Le vice-président des produits de Google, Robby Stein, a récemment répondu à la question de savoir à quoi les gens devraient penser en termes d’AEO/GEO. Il a fourni une réponse en plusieurs parties qui commençait par la manière dont l’IA de Google crée des réponses et se terminait par des conseils sur ce que les créateurs devraient prendre en compte.
Fondements de la recherche Google AI
La question posée concernait l’AEO/GEO, qui était caractérisé par l’animateur du podcast comme l’évolution du référencement. La réponse de Robby Stein de Google suggérait de réfléchir au contexte des réponses de l’IA.
C’est la question qui a été posée :
« Que pensez-vous de toute cette montée en puissance de l’AEO, du GEO, qui est en quelque sorte cette évolution du SEO ?
Je suppose que votre réponse sera simplement de créer des choses géniales et de ne pas vous en soucier, mais vous savez, il y a toute une compétence pour apparaître dans ces réponses. Des réflexions sur ce à quoi les gens devraient penser ici ?
Stein a commencé sa réponse en décrivant les fondements du fonctionnement de la recherche IA de Google :
« Bien sûr. Je veux dire, je peux vous en dire un peu plus sur les coulisses, comme comment ça marche, parce que je pense que cela aide les gens à comprendre quoi faire.
Lorsque notre IA construit une réponse, elle essaie en fait de le faire, elle effectue ce qu’on appelle le déploiement de requêtes, dans lequel le modèle utilise la recherche Google comme outil pour effectuer d’autres requêtes.
Alors peut-être que vous posez des questions sur des chaussures spécifiques. Il ajoutera et ajoutera toutes ces autres requêtes, comme peut-être des dizaines de requêtes, et commencera la recherche essentiellement en arrière-plan. Et il enverra des requêtes à notre type de backend de données. Donc, s’il a besoin d’informations en temps réel, il le fera.
Et donc, en fin de compte, quelque chose cherche réellement. Ce n’est pas une personne, mais des recherches sont en cours.
Robby Stein montre que l’IA de Google s’appuie toujours sur la récupération conventionnelle des moteurs de recherche, elle est simplement mise à l’échelle et automatisée. Le système effectue des dizaines de recherches en arrière-plan et évalue les mêmes signaux de qualité qui guident les classements de recherche ordinaires.
Cela signifie que « l’optimisation des moteurs de réponse » est fondamentalement la même que le référencement, car les facteurs sous-jacents d’indexation, de classement et de qualité inhérents aux principes de référencement traditionnels s’appliquent toujours aux requêtes que l’IA elle-même émet dans le cadre du processus de répartition des requêtes.
Pour les référenceurs, l’idée est que la visibilité des réponses de l’IA dépend moins du jeu d’un nouvel algorithme que de la production d’un contenu qui satisfait si complètement l’intention que les recherches automatisées de Google le traitent comme la meilleure réponse possible. Comme vous le verrez plus loin dans cet article, l’originalité joue également un rôle.
Rôle des signaux de recherche traditionnels
Une partie intéressante de cette discussion est centrée sur les types de signaux de qualité décrits par Google dans ses lignes directrices pour les évaluateurs de qualité. Stein parle par exemple de l’originalité du contenu.
Voici ce qu’il a dit :
« Et puis chaque recherche est associée à du contenu. Donc, si pour une recherche donnée, votre page Web est conçue pour être extrêmement utile.
Et puis vous pouvez consulter les directives de l’évaluateur humain de Google et lire… qu’est-ce qui fait une bonne information ? C’est quelque chose que Google a étudié plus que quiconque.
Et c’est comme :
- Satisfaites-vous l’intention de l’utilisateur quant à ce qu’il essaie d’obtenir ?
- Avez-vous des sources ?
- Citez-vous vos informations ?
- Est-ce original ou est-ce que cela répète des choses qui ont été répétées 500 fois ?
Et il y a ces meilleures pratiques qui, je pense, s’appliquent encore largement, car en fin de compte, cela se résumera à une IA qui fait des recherches et trouve des informations.
Et beaucoup de signaux de base, est-ce une bonne information pour la question, ils sont toujours valables. Ils sont toujours extrêmement valables et extrêmement utiles. Et cela produira une réponse dans laquelle vous serez plus susceptible d’apparaître dans ces expériences maintenant. »
Bien que Stein décrive les résultats de la recherche AI, sa réponse montre que la recherche AI de Google valorise toujours les mêmes facteurs de qualité sous-jacents que ceux de la recherche traditionnelle. L’originalité, les citations de sources et l’intention satisfaisante restent le fondement de ce qui rend l’information « bonne » aux yeux de Google. L’IA a modifié l’interface de recherche et encouragé des requêtes plus complexes, mais les facteurs de classement restent les mêmes signaux reconnaissables liés à l’expertise et à l’autorité.
En savoir plus sur le fonctionnement de la recherche AI de Google
L’animateur du podcast, Lenny, a posé une autre question sur la façon dont la recherche AI de Google pourrait suivre une approche différente d’une approche strictement chatbot.
Il a demandé :
« Votre point sur la manière dont cela se déroule dans les recherches est intéressant. Lorsque vous l’utilisez, c’est comme rechercher un millier de pages ou quelque chose comme ça. Est-ce simplement un mécanisme de base différent du fonctionnement des autres chatbots populaires, car les autres ne recherchent pas un tas de sites Web comme vous le demandez. «
Stein a répondu avec plus de détails sur le fonctionnement de la recherche par l’IA, allant au-delà de la répartition des requêtes, en identifiant les facteurs qu’elle utilise pour faire apparaître ce qu’ils considèrent comme les meilleures réponses. Il évoque par exemple la mémoire paramétrique. La mémoire paramétrique est la connaissance dont dispose une IA dans le cadre de sa formation. Il s’agit essentiellement des connaissances stockées dans le modèle et non extraites de sources externes.
Stein a expliqué :
« Oui, c’est quelque chose que nous avons fait uniquement pour notre IA. Elle a évidemment la capacité d’utiliser la mémoire paramétrique, la pensée et le raisonnement et tout ce que fait un modèle. «
Mais l’une des choses qui le rend unique est sa conception spécifiquement pour des tâches d’information, car nous voulons qu’il soit le meilleur pour répondre aux besoins d’information. C’est la raison d’être de Google.
- Et alors, comment trouve-t-il des informations ?
- Comment sait-il si les informations sont exactes ?
- Comment vérifie-t-il son fonctionnement ?
Ce sont toutes des choses que nous avons intégrées au modèle. Il existe donc un accès unique à Google. Évidemment, cela fait partie de la recherche Google.
Il s’agit donc des signaux de recherche Google, depuis le spam, comme le contenu qui pourrait être du spam et que nous ne voulons probablement pas utiliser dans une réponse, jusqu’à, c’est l’information la plus fiable et la plus utile.
Nous allons créer un lien vers celui-ci et nous allons vous expliquer, hé, selon ce site Web, vérifiez ces informations et vous irez probablement les voir vous-même.
C’est ainsi que nous avons pensé à concevoir cela.
L’explication de Stein indique clairement que la recherche AI de Google n’est pas conçue pour imiter le style conversationnel des chatbots généraux, mais pour renforcer l’objectif principal de l’entreprise : fournir des informations fiables, faisant autorité et utiles.
Pour ce faire, la recherche AI de Google s’appuie sur les signaux de la recherche Google, tels que la détection du spam et l’utilité. Le système fonde ses réponses générées par l’IA dans le même cadre d’évaluation et de classement inhérent au classement de recherche régulier.
Cette approche positionne AI Search moins comme une version autonome de la recherche que comme une extension de l’infrastructure de recherche d’informations de Google, où le raisonnement et le classement fonctionnent ensemble pour faire apparaître des réponses factuellement précises.
Conseils aux créateurs
Stein reconnaît à un moment donné que les créateurs veulent savoir quoi faire pour AI Search. Il donne essentiellement des conseils pour réfléchir aux questions que les gens se posent. Autrefois, cela signifiait réfléchir aux mots-clés utilisés par les chercheurs. Il explique que ce n’est plus le cas parce que les gens utilisent désormais de longues requêtes conversationnelles.
Il a expliqué :
« Je pense que la seule chose que je donnerais serait de réfléchir à la raison pour laquelle les gens utilisent l’IA.
J’ai mentionné cela comme un moment d’expansion,… que les gens posent beaucoup plus de questions maintenant, en particulier sur des choses comme des conseils ou comment faire, ou des besoins plus complexes par rapport à des choses peut-être plus simples.
Et donc si j’étais un créateur, je me demanderais : pour quel type de contenu quelqu’un utilise-t-il l’IA ? Et puis, comment mon contenu pourrait-il être le meilleur pour cet ensemble de besoins donnés maintenant ?
Et je pense que c’est une façon vraiment tangible d’y penser.
Les conseils de Stein n’ajoutent rien de nouveau, mais ils recadrent les bases du référencement pour l’ère de la recherche AI. Au lieu d’optimiser pour des mots-clés isolés, les créateurs devraient envisager d’anticiper l’intention plus complète et le parcours informationnel inhérents aux questions conversationnelles. Cela signifie structurer le contenu pour répondre directement à des besoins d’information complexes, en particulier les requêtes « comment faire » ou fondées sur des conseils que les utilisateurs posent de plus en plus aux systèmes d’IA plutôt qu’à la recherche traditionnelle par mots clés.
Points à retenir
- L’IA est la recherche toujours basée sur les signaux de référencement traditionnels
La recherche AI de Google s’appuie sur les mêmes principes de classement fondamentaux que la recherche traditionnelle : satisfaction des intentions, originalité et citation des sources. - Comment fonctionne la diffusion des requêtes
AI Search effectue des dizaines de recherches en arrière-plan par requête, en utilisant la recherche Google comme outil pour récupérer des données en temps réel et évaluer les signaux de qualité. - Intégration de la mémoire paramétrique et des signaux de recherche
Le modèle combine les connaissances stockées (mémoire paramétrique) avec les données de recherche Google en direct, combinant le raisonnement avec les systèmes de classement pour garantir l’exactitude factuelle. - La recherche AI de Google est comme une extension de la recherche traditionnelle
AI Search n’est pas un chatbot ; il s’agit d’un système de raisonnement basé sur la recherche qui renforce le modèle de confiance informationnelle de Google plutôt que de le remplacer. - Conseils pour les créateurs à l’ère de la recherche IA
Optimiser pour l’IA signifie comprendre l’intention de l’utilisateur derrière de longues requêtes conversationnelles, en se concentrant sur un contenu de conseils et de style qui répond directement à des besoins d’information complexes.
La recherche AI de Google s’appuie sur les mêmes fondations qui définissent depuis longtemps la recherche traditionnelle, en utilisant des signaux de récupération, de classement et de qualité pour faire apparaître des informations démontrant leur originalité et leur fiabilité. En combinant les signaux de recherche en direct avec les propres connaissances stockées du modèle, Google a créé un système qui explique les informations et cite les sites Web qui les ont fournies. Pour les créateurs, cela signifie que le succès dépend désormais de la production de contenu qui répond pleinement aux questions conversationnelles complexes que les gens posent aux systèmes d’IA.
Regardez le segment du podcast commençant vers 15h30 :
Image en vedette par Shutterstock/PST Vector
Commentaires