Bien comprendre l’algorithme RankBrain : le machine learning qui interprète les requêtes inédites

Le 26 octobre 2015, Google confirmait à l’agence Bloomberg l’existence de RankBrain, un système d’apprentissage automatique intégré à son algorithme de classement. À l’époque, Google décrivait RankBrain comme l’un des signaux de classement les plus importants, aux côtés des liens et de la qualité du contenu, un rôle rarement accordé publiquement à un composant algorithmique isolé. Cette confirmation restait rare à l’époque : Google communiquait peu, jusque-là, sur le détail interne de son algorithme, préférant généralement parler de principes généraux plutôt que de nommer un composant précis de son système de classement. Cette page complète Les algorithmes Google liés au sens : du Knowledge Graph au Neural Matching, le socle du SEO sémantique.

RankBrain répond à un problème précis : une part significative des requêtes tapées chaque jour sur Google n’aurait jamais été vue auparavant sous cette formulation exacte, selon les propres estimations communiquées par Google à l’époque. Pour ces requêtes inédites, aucun historique de clics ni de résultats passés ne peut guider directement le classement. Cette page explique comment RankBrain traite ces requêtes jamais vues, en quoi cette approche diffère de Hummingbird, et ce que cette logique implique pour un contenu qui cherche à rester visible sur des formulations qu’il n’a pas explicitement anticipées.

Le problème des requêtes jamais vues

RankBrain répond à ce problème en rapprochant une requête inédite d’autres requêtes déjà connues et dont le comportement de classement est bien documenté. Le système identifie des similarités de sens entre la nouvelle requête et des requêtes passées, puis applique à la première une partie des enseignements tirés des secondes. Cette capacité de rapprochement repose sur des représentations mathématiques du langage, des vecteurs qui positionnent les mots et les phrases selon leur proximité de sens, dans la même famille d’outils que les embeddings popularisés par Word2Vec quelques années plus tard.

Cette parenté explique pourquoi RankBrain ne cherche jamais une correspondance exacte entre 2 requêtes, mais une proximité de sens suffisante pour transférer utilement ce que Google a déjà appris sur des formulations voisines.

Comment RankBrain apprend et s’ajuste

RankBrain s’appuie sur l’apprentissage automatique pour affiner en continu sa capacité à deviner quels résultats satisferaient le mieux une requête inédite, en observant notamment comment les internautes réagissent aux résultats proposés pour des requêtes similaires. Cette capacité d’ajustement distingue RankBrain d’une règle fixe programmée une fois pour toutes : le système continue d’apprendre à mesure que de nouvelles requêtes et de nouveaux comportements sont observés. Cette logique d’apprentissage continu explique pourquoi Google a choisi de confirmer publiquement l’existence de RankBrain plutôt que de le laisser totalement opaque : comprendre qu’un système d’apprentissage automatique intervient dans le classement aide les éditeurs de contenu à ajuster leur approche, sans chercher à percer les détails internes d’un modèle qui évolue constamment.

RankBrain ne remplace pas les autres signaux de classement, il s’y ajoute pour les requêtes où l’interprétation du sens pose la principale difficulté, un rôle qui complète celui de Hummingbird, davantage centré sur l’interprétation de la structure complète d’une requête que sur son caractère inédit.

Ce que RankBrain implique pour un contenu et pour un cocon sémantique

Un contenu qui ne vise qu’une seule formulation exacte d’un mot-clé reste vulnérable face à la diversité réelle des requêtes inédites qu’un internaute peut employer pour chercher la même information. Couvrir un sujet avec un vocabulaire varié, incluant des synonymes et des formulations proches, donne à RankBrain davantage de matière pour rapprocher une requête inédite du contenu existant. Un contenu qui se limite à une seule formulation, à l’inverse, offre peu de prise au système pour reconnaître une requête voisine mais différemment posée, même lorsque l’intention derrière les 2 reste exactement la même.

Un cocon sémantique, en déclinant un sujet en plusieurs pages reliées qui couvrent chacune une facette connexe, construit naturellement cette diversité de vocabulaire et de formulations à l’échelle d’un site entier, plutôt que de la concentrer artificiellement sur une seule page. Introduit en 2015, 2 ans après Hummingbird, RankBrain prolonge le même virage vers la compréhension du sens plutôt que la correspondance littérale, avant que BERT n’affine encore davantage, en 2019, la lecture du contexte à l’intérieur même d’une phrase.

Ce que RankBrain ne fait pas

RankBrain aide Google à deviner le sens probable d’une requête inédite, il ne garantit pas qu’une page mal écrite ou peu utile soit malgré tout bien classée : le système oriente l’interprétation de la requête, il ne remplace ni la qualité du contenu, ni les autres signaux déjà utilisés par Google pour juger une page. Un site qui obtiendrait un bon rapprochement sémantique sur une requête inédite, mais avec un contenu par ailleurs pauvre, reste donc exposé à un mauvais classement malgré cette reconnaissance. Un site ne peut pas non plus cibler directement RankBrain comme il travaillerait un titre ou une balise : aucune action technique précise ne vise ce système en particulier.

La meilleure réponse reste indirecte, couvrir un sujet dans sa richesse et sa diversité de vocabulaire, plutôt que de chercher un réglage spécifique à ce composant de l’algorithme. Cette absence de levier technique dédié rejoint d’ailleurs la philosophie générale du SEO sémantique : améliorer la compréhension d’un sujet plutôt que cibler un rouage précis de l’algorithme reste la seule stratégie qui résiste aux mises à jour successives.

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 :

• Bloomberg, 26/10/2015 (confirmation publique de RankBrain par Google)
• Connaissances générales vérifiables : rôle de RankBrain dans le classement et requêtes inédites