Une question vous traverse l’esprit, Google a toujours la réponse ! Si nous opérons chaque jour cette mécanique devenue réflexe avec nos mobiles, nos questions directes à Google vont certainement se démultiplier avec l’émergence de la recherche vocale. Aussi, bien que le sujet mériterait sans doute, un ouvrage à lui seul, nous allons tenter ici de répondre simplement à une question : comment Google comprend-t-il nos questions ?
#1. Comprendre la requête
Qui dit moteur de recherche, dit requête. Jusqu’ici, facile ! Pourtant, dès les premiers mots clés lâchés, Google s’active pour saisir le sens de votre demande, comprendre quelle information lui est demandée. Pour cela, le moteur de recherche va catégoriser la requêtes selon la règle basique, mais efficace, des 5 W : Qui, Quoi, Quand, Ou, Pourquoi.
A partir de ce premier niveau d’analyse, Google détermine l’intention principale de l’utilisateur. Plus elle est précise, plus le moteur propose des résultats complets. A l’inverse, si elle reste à préciser, Google suggère des questions plus précises pour affiner la requête.
#2.Décliner les requêtes canoniques
L’on imagine souvent qu’une requête équivaut à une réponse. Pourtant, il suffit de se plonger dans la construction d’une liste de mots clés pour voir qu’il n’en est rien.
Et oui, face à une requête, si l’intention n’est pas correctement identifiée, Google s’appuie sur la méthode des requêtes canoniques, brevetée en 2016. Concrètement, le procédé est bien connu des SEO, puisqu’il consiste à décliner à partir d’une requête, les différentes significations possibles.
De cette analyse, Google affine les résultats indexés et propose, là encore, des résultats complémentaires afin de nourrir l’intention. L’objectif pour le moteur étant de raccourcir le plus possible de processus de recherche. La Position Zéro en est un parfait exemple. Moins les résultats complémentaires sont consultés, plus le sens initial est priorisé. Par cette chaîne, l’algorithme se nourrit en permanence.
#3. Démultiplier le neural matching
Evidemment derrière cette magie, un soupçon de technologie, et tout particulièrement d’intelligence artificielle. Le neural matching, la correspondance neuronale, permet à l’IA de déterminer les synonymes.
Très pointue, cette IA permet de clarifier avec une relative pertinence l’intention derrière le mot. Ainsi, en appui sur le neural matching, Google est capable de différencier derrière la requête « tour du monde livre », ceux qui cherchent des ouvrages contenant des conseils voyage et ceux qui s’apprêtent à relire Jules Vernes…
#4. Démêler les similitudes situationnelles
Le contexte influe fortement sur le sens, et par rebond l’intention. Ainsi, pour arriver au résultat le plus fin, Google intègre également une dimension de similitudes situationnelles. Le contexte est donc analysé afin de créer des modèles d’intention, par similarité. Par exemple, lorsqu’un internaute cherche un mot unique, il souhaite souvent connaître sa définition. Google le lui donne alors !
#5. Mémoriser les interactions
Evidemment pour être si performants, les petits algorithmes ont besoin d’être alimenté en données, en quantité. Et surtout, bien entraînés ! Google élève donc, à grands renforts d’ingénieurs ingénieux ses semences de données jusqu’à en faire un joli jardin de résultats !
Parmi les données apprivoisées, les interactions antérieures qui permettent de valider en continue les hypothèses autour des intentions décryptées. Ainsi, chaque jour le moteur propose des résultats plus fins et plus complets. Et ça marche !
Voilà, vous ne vous poserez plus la question…
