Comment fonctionne Google

Vue d'ensemble du processus

Avant qu'un résultat s'affiche, Google a déjà fait l'essentiel du travail, souvent des jours ou des semaines plus tôt. Il a trouvé la page, l'a lue, a décidé de la garder, et a calculé à l'avance une bonne partie de ce qui servira à la classer. La recherche elle-même ne fait que puiser dans ce stock. Comprendre cet enchaînement permet de savoir, quand une page n'apparaît pas, à quelle étape elle s'est arrêtée, parce que les causes et les remèdes sont différents à chaque niveau.

Étape 1 : l'exploration

L'exploration est le travail de Googlebot, le robot de Google. Il part des URL qu'il connaît déjà, celles des sitemaps et celles trouvées lors de passages précédents, suit les liens qu'il rencontre et découvre ainsi de nouvelles adresses. Il revient ensuite sur les pages connues à une fréquence qui dépend de leur rythme de mise à jour et de l'intérêt qu'il leur prête. Une page d'accueil de média est revisitée plusieurs fois par jour, une page de mentions légales quelques fois par an.

Une étape passe souvent inaperçue dans cette phase. Après avoir téléchargé le HTML, Google affiche la page dans une version récente de Chrome et exécute le JavaScript qu'elle contient, comme le ferait un navigateur. C'est ce qui lui permet de voir un contenu chargé côté client. Ce rendu coûte cher et arrive dans un second temps, si bien qu'un contenu qui n'existe que dans le JavaScript est vu plus tard, et parfois moins bien, qu'un contenu présent dans le HTML initial.

Trois éléments facilitent l'exploration de votre site. Un maillage interne qui relie chaque page importante en peu de clics depuis l'accueil, un sitemap XML à jour qui liste les pages à indexer, et un serveur qui répond vite, parce que Googlebot ralentit de lui-même quand un site montre des signes de saturation. Un fichier robots.txt mal écrit fait l'inverse et peut fermer des sections entières.

La notion de budget de crawl, souvent invoquée, concerne surtout les gros sites. Google indique que la question se pose à partir d'un million de pages, ou d'une dizaine de milliers de pages dont le contenu change chaque jour. Pour un site de quelques centaines de pages, Googlebot voit tout. Le seul vrai sujet à cette échelle est la présence de milliers d'URL inutiles, filtres, paramètres ou pages de tags, qui brouillent l'image du site.

Étape 2 : l'indexation

Une fois la page rendue, Google en analyse le texte, les images et les vidéos, identifie le sujet, lit les balises title et les titres, et relève les liens et les données structurées. Il cherche aussi si la page est un doublon d'une autre qu'il connaît déjà. Quand plusieurs pages se ressemblent fortement, il les regroupe et n'en retient qu'une, dite canonique, qui est celle qui apparaîtra dans les résultats. La balise canonical est une indication dans ce choix, pas un ordre.

La documentation de Google est explicite sur un point que beaucoup de sites découvrent tard. L'indexation n'est pas garantie, et toutes les pages traitées ne sont pas indexées. Une balise noindex, un blocage dans le robots.txt, un contenu trop mince ou trop proche d'une autre page, ou simplement une page que Google juge sans intérêt suffisant, aboutissent au même résultat. La page est connue mais absente des résultats. Le rapport Indexation des pages de la Search Console donne la raison exacte pour chaque URL, et la page indexation Google détaille comment les lire.

Étape 3 : le classement

Quand quelqu'un tape une requête, Google ne parcourt pas le web, il interroge son index. Il sélectionne les pages qui correspondent à la question, puis les ordonne selon des centaines de signaux, dont sa documentation ne cite explicitement que quelques-uns, la localisation de l'internaute, sa langue et son appareil. Le même mot tapé à Lyon et à Montréal, sur téléphone et sur ordinateur, ne donne pas la même page de résultats. Les grands axes qui pèsent dans ce classement sont connus, même si leur poids relatif ne l'est pas.

• La pertinence du contenu. La page répond-elle à l'intention de recherche, avec les termes que l'internaute emploie et ceux qui vont avec, sans en avoir l'air ?
• L'autorité du site et de la page. Qui pointe vers elle par des liens, depuis quels sites, et ce que le web dit de l'auteur et de la marque.
• L'expérience de page. La vitesse mesurée par les Core Web Vitals, la lisibilité sur mobile, la sécurité HTTPS, l'absence d'éléments intrusifs.
• Les signaux d'usage. Google a longtemps nié utiliser le comportement des internautes. Les documents produits lors du procès antitrust américain en 2023 ont montré l'existence d'un système, Navboost, qui exploite les clics sur les résultats. Son poids exact reste inconnu, et il ne se travaille pas directement, sinon en donnant envie de cliquer et en tenant la promesse du titre.

Google précise aussi qu'il n'accepte aucun paiement pour explorer un site plus souvent ou le classer plus haut. Les annonces occupent des emplacements distincts, marqués comme tels, et n'influent pas sur les résultats organiques.

Un algorithme qui change tous les jours

Le classement n'est jamais figé. Google indique avoir lancé en 2023 plus de 700 000 expériences, dont près de 17 000 sur du trafic réel, qui ont abouti à 4 781 changements mis en ligne, soit plus d'une dizaine par jour. La plupart sont imperceptibles. Quelques fois par an, une mise à jour majeure du cœur de l'algorithme, annoncée publiquement, redistribue les positions sur des semaines. Les mises à jour anti-spam et celles qui visent des types de contenus précis s'y ajoutent.

Cette cadence explique pourquoi une position n'est jamais acquise, et pourquoi je me méfie des explications trop précises. Quand une page recule, la cause est rarement un signal isolé. C'est plus souvent un concurrent qui a mieux répondu à la question, ou une mise à jour qui a changé ce que Google attend sur ce type de requête.

Les limites de ce qu'on sait

Google ne publie pas ses algorithmes. La fuite de documents internes de mai 2024 a révélé plus de 14 000 attributs stockés sur les pages et les sites, mais un attribut stocké n'est pas un signal de classement, et le document ne dit rien de leur poids. La seule certitude solide vient des trois étapes elles-mêmes. Une page qui n'est pas explorée ne sera pas indexée, une page qui n'est pas indexée ne sera pas classée, et une page indexée ne se classe que si elle répond mieux que les autres à ce que les gens cherchent, sur un site auquel le web fait confiance.

La Search Console est le seul outil qui montre les trois étapes du point de vue de Google, gratuitement. Les statistiques d'exploration disent combien de pages Googlebot télécharge chaque jour et à quelle vitesse le serveur répond. Le rapport Indexation des pages dit quelles URL sont dans l'index et pourquoi les autres n'y sont pas. Le rapport Performances dit sur quelles requêtes les pages indexées apparaissent, à quelle position, et combien de fois on clique dessus. Quand un site n'apparaît pas, c'est dans cet ordre que je regarde.

Questions fréquentes