sur le bouton SEO qui est proposé à côté d’un résultat. Contrairement à la console Google Webmaster Tools ou celles de Bing et Yahoo!, les informations divulguées par Blekko sont transparentes. Je rappelle qu’il existe parfois un fossé entre ce qui se trame réellement dans l’index d’un moteur tel que Google et se qu’il retourne dans un interface comme les résultats de recherche ou la console webmaster. Ne prenez jamais rien pour argent comptant!

Plusieurs onglets sont à disposition : liens entrants, statistiques de crawl, pages indexées, comparaison entre deux sites et contenu dupliqué. Il n’y a que les résultats du contenu dupliqué qui m’ont laissé dubitatif. Cette partie doit être améliorée car c’est loin de m’avoir convaincu pour l’instant. Sinon, tout le reste est intéressant, même si c’est trop expérimental pour être utilisé sur le plan opérationnel, notamment dans le cadre d’un audit référencement.

Le moteur met aussi Ă  disposition le flux RSS de chaque slashtag ou divers widgets Ă  utiliser sur son propre site, ainsi qu’une toolbar.

Une autre fonctionnalitĂ© intĂ©ressante que je viens de dĂ©couvrir sur Blekko concerne le bouton Adsense qui apparait lorsqu’on entre le slashtag /adsense=XXX (XXX Ă©tant le numĂ©ro d’ID Ă  rechercher).
Il y a aussi un onglet Adsense qui apparaît si vous cherchez un nom de domaine qui contient les publicités Google. En cliquant dessus, vous avez tous les autres sites du compte Adsense.

Certains grognent par rapport à cette fonctionnalité ou le non-respect du tag noarchive, mais je trouve que la transparence est salvatrice.

Blekko Techno

Le moteur Blekko se base sur la technologie ScoutJet pour indexer le contenu sur le Web. Dès son apparition en 2008, Scoutjet était pris pour un robot spammeur, mais sa crédibilité est remontée grâce au partenariat avec Blekko.

Pour l’instant, l’index est minimaliste comparĂ© Ă  celui de Google, mais ce moteur se place en alternative plutĂ´t qu’en Google Killer. D’ailleurs, en partant du principe que plus de 90% des pages indexĂ©es par Google ne sont pas vraiment intĂ©ressantes, l’index du trublion ne devrait jamais devenir massif.

Le HostRank chez Blekko est plutĂ´t nĂ©buleux. Je ne sais pas comment il est gĂ©nĂ©rĂ©, mais comme pour tout indice, c’est celui qui a la plus grosse qui gagne.

Comme d’habitude, le français est une langue difficile Ă  apprĂ©hender pour un moteur de recherche et les accents sont zappĂ©s des slashtags.

Pour tester un moteur de recherche, le truc bien connu consiste Ă  entrer une requĂŞte correspondant Ă  sa propre identitĂ© – en admettant ĂŞtre bien visible sur le Web. C’est une requĂŞte qu’on connait bien et qui est maĂ®trisĂ©e pour les plus prĂ©cautionneux en e-rĂ©putation.

A ce niveau, c’est vraiment pas mal pour Blekko car j’ai seulement 2 rĂ©sultats qui me semblaient inintĂ©ressants ou inadĂ©quats, mais par contre il en manque quelques uns qu’il faudra que je m’empresse d’ajouter. C’est ça aussi le truc magique car je peux proposer des nouvelles ressources au moteur. Nous sommes aux antipodes d’un moteur fermĂ© tel que Google.
En cherchant des personnalitĂ©s bien plus connues et intĂ©ressantes que ma petite personne, je suis tout aussi ravi des rĂ©sultats. En clair, l’information retournĂ©e est beaucoup plus limpide sur tous les secteurs que j’ai testĂ©. Chercher des blogs se rĂ©vèle aussi particulièrement intĂ©ressant.

Maintenant, pour compliquer un peu la recherche, je vais taper Dishwasher (lave-vaisselle en anglais) qui avait rendu Paul Kedrosky  en colère.
Même si ce n’est pas parfait (un domaineur en prems), les résultats de recherche n’ont rien à voir avec ceux de Google qui sont juste pitoyables.
Ce qui est remarquable se déroule lorsque j’ajoute l’élément «buy». Maintenant, les résultats de recherche sont largement différents du précédent. C’est un mix d’information pour mieux acheter, en opposition totale avec les gros racoleurs qu’on retrouve sur Google.

Alternative viable ?

En tout cas, je ne sais pas si c’est Blekko qui est tellement génial ou Google qui devient ennuyeux, mais cela serait salvateur de voir apparaître une alternative différente qui prenne de l’ampleur. Le seul autre survivant, Bing, reste en deçà du leader du point de vue technologique.
Fondamentalement, un moteur 100% basé sur des algorithmes restera idiot puisqu’il ne comprend pas ce qu’il lit.
Malgré tous les efforts des hordes de talentueux ingénieurs, le constat est implacable car Google est toujours aussi pourri.

Maintenant, reste à voir comment cette alternative saura passer le point critique après que les early-adopters et autres leaders d’opinion auront plaidé en sa faveur. C’est sans doute un peu trop geek pour le commun des utilisateurs qui n’a même pas encore compris que Goolge comprenait des dizaines d’opérateurs fantastiques.
Peut-être que Google correspond mieux à l’utilisateur lambda, mais celui qui peut se considérer d’un niveau avancé devrait se délecter sur Blekko.

En fait, le secteur de la recherche d’information n’est pas pĂ©nĂ©trĂ© par de nombreuses entreprises. MalgrĂ© l’enjeu gigantesque et la cagnotte gargantuesque, peu se risquent Ă  attaquer frontalement le monstre Google. Peut-ĂŞtre que les pets foireux du passĂ© tels que Quaero (annoncĂ© comme Google Killer pour devenir un projet expĂ©rimental ignorĂ©), l’échec cuisant de Wikia, la descente aux enfers de Yahoo! ou l’incapacitĂ© de Microsoft Ă  contrer le leader sont des facteurs dĂ©courageants pour les entrepreneurs ? En plus, c’est vraiment amusant et passionnant de s’intĂ©resser Ă  la recherche d’information en ligne.

Bref, découvrez par vous-même l’intérêt de Blekko qui fera peut-être partie des prédictions intéressantes pour 2011. Parfaite transition pour souhaiter pleins de bonnes choses à tous mes lecteurs.
Ayant une centaine d’invitations Ă  disposition, contactez-moi pour ĂŞtre invitĂ© sur Blekko.
Plus besoin d’invitation. Passez directement par la page d’inscription.

Cette technologie n’est pas encore prête, mais c’est une prétention qu’affiche clairement le moteur de recherche. Encore une fois, entre utilité de la fonctionnalité et protection des données, notre cœur balance.

C’est au travers d’une interview très intéressante de Amit Singhal, chef ingénieur de l’algorithme Google, que j’apprends les évolutions prochaines sur lesquelles travaillent les équipes de Mountain View. Il est toujours important de connaître d’autres sons de cloche que ceux du consensuel Matt Cutts. D’ailleurs, Amit Singhal est beaucoup plus crédible lorsqu’il s’agit de parler d’évolutions d’algorithmes puisque Matt Cutts est cantonné à la lutte contre le spam.

Les cinq premiers points évoqués par Amit Singhal ne me surprennent pas : recherche au-delà du texte, recherche au-delà du langage, recherche personnalisée, recherche en temps réelle et sémantique appliquée à la recherche d’information.

Par contre, je m’arrĂŞte un moment sur le sixième point…

La recherche sans chercher

Le but de l’opération consiste à procurer des éléments d’information sans avoir à entreprendre des recherches.

L’exemple pris par Amit explique que vous voulez acheter une batte de cricket (seul un indien pouvait prendre le cricket en exemple) car votre ancienne batte est cassée et que vous allez avoir une heure de temps libre demain. Votre mobile connaît votre besoin car il est inscrit dans votre ToDo. Le mobile est également au courant de votre agenda. Le reste des informations nécessaire est aussi maîtrisé par le téléphone : localisation et autres informations locales. Du coup, le mobile peut vous envoyer une information qui propose un créneau horaire et un magasin pour acheter la batte et revenir à temps au bureau pour le prochain rendez-vous.

Bien ou pas ?

La technologie nous assiste toujours plus. Il  n’y a qu’à voir l’App Store d’Apple ou le Android Market de Google. Désormais, il y a une app quasiment pour tous nos besoins et si ça n’existe pas encore, il est probable qu’un développeur travaille dessus.
Cependant, la vision de Google pousse la technologie vers un domaine encore plus précis en proposant des informations en amont de la demande.

Au premier abord, cela peut paraître intéressant. Puis, viennent rapidement les interrogations à propos du respect de la vie privée et du contrôle.

A mon humble avis, rien n’empêchera Google ou un autre (Apple?) de proposer ce type de fonctionnalité un jour prochain. Les soucis déontologiques seront écrasés comme ils le sont habituellement, puis nous serons toujours plus profilés et tracés.
Tiens, les participants au billet synchronisĂ© sur le futur de la recherche d’information n’avaient pas vu l’enjeu de la recherche sans chercher.  Pour ma part, j’avoue ĂŞtre totalement passĂ© Ă  cĂ´tĂ© de cette vision de l’évolution pour la recherche d’information. Pourtant, ça semble Ă©vident que Google se dirige vers ce type de technologie.

Le choix va vite devenir extrême : adopter ou repousser la technologie. L’entre-deux risque d’être de plus en plus difficile.

C’est par le biais d’un article présentant le bilan de Quaero, le soi-disant moteur de recherche européen, que je suis retombé sur Exalead puisqu’il fait partie des principaux partenaires.

Exalead

Pour rappel, Exalead édite des logiciels B2B basé sur une technologie de recherche qui essaye de se démarquer des ténors du marché. Depuis le début, on sentait que le moteur français s’embarquait sur une tangente intéressante en prenant une approche sémantique. A la base, il s’agit d’extraire des mots clés associés à un document, permettant de déterminer au mieux le véritable sens d’un texte. Aujourd’hui, je reste dubitatif sur le réel succès; même si personne ne peut nier que c’est très intéressant. Au niveau des chiffres, l’index contient 16 milliards de pages Web et 1 milliard d’images.
Le mieux est d’essayer par soi-même en regardant ce que ressort le moteur pour les Termes associés. Parfois c’est pertinent, mais souvent c’est totalement à côté de la plaque.

A vrai dire, le moteur de recherche d’Exalead est toujours restĂ© plutĂ´t confidentiel. Je ne sais pas si vous le voyez passer comme referer dans vos stats, mais ce n’est pas courant.
Quoi que la véritable concurrence s’est toujours située au niveau des autres éditeurs de logiciels similaires, plutôt qu’au niveau des principaux moteurs qui ont des modèles économiques bien différents.

Les progrès de la recherche d’information

Malgré les avancées évidentes dans le domaine de la recherche d’information, dont celles de Google sont les plus en vues, il demeure un gros souci sur le plan fondamental : le moteur de recherche est idiot.

Je veux dire par là qu’il ne comprend toujours pas bien le contenu qu’il indexe.

Il est possible de disserter pendant longtemps sur les progrès et le futur de la recherche d’information comme nous Ă©tions plusieurs Ă  discuter lors du billet synchronisĂ©. Certains thĂ©orèmes sont vraiment intĂ©ressants avec le Latent Semantic Indexing (LSI) en tĂŞte, puisqu’il fait toujours couler beaucoup d’encre numĂ©rique parmi les rĂ©fĂ©renceurs et autres observateurs du secteur de la recherche d’information. Le dernier article que j’ai lu sur le LSI par l’ami Didier Sampaolo est très intĂ©ressant; on sent bien que c’est très tentant d’y succomber de manière applicative. Pour ma part, je l’utilise seulement pour la thĂ©orie, mais un prochain article viendra expliquer tout cela en dĂ©tails.

Donc, pour l’instant nous avons droit à aux préliminaires de la sémantique appliquée à la recherche d’information, mais les principaux moteurs ne sont pas aussi sophistiqués qu’on voudrait bien le croire si on s’interroge sur la compréhension du sens des documents qu’ils indexent.

Quaero

Les observateurs du secteur de la recherche d’information se rappellent sans doute l’annonce de lancement du projet Quaero par Jacques Chirac. A l’époque, il s’agissait de s’attaquer frontalement Ă  l’hĂ©gĂ©monie de Google par le biais d’un moteur de recherche europĂ©en.

Depuis plus rien jusqu’à l’annonce du bilan des deux ans.

Au premier abord, tout cela paraît prometteur : 300 millions d’euros de budget sur cinq ans pour 300 chercheurs qui ont publié 230 publications scientifiques et 20 demandes de brevets. J’en sais fichtre rien si c’est beaucoup ou peu avec tous ces sous et ces savants, mais 20 brevets semble déjà être un bilan intéressant. Cela aboutirait sur un moteur de recherche qui analyse automatiquement les contenus vidéo. Le programme inclut également la traduction instantanée, une télévision personnalisable et d’autres petites choses comme la recherche par similarité/caractéristique colorimétrique et le résumé automatique de morceaux de musique. Bref, on sent bien que l’accent est mis sur l’indexation du contenu multimédia, mais silence radio sur une éventuelle concurrence avec Google.

Le résultat est assez sympathique lorsqu’on regarde l’indexation des vidéos sur le site Elysee.fr avec tout le contenu audio qui est transformé en texte.

Après, je me perds dans qui fait quoi dans ce projet car les partenaires de Quaero préservent apparemment la primeur et la propriété de leurs découvertes, donc pas évident de savoir si c’est Quaero ou Exalead qui a installé le moteur sur le site de l’Elysée ou ailleurs, étant donné que les deux ont l’air de se féliciter des résultats.

Conclusion

Au travers de l’exemple Exalead et Quaero, on peut sentir que les choses bougent. Bien entendu, ils ne sont pas les seuls à bosser sur le futur de la recherche d’information. Les moyens de sociétés privées comme Google et Microsoft sont gigantesques et d’autres sont également sur les rails pour nous sortir le moteur du futur.
Mon propos n’était pas de faire un état des lieux complet ou partir dans des explications pseudo techniques, mais plutôt de montrer qu’il se passe des choses en France. Hormis Exalead et Quaero, il y a des recherches intéressantes dans plusieurs universités françaises, mais on dirait tout de même que l’essentiel reste la garde des chercheurs de la Sillicon Valley.

Cela faisait un moment que j’avais entamĂ© la traduction (autorisĂ©e) de l’article suivant. Il Ă©tait oubliĂ© au fond d’un rĂ©pertoire, puis je suis retombĂ© par hasard sur l’article original de SEOmoz rĂ©digĂ© par Rand Fishkin et Ben Hendrickson.
Après une nouvelle lecture, j’ai pensĂ© qu’il serait vraiment intĂ©ressant de terminer la traduction pour partager cette analyse passionnante avec ceux qui sont en dĂ©licatesse avec la langue de Shakespeare.
Le but de cette analyse est de comprendre un peu mieux l’algorithme de Google en effectuant une corrĂ©lation de donnĂ©es sur la base de l’index Linkscape.

Corrélation de données

Linkscape est l’index Web de SEOmoz. En plus du travail habituel sur les statistiques, nous effectuons des recherches poussées qui sont partagées dans cet article. 
Cependant, la lecture requiert de l’attention car la corrélation de données ne donne pas forcément toutes les réponses. Il n’en demeure pas moins que c’est extrêmement intéressant, donnant une vue de l’intérieur grâce à la modélisation des classements; tout en sachant qu’il ne faut pas simplement regarder les graphes, mais bien lire le commentaire associé. Donc, faites attention à la lecture des données brutes qui peuvent être sujettes à une mauvaise interprétation.

Quelques stats Linkscape (au 22/09/09)

• Date de sortie :  6 octobre 2009
• Domaines : 57 millions
• Sous-domaines : 215 millions
• URLs : 40,5 milliards
• Liens : 456 milliards
• Attributs de lien :
  • Liens nofollow internes : 7 milliards (1,51% du total)
  • Liens nofollow externes : 2,8 milliards (0,60% du total)
  • Liens nofollow au total : 9,7 milliards (2,11% du total)
  • URLs en 301 : 384 millions (0,08% du total)
  • URLs en 302 : 3 milliards (0,59% du total)
  • URLs employant rel= «canonical» 52 millions (0,01% du total)

• CorrĂ©lation moyenne entre PageRank et mozRank
  • Erreur absolue moyenne : 0,54

• CorrĂ©lation moyenne entre mozRank du domaine (DmR) et PageRank de la homepage
  • Erreur absolue moyenne : 0,37

Maintenant, entrons dans la recherche autour de la corrélation des données pour savoir comment utiliser Linkscape pour obtenir des statistiques intéressantes. Les premiers graphes utilisent la corrélation brute et pas seulement la relation entre les classements et les paramètres individuels. Encore une fois, il faut bien lire les descriptions et surtout ne pas faire de conclusions hâtives. Il ne faut pas croire qu’on peut forcément obtenir un meilleur classement en suivant les recommandations. Le but est de montrer quels paramètres sont appliqués aux pages qui sont positionnées parmi les meilleures positions des résultats de recherche.

Comprendre les graphes

• Mean Index By Value (index moyen par valeur) : c’est utilisĂ© pour l’axe y de plusieurs graphes. Au lieu de faire la moyenne des valeurs brutes, nous effectuons le calcul sur son index relatif dans les rĂ©sultats de recherche – si ordonnĂ©s par cette valeur. Prenons 3 rĂ©sultats de recherche oĂą la page en première position est la quatrième en terme de liens, la deuxième est la première pour les backlinks, puis la troisième est en dixième position pour les liens. L’index moyen par nombre de liens pour la première position sera (4+1+10)/3=5.
• Mean Count Numbers (moyenne des nombres) : ces nombres apparaissent sur l’axe y du premier graphe, montrant la moyenne du nombre de liens.
• Position : c’est utilisĂ© sur certains axes x. Pour les graphes concernĂ©s, spĂ©cifiques Ă  la position organique dans Google.com, les rĂ©sultats de recherche non traditionnels sont exclus (local, vidĂ©o, news, images, etc.).
• Error Bars (Barres d’erreur) : ces barres qui relient les courbes dans nos graphes montrent l’intervalle entre deux Ă©lĂ©ments diffĂ©rents. Sur certains graphes, elles montrent les 95% des intervalles de la moyenne potentielle si nous avions une infinitĂ© de donnĂ©es Ă  traiter.

Les backlinks sont-ils en corrélation adéquate avec le positionnement ?

Une logique rĂ©currente dans le rĂ©fĂ©rencement prĂ©tend que le nombre de liens qui pointent vers un rĂ©sultat permet une bonne prĂ©diction du positionnement. Cependant, on remarque que Yahoo! Site Explorer (et mĂŞme Google dans ses Webmaster Tools) inclut un grand nombre de liens inutiles (nofollow, format exotique, internes, etc.), tandis qu’il exclut des Ă©lĂ©ments intĂ©ressants (comme les redirections 301).
 En utilisant les donnĂ©es Linkscape, nous pouvons Ă©liminer ce bruit afin d’extraire seulement les liens qualifiĂ©s et les 301.

Ce premier graphe suggère qu’une corrĂ©lation existe entre nombre de liens et positionnement. Sauf que les pics sont frustrants. Au travers d’une analyse plus profonde, nous avons Ă©tabli qu’il  Ă©tait Ă©videmment causĂ© par un dĂ©sĂ©quilibre de liens parmi certains rĂ©sultats.
 Du coup, il s’est avĂ©rĂ© pertinent de produire le graphe suivant :

Ici, nous pouvons voir ce qui pourrait se passer si nous manipulions les rĂ©sultats par nombre de liens. Dans ce cas, chaque paquet de rĂ©sultats ont Ă©tĂ© assignĂ© un chiffre (1, 2, 3, etc.) qui correspond Ă  la quantitĂ© de liens en comparaison avec les autres pages (la page avec le plus de liens est assignĂ©e le « 1″, la deuxième qui reçoit le plus de liens porte le « 2″, etc.).
 On voit que la courbe est devenue rĂ©gulière, mais nous pouvons assurer de sa prĂ©cision.

Les barres sur la courbe ci-dessous montre l’intervalle permise pour estimer la ligne mĂ©diane.

La corrĂ©lation est forte, suggĂ©rant que le nombre de liens externes est important. Le standard relevĂ© pour l’erreur est si bas que nous sommes confiants Ă  propos de la vĂ©racitĂ© de cette analyse. 
Clairement, les liens sont très importants, mais ils ne reprĂ©sentent pas la totalitĂ© de la solution. Amasser le plus de liens possible est un excellent objectif, mais cela ne peut pas ĂŞtre votre seul but.

Le dernier morceau Ă  observer pour cette partie concerne la dĂ©viation standard. Cela dĂ©montre la latitude de variation d’une page par rapport aux moyennes.

Ce graphe nous montre que la variation pour un paquet individuel de rĂ©sultats peut ĂŞtre très large. AcquĂ©rir plus de liens n’est pas forcĂ©ment un moyen infaillible. La dĂ©viation standard est Ă©loignĂ©e de la ligne mĂ©diane (1,97). Au niveau global, il importe de prendre en compte le nombre de liens externes qui sont correctement suivis, mais nous allons dĂ©velopper nos modèles et Ă©largir notre champ de rĂ©flexion pour d’obtenir des informations actionnables au niveau granulaire.

Une seule mesure peut-elle prédire le positionnement ?

Franchement, ça serait excellent…
Nous avons regardĂ© des indices comme le PageRank, le nombre de liens dans Yahoo! Site Explorer, Alexa Rank, etc. Pour ĂŞtre clair, ces indices sont aussi fiables que piocher au hasard. Le score du PageRank de Google Ă©tait approximativement 16% plus performant (donnĂ©e datĂ©e de fĂ©vrier 2009) qu’une prĂ©diction basĂ©e sur le hasard pur pour dĂ©terminer le positionnement d’une page Web (N+10 ou la page positionnĂ© N°1 contre la page 2). Le PageRank Ă©tait Ă©galement 5% meilleur que le hasard pour prĂ©dire le positionnement (N+1 ou la position 1 contre position 2).
Le graphique ci-dessous montre des corrĂ©lations pour un certain nombre d’indices liĂ©s au rĂ©fĂ©rencement.

Nick, Ben et Chas ont travaillĂ© dur afin d’amĂ©liorer la valeur et la qualitĂ© de l’index Linkscape, ainsi que l’utilitĂ© des mesures.
Le graphe suivant montre nos progrès.

Les corrĂ©lations du graphe ci-dessus sont 35-50% plus satisfaisantes que les rĂ©sultats piochĂ©s au hasard (il ne s’agit pas d’une comparaison 1 pour 1 avec les nombres ci-dessus – cela viendra dans un prochain post). L’observation de ce graphe suggère que le mozRank externe (reprĂ©sentant la quantitĂ© de « link juice » vers un page depuis les liens externes) et les liens externes suivis correspondent bien au positionnement actuel, apportant des Ă©lĂ©ments d’information intĂ©ressants pour les chasseurs de backlinks. Cette ligne de corrĂ©lation peut suggĂ©rer, dans un scĂ©nario classique du positionnement, l’importance de l’apport de liens Ă©manant de pages Ă  fort mozRank/PageRank qui contiennent peu de liens externes (ainsi les liens passent plus de « link juice »), ainsi qu’une grande quantitĂ© brute de liens externes suivis. De plus, ce graphe supporte l’idĂ©e que l’apport de liens depuis un domaine unique est pertinent.

La partie frustrante Ă  propos de ces donnĂ©s est que ça ne raconte pas l’ensemble de l’histoire, ni que ça soit directement actionnable pour une requĂŞte spĂ©cifique. Comme vous pouvez voir ci-dessous, la dĂ©viation standard des nombres montre que pour n’importe quelle recherche, l’Ă©tendu varie drastiquement.

Lorsque nous observons cet effet, exactement comme dans le cas ci-dessus, l’application pour un travail de rĂ©fĂ©rencement d’un projet client, dont l’objectif est d’obtenir un positionnement spĂ©cifique, n’est pas clair. Employer ces mesures comme KPI et moyens d’Ă©valuer les liens potentiels est probablement utile. Construire des analyses de concurrence avec ces points de donnĂ©es sera certainement plus efficace qu’utiliser des mesures extĂ©rieures, mais cela ne dit pas « fais ceci pour mieux te positionner, » tout comme ce n’est pas le « Saint Graal » que nous pourchassons.

Comment les facteurs « On Page » coĂŻncident avec le positionnement ?

Pour l’instant, nous avons peu Ă©valuĂ© les facteurs « On Page » et leur corrĂ©lation avec le positionnement. C’est ce que nous allons voir maintenant.

Google a rĂ©cemment annoncĂ© que la meta keywords Ă©tait ignorĂ©e. Ces donnĂ©es montrent une courbe très irrĂ©gulière et des barres d’erreurs dans la limite du 13, supportant cette affirmation. Employer la requĂŞte/phrase dans la meta keywords est un des signaux les moins significatifs que nous avons Ă©tudiĂ©.

La balise Title qui contient le terme de la requête semble avoir une réelle corrélation avec le classement. Ils ne sont pas en parfaite corrélation, mais ce graphe nous montre que Google a une claire préférence, en moyenne, pour les pages qui emploient le terme de la requête dans la balise Title.

Nous avions examiné auparavant les balises d’en-têtes H1/H2/Hx pour arriver à la conclusion qu’elles avaient un impact faible sur le positionnement. Ce graphe suggère que c’est toujours le cas. Il y a une corrélation plus grande lorsque les termes sont utilisés dans d’autres zones «on page» du body ou dans l’ancre des liens (internes ou externes).
 Bien que le graphe montre une courbe horizontale, suggérant que les en-têtes H1 à H4 n’ont pas trop de bénéfice à l’utilisation, ce n’est pas aussi vilain que l’effet hasardeux observé avec la meta «keywords» (les courbes démarrent en-dessous de 13 et se terminent juste au-dessus). En tout cas, la corrélation positive est basse avec la ligne horizontale qui se tient entre les barres d’erreur.

Le graphe est l’illustration la plus claire du fait qu’il faille construire des systèmes plus avancĂ©s qu’une simple et directe corrĂ©lation. Selon ce graphe, l’utilisation du terme de recherche dans le nom de fichier ou chemin d’URL est lĂ©gèrement nĂ©gatif en corrĂ©lation avec un bon classement. Le sous-domaine apparaĂ®t largement inutile, tandis que le domaine racine Ă  une forte corrĂ©lation. Bien que toutes les courbes (sauf le domaine racine) soient sur une bande Ă©troite de l’axe x, les bonnes pratiques du rĂ©fĂ©rencement nous dictent d’utiliser les mots clĂ©s dans ces Ă©lĂ©ments. Du coup, lorsque nous analysons ce graphe, il convient d’émettre quelques hypothèses. Par exemple, les termes de recherche de l’URL seraient Ă©liminĂ©s lorsque ils apparaissent dans le domaine racine et ailleurs dans l’URL. Les moteurs de recherche peuvent voir ceux qui rĂ©pètent les termes du domaine racine dans l’URL comme des pratiquants du « keyword stuffing ». Cela peut aussi impliquer que la corrĂ©lation brute perçoit un grand nombre de pages qui optimisent moins l’URL, mais qui sont performantes grâce Ă  d’autres facteurs (liens, autoritĂ©, etc.). C’est aussi vrai que la plupart des sites qui emploient le mot clef dans l’URL ne l’utilisent pas forcĂ©ment dans le domaine racine. Du coup, le nĂ©gatif de l’un peut ĂŞtre mĂ©langĂ© au positif de l’autre pour tenter d’y voir plus clair.

Cet exemple est la parfaite illustration des problèmes d’interprétation sur la corrélation de données brutes, nécessitant une modélisation toujours plus sophistiquée.

Pouvons-nous construire une modélisation utilisable du positionnement?

Nous avons besoin d’un modèle qui imite Google du mieux possible pour obtenir une reprĂ©sentation de la valeur potentielle pour les actions de rĂ©fĂ©rencement. Sauf que ce n’est pas facile car Google possède plus de 200 paramètres dans son algorithme de classement des pages Web. Bien que nous possĂ©dons de nombreux points d’analyse, il n’en demeure pas moins que c’est un challenge complexe.

La courbe «Über» en rouge dans le graphe ci-dessus est construite en prenant tous les points d’analyse que nous possédons.  Les données sont moulinées pour établir une corrélation avec les résultats de recherche. La courbe rouge fait clairement apparaître que notre modèle est le plus efficace pour prédire le classement. En plus, la courbe est carrément excellente pour le Top 10 des résultats de recherche.
Cette modélisation peut aussi s’affiner pour obtenir un impact à propos de l’utilisation du mot clef dans une zone spécifique.

Regardons comme exemple la corrélation négative des mots clés dans l’URL.

Encore une fois, le graphe montre clairement l’inefficacitĂ© latente des mots clĂ©s dans le sous-domaine, mais que c’est extrĂŞmement efficace dans le domaine racine. Sinon, les courbes peuvent suggĂ©rer un faible effet positif tout en observant une descente en dessous du 0 de l’axe x pour les positions 20-25, indiquant que l’utilisation du mot clef peut aussi avoir un effet nĂ©gatif. Ainsi, l’utilisation du mot clef au sein de multiples endroits peut ĂŞtre nĂ©faste; ce qui dirait Ă  certains qu’une utilisation moins agressive des mots clĂ©s serait bĂ©nĂ©fique.

Dans ce graphe, les barres d’erreurs de déviation standard sont mises en évidence. Ainsi, nous pouvons dire que l’utilisation des mots clés dans l’URL n’a pas d’impact négatif pour les meilleurs résultats, tandis que ce constat est moins serein pour la dernière portion de résultats.
Tournons notre attention vers ces satanés Hx encore une fois pour voir si notre modélisation a d’autres choses à dire.

Nous obtenons des résultats similaires qui perçoivent les tags H1-H4 comme peu intéressants pour y placer des mots clés. Les Hx semblent aider un peu, mais peuvent aussi avoir un léger impact négatif  pour la dernière portion des résultats. Cette analyse est une évidence plutôt efficace pour déclarer que les tags Hx n’ont pas une grosse importance pour le référencement (même en prenant en compte les barres d’erreur). Evidemment, il faut continuer d’utiliser les en-têtes, mais ce ne sont pas les endroits les plus stratégiques à incorporer à propos de l’optimisation pour le référencement.

Notre mesure pour les liens a aussi Ă©tĂ© l’objet d’amĂ©liorations qui donne un constat plus nuancĂ©. Vous pouvez voir ci-dessus que notre mozRank amĂ©liorĂ© apparaĂ®t plus important pour les premiers rĂ©sultats de recherche; tout en observant que le nombre brut de liens n’a pas une grande valeur. Plus profond dans les rĂ©sultats, certaines pages semblent utiliser Ă  outrance l’acquisition de liens et du mozRank – probablement Ă  cause de liens qui proviennent de sites Ă  faible autoritĂ© ou mĂŞme spammy.
 Ce graphe ne contient pas un grand nombre de donnĂ©es actionnables, mais cela confirme plutĂ´t bien ce qu’on sait du rĂ©fĂ©rencement (ex: peu de bons liens est mieux que beaucoup de mauvais liens).

Ce dernier graphe montre quelques données intéressantes de nos tests sur les éléments «on page». Le gros paramètre aperçu concerne l’utilisation d’images avec un attribut «alt» adéquat incorporant les mots clés. La ligne verte est une des plus fortes corrélations pour l’utilisation «on page» des mots clés. Mettre les mots clés en gras, dans le corpus et même dans les ancres a le même type d’impact positif étudié précédemment, ainsi qu’un léger impact négatif dans la zone 20-25.

Conclusions

Je sais que cela reprĂ©sente beaucoup de donnĂ©es Ă  ingurgiter, mais il est aussi très important de comprendre que la crĂ©dibilitĂ© du travail de rĂ©fĂ©rencement passe aussi par l’appui sur ce type d’analyse. SEOmoz n’est certainement pas la seule compagnie Ă  travailler de la sorte (quoi que certainement la seule Ă  rendre les rĂ©sultats publics). Tout cela peut apporter des supports intĂ©ressants pour des projets clients ou en interne avec des donnĂ©es qui montrent l’importance et la valeur prĂ©vue pour les changements effectuĂ©s en tant que rĂ©fĂ©renceur. Nombreux sont ceux qui critiquent le mĂ©tier parce que l’expertise se base Ă©normĂ©ment sur l’intuition et le bon sens. Avec ces analyses, nous pouvons recentrer le dĂ©bat. Nous ne prĂ©tendons pas que ces donnĂ©es sont infaillibles, mais il s’agit certainement d’un excellent point supplĂ©mentaire Ă  ajouter dans l’équation.

Les éléments suggérés par l’analyse, dont nous sommes confiants de la pertinence :

• Les liens sont importants, mais les donnĂ©es trop basiques peuvent ĂŞtre trompeuses. Il faut Ă©tablir des analyses sophistiquĂ©es sur les liens.
• Il n’y a pas une donnĂ©e en particulier qui peut prĂ©dire le positionnement.
• H1 (et H2 Ă  H4) ne sont probablement pas des bons endroits pour capitaliser sur des mots clĂ©s
• L’attribut «alt» des images est un endroit privilĂ©giĂ© pour mettre des mots clĂ©s
• Le keyword stuffing peut vous retenir au-delĂ  des 15 premiers rĂ©sultats.
• En faire trop avec des liens de mauvaise qualitĂ© peut avoir un impact nĂ©gatif.

=> Une autre étude à consulter sur les paramètres influents des backlinks.

Sujet : commentez librement l’Ă©tude Google « le moteur de recherche idĂ©al vu par les internautes »

Quand : maintenant

En lisant l’étude qui a servi de point de dĂ©part pour ce billet, je me suis dit que ça serait intĂ©ressant d’avoir l’avis de certaines personnes que j’avais en tĂŞte. Puis, pourquoi pas carrĂ©ment leur demander de rĂ©diger un billet et publier au mĂŞme moment.

J’ai donc demandĂ© l’avis de deux ou trois potes qui traĂ®naient sur Gtalk et vu l’enthousiasme (confirmĂ© par le teasing), le concept du billet synchronisĂ© Ă©tait lancĂ©. Tous les participants m’ont vraiment bien aidĂ© avec des suggestions pertinentes Ă  tous niveaux, mais une mention spĂ©ciale Ă  Marie qui m’a donnĂ© un coup de main dans la logistique. D’ailleurs, vous pouvez lui souhaiter bon anniversaire car c’est aujourd’hui qu’elle devient enfin majeure.

Les blogueurs aux billets synchronisés

Les participants n’ont pas Ă©tĂ© choisi parce que se sont mes meilleurs amis ou que je leur dois de l’argent, mais plutĂ´t dans un souci de confronter des expĂ©riences et des visions diffĂ©rentes. La plupart ont un lien direct avec le rĂ©fĂ©rencement, tandis que d’autres sont « non SEO ». Pour des raisons Ă©videntes de logistique et de ne pas submerger le lecteur, nous avons gardĂ© le groupe dans un volume restreint. Au dĂ©part, nous devions ĂŞtre 10 au maximum, mais la liste finale comporte 15 noms.

Je remercier chacun d’eux d’avoir tentĂ© avec moi cette expĂ©rience synchronisĂ©e et surtout improvisĂ©e.

• Jean-Marie Le Ray
• Antoine Leroux
• Olivier Duffez
• Aymeric Jacquet
• Marie Pourreyron
• Michel de Guilhermier
• David Degrelle
• Sylvain Richard
• Renaud Joly
• AurĂ©lien Bardon
• Gonzague Dambricourt
• LĂ©o Ludwig
• Olivier Andrieu
• SĂ©bastien Vallery

Le sujet

Il s’agit d’une Ă©tude exĂ©cutĂ©e par DirectPanel pour Google se basant sur un sondage d’utilisateurs français des moteurs de recherche. Je ne me suis pas renseignĂ©, mais il est fort possible que cette Ă©tude ait pris place dans d’autres pays. La date de publication est très rĂ©cente puisqu’elle remonte Ă  dĂ©cembre 2009.

Le lien pour tĂ©lĂ©charger Etude « Search of the Future » – France

En bonus, le slideshow

Mon billet sur « le futur moteur de recherche »

Cette année, nous fêtons le 20^ème anniversaire de la naissance d’Archie (10/10/90) qui est l’ancêtre des moteurs de recherche. Je ne l’ai pas connu, mais je me rappelle de Lycos, Excite et surtout Altavista. En 1998, Google est arrivé, puis vous connaissez la suite.

Nous voilà donc en 2010 à lire une étude commandité par Google qui a pour objectif de « savoir comment les utilisateurs voient le moteur de recherche idéal de demain : à quoi ressemblera-t-il ? Que sera t-il capable de faire ? Comment changera-t-il notre vie, la technologie et le Web en général ? »

En parcourant l’étude, j’avais une citation de Larry Page (co-fondateur de Google) lue il y a 7 ans qui me revenait sans cesse : « on peut imaginer un jour que votre cerveau soit renforcé par Google. Par exemple, vous pensez à quelque chose, et votre téléphone cellulaire vous chuchote la réponse dans l’oreille. »

Le Google Chip

Même si les réponses m’intéressaient, je voulais savoir si cette histoire de puce allait ressortir au travers des questions posées par Google. Sur ce point, je n’ai pas été déçu car les questions n’ont pas tardé à abonder dans ce sens. Quand je lis « fournir des informations sur ce que j’entends » ou « fournir des informations sur une personne ou un objet de que je touche » ou « permettre de rechercher dans les souvenirs stockés dans ma mémoire », c’est bien vers cette puce dans le cerveau qu’on se dirige.

A mon avis, ce « Google Chip » est technologiquement bien avancé, car ce sondage va tout à fait dans le sens d’une prise de température pour voir si le public commence à intégrer ces « progrès » à venir. Maintenant, la seule question réside de savoir quand ils trouveront le timing adéquat pour nous greffer le cerveau avec un puce « made in Mountain View. » Si vous craigniez pour vos données personnelles aujourd’hui, je vous laisse imaginer ce que le Google du futur nous réserve…

Peut mieux faire !

Pour le reste de l’étude, j’ai été surpris que la quasi totalité des utilisateurs attendent des améliorations. Quand je vois que cette même quasi totalité ne savent absolument pas utiliser au mieux un moteur de recherche, ça m’étonne d’apprendre que Google doit mieux faire. Rien qu’en utilisant une poignée d’opérateurs et en ayant une bonne réflexion autour de la requête, il n’y a pas de réponse qui reste inassouvie lors de la première recherche.

Remarque, l’utilisateur n’a pas non plus tort dans le sens où la technologie devrait s’adapter à l’homme et non le contraire. Sauf qu’il y a très peu de cas que je connaisse où cette notion est respectée. Pour revenir à Google, il est aussi vrai que le moteur ne comprend toujours pas ce qu’il indexe. Malgré quelques sursauts prometteurs il y a quelques années, je n’entends plus trop parler de la sémantique appliquée et les outils de recherche. La recherche d’information recentrée sur l’utilisateur au travers d’outil comme Twitter (on demande à ses followers, plutôt qu’à Google) suggère la limite d’un algorithme « idiot. »

Conclusion (et suite ?)

Le sentiment global qui ressort de cette étude est clairement que le moteur de recherche va devenir de plus en plus une partie intégrante de notre vie quotidienne. Sans attendre la puce dans le cerveau, le moteur va répondre à plus de besoins en étant toujours plus performant.

Quand je repense à Archie et Altavista, il s’en est vraiment passé des choses en 20 ans. Dire que nous sortons à peine de la Préhistoire du Search, il est stupéfiant de jeter un coup d’œil en arrière et se projeter sur ce qui va arriver demain.

J’ai tâché de rester concis car il y a 14 autres billets à lire, mais j’espère que cette expérience du billet synchronisé se révélera intéressante et qu’elle sera renouvelée. Parmi les idées, je voulais lâcher le concept en confiant le prochain sujet et choix des participants à un autre blogueur qui passera le relais à son tour afin de générer une sorte de chaine intellectuelle au travers des blogs.

La question qui se pose maintenant est de savoir comment Google s’y prend pour choisir les Tweets à faire apparaître au sein des pages de résultats.

C’est à la lecture d’un article de David Talbot (pionnier du journalisme en ligne et web entrepreneur) que nous pouvons extraire quelques informations grâce aux commentaires de Amit Singhal, responsable de la Search Quality chez Google et chef du projet Real Time Search.

Classement du Tweet basée sur le PageRank

Apparemment, Google utilise une technologie semblable à celle du PageRank afin de sélectionner les Tweets qui méritent d’être publiés en temps réel au sein des résultats de recherche et dans les Updates du Social Search.

La clef est d’identifier les Followers de réputation honorable. Dans ce sens, le nombre de Followers n’est pas le critère prépondérant. C’est plutôt l’ensemble du réseau autour du compte qui est analysé afin de voir si l’environnement est construit autour d’une réputation qu’on peut qualifier de « recommandable » ou « honorable. » Nous retrouvons ainsi les notions d’autorité et réputation qui sont fortement impliquées dans le calcul du PageRank.

Encore et toujours le spam en ligne de mire

Maintenant, il faut bien que Google puisse décider instantanément si un Tweet tend à être du spam ou même de mauvaise qualité.

Le hashtag (#) est utilisé au sein des Tweets afin d’associer le message à certains mots clés. Cela permet de faire remonter le Tweet lorsqu’un utilisateur entre la requête associée au hashtag dans le moteur de recherche Twitter.

L’intérêt est d’accroître la visibilité d’un Tweet, mais cela engendre évidemment des abus avec des Tweets qui sont gavés de mots clés ou qui veulent faire passer un message publicitaire. Du coup, le hashtag est aussi symbole de spam, pub et mauvaise qualité. Pour bien faire, il faut savoir l’utiliser sans en abuser.

Singhal prétend qu’ils ont réussi à modéliser le comportement des utilisateurs par rapport à l’utilisation du hashtag. Bien entendu, il n’est pas rentré dans les détails, mais il remarque que cela constituait le véritable challenge technique du Real Time Search.

Lorsqu’un utilisateur émet une requête, Google scanne les Tweets afin d’en retirer le ratio signal/bruit adéquat. Un signal fort poussera le moteur à afficher des Tweets en relation avec la requête, fournissant ainsi les résultats les plus frais possibles.

Dans le futur, Google et Twitter veulent pousser du côté de la géo location des données, ainsi que de la téléphonie mobile.

Enfin Singhal rassure sur le fait que Twitter n’est pas le seule source d’information en temps réel. Chez Google, les autres médians (actualité, blogs, pages Web) sont interprétée comme des composants du Web en temps réel. Twitter est juste pratique car il comporte un contenu très limité sur lequel il est plus facile de travailler du côté technique.

Mon avis

Pour ce que j’ai testé, le hashtag me semble vraiment valorisé. En tout cas, j’arrive à faire apparaître mon tweet assorti d’un hashtag dans les updates Social Search et les recherches Web avec hashtag.

Sans le hashtag, ça se complique.  Aucun problème pour la Updates, mais pour la recherche Web, il faut arriver à déclencher une insertion de tweets et ça ne marche pas à tous les coups. Le mix hashtag plus mot clef sans # associé marche aussi.

En dehors de Twitter, je vois passer quelques résultats de micro-blogging issus de FriendsFeed et Jaiku, mais je n’ai rien vu d’autre dans la partie Update ou dans la zone Real Time Search des recherches Web.

Pas trouvé non plus un type de profil privilégié pour les comptes Twitter qui ressortent.
Pour ma part, j’utilise le hashtag dans moins de 10% des tweets. Pour le reste, je ne suis pas plus assidu qu’un autre et encore moins influent. Pourtant, j’ai fais remonter chacun des tweets testĂ©s avec hashtag.

Il suffit d’observer quelques minutes une requête comme « haiti » au lendemain des tremblements de terre pour vraiment voir cette recherche en temps réel à l’œuvre. En effet, on remarque la présence d’une plus grande variété de sources qui sont incluses dans la zone de Real Time Search. Les tweets sont même carrément inondés par les articles d’actualités. Les tweets proposés ne m’ont pas paru être indispensables pour mieux comprendre de quoi il s’agit. Je n’ai rien vu passer digne d’être relevé entre les incitations aux dons, les messages de soutien et le relais des articles de presse.

Le seul tweet qui m’a interpellé était d’un humour tellement nul qu’il mérite que je poste le screenshot, mais je ne vois pas ce qu’il venait faire sur la première page de Google.

Bon, je crois qu’il est sage de ne pas s’emballer sur ces inclusions Twitter au sein du moteur Google. J’avais dĂ©jĂ  Ă©mis des doutes lors de l’annonce du partenariat Twitter et Google, mais je n’ai pas changĂ© d’avis. Ça me semble encore brut de dĂ©coffrage et je ne pense pas que l’algorithme qui traite le Real Time Search arrive Ă  la cheville du PageRank. Chris Lake se pose plein de questions et j’avoue ne pas vouloir faire des plans sur la comète sous peine de partir dans les travers du « reverse engineering Ă  la petite semaine » dont j’ai horreur.

A voir si j’ai la motivation pour pousser les tests plus loin que le hashtag, mais je suis curieux de savoir ce que vous avez trouvĂ© au sujet du classement des tweets par Google.

Fondamentalement, le problème reste le même : Google ne comprend pas ce qu’il lit. A partir de là, on peut nous sortir toutes les formules mathématiques possibles sans jamais pouvoir atteindre l’évaluation sémantique nécessaire.

Quelles sont les forces en présence et les conséquences de cette lutte ?

Ce qui semblait être un coup de gueule de la part d’un des plus gros patron de presse au monde, révèle plutôt un bouleversement de proportions dantesques.

Le vieux lion contre le jeune loup

Pour replacer dans le contexte, je rappelle que Rupert Murdoch est l’homme le plus dangereux du monde. Les centaines de médias majeurs possédés par cet homme peuvent déclencher les pires maux possibles et imaginables au sein d’une société. Un simple exemple en 2003 avec les 175 journaux de Murdoch qui soutenaient unanimement la guerre en Irak.

Ces médias représentent la vieille école : télévision, presse et radio. Sans avoir besoin de décodeur, tout le monde a compris que l’ancien modèle médiatique se faisait dégager aussi vite qu’un pet glisse sur une toile cirée.

De l’autre côté du ring, se dresse Google, le glouton du Web qui moissonne tout sur le passage de son algorithme. Il a suffit d’une demie décennie pour que ce moteur de recherche avale les données de la planète entière.

Le combat pour la ceinture des poids lourds de l’info était jouée d’avance. Il semblerait donc que l’année 2009 va s’éteindre avec l’effondrement total du paysage médiatique tel que nous l’avons connu.

Il ne peut y avoir qu’un seul maître du monde. Murdoch pousse un dernier rugissement, mais l’ogre du monde virtuel l’a déjà décapité depuis belle lurette.

Histoire d’une dĂ©faite annoncĂ©e

Car il ne faut pas se faire d’illusion. Aussi hallucinant que ça puisse paraître, Google s’est farcit Murdoch et sa News Corporation dès le premier jour du lancement de Google News. Un algorithme mathématique appuyé par des serveurs a fait un barbecue avec la presse traditionnelle par une méthode tellement efficace que ses propres créateurs ne pouvaient sans doute pas imaginer.

Ce qui m’étonne est que Murdoch ait attendu que le Glouton ait déjà tout dévoré avant d’aboyer de la sorte. Après avoir beuglé, le vieux lion s’est crû malin en se tournant vers l’adversaire le plus puissant en face de Google. Les discussions actuelles entre Murdoch et Microsoft s’apparentent à se tenir par le petit doigt sur une bouée crevée au milieu d’un ouragan. Il aurait peut-être été sage d’informer Murdoch que Google avait fait du petit bois de Microsoft depuis bien longtemps. Sur le Web, il n’y a qu’un seul prédateur et son nom ne commence pas par M.

De l’autre côté, le prédateur Google se contente de cracher dédaigneusement à la face de  Murdoch et son empire, en expliquant que les sources d’information sont libres de ne pas figurer dans son agrégateur d’actualités. En guise, de gros molard soufflé sur les lunettes du vieux Murdoch, Google rappelle que son service d’actualité dépote 100 000 visiteurs à la minute.

A la base, Google est un voleur de contenu. Il s’approprie le travail d’autrui pour alimenter sa machine à indexer. Personne n’a bronché ; bien au contraire, tout le monde s’est empressé d’alimenter le monstre. Donc, Google a continué d’avaler tout ce qu’il pouvait trouver comme données sur Internet, puis il s’est attaqué au reste…

L’enjeu est simple, mais le résultat sera déterminant pour la face du monde médiatique et bien plus encore.

Logiquement, il faudrait que Google paye pour diffuser les sources d’information. Sauf que maintenant, il est trop tard puisque les millions d’internautes atteints de googlïte aigüe représentent un levier surpuissant. Aujourd’hui, la tendance est complètement renversée ; c’est Google qu’on doit logiquement grassement payer pour recueillir une fraction d’électron de son énorme trafic.

Une entité qui n’est pas capable d’attirer l’attention, sans se retourner contre un tel pourvoyeur de visiteurs, a avoué sa faiblesse. En bref, la News Corporation de Murdoch doit disparaître car il n’est pas possible d’exister sur Internet sans Google. Le monstre est devenu trop puissant pour lutter, même quand on s’appelle Murdoch. L’homme le plus dangereux du monde s’est fait détrôner par une formule mathématique, sans qu’un seul coup de feu soit tiré. C’est peut-être là qu’est le problème. Le vieux brigand était affuté pour lutter contre les plus puissants et vicieux de la planète, mais il n’était pas préparé à affronter ces jeunes de la Sillicon Valley qui proposent gratuitement des outils très utiles aux internautes.

Rien n’est jamais gratuit

Voilà, nous venons d’apprendre la fin du monde tel que nous l’avons connu. La gratuité de Google News et des autres services associés au moteur de recherche sont un bienfait pour l’utilisateur. Ces outils géniaux sont une aubaine pour vous et moi qui bénéficions  sans bourse délier. Sauf que le prix à payer est peut-être beaucoup plus important que le prix d’un quotidien papier ou d’une licence pour un webmail. Je suis loin d’être le seul à décoder clairement où Google nous entraine, mais ceux qui dirigent le monde sont nuls au point de n’avoir rien vu venir ?

Vous devriez acheter un exemplaire de votre journal préféré le 31 décembre 2009 car c’est peut-être la dernière fois que la Saint Sylvestre sera célébrée sur un quotidien en papier.

Les informations suivantes viennent d’une confĂ©rence de Joachim Kupke, employĂ© chez Google pour la partie indexation du moteur de recherche.

Les trésors distribués par Joachim Kupke (Google) lors de la conférence SMX

Voici 9 trouvailles sur le référencement qui ressortent de la conférence SMX East qui s’est déroulée à New York en octobre. Globalement, c’était une conférence impeccable, mis à part les soucis de Wifi et autres de Javits Center  le maudit. Danny Sullivan (l’organisateur de la conférence pour ceux qui vivent sous un rocher) a répété que « Javits est pourri », « accusez Javits, ne nous mettez pas ça sur le dos ». Danny, nous accusons Javits !

Cette année, parmi les absences remarquées de SMX East, il fallait compter Matt Cutts et Nathan Buggia, mais c’était un plaisir d’écouter des googlers moins connus (Maile Ohye) et des intervenants de Microsoft/Bing (Sasi Parthasarathy).

En tant que référenceur, je suis particulièrement intéressé par ce que les moteurs de recherche vont dire au sujet de paramètres techniques spécifiques comme l’indexation, le contenu dupliqué, le crawl et les redirections. Cette conférence proposait quelques sessions extraordinaires où un grand nombre d’informations étaient au centre des débats.

Il y avait aussi quelques surprises (voir ci-dessous) et une paire de nouveautés, mais en général l’information partagée par Joachim et les autres représentants des moteurs de recherche portait sur des éléments spécifiques qui pourraient paraître obscurs à quiconque en dehors du cercle des « initiés » du référencement. J’adore vraiment tous ces trucs d’initiés !

Allons-y pour les 9 trouvailles utiles pour le référencement qui sont extraites de la contribution de Joachim Kupke lors de SMX East

Présentation de Joachim Kupke sur le contenu dupliqué

Joachim fait partie de l’équipe qui s’occupe de l’indexation chez Google. Il a partagé des bribes d’informations assez primordiales au sujet de la gestion du contenu dupliqué par Google. Joachim a également partagé quelques vues depuis l’intérieur du moteur et sa façon de voir le Web et indexer les URLs. Voici les points essentiels que j’ai retenus.

1. Impressions et Clics

Joachim a répété les termes « impressions » et « clics » dans le contexte d’une URL incluse dans l’index de Google. Il a mentionné qu’une URL qui reçoit peu ou pas d’impressions sera plausiblement plus longue à mettre à jour dans l’index (pas de surprise jusque là). Cependant, une URL recevant un grand nombre d’impressions et clics (ou provenant de domaines importants et crawlés fréquemment) sera mise à jour rapidement. C’est logique et connu de tous, mais il était intéressant d’avoir une confirmation sortie de la bouche d’un ingénieur de chez Google. Ainsi, ces redirections 301 et tags noindex sur certaines pages qui ne sont pas crawlés à nouveau et mis à jour viennent définitivement du fait qu’elles ne figurent pas sur la liste prioritaire du moteur de recherche (encore une raison pour laquelle les grandes marques l’ont facile en référencement)

2. Infrastructure de gestion du contenu dupliqué

Google est censé avoir « une tonne d’infrastructure pour éliminer le contenu dupliqué », parmi laquelle il faut citer :

• Redirection
• DĂ©tection de structure rĂ©currente d’URLs
• Le contenu de la page
• Le tag de lien canonical (si tout le reste Ă©choue)

A noter que Google reconnaît les structures des URLS, éliminant certains paramètres comme cause de duplication (bien sûr, ils ont également parlé de l’outil d’élimination de paramètre dans les Outils Webmaster Google).

Que veux-tu dire par « le contenu de la page » ? Ceci étant la partie la plus intéressante selon moi, voici la suite…

3. Enregistrement de l’historique des URLs

Google garde une sorte de archive.org du Web avec des versions plus anciennes du contenu (pas exactement comme cela, mais vous voyez ce que je veux dire : un enregistrement de l’historique des pages Web). Cela permet de comparer la version fraichement crawlée avec une version plus ancienne. Le contenu qui change peut être soustrait des éléments qui restent invariables au sein du site. Cela peut également donner à Google la faculté de s’assurer que les éléments globaux, zones et morceaux de contenu apparaissent à l’intérieur d’un site séparément du contenu définitivement unique et mis à jour.

4 . Google + rel=canonical = Amour

Google adore le tag « canonical » des liens. Selon Joachim, c’est une grande réussite qui a vu un rythme de déploiement exponentiel sur Internet. Chez Google, on traite ce tag avec le plus grand sérieux, en suggérant son importance comme Maile Ohye nous a expliqué à l’occasion de SMX Advanced en juin.  L’intérêt de ce paramètre est donc renforcé par les propos de Maile et Joachim. Cela engendre un « énorme impact » à propos des décisions de Google sur la canonicalisation : 2 fois sur 3, rel=canonical altère la décision organique. C’est assez énorme comme chiffre !

5. Les 302 suffisent comme cibles canoniques

Les redirections font des cibles canoniques correctes. Ce paramètre a été expliqué par Joachim à deux reprises. Cela comporte deux parties :

• A cause d’une mĂ©thode interne pour gĂ©rer les slashs de fermeture des URLs, Google avait besoin (et recommande Ă  tous les dĂ©veloppeurs d’agir de la sorte) d’un slash de fermeture sur les cibles canoniques et les liens internes. Sans le slash de fermeture, Google va ajouter un slash et mettre Ă  jour l’URL dans l’index.
  Maintenant, j’ai trouvé de multiples exemples de pages où cela ne se déroule pas de la sorte, mais Joachim était assez ferme sur le fait que c’est un problème du Web en général que Google est obligé de contourner.

• La trouvaille en la matière est que vous devriez toujours ajouter un slash de fermeture Ă  l’URL absolue de la cible canonique. Sans le faire, Google va l’ajouter automatiquement, mais en anticipant cette action, vous allez certainement accĂ©lĂ©rer la vitesse de rĂ©ponse du serveur (qui aurait un impact pour les sites de taille importante).

6. Comment les cibles canoniques en 302 peuvent être détournées

Les redirections 302 sont donc des cibles canoniques adéquates. Oui je sais que je me répète ! Voici la partie intéressante pour le référencement : si les 302 sont OK à utiliser dans ce cadre, je pense à une méthode pour utiliser le tag « canonical » du lien à des fins d’optimisation du référencement sans avoir à améliorer énormément la structure de l’URL. Comment cela ? Voici un exemple théorique :

Prenons, un site qui présente une structure d’URL à améliorer (voir cet exemple ) pour le référencement et des raisons d’usabilité évidentes. Cependant, les développeurs sont dans le jus, la plateforme technique est branlante, il n’y a pas assez d’argent pour un budget référencement de qualité, ou simplement les modifications ne valent peut-être pas la peine.

Un référenceur arrive avec la proposition suivante :

1. Créer un tableau avec une version optimisée pour le référencement de chaque URL à améliorer.
2. Ajouter ces URLs amies des moteurs dans le code source avec le tag « rel=canonical »
3. Effectuer une redirection 302 depuis les URLs canoniques vers les URLs dégueulasses existantes sur le site.
4. Bingo! Des jolies URLs au sein des résultats de recherche

Le tag « canonical » agit comme une redirection 301 et met à jour les indicateurs dans les résultats de recherche (comme c’est le cas). Puis la cible canonique redirige vers une 302 qui ne force pas la mise à jour (comme c’est le cas). Alors la jolie (et pseudo) URL dans le lien cible canonique va rester comme indicateur dans les résultats de recherche, pendant que la non-pseudo URL bien dégoutante va agir en tant que page temporaire aux yeux des moteurs. Pigé ? Avouez que c’est intéressant (voir le graphique basique ci-dessous pour un visuel de ce concept).

Non, je n’ai pas planifié de mettre en œuvre ceci incessamment sous peu, mais je connais au moins un site majeur d’e-commerce qui agit de la sorte (certainement de manière involontaire) et ça fonctionne parfaitement depuis le mois de juin.

7. Ne pas interdire votre contenu dupliqué ( ?)

Google dit « s’il vous plait, n’utilisez pas la directive « Disallow : » dans le Robots.txt afin d’éradiquer le contenu dupliqué ». Le contenu qui n’est pas disponible pour Google ne peut donc pas être visité et le moteur de recherche n’aime pas du tout cela. La préférence semble aller vers « mettez tout en ligne » et laissez nous décider ce qu’il y a de mieux à faire. Chaque fois qu’un contenu n’est pas disponible au crawl, les moteurs perdent la faculté de faire ce choix décisionnaire.

Ma préférence personnelle est de garder le contrôle complet, mais je comprends également leur raisonnement et la raison qui pousse à promouvoir cette méthode.

8. L’indexation peut prendre longtemps pour des URLs « impopulaires »

Joachim a expliqué qu’indexer peut prendre du temps (comme mentionné précédemment), mais c’est encore plus vrai pour des URLs obscures et peu populaires. Il faut savoir que la phase d’indexation prend du temps, mais que le nettoyage des parties existantes de l’index prend encore plus de temps. Bien entendu, il existe des manières d’initier le crawl de Google (phase séparée de la mise à jour dans l’index), mais il est indéniable que les sites moins connus ne reçoivent pas la même attention que les bons gros sites populaires.

9. Support du lien canonique au travers de différents domaines

Google va bientôt accepter le tag « canonical » sur différents noms de domaine. C’est une grande nouvelle ! Yahoo ! et Bing ont annoncé qu’ils travaillent sur la base qui est de comprendre rel=canonical.

Les autres trucs supers Ă  SMX East

Il y avait énormément d’autres sessions extraordinaires comme David Mihm, Will Scott, Andrew Shotland, Mike Blumenthal et Mary Bowling qui ont traité des paramètres locaux liés au référencement. La régionalisation est un secteur vraiment excitant en ce moment pour les référenceurs. Cette équipe a proposé une session vraiment géniale. Tout cela m’a tellement motivé que je suis revenu avec l’intention de creuser encore plus au niveau « local ».

Article original (en anglais)

Remerciements : Taggle & Altiref

L’annonce d’une mise Ă  jour surnommĂ©e CafĂ©ine (Caffeine en anglais) provoque des remous plus ou moins justifiĂ©s, au travers de ceux qui s’intĂ©ressent Ă  Google et au rĂ©fĂ©rencement de site Internet.

Faut-il que ceux, qui possèdent des sites positionnés convenablement parmi les résultats de recherche Google,  redoutent la mise à jour Caféine?

Comme d’habitude, les pseudo analyses, suppositions et autres interprétations fleurissent au travers des blogs et forums à propos de la mise à jour Caféine. C’est comme cela que naissent les mythes du référencement, habilement alimentés par Google causé par un manque de transparence récurent.

Qu’est ce que Google CafĂ©ine?

Il était évident que certains allaient sortir des théories alimentant la pompe à mythes et secrets du référencement.
En guise d’avertissement, nous avons reçu une annonce officielle de Google, plusieurs interviews de Matt Cutts, ainsi qu’un post sur son blog se voulant rassurant. Sur le Web, la discussion est bien lancĂ©e sur blogs, forums, Twitter, etc.
Une URL mettait Ă  disposition l’accès Ă  un aperçu de l’index Google CafĂ©ine. Cet accès est fermĂ© depuis le 10 novembre 2009.

Interview de Matt Cutts Ă  propos de Google Caffeine

Propagation de la rumeur et mise en route d’un mythe

Au départ, Mashable sort une analyse que je qualifie de tout à fait superficielle. Le point subjectif concerne une soi-disant pondération supérieure des mots clés sur Google Caféine.

Un blogueur français orientĂ© rĂ©fĂ©rencement  reprend la teneur de l’analyse Mashable Ă  son propre compte (sans citer la source d’origine qui l’a inspirĂ©) et d’autres vont citer ce billet sur leurs blogs, Twitter et autres sources de partage de contenu. MĂŞme le Journal du Net met les pieds dans le plat sans savoir de quoi il s’agit vĂ©ritablement.

Le pire de tous est celui là qui part dans un délire total, voulant sciemment propager une peur parmi ses lecteurs.

Ce qu’il faut retenir Ă  propos de Google CafĂ©ine

Google CafĂ©ine est un nouvel index hĂ©bergĂ© par une nouvelle infrastructure qui repose sur le Google File System V. 2., dont la structure nous est connue depuis 2004.  La V.2 conçoit une Ă©volution majeure du Google File System, permettant d’amĂ©liorer l’indexation et la gestion des donnĂ©es.

Cela entraine principalement:

• Une amĂ©lioration de vitesse d’indexation
• Une plus grande fiabilitĂ© sur les rĂ©sultats de recherche
• Des moyens dĂ©cuplĂ©s en interne pour le travail des ingĂ©nieurs Google

Les observateurs du rĂ©fĂ©rencement ont tellement envie de croire que cette mise Ă  jour va provoquer des remous qu’ils brouillent plus ou moins volontairement la comprĂ©hension gĂ©nĂ©rale. MalgrĂ© les efforts Ă©vidents de l’inusable Matt Cutts pour signifier qu’il s’agit d’une Ă©volution d’infrastructure, certains font l’amalgame entre index et algorithme.
Bien entendu, la communication Google n’Ă©tant pas limpide, tout le monde peut croire qu’il rĂ©side un piège au tournant. Sans doute que l’annonce du recul de dĂ©ploiement global après les fĂŞtes Ă©voque les remous de Florida au sein de l’imaginaire collectif.

Encore une fois, Google Caféine permet à Google de reposer sur une infrastructure plus performante, avec l’algorithme n’étant pas la principale cible de cette mise à jour. Ainsi, le plus gros changement que nous allons observer concerne l’index qui sera rafraîchi.

Et l’algorithme dans tout ça ?

Le principe de fonctionnement de Google est un algorithme par couches. Il existe une formule de base sur laquelle sont posés des filtres qui concernent des paramètres en particulier et/ou certaines parties de l’index.

Comme expliqué précédemment, Google Caféine ne focalise pas sur l’algorithme. Un peu comme si vous changiez de voiture pour passer d’une Twingo à une Porsche, mais vous n’êtes pas devenu Sébastien Loeb par l’intermédiaire de ce changement du véhicule.

Bien sĂ»r, l’index et l’algorithme sont liĂ©s, donc j’imagine qu’il faut accorder le bouzin pour qu’il dĂ©pote Ă  merveille. Par ailleurs, il est facile de comprendre que ce n’est pas non plus le meilleur moment pour coller des filtres Ă  foison qui pourraient mettre Ă  mal cette merveilleuse nouvelle machinerie.

Les effets et conséquences de Google Caféine

Ma plus grande attente concerne l’indexation en temps rĂ©el. Jusque Ă  maintenant, Google Search est Ă  la ramasse et Google Images est un dĂ©sastre. EspĂ©rons que cette nouvelle infrastructure va permettre Ă  Google de pouvoir tacler l’indexation en temps rĂ©el convenablement.

Les Ă©ventuelles perturbations observĂ©es ressortent l’excuse passe partout qui sont les effets de bord. Quand on bidouille un index de cette taille, il est Ă©vident que certains effets inattendus apparaissent pour des cas isolĂ©s. Bien Ă©videmment, ceux qui verront leurs sites tomber vont faire un ramdam pas possible, mais ils reprĂ©senteront une portion microscopique du total de l’index.

Si l’algorithme Ă©tait concernĂ© par cette mise Ă  jour, cela amplifierait les effets de bords. Essayez de changer une virgule dans une formule mathĂ©matique pour voir un peu les consĂ©quences…

Une autre Ă©vidence du rafraichissement de l’index concerne l’affichage du nombre de rĂ©sultats qui Ă©tait notoirement farfelu. J’ose espĂ©rer qu’on pourra dĂ©sormais se fier avec plus d’exactitude aux chiffres Ă©noncĂ©s dans les rĂ©sultats de recherche.

La lutte contre le spam reste au coeur des besoins de Google. Une meilleure manipulation des donnĂ©es contenues dans l’index pourrait aider dans cette lutte pour totalement vaine (pour l’instant).

Le paramètre dont parlent ceux qui ont compris de quoi il s’agit porte sur la vitesse de chargement des sites, dont les plus lents pourraient ĂŞtre dĂ©favorisĂ©s. Ce nouvel index focalise sur la vitesse, donc il semble viable de demander aux pages affichĂ©es parmi les meilleurs rĂ©sultats de suivre cette tendance. Matt Cutts mis le doigt sur ce point dans une interview rĂ©cente, ainsi que SearchEngineLand qui abonde dans ce sens. Attention, il ne faut pas faire partir une nouvelle rumeur suggĂ©rant qu’un site qui se charge en plus de 4 secondes va perdre 30 positions. Ce paramètre est Ă  inclure parmi les +200 qui composent l’algorithme, nĂ©cessitant de jauger son importante relative par rapport aux autres.

A propos de la vitesse de chargement des pages Web, je reste perplexe car j’ai testĂ© la rapiditĂ© de mon site et le facteur le plus ralentissant est … Google Analytics – par le biais du code JavaScript installĂ© en bas de chaque page.

Comment faire une analyse convenable ?

Le reverse engineering à la petite semaine est une perte de temps. Tout d’abord, il faut bien comprendre que l’affichage des résultats de recherche n’est pas forcément une retranscription exacte de ce qui se trame dans l’index. Sans parler des chiffres farfelus affichés comme compteur des résultats, Il existe toute une série d’opérations depuis le moment où GoogleBot crawle une page Web jusqu’au moment où elle ressort sous divers opérateurs au sein des résultats de recherche. Nous disposons uniquement de la plus petite lucarne qui sont les résultats de recherche du moteur. Toute la machinerie en amont est invisible et inconnue.

Tirer des conclusions à partir d’un résultat de recherche pour déterminer ce qui se passe en amont est voué à présenter une pitoyable interprétation du fonctionnement de Google.

Parmi les mythes du rĂ©fĂ©rencement, il demeure un paramètre que j’ai toujours combattu avec force. Il s’agit de la densitĂ© des mots clĂ©s au sein d’une page. Il suffit de savoir dans les grandes lignes comment Google fonctionne pour se rendre compte que ce critères est totalement farfelu.

Pour analyser le comportement du moteur par rapport aux mots clés, il faudrait évaluer le nombre d’occurrences sur la page. Jusque là c’est facile ; il suffit de compter les mots cibles sans prendre en compte le nombre total de mots clés comme le fait le calcul de densité. Ensuite, il faut évaluer ces occurrences par rapport aux occurrences exactes sur le reste du site, puis par rapport aux co-occurrences similaires et complémentaires.

Ce n’est pas fini ! Maintenant, il faut prendre chaque partie de ces résultats pour les évaluer en fonction des pages Web concurrentes et le reste du site des pages concurrentes qui sont elles même analysées comme précédemment.
Ensuite, il faut remonter ces donnĂ©es pour tenter d’en sortir une règle de pondĂ©ration qui sera toujours Ă  prendre avec prĂ©caution car je rappelle que l’index n’est pas traitĂ© de manière identique sur sa totalitĂ©.

Et là on dispose d’un petit début de piste concernant la prise en compte des mots clés. Tout cela doit évidemment se répéter sur un nombre suffisant de mots clés pour une seule page, plusieurs pages du même site, plusieurs sites sur la même requête, un seul site sur plusieurs requêtes, plusieurs sites sur plusieurs requêtes, etc.

Ainsi, je peux sereinement réfuter les résultats de Mashable, ainsi que tous les autres qui se sont inspirés de cette analyse bidon.

Si je comprends bien, je n’ai rien à craindre pour mon site ?

Pour la vaste majorité des sites Internet, il n’y aura pas ou très peu de changement. Ceux qui seront touchés seront sûrement affectés par un effet temporaire qui sera dégagé sans rien modifier sur le site. Malheureusement, c’est frustrant et je connais personnellement le phénomène.

Dans tous les cas, il ne faudra pas regarder du côté d’une éventuelle pénalité algorithmique, mais plutôt par rapport aux paramètres liés à l’indexation.

On verra bien en janvier lorsque Google CafĂ©ine sera dĂ©ployĂ© sur tous les DataCenters du moteur de recherche, mais je peux logiquement m’avancer en rejetant en bloc tous ceux qui font l’amalgame entre index et algorithme.