Le 13 mars 2024, des milliers de documents (2.596 XNUMX), semblant provenir du « Content API Warehouse » interne de Google, ont été publiés sur GitHub par un robot automatisé appelé yoshi-code-bot. Il s'agit d'une documentation concernant le fonctionnement de certains paramètres utilisés par leAlgorithme de positionnement Google. La personne qui a remarqué cette publication était un ingénieur iranien, Erfan Azimi, un expert SEO, qui - fin mai - a notifié la présence des fichiers à Rand Fishkin, l'un des fondateurs de Moz, un site qui représente la référence internationale en matière de référencement et qui suit toutes les modifications apportées à l'algorithme de Google, officielles et autres, depuis 2000. Fishkin demande de l'aide Michel roi, un autre expert SEO, qui dispose d’informations supplémentaires pouvant être recoupées avec les données divulguées.
Les deux publient leur analyse comparative. Dans le sens où ils comparent ce qui peut être vu dans les documents avec ce que Google a toujours officiellement publié concernant son algorithme. Big G se voit obligé de commenter ce qui s'est passé, mais il le fait de manière tout à fait évidente : il dit - en substance - que les hypothèses sur le fonctionnement de son algorithme sont formulées sur la base d'informations incomplètes, datées et décontextualisées, donc sans fondement. En fait, cela confirme la paternité des documents. Il s'agit d'une "fuite de données« . Et c’est peut-être la plus grosse fuite à laquelle l’entreprise a été confrontée ces derniers temps.
Mais pourquoi Google n’en profite-t-il pas pour commenter, un à un, chaque élément spécifique, confirmant ou infirmant sa validité ? Ce serait la meilleure occasion de dissiper tout doute sur sa transparence et celui de son algorithme. De toute évidence, quiconque pose une telle question est coupable de naïveté, car Google - jusqu'à présent - a tout fait sauf être clair sur les dynamiques qui régissent le positionnement de ses résultats de recherche. La justification de ce comportement n'est rien d'autre que la corde raide sur laquelle marche habilement quiconque parle au nom du géant de Seattle : si Google publiait un guide étape par étape, les spammeurs et/ou les mauvais acteurs pourraient l'utiliser pour manipuler les classements. En substance, pour Google, le secret d’entreprise protège à la fois l’entreprise et l’utilisateur final.
À ce stade, l’article pourrait s’arrêter sans plus de réflexion, car les justifications de Google sont aussi raisonnables que malveillantes. Les lecteurs pourraient être répartis également entre ceux qui soutiennent toujours une transparence totale et ceux qui estiment qu’il est plus juste de protéger l’ingéniosité de ceux qui ont créé l’algorithme. Pourtant, il y a une considération bien plus importante à prendre en compte lorsque l’on est confronté à une question : Google nous a-t-il menti jusqu'à présent ? En lisant toute la documentation (14.014 XNUMX attributs/instructions), aidé par certains outils en ligne et aussi de l'IA, nous trouvons des détails clairs sur les paramètres de classement (signaux) que Google a historiquement dit de ne pas utiliser, mais qui semblent plutôt jouer un rôle important dans l'algorithme. Sans vouloir entrer dans les détails, pour les raisons déjà expliquées, Google se contente de dire que ce qui est contenu dans le document peut n'avoir jamais été utilisé, peut avoir été testé pendant un certain temps, peut avoir changé au fil des années ou, oui, être utilisé. Bref : tout et le contraire de tout. Cependant, nous ne pouvons pas le savoir.
La seule certitude cependant est que ces fichiers correspondent parfaitement à la documentation à laquelle toute équipe de Google s'occupant de l'algorithme doit composer. Les anciens employés de Google le confirment, mais aussi le bon sens, étant donné que d'autres fuites publiées dans les référentiels publics GitHub utilisent le même style de notation, de formatage et même de noms et de références à des processus/modules/fonctionnalités. Là exactement la même structure on le trouve également dans la documentation de l'API Google Cloud. Tout cela ressemble essentiellement à une explication des différents attributs et modules API pour aider à familiariser ceux qui travaillent sur le projet avec ces éléments. Faisant l'analogie avec une bibliothèque, le document divulgué est comme un inventaire de livres, une sorte de catalogue sur fiches, informant les employés de ce qui est disponible, comment ils peuvent l'obtenir et ce qu'il contient.
Mais revenons au détail des prétendus mensonges. Quelles sont les principales déclarations publiques de Google qui entrent en conflit avec ce qui a été trouvé dans les documents divulgués ?
1 – Nous n’avons pas de paramètres qui font référence à l’autorité du domaine/site.
->Dans les documents divulgués, il y a un paramètre appelé « siteAuthority ».
2 – Nous n'utilisons pas le suivi des clics sur les résultats de recherche pour mettre à jour les classements.
->Dans les documents fuités, il y a des paramètres qui font intervenir des clics de souris (nombre, durée de lecture post-clic, origine, etc…).
3 – Nous ne traitons pas un nouveau site différemment d’un site enregistré depuis bien plus longtemps.
->Dans les documents divulgués, il y a le paramètre « hostAge » pour déterminer depuis combien de temps le site existe.
4 – Nous n'utilisons aucun type de données du navigateur pour le classement.
->Dans d'autres documents divulgués, il y a une page de présentation qui mentionne des données extraites de Chrome (le navigateur de Google) comme source de commentaires sur les visites d'une page particulière. Cela pourrait expliquer le paramètre « chromeInTotal », présent dans les documents divulgués et confirme en fait que la collecte de données peut également avoir lieu depuis le navigateur.
NB : ici, il pourrait également y avoir un gros problème concernant la confidentialité des utilisateurs
5 – Google a toujours parlé d’« algorithme » ce qui nous laissait à l’imaginer comme une expression mathématique géante avec une série de facteurs de classement pondérés.
–>En fonction des différents systèmes mentionnés dans la documentation, il peut y avoir plus d'une centaine de systèmes de classification différents. Chacun des systèmes distincts représente ce que Google appelle des « signaux ». Bref, pas de véritable algorithme, mais un processus très complexe qui traite différentes entrées et n'est jamais toujours le même.
Évidemment, outre de nombreux paramètres qui entrent en conflit avec ce que Google a publiquement rapporté, il existe également certains confirmations. C’est-à-dire de nombreux « signaux » qui constituent l’ABC pour toute personne impliquée dans le référencement. Cela va deimportance des liens entrants provenant de sources faisant autorité, à l'importance de données, (le contenu plus récent est récompensé) ouautore (les contenus sans auteur sont pénalisés). Dans les documents divulgués, vous pouvez également lire des déclarations explicites pénalités vers les pages qu'ils utilisent texte d'ancre pour les liens sortants qui ne correspondent pas au sujet de la page de destination. Du fonctionnement de certains paramètres, il ressort également clairement que Google les préfère sources locales d'informations locales. On savait, mais nous avons maintenant la confirmation, que Google scanne les pages en prêtant également attention à formats, ainsi que structurel, graphique et stylistique également : c'est-à-dire que nous parlons de l'attention portée à la longueur du contenu, de l'utilisation de titres avec des polices plus grandes, bref, des bonnes règles générales de production pour le web.
