Comprendre l'expansion de requêtes et son impact en SEO

Article écrit par Julien Gourdon
ancien journaliste et consultant SEO depuis 2015

Vous le saviez, vous, que la requête que vous tapiez dans Google n'était pas forcément celle qui était prise en compte par le moteur de recherche ? Que vos demandes tapées dans la barre de recherche étaient même très souvent reformulées, sans même que vous vous en rendiez compte ? Ca s'appelle l'expansion de la requête, traduction de l'expression anglaise "query expansion". Et ça existe depuis de très nombreuses années, dans le but de comprendre le plus précisément possible votre besoin et d'y répondre de la manière la plus complète possible. Cet article examine les différentes méthodes d'expansion de requête, leur importance pour les moteurs de recherche modernes et leur impact sur le SEO.

Qu’est-ce que l'expansion de la requête ?

L'expansion de requête vise à enrichir la requête initiale d'un utilisateur pour fournir des résultats de recherche plus pertinents et complets. Cette technique combine plusieurs méthodes, des plus simples pour l'utilisation de synonymes et la corrections orthographique, aux plus avancées avec le traitement du langage naturel et l'intelligence artificielle.

Mais voyons tout ceci en détails.

Les différentes méthodes d'expansion de requête

Utilisation de synonymes et de termes connexes

Les moteurs de recherche identifient des mots ayant une signification similaire ou souvent associés à la requête initiale. Par exemple, une recherche pour "voiture" peut inclure des résultats pour "automobile", "véhicule" ou "bagnole".

Correction orthographique

Les moteurs de recherche corrigent automatiquement les fautes d'orthographe dans les requêtes. Par exemple, une recherche pour "ordinater" sera corrigée en "ordinateur".

Personnalisation et historique de recherche

Les moteurs de recherche modernes utilisent l'historique de recherche et d'autres données personnelles pour personnaliser les résultats de recherche. En étant connecté à votre compte, le moteur peut adapter les résultats en fonction de vos recherches passées et de vos préférences. Par exemple, si vous avez récemment recherché des informations sur les voyages, une recherche pour "vacances" peut inclure des résultats pour des destinations spécifiques ou des agences de voyages.

Word Embedding et proximité sémantique

Les techniques de word embedding, comme Word2Vec ou GloVe, apparues dans les années 2010, permettent désormais aux moteurs de recherche de comprendre les relations sémantiques entre les mots. Grâce à ces techniques, une recherche pour "chien" peut inclure des résultats pour "chiot", "labrador" ou "race canine", même si ces termes ne figurent pas explicitement dans la requête initiale car ils ont une proximité sémantique importante, c'est-à-dire un sens proche.

Knowledge Graph et reconnaissance des entités nommées (NER)

Le Knowledge Graph et le NER (Named Entity Recognition) sont des outils puissants utilisés par les moteurs de recherche pour comprendre et enrichir les requêtes.

Knowledge Graph

Le Knowledge Graph est une base de données massive reliant des milliards d'entités (personnes, lieux, concepts). Lors d'une recherche, le moteur utilise le Knowledge Graph pour comprendre le contexte de la requête et identifier des entités pertinentes. Par exemple, une recherche pour "Tour Eiffel" peut inclure des informations supplémentaires sur ce monument parisien.

Extraction des entités nommées

Le NER identifie et catégorise des entités nommées dans un texte. Par exemple, dans la phrase "Marie Curie a reçu le prix Nobel de physique en 1903", le NER peut identifier "Marie Curie" comme une personne, "prix Nobel de physique" comme un prix, et "1903" comme une date.

Pour utiliser conjointement le Knowledge Graph et le NER, Google procède de la manière suivante :

1. Identification des entités : Le moteur de recherche utilise le NER pour identifier les entités nommées dans votre requête.
2. Meilleure compréhension de l'intention de l'utilisateur : Les techniques de NLP permettent au moteur de mieux comprendre ce que l'utilisateur recherche.
3. Personnalisation des résultats : L'utilisation de l'historique de recherche et des données personnelles permet d'adapter les résultats aux intérêts et préférences de l'utilisateur.

Avantages et inconvénients de l'extension de requêtes

Les avantages de l'expansion de la requête sont nombreux, et c'est bien la raison pour laquelle les moteurs de recherche l'utilisent :

• Amélioration de la pertinence des résultats : En élargissant la requête, le moteur peut trouver des résultats plus pertinents.
• Meilleure compréhension de l'intention de l'utilisateur : Les techniques de NLP permettent au moteur de mieux comprendre ce que l'utilisateur recherche.
• Personnalisation des résultats : L'utilisation de l'historique de recherche et des données personnelles permet d'adapter les résultats aux intérêts et préférences de l'utilisateur.

Les inconvénients concernent en réalité les moteurs de recherche génératifs, c'est-à-dire les moteurs de recherche modernes alimentés à l'IA, tels que Perplexity ou SearchGPT, le moteur de recherche d'OpenAI. Les modèles de langage utilisés pour générés des réponses peuvent en effet être biaisés en fonction des données d'entraînement, ce qui peut conduire à des résultats discriminatoires ou inexactes, voire à des hallucinations.

Pour conclure sur la query expansion

L'expansion de requête est une technique puissante et essentielle pour les moteurs de recherche modernes, améliorant la pertinence et la personnalisation des résultats. Pour les consultants SEO, comprendre et maîtriser cette technique est crucial pour optimiser la visibilité et la pertinence des contenus web, qui ne doivent donc pas être optimisés en fonction de la requête exacte tapée par l'utilisateur, mais en fonction de tout ce que Google est capable d'extraire comme informations à partir de cette requête.