Depuis fin 2019, tout le monde ne parle que de BERT, l’algorithme de Google qui peut tout comprendre. Le nouveau modèle de recherche Google, baptisé BERT, a été révélé le 12 avril 2019. Il a été mis en place pour « remplacer » ou plutôt aider le modèle actuel basé sur le RankBrain. BERT est conçu pour traiter la question des requêtes qui ne sont pas entièrement exprimées dans le texte. Nous vous donnons ici une analyse détaillée de BERT et de son impact profond sur le SEO.
Algorithme Google BERT, de quoi parle-t-on ?
Google a confirmé la mise à jour du fameux algorithme nommé «Bert». Ce dernier a été dévoilé le 10 octobre 2018 par Gary Illyes de Google sur le blog de Moz, et passe en priorité par le contenu. Le but principal du nouvel algorithme est de réduire l’influence des sites ayant un contenu « low-quality ». L’algorithme BERT permet le traitement automatique du langage naturel. L’acronyme signifie « Bidirectional Encoder Representations from Transformers ». BERT est capable de prédire les mots, la compatibilité des phrases successives. Google détecte si des mots et des phrases ont du sens et vont ensemble. Bert lit et évite l’ambiguïté des mots. Prenons un exemple concret, celui de l’orange et de l’avocat… Orange peut être un fruit ou une couleur, l’avocat un fruit ou un métier. Orange peut aussi être un fournisseur d’accès aux télécommunications. BERT comprend le contexte et donne la bonne requête en fonction de l’intention de recherche de l’internaute. Google a créé des réseaux de neurones (cloud TPU s) pour mieux nous répondre lorsque nous effectuons une requête plus ou moins ambiguë. Il faut admettre que nous en demandons beaucoup aux moteurs de recherche. C’est pourquoi, les ingénieurs et développeurs de chez Google le perfectionnent sans arrêt.
BERT, mieux comprendre les requêtes complexes
BERT est basé sur les réseaux neuronaux pour mieux comprendre le langage humain. N’oubliez pas que Google est une machine ! Et que notre langage naturel (NLP, Natural Langage Processing pour un robot) est complexe pour lui et difficile à interpréter. Ce mécanisme complexe mis en place permet au moteur de recherche de mieux appréhender et comprendre les requêtes complexes tapées quotidiennement sur le Web. Tout comme les questions de plus en plus posées à l’assistant vocal. Pour résumer, l’idée de Bert est de traiter les mots les uns par rapport grâce à des modèles d’IA (intelligence artificielle) aux autres plutôt qu’un par un en suivant bêtement leur ordre de lecture. Les modèles de l’algorithme BERT peuvent considérer le contexte d’un mot dans son ensemble. Les robots examinent ce qui précède et ce qui suit le mot pour l’interpréter en fonction de son champ lexical et de sa richesse sémantique. Le contexte de l’intention de recherche sera alors plus facilement analysé par Google. Celui-ci donnera une réponse plus précise et pertinente à ses lecteurs.
BERT est-il largement utilisé actuellement dans l’algorithme de Google ?
La réponse est clairement oui. Selon John Mueller, googler du groupe Alphabet, BERT est utilisé dans la quasi-totalité des requêtes traitées par le moteur de recherche. Actuellement, un nouvel algorithme 1000 fois supérieur à BERT est en phase d’essai. Il s’appelle Google MUM.
Le but de ce nouvel algorithme est de pousser l’information et de répondre en présentant des réponses appuyées à l’aide d’images, de vidéos ou de réponses vocales.
Peut-on optimiser son site Internet pour BERT ?
Le SEO, tout comme les moteurs de recherche sont pluriels. Néanmoins, BERT exige de la qualité de contenus pour répondre au mieux à l’intention de recherche de l’internaute. Actuellement, les référenceurs SEOs travaillent de plus en plus sur l’intention de recherche de l’internaute. Celle-ci se définit de plusieurs manières :
- intention de recherche navigationnelle ;
- intention de recherche transactionnelle ;
- intention de recherche informationnelle.
Ces trois types d’intentions ont toutes leur importance, car les algorithmes réagissent différemment en fonction de l’intention de recherche détectée. Une quatrième intention de recherche pourrait être ajoutée, celle de l’intention de recherche locale.