La recherche sémantique change complètement la manière de concevoir l’optimisation des contenus web : elle met l’accent sur le sens des requêtes et sur l’intention de recherche, plutôt que sur des leviers artificiels comme les mots-clés et les backlinks. On vous explique en quoi elle transforme les stratégies SEO et GEO.
La recherche sémantique est-elle le nouveau Graal de l’optimisation ? Les moteurs de recherche traditionnels et les systèmes IA ne se contentent plus de compiler des mots-clés pour les comparer avec les contenus web : ils sont capables de comprendre le sens d’une requête et l’intention qui se cache derrière, mais aussi de visualiser les entités (des gens, des lieux, des produits et services, des idées) et les liens qui les unissent. Aujourd’hui, pour gagner en visibilité dans les SERP (pages de résultats) et apparaître dans les réponses des moteurs IA, il faut donc se faire à l’idée : la recherche de la fin des années 2020 sera sémantique ou ne sera pas.
C’est quoi la recherche sémantique ?
Pour comprendre ce qu’est la recherche sémantique, le mieux est encore de prendre un exemple. Ouvrez Google et tapez dans la barre de recherche la requête suivante : « date naissance acteur Titanic ».
Vous n’avez cité aucun nom, mais le moteur comprend que vous parlez de Leonardo DiCaprio : il vous sert donc une liste de liens vers des contenus qui traitent de l’acteur, et choisit en guise de meta description un extrait qui apporte une réponse directe à la question posée. Vous n’avez pas non plus précisé de quel film vous parliez (il en existe plus d’une dizaine avec « Titanic » dans le titre), mais l’algorithme a misé sur le fait que vous faisiez référence à celui réalisé par James Cameron.
Dans d’autres cas de figure, sur le même genre de requête, Google peut aussi afficher un featured snippet : un encadré contenant la réponse.
Est-ce de la magie ? Mieux : c’est de la sémantique. De la compréhension du langage humain par les algorithmes.
Au lieu de chercher à faire correspondre les mots exacts de votre requête avec le contenu des pages intégrées dans son index, Google interprète votre demande et essaie de comprendre quel type d’information vous voulez réellement obtenir. Pour ce faire, il tient compte des relations entre les mots, de l’intention et du contexte. C’est là une application concrète du fameux traitement du langage naturel (NLP) dont on parle depuis plusieurs années à propos de l’IA.
Google a longtemps travaillé à intégrer le traitement du langage naturel dans ses algorithmes de classement afin d’apporter aux internautes des réponses toujours plus pertinentes. Mais c’est ChatGPT, et plus globalement les grands modèles de langage (LLM), qui ont transformé l’essai d’une manière stupéfiante.
La différence est simple : sur un moteur IA, on ne tape pas « date naissance acteur Titanic », mais « quelle est la date de naissance de l’acteur principal de Titanic ? ». Ainsi, on donne du contexte, on démarre une conversation avec l’outil. On ne se contente plus d’enfiler les mots-clés comme des perles.
Mais sur le principe, les deux types de recherche (traditionnelle et IA) s’adossent à la même architecture : leur fonctionnement dépend en grande partie de la sémantique, et non plus des seuls mots-clés.
Comment fonctionne la recherche sémantique ?
Alors que, traditionnellement, les moteurs de recherche s’appuyaient sur la correspondance entre les mots-clés de la requête et ceux des contenus indexés, la technologie de recherche sémantique aborde le problème différemment. Un contenu n’a même plus besoin d’afficher les termes exacts de la requête ou du prompt pour apparaître dans les résultats ou être utilisé comme source par un moteur IA : le contexte pèse plus lourd que les termes effectivement travaillés.
Cette compréhension plus fine du langage naturel et de l’intention de recherche améliore la qualité des résultats. Elle tend aussi à transformer la manière dont les utilisateurs effectuent des recherches.
Voyons plus avant comment fonctionne cette recherche sémantique, en abordant ses quatre composantes majeures.
- Les relations entre les mots. Avec la recherche sémantique, les algorithmes comprennent les liens qui unissent des termes proches ou synonymes. Ils savent désormais que des notions comme « bon marché », « abordable », « low-cost » ou « économique » font toutes référence à la même réalité. Cela leur permet d’orienter plus efficacement les résultats, par exemple si vous cherchez en ligne des billets d’avion ou de train moins chers, ou un hébergement touristique à bas coût.
- Les relations entre les entités. De la même manière, les algorithmes savent interpréter les relations qui existent entre les entités, à savoir : les personnes, les lieux, les entreprises, les produits et les services, les idées, etc. Ils stockent ces informations dans d’immenses bases de données, les Knowledge Graphs. Ce faisant, lorsque vous tapez « Elon Musk » sur un moteur, l’algorithme sait tout de suite que vous parlez du CEO de Tesla et de SpaceX, mais aussi du propriétaire de X, de l’homme le plus riche du monde, du milliardaire proche de Donald Trump, etc.
- Le contexte. L’une des difficultés du traitement du langage naturel réside dans le fait que certains mots peuvent avoir de multiples sens. À titre d’exemple, une recherche sur « Ferrari » peut concerner le constructeur automobile ou le fondateur de la marque, mais aussi la présentatrice télé, l’écrivain ou encore l’humoriste. Pour fournir une réponse pertinente, l’algorithme s’appuie donc sur le contexte qui entoure le terme. Par exemple : « Ferrari +auteur » renvoie à l’écrivain, tandis que « créateur de la marque Ferrari » fait référence à Enzo Ferrari (ça marche aussi avec « créateur de la marque de voitures rouges », sans autres précisions !).
- L’intention. Enfin, la recherche sémantique s’intéresse aussi à l’intention derrière la requête telle qu’elle est formulée. Pour ce faire, les algorithmes actionnent différents leviers : ils peuvent se fier aux tendances (le fait de chercher « corona » pendant la pandémie de Covid vous renvoyait très souvent au virus) ou à l’historique de recherche personnel de l’internaute (si vous cherchez très souvent « Apple » en lien avec les produits technologiques, le moteur saura que vous faites très certainement référence à la marque américaine plutôt qu’au fruit).
En pratique, comment les algorithmes parviennent-ils à faire cela ? Pour saisir le sens d’une requête, ils commencent par la diviser en plusieurs morceaux (ce qu’on appelle la tokenisation), plus faciles à traiter. Ils font ensuite appel aux connaissances qu’ils ont engrangées : les LLM puisent dans leurs données d’entraînement, tandis que les moteurs de recherche s’appuient sur les Knowledge Graphs. Il faut imaginer ceux-ci comme des sortes de graphiques donnant des informations sur les relations entre les entités, construits à partir de ressources publiques comme Wikipédia et d’autres domaines d’autorité.
Un exemple de Knowledge Graph sur l’astronome Johannes Kepler produit dans le cadre d’une étude de l’université de Pékin :
(Source : arxiv.org)
Les algorithmes ont recours à d’autres techniques, comme les représentations vectorielles (vector embeddings) qui leur permettent de convertir des données en vecteurs numériques dans des espaces multidimensionnels, afin de mesurer une similarité sémantique entre des vecteurs proches. C’est ce type d’outil qui aide la machine à comprendre, par exemple, que le hot dog et le shawarma sont deux aliments de la catégorie des sandwichs, tandis que le strudel aux pommes appartient aux desserts.
(Source : Google)
En quoi la recherche sémantique change-t-elle l’optimisation ?
Venons-en à la question essentielle : en quoi la prédominance de la recherche sémantique change-t-elle les stratégies d’optimisation des entreprises, qu’elles soient axées sur les moteurs traditionnels ou sur les systèmes IA ? Voici trois évolutions concrètes à intégrer.
La manière de traiter un sujet est plus importante que les mots-clés ciblés
Les algorithmes comprennent qu’une même recherche peut présenter des variations dans les termes utilisés : il n’est donc plus nécessaire de créer des pages spécifiques pour chacune d’entre elles.
Si votre site dispose d’une page pour chaque variation autour de « robinet qui fuit », par exemple « fuite d’eau », « robinet cassé » et « tuyauterie à réparer », le moteur se contentera de choisir une seule page pour la mettre en avant. Les autres n’ont donc plus d’intérêt.
En substance, mieux vaut avoir un seul contenu qui traite l’ensemble d’un sujet, avec toutes les variations du mot-clé principal, plutôt qu’une multitude de pages distinctes couvrant des permutations infinies.
L’intention de recherche devient un levier d’optimisation essentiel
Il ne s’agit plus de fournir aux internautes un contenu lambda pour les satisfaire, mais leur donner ce qu’ils veulent réellement. Les moteurs savent désormais ce que veulent les utilisateurs lorsqu’ils tapent des mots précis, parce qu’ils ont analysé le comportement de millions d’individus ayant formulé la même requête.
Par exemple, si 90 % des internautes qui cherchent « résilier assurance auto » cliquent sur des résultats qui les amènent vers des modèles de lettre de résiliation, Google en conclut que ce type de requête veut dire : « propose-moi des modèles de courrier que je peux personnaliser ». L’intention est explicite.
Dans ces conditions, votre article de 2 000 mots très pointu sur le processus de résiliation, fortement optimisé sur le mot-clé, ne peut avoir qu’un impact SEO limité : parce qu’il ne répond pas vraiment à l’intention.
L’autorité prend le pas sur les autres critères de référencement
Parce qu’elle met l’accent sur les relations entre les entités, la recherche sémantique sait précisément qui parle – au sens de « quelle marque » ou « quelle structure » – et quelle confiance on peut lui accorder.
Pour qu’une marque gagne en visibilité, il lui faut donc trouver sa place dans les Knowledge Graphs afin de générer de la confiance, et cela fonctionne de la même manière pour les moteurs IA. En d’autres termes, elle doit développer son autorité et devenir la référence dans son domaine, afin d’être considérée comme une source fiable à mentionner dans les résultats de la SERP ou les réponses IA.
Sur ce point précis, les leviers traditionnels du SEO comme le nombre de pages du site ou le nombre de backlinks perdent progressivement en importance. Et ce n’est pas un mal : d’une certaine manière, la recherche sémantique valorise une visibilité plus « naturelle », basée sur l’autorité et sur la capacité d’une entité à apporter de la valeur aux internautes.
Le sujet vous semble complexe ? Rassurez-vous : il n’est pas indispensable de comprendre la logique technique derrière la recherche sémantique pour en tirer parti. Il suffit d’en saisir le principe : les algorithmes des moteurs de recherche et des systèmes IA s’intéressent moins aux mots-clés qu’au sens porté par les requêtes, parce qu’ils ambitionnent d’apporter aux internautes des réponses aussi pertinentes et précises que possible. Tout l’enjeu des stratégies d’optimisation SEO et GEO est donc de parvenir à construire une architecture web qui reflète cette nouvelle orientation !
Visuel d’en-tête : © Tima Miroshnichenko – licence Pexels
