En 2016 : Faire du SEO face à une intelligence artificielle
2 j'aime1,413 vues
Le document aborde l'intégration de l'intelligence artificielle dans les algorithmes de Google, soulignant que l'IA n'implique pas nécessairement une compréhension humaine. Il décrit des méthodes comme l'apprentissage automatique et le deep learning, ainsi que l'impact de ces technologies sur le référencement SEO. Finalement, il met en avant la nécessité d'adapter les stratégies SEO face à un nouveau paradigme basé sur la pertinence et l'intention des utilisateurs.
En 2016 : Faire du SEO face à une intelligence artificielle
- 1. UNE RÉVOLUTION SILENCIEUSE DANS LES ALGORITHMES DE GOOGLE LE SEO FACE A UNE INTELLIGENCE ARTIFICIELLE - 1 - PETIT DEJEUNER SEO SEARCH FORESIGHT 11EME ÉDITION LILLE le 28 janvier 2016 9h-12h
- 2. / Et l’IA est maintenant au cœur de son algorithme 2 Google se met SERIEUSEMENT à l’IA
- 3. / Les programmes utilisant de l’IA ne sont pas forcément… intelligents au sens commun - 3 - « Intelligence Artificielle » est un faux ami Définition de l’IA : Au sens large, le domaine de l’intelligence artificielle regroupe toutes les techniques essayant de simuler les capacités du cerveau humain dans un programme informatique Aujourd’hui, deux de ces capacités ont engendré des applications particulièrement prolifiques, au point que souvent, les informaticiens confondent « IA » et ces domaines de l’informatique • Capacité de perception : réseaux de neurones, deep learning et toutes les variantes • Capacité d’apprentissage automatique Un programme basé sur de l’IA n’est pas un programme qui « comprend » au sens commun
- 4. - 4 - Utiliser de l’IA dans un outil de recherche est une vieille idée Un exemple spectaculaire et ancien : YANDEX Son architecture Matrixnet est basée sur de l’apprentissage automatique
- 5. - 5 - Matrixnet en action
- 6. - 6 - Créer des filtres grâce à de l’apprentissage automatique Classifieurs : spam, ou non spam ! De gros progrès ont été obtenus au niveau performance : SVM : support vector machines Trouver la « formule » qui va prendre les mêmes décisions qu’un humain se résume à un problème de géométrie mis en équations
- 7. - 7 - Et pour la machine, le travail de classification devient simple
- 8. / la clé du mystère dans une interview de wired - 8 - Panda et l’apprentissage automatique http://www.wired.com/2011/03/the-panda-that-hates-farms/all/ Wired.com: But how do you implement that algorithmically? Cutts: I think you look for signals that recreate that same intuition, that same experience that you have as an engineer and that users have. Whenever we look at the most blocked sites, it did match our intuition and experience, but the key is, you also have your experience of the sorts of sites that are going to be adding value for users versus not adding value for users. And we actually came up with a classifier to say, okay, IRS or Wikipedia or New York Times is over on this side, and the low-quality sites are over on this side. And you can really see mathematical reasons … Singhal: You can imagine in a hyperspace a bunch of points, some points are red, some points are green, and in others there’s some mixture. Your job is to find a plane which says that most things on this side of the place are red, and most of the things on that side of the plane are the opposite of red. Since the search engineers could not compute a signal for “would you trust this site with your credit card” they had to look for other statistical measurements that would correspond highly with the answers provided in the Quality Raters Survey. Cela ne vous rappelle rien ?
- 9. - 9 - Intégrer du machine learning dans l’algo? Nous ne sommes pas les seuls à l’avoir compris : Le process décrit par Moz
- 10. - 10 - Plus fort : les réseaux de neurones dans l’algo Les approches « classiques » ont atteint leurs limites L’approche prometteuse : le « deep learning »
- 11. / 2012 : Google brain - 11 - Google maîtrise le deep learning Google brain est capable de reconnaître un chat dans l’image en bas à droite ! 2015 : Google Deepmind bat le champion d’Europe de Go
- 12. - 12 - L’analyse des textes permet d’associer des termes à des vecteurs
- 13. / Grâce aux vecteurs obtenus, on obtient des termes proches par opérations simples entre vecteurs - 13 - Et… tada !
- 14. / en place depuis début 2015 - 14 - Application chez google : Rankbrain En calculant une moyenne pour les vecteurs liés aux mots clés, on peut calculer le vecteur d’une combinaison de mots clé : un syntagme, une phrase
- 15. / l’ingénieur derrière l’implémentation de Rankbrain - 15 - Greg corrado
- 16. / Premier niveau : expansion de requêtes - 16 - Word2vec est utilisé 2 fois dans l’algo Si une requête rare est tapée, le requêteur essaie d’identifier une requête proche qui elle est connue et offrira des résultats de meilleure qualité: Exploitation de l’historique des sessions de requêtes sur la requête connue Reconnaissance de l’intention derrière la requête connue
- 17. / Deuxième niveau : calcul de similarité - 17 - Word2vec est utilisé 2 fois dans l’algo La similarité avec la requête peut être calculée aussi bien qu’un cosinus de Salton. Il semble que l’approche permette d’augmenter le rappel sans dégrader la précision Les résultats sont améliorés par un score supplémentaire similaire dans son mode de calcul au pagerank.
- 18. - 18 - Encore une fois, adieu les mots clés Indexation des concepts Vecteurs Word2vec Illustration : Brafton.com
- 19. - 19 - Quelles conséquences pour le SEO ? Les différentes couches de l’algorithme coexistent, les résultats sont obtenus en combinant les approches Les optimisations « à l’ancienne » n’ont pas complètement perdu leur intérêt à date : l’algo classique reste dominant Mais : les cas où une page remonte en tête du classement sur une requête alors qu’elle semble ne pas être optimisée pour cette requête augmentent en fréquence Il faut donc se préparer à un nouveau paradigme de recherche, où pour bien se classer, une page doit être avant tout une bonne réponse à la requête de l’internaute, et même, un résultat en phase avec l’intention cachée derrière la requête de l’internaute.
- 20. - 20 - Pour en savoir plus https://code.google.com/archive/p/word2vec/ https://scholar.google.com/citations?user=oBu8kMMAAAAJ http://www.bloomberg.com/news/articles/2015-10-26/google-turning-its- lucrative-web-search-over-to-ai-machines http://research.google.com/pubs/GregCorrado.html
- 21. Merci ! - 21 -