Grâce à BERT, Google s’est amélioré dans la compréhension du langage naturel. Il est donc plus important que le contenu des pages web soit rédigé de manière naturelle et compréhensible plutôt que d’utiliser le bourrage de mots clés ou d’autres méthodes manipulatrices de référencement.
Environ 10 % de toutes les requêtes de recherche sont influencées par la mise à jour actuelle de Google, BERT. Quelles en sont les conséquences sur les dépenses de résultats ? Quel est l’effet sur ceux qui gèrent des sites web ?
BERT est développé par Google comme méthode d’apprentissage automatique et signifie « Bidirectional Encoder Representations from Transformers ». L’algorithme est spécialement conçu pour le traitement du langage naturel et est basé sur le NLP (Natural Language Processing) et l’ANN (Artificial Neural Network).
Historique de BERT
En octobre 2018, BERT a été publié, modifiant fondamentalement la manière dont Google interprète et traite les requêtes de recherche. Contrairement aux approches précédentes, qui déterminaient le sens des mots à l’aide de leur environnement, BERT utilise des analyses bidirectionnelles au sein d’une phrase pour identifier le sens des mots. Cela permet une meilleure compréhension du contexte et conduit à des réponses plus précises aux requêtes de recherche.
Avant l’introduction de BERT, Google utilisait principalement une approche dite du « sac de mots », qui consistait simplement à compter le nombre de mots clés spécifiques dans un document afin de déterminer la pertinence d’une requête de recherche. Cependant, cette approche n’était pas en mesure de prendre en compte le contexte d’une question, ce qui donnait souvent des résultats de recherche imprécis ou ambigus.
Avec l’aide de BERT, il sera possible pour Google de comprendre le langage comme un être humain.
Un exemple :
Par exemple, si l’on recherche « Apple », il faut faire attention si l’on a besoin d’informations après le groupe technologique ou le type de fruit. Sans la capacité de comprendre le contexte, les résultats de la recherche ne peuvent pas être exacts et ne parler que de l’un ou de l’autre. Mais en introduisant BERT, Google a développé sa capacité à comprendre le contexte d’une requête et à fournir des résultats plus pertinents.
Quels sont les effets concrets de l’ORET ?
BERT – Comment l’entreprise fonctionne-t-elle au quotidien ?
Grâce à BERT, Google est en mesure de fournir une réponse meilleure et plus précise aux requêtes de ses utilisateurs, car il est capable de comprendre le contexte de chaque question. Pour que cela soit possible, le contenu des pages web doit reconnaître les besoins et les exigences des utilisateurs et réagir en conséquence. Il permet désormais à un moteur de recherche de traiter la parole comme le ferait un être humain, et cela se ressent clairement dans les recherches de longue traîne. Les prépositions sont incluses dans les résultats de recherche, ce qui n’était pas le cas auparavant. Le moteur de recherche fournit ainsi de meilleures réponses aux questions.
BERT est principalement utilisé pour enrichir les résultats de recherche Google, mais il peut également être utilisé pour d’autres applications de traitement linguistique, comme par exemple la recherche de mots clés. des chatbots ou des classifications de texte, peuvent être utilisés.
Avec BERT, l’utilisateur peut toutefois obtenir la réponse à sa question fondamentale. Cette mise à jour concerne également les featured snippets.
BERT résume les informations pertinentes dans un featured snippet
BERT a une influence déterminante sur la création des Featured Snippets de Google. Il s’agit de petits résumés de réponses à des questions de recherche que les utilisateurs souhaitent trouver sur la page de résultats afin d’obtenir rapidement une réponse. Avant BERT, ces snippets étaient générés à partir de simples correspondances de mots, mais le modèle a considérablement amélioré la précision des snippets en prenant en compte le contexte de la question, ce qui lui permet d’identifier des informations plus pertinentes et de les résumer pour un featured snippet.
BERT contribue ainsi à ce que les utilisateurs obtiennent plus rapidement et plus précisément les informations qu’ils recherchent, tout en augmentant la pertinence et la crédibilité des featured snippets.
Il est essentiel de rédiger un contenu qui soit adapté à l’affichage dans les featured snippets afin d’augmenter le trafic et l’attention.
BERT et RankBrain sont-ils la même chose ?
Google a développé BERT et RankBrain afin d’optimiser le traitement du langage humain et les résultats des requêtes de recherche. Il s’agit toutefois de deux technologies totalement différentes.
BERT n’est pas le successeur de RankBrain, mais la nouvelle mise à jour doit servir de complément. Ces deux techniques peuvent être utilisées dans l’algorithme afin de fournir des résultats plus précis aux utilisateurs. Certaines requêtes ne sont traitées que par RankBrain, d’autres par BERT.
Le modèle d’apprentissage automatique RankBrain, introduit en 2015, fait partie de l’algorithme de recherche de Google et sert à interpréter le sens des requêtes de recherche et à fournir les résultats de recherche correspondants. Ce faisant, il a révolutionné la manière dont Google comprend et traite les requêtes de recherche.
BERT représente un modèle d’apprentissage automatique basé sur l’architecture Transformer et conçu exclusivement pour l’interprétation du langage naturel. Depuis sa publication en octobre 2018, il a considérablement modifié la manière dont les requêtes de recherche Google sont comprises et traitées.
Mais il est également possible que plusieurs techniques soient utilisées pour la recherche, comme par exemple lorsque Google corrige un mot mal orthographié ou/et introduit des synonymes. Désormais, les prépositions peuvent également être incluses dans la requête de recherche. Malgré leur objectif d’améliorer les résultats sur Google, RankBrain et BERT ont chacun des priorités et des objectifs d’utilisation différents. RankBrain est une partie essentielle de l’algorithme de recherche de Google, tandis que BERT est un modèle d’apprentissage automatique spécial pour le traitement du langage naturel.
Quelles sont les conséquences de BERT sur l’optimisation des moteurs de recherche ?
Grâce à BERT, il est plus facile pour Google de comprendre des requêtes plus longues et plus complexes, et il est donc devenu plus important d’optimiser les mots-clés à longue traîne. Les listes de résultats se présentent ainsi de manière optimisée et l’utilisateur profite d’une approche plus proche de la communication humaine.
Il ne faut toutefois pas s’attendre à des changements en matière de SEO suite à cette mise à jour. Il est conseillé par Google de continuer à rédiger les contenus dans l’esprit des utilisateurs. Pour l’instant, la mise à jour n’est disponible qu’en anglais, un lancement pour la variante allemande étant encore en suspens.
Il est d’une importance considérable que le contenu des pages web soit désormais rédigé en langage naturel, de manière plus pertinente et contextuelle, afin d’obtenir un meilleur positionnement dans les résultats de recherche après l’introduction de BERT.
Google exhorte les exploitants de sites à continuer de créer un contenu de qualité pour leurs utilisateurs, mais l’effort de référencement ne cesse d’augmenter, ce qui rend de plus en plus difficile pour les optimisateurs du week-end et les étudiants des académies de marketing en ligne d’apparaître sur la première page.
Plus d’infos
