Les algorithmes Google liés au sens : du Knowledge Graph au Neural Matching, le socle du SEO sémantique

Depuis le Knowledge Graph en 2012 jusqu’au Neural Matching plus récent, Google a construit, algorithme après algorithme, sa capacité à comprendre le sens d’une requête au-delà des mots qui la composent. Cette page relie les 9 algorithmes qui jalonnent cette évolution : Knowledge Graph, Hummingbird, RankBrain et BERT, déjà détaillés sur hi-commerce.fr, et 5 notions qui manquaient encore malgré leur rôle dans la mécanique du cocon sémantique, les chaînes de Markov, Word2Vec et les embeddings vectoriels, la LSI, MUM et le Neural Matching. Comprendre cette frise aide à situer pourquoi la méthode du cocon sémantique, pensée dès 2004 par Laurent Bourrelly, reste pertinente à chaque nouvelle mise à jour plutôt que menacée par elle. Cette page complète Comprendre le SEO sémantique : la base avant un cocon sémantique.

Une frise algorithmique : de Hummingbird à BERT, Google apprend à comprendre le sens

Le Knowledge Graph, lancé en 2012, a changé la nature même de l’index de Google en reliant les mots à des entités identifiées, personnes, lieux, marques, concepts, et aux relations qui les unissent entre elles. Une recherche ne retourne plus seulement des pages contenant les mots tapés, mais aussi des réponses directes construites à partir de ce graphe de connaissances. Hummingbird, en 2013, a marqué un tournant plus profond encore : plutôt que de faire correspondre des mots-clés isolés à des pages, l’algorithme a commencé à interpréter l’intention complète d’une requête, notamment les requêtes longues et conversationnelles.

C’est précisément ce virage qui a rendu pertinente une architecture de contenu organisée autour d’un sujet entier plutôt qu’autour d’une liste de mots-clés isolés, soit exactement la logique du cocon sémantique. RankBrain, introduit en 2015, a ajouté une couche d’apprentissage automatique capable d’interpréter des requêtes inédites, jamais vues auparavant, en les rapprochant de requêtes similaires déjà connues. BERT, déployé en 2019, a poussé encore plus loin la compréhension du langage en analysant le contexte bidirectionnel d’une phrase, c’est-à-dire en tenant compte des mots qui précèdent et qui suivent un terme pour en déduire le sens exact, ce qui a nettement amélioré la compréhension des nuances, des négations et des prépositions dans les requêtes complexes.

Ces 4 algorithmes forment le socle déjà documenté sur hi-commerce.fr, chacun avec sa propre page dédiée. Cette progression, de 2012 à 2019, montre une direction constante : chaque algorithme réduit un peu plus la dépendance de Google à la correspondance mot à mot, au profit d’une compréhension plus proche de celle d’un lecteur humain. Un site qui a construit son contenu en pensant d’abord au lecteur, avant de penser au robot, a en réalité anticipé cette direction sans avoir besoin de connaître le nom des algorithmes qui l’accompagnent.

Markov, Word2Vec, LSI : les briques mathématiques moins connues

3 notions plus techniques complètent cette frise sans bénéficier de la même notoriété grand public. Les chaînes de Markov, citées explicitement par Laurent Bourrelly dans son article fondateur sur le cocon sémantique, modélisent la probabilité de passer d’un état à un autre, d’une page à une autre via un lien, en ne tenant compte que de l’état présent, pas de tout l’historique de navigation. Cette logique rejoint directement le fonctionnement du PageRank, souvent décrit comme un modèle de surfeur aléatoire qui se déplace de page en page selon les liens disponibles.

Word2Vec et les embeddings vectoriels représentent chaque mot comme un vecteur dans un espace à plusieurs dimensions, où 2 mots employés dans des contextes similaires se retrouvent proches l’un de l’autre. Cette représentation a changé la façon dont les moteurs de recherche comparent des textes entre eux, en jugeant leur proximité de sens plutôt que leur simple ressemblance lexicale. La LSI, pour Latent Semantic Indexing, plus ancienne que les 2 précédentes, réduit mathématiquement un grand tableau de termes et de documents pour en extraire des relations cachées entre des mots qui apparaissent souvent ensemble, révélant des thèmes implicites qu’une lecture mot à mot ne verrait pas.

C’est cette logique qui a popularisé, dans la communauté SEO, l’expression de mots-clés LSI pour désigner des termes qui co-occurrent naturellement autour d’un sujet, même si les systèmes actuels de Google reposent sur des méthodes mathématiques bien plus avancées que la LSI classique de 1990. Ces 3 notions partagent un point commun qui dépasse leur technicité propre : toutes cherchent, chacune avec ses outils mathématiques, à dépasser la limite du simple comptage de mots pour atteindre une représentation plus proche du sens réel d’un texte. C’est cette même ambition, formulée de façons différentes sur plusieurs décennies, qui relie la LSI des années 1980 aux embeddings vectoriels des années 2010 et aux modèles de langage les plus récents.

MUM et Neural Matching : la génération actuelle, taillée pour les requêtes complexes

MUM, pour Multitask Unified Model, présenté par Google lors de sa conférence I/O 2021, se distingue par 3 capacités combinées : il traite plusieurs tâches de compréhension du langage à la fois, multitâche, il comprend plusieurs formats de contenu au-delà du texte, multimodal, et il transfère sa compréhension d’une langue à une autre sans traduction intermédiaire, multilingue. Google a présenté MUM comme nettement plus puissant que BERT sur certaines tâches de compréhension, une avancée pensée pour répondre à des requêtes complexes qui, auparavant, nécessitaient plusieurs recherches successives. Le Neural Matching, de son côté, aide Google à relier le concept exprimé dans une requête au concept développé dans une page, même en l’absence de mots communs entre les 2.

Là où RankBrain travaille surtout à interpréter des requêtes inédites, le Neural Matching va plus loin : il reconnaît qu’une page parle du même sujet qu’une requête malgré un vocabulaire totalement différent, à condition que le contenu développe réellement le concept en profondeur. Pour un cocon sémantique, ces 2 avancées récentes renforcent directement la logique de la méthode : un contenu qui couvre un sujet dans toute sa richesse, avec un vocabulaire varié plutôt que répété, se fait comprendre par ces algorithmes bien mieux qu’un contenu qui se contente de répéter un mot-clé exact sur chaque page. Cette convergence entre MUM et Neural Matching illustre aussi pourquoi les mises à jour de Google ne doivent pas être vécues comme des menaces imprévisibles par les éditeurs de sites : chaque nouvelle version pousse un peu plus loin la même direction de fond, comprendre un sujet dans sa richesse plutôt que compter des occurrences de mots, ce qui reste exactement l’objectif qu’un cocon sémantique bien construit poursuit depuis le départ.

Pourquoi un cocon sémantique bien fait traverse ces évolutions sans être pénalisé

Plutôt que de risquer d’être pris en défaut par une nouvelle mise à jour, cette architecture profite mécaniquement de chaque amélioration de la compréhension sémantique de Google. Les 5 pages regroupées sous ce chapeau avec les 4 algorithmes déjà documentés, chaînes de Markov, Word2Vec et embeddings, LSI, MUM, Neural Matching, développent chacune sa propre notion avec davantage de détails techniques et de liens pratiques vers la construction d’un cocon. Pour un éditeur de site qui découvre cette frise pour la première fois, retenir une seule idée suffit : aucun de ces algorithmes ne cherche à piéger un contenu honnête et bien construit, ils cherchent tous, chacun à sa façon, à mieux comprendre ce contenu pour mieux le faire correspondre à une vraie intention de recherche.

Questions fréquentes

Testez vos connaissances

Stéphane Jambu LinkedIn ↗

Consultant e-commerce / visibilité / IA, fondateur de Hi-Commerce. Praticien du cocon sémantique depuis 2012, auteur de cette page dans le cadre du méta-cocon de référence Hi-Commerce sur le sujet.

Sources :

• Laurent Bourrelly, blog/1631.php (article fondateur, chaînes de Markov)
• Laurent Bourrelly, blog/54761.php, 28/03/2019
• hi-commerce.fr, pages existantes : Knowledge Graph, Hummingbird, RankBrain, BERT
• Connaissances générales vérifiables : dates et caractéristiques publiques des algorithmes Google (Knowledge Graph 2012, Hummingbird 2013, RankBrain 2015, BERT 2019, MUM 2021)