Le NLP (traitement du langage naturel) en SEO aide la recherche à faire correspondre précisément les contenus en analysant la sémantique et l’intention de l’utilisateur. Selon une étude de Moz en 2024, 78 % des pages les mieux classées utilisent cette technologie ;
Dans l’algorithme central BERT de Google, le traitement NLP représente plus de 70 %, ce qui améliore le professionnalisme et la fiabilité du contenu, en conformité avec les critères EEAT.
Je vais expliquer comment Google utilise le NLP pour rendre les résultats de recherche plus « compréhensifs » à votre égard.
Qu’est-ce que le NLP
Le NLP (traitement du langage naturel, Natural Language Processing) est une technologie qui permet aux ordinateurs de comprendre, d’analyser et de générer le langage humain.
Le monde enregistre chaque jour plus de 8,5 milliards de requêtes de recherche (données publiques de Google en 2024), dont environ 60 % contiennent une sémantique implicite ou des formulations ambiguës (par exemple, « Apple » peut désigner un fruit, un téléphone ou un album musical).
Les moteurs de recherche traditionnels ne peuvent que « faire correspondre des mots-clés », alors que le NLP peut décomposer un texte désordonné en unités sémantiques. Par exemple, « test d’étanchéité de l’iPhone 15 version 2025 » peut être découpé en trois entités : « version 2025 », « iPhone 15 » et « test d’étanchéité ». Ensuite, grâce aux relations contextuelles (comme le lien entre « étanchéité » et « fonctionnalité du téléphone »), il construit un réseau sémantique, permettant finalement à la machine de « comprendre » l’intention réelle derrière le texte.
De la « correspondance de mots-clés » à la « compréhension sémantique »
Pour comprendre comment le NLP permet à Google de « comprendre » les textes, il faut d’abord revenir à « l’enfance » des moteurs de recherche — des années 1990 au début des années 2000.
À cette époque, la technologie de recherche était primitive, comme un simple « dictionnaire de mots » : si un utilisateur saisissait « café », le moteur affichait simplement toutes les pages contenant ce mot.
Certaines personnes répétaient volontairement « perte de poids », « perte de poids », « perte de poids » sur une page, uniquement pour être vues par les utilisateurs recherchant « perte de poids ».
Le « compteur de mots » mécanique (années 1990 – début des années 2000)
L’algorithme central des premiers moteurs de recherche (comme AltaVista en 1995 ou Yahoo en 1998) était le TF-IDF (fréquence des termes – fréquence inverse des documents). En termes simples, cela signifie : « compter combien de fois un mot apparaît dans une page ; plus il apparaît, plus la page est jugée pertinente ».
Par exemple, si un utilisateur recherchait « Java », le système privilégiait les pages contenant fréquemment des expressions comme « programmation Java » ou « tutoriel Java ». Mais une page sur le « café Java » (une variété de café) pouvait aussi être faussement jugée pertinente, simplement parce que le mot « Java » y apparaissait souvent.
En 2003, une étude de l’Université de Californie à Berkeley a analysé les résultats des principaux moteurs de recherche de l’époque : lorsqu’un utilisateur recherchait « Apple », parmi les 20 premiers résultats, 45 % concernaient le fruit, 30 % les produits d’Apple Inc., et les 25 % restants étaient des contenus non pertinents comme « recette de tarte aux pommes » ou « culture du pommier ». Les utilisateurs devaient filtrer manuellement et cliquer en moyenne sur 3,2 liens pour trouver ce qu’ils cherchaient (données Forrester 2003).
Certaines pages ont commencé à « exploiter les failles » : par exemple, pour la recherche « meilleurs ordinateurs portables », des sites de mauvaise qualité répétaient des mots comme « meilleur », « ordinateur portable » ou « recommandation », et allaient même jusqu’à utiliser du texte caché (police blanche sur fond blanc) pour bourrer les mots-clés.
En 2005, Google a dû reconnaître publiquement que « près de 30 % des pages de faible qualité entraient dans le top 10 grâce au bourrage de mots-clés ». (rapport interne de l’équipe Google Search Quality)
Le « raisonnement flou » des modèles statistiques (milieu des années 2000 – début des années 2010)
Au milieu des années 2000, avec l’explosion du contenu sur Internet (environ 1 milliard de pages en 2000, contre 50 milliards en 2010), le simple comptage des mots-clés est devenu totalement insuffisant.
Les moteurs de recherche ont commencé à introduire des modèles statistiques du langage pour tenter de comprendre les relations entre les mots grâce aux « probabilités contextuelles ».
Par exemple, Google a lancé en 2008 la technologie de « correspondance de phrases » : le système n’analysait plus seulement des mots isolés, mais la fréquence d’apparition de « combinaisons de phrases ».
Ainsi, lorsqu’un utilisateur recherchait « comment préparer du café », le système favorisait les pages contenant simultanément des mots comme « préparer », « café », « eau » et « température », plutôt que celles contenant seulement « café ». Cette technologie a amélioré la pertinence des résultats d’environ 12 % (selon le blog technique de Google en 2009).
En 2012, Google a ensuite introduit le « Knowledge Graph », transformant des mots isolés en un réseau d’« entités + relations ».
Par exemple, « Einstein » n’était plus seulement un mot, mais une entité balisée avec des attributs comme « physicien », « né à Ulm en Allemagne » ou « auteur de la théorie de la relativité ».
Lorsqu’un utilisateur recherchait « Einstein », le système pouvait non seulement renvoyer des pages biographiques, mais aussi afficher directement ses dates de naissance et de décès, des citations célèbres, et même relier vers une page expliquant la « relativité ».
Après le lancement du Knowledge Graph, les données officielles de Google ont montré que 40 % des besoins de recherche des utilisateurs étaient satisfaits directement, sans clic sur un lien (conférence officielle de Google en 2013).
Mais cela ne suffisait toujours pas : le Knowledge Graph repose sur des « données structurées » annotées manuellement, alors que 90 % des contenus sur Internet sont des « textes non structurés » non annotés (comme les blogs ou les forums). Pour permettre à une machine de comprendre ce « texte désordonné », il fallait des technologies plus puissantes.
Des « régularités statistiques » à la « compréhension sémantique » (milieu des années 2010 à aujourd’hui)
Dans les années 2010, les avancées du deep learning — en particulier le développement des réseaux neuronaux — ont complètement transformé le NLP. En 2013, le chercheur de Google Tomas Mikolov a proposé le modèle Word2Vec, qui a pour la première fois projeté les mots dans un « espace vectoriel ». Par exemple, la différence vectorielle entre « roi » et « reine » est très proche de celle entre « homme » et « femme », ce qui signifie que le modèle peut « comprendre » les relations sémantiques entre les mots.
En 2016, Google a intégré RankBrain à son moteur de recherche, un algorithme de classement basé sur le deep learning capable « d’apprendre » automatiquement la pertinence entre le comportement des utilisateurs et le contenu.
Par exemple, lorsqu’un utilisateur recherche « écouteurs sans fil pas chers », RankBrain analyse quelles pages sont consultées plus longtemps et présentent un faible taux de rebond, afin de déterminer la véritable relation entre « pas cher », « sans fil » et « écouteurs ».
Les données publiées par Google en 2017 indiquent que RankBrain a amélioré de 25 % la pertinence des requêtes longue traîne (peu courantes) (par exemple : « recommandation d’écouteurs à conduction osseuse pour courir »).
En 2018, Google a lancé le modèle BERT (architecture Transformer bidirectionnelle), résolvant fondamentalement le problème de « l’ambiguïté contextuelle ». Les modèles traditionnels ne pouvaient comprendre une phrase que « dans un seul sens » (par exemple, de gauche à droite), tandis que BERT analyse simultanément l’« avant » et l’« après ».
Par exemple, dans les phrases « la pomme de Xiaoming est mûre » et « Xiaoming a croqué une pomme », BERT peut déterminer grâce au contexte que « pomme » désigne un fruit dans les deux cas — mais si la phrase est « l’Apple de Xiaoming a publié un nouveau système », BERT identifie immédiatement qu’il s’agit de l’entreprise.
L’effet de BERT a été immédiat :
Les tests internes de Google en 2019 ont montré que le CTR (taux de clic) des requêtes complexes est passé de 18 % à 25 % ;
En 2023, les données publiées par l’équipe Google Search Liaison ont montré que BERT a fait passer la précision des requêtes ambiguës de 58 % à 82 % (par exemple, lorsqu’un utilisateur recherche « Python », le modèle peut déterminer grâce au contexte s’il s’agit du langage de programmation ou d’un serpent, soit un gain de 24 points).
Du « mot correspondant » à la « compréhension de l’humain »
En rétrospective, l’évolution du NLP est essentiellement le passage des moteurs de recherche d’une « exécution mécanique des instructions » à une « compréhension des besoins humains » :
- Ère 1.0 (correspondance de mots-clés) : la machine agit comme un « compteur de mots » et ne peut faire qu’une correspondance littérale ;
- Ère 2.0 (modèles statistiques) : la machine agit comme un « analyste probabiliste », déduisant l’intention à partir des probabilités contextuelles ;
- Ère 3.0 (deep learning) : la machine agit comme un « apprenant du langage », capable « d’apprendre » la logique sémantique à partir d’énormes volumes de données.
En 2024, une enquête du Pew Research Center a montré que 78 % des utilisateurs estiment que les résultats de recherche actuels « correspondent davantage à leurs besoins réels », contre seulement 41 % en 2010.
Le scientifique en chef de Google, Jeff Dean, a déclaré : « L’objectif du NLP n’est pas de permettre aux machines de “lire le texte”, mais de leur permettre de “comprendre les gens”. »
Le « travail central » du NLP
Pour qu’une machine puisse « comprendre » un texte, le NLP doit traiter par étapes les « fragments d’information » contenus dans la langue, un peu comme le fait un humain lorsqu’il décompose une phrase.
Lorsque le système NLP de Google (comme les versions améliorées de BERT) traite le contenu d’une page web, il effectue strictement le « décodage du texte » en 4 étapes : segmentation → reconnaissance d’entités → relation sémantique → correction par le contexte.
Étape 1 : segmentation
La segmentation est la première étape du NLP. En termes simples, il s’agit de découper une séquence continue de texte en « unités sémantiques » indépendantes (appelées « tokens »).
Le chinois ne possède pas de séparateurs naturels par espaces (contrairement à l’anglais, où « apple pie » comporte un espace), ce qui fait de la segmentation une difficulté centrale du NLP en chinois.
Principe technique :
Le système de segmentation de Google utilise un modèle hybride « règles + deep learning » :
- Base de règles : elle intègre des millions de combinaisons chinoises courantes (comme « préparer du café », « bouilloire pour café filtre », « test d’étanchéité »), et donne priorité aux associations déjà connues ;
- Modèle de deep learning : une version fine-tunée de BERT effectue des prédictions dynamiques pour les mots inconnus (comme de nouveaux termes tels que « dopamine dressing »).
Cas concret :
Prenons comme exemple le contenu « Comment préparer une tasse de café filtre riche et parfumé ? ». Le système de segmentation doit déterminer la bonne manière de découper la phrase. Parmi les segmentations candidates :
- Segmentation erronée : « comment/préparer une/tasse riche/parfumée de/café filtre » (ce qui casse des groupes naturels comme « une tasse », « riche et parfumé », « café filtre ») ;
- Segmentation correcte : « comment/préparer/une tasse/riche et parfumé/café filtre » (conforme à l’usage linguistique chinois).
Données à l’appui :
Les tests internes de Google en 2023 ont montré que son système de segmentation atteint une précision de 97,3 % sur les pages web chinoises courantes, mais seulement 89 % sur les termes rares dans les domaines YMYL spécialisés (comme le droit ou la médecine), en raison du faible nombre de règles pour les terminologies professionnelles.
Pour résoudre ce problème, Google entraîne des « modèles de segmentation par domaine » pour les pages de secteurs verticaux. Par exemple, un modèle médical mémorise la segmentation correcte de termes comme « infarctus du myocarde » ou « artère coronaire ».
Étape 2 : reconnaissance d’entités
Une fois la segmentation terminée, le NLP doit identifier les « entités » dans le texte (Entity), c’est-à-dire les informations clés comme les personnes, objets, dates, lieux ou événements.
Les entités sont la « charpente » du contenu : elles aident la machine à localiser rapidement le sujet principal d’une page.
Principe technique :
Google utilise un modèle d’apprentissage multitâche (Multi-Task Learning), qui entraîne simultanément trois tâches : la reconnaissance d’entités, l’étiquetage grammatical (par exemple noms, verbes) et l’extraction de relations.
Le modèle prédit pour chaque token s’il appartient à une entité et attribue un type d’entité (comme « TIME », « PRODUCT », « PERSON »).
Exemples de types d’entités :
| Type | Définition | Exemple (tiré de la page « test d’étanchéité de l’iPhone 15 en 2025 ») |
|---|---|---|
| TIME | Point dans le temps / période | « septembre 2025 » |
| PRODUCT | Produit concret | « iPhone 15 », « indice d’étanchéité IP68 » |
| EVENT | Événement / action | « test d’étanchéité », « lancement » |
| ATTRIBUTE | Attribut / caractéristique d’une entité | « profondeur de 6 mètres », « 30 minutes » (paramètres concrets d’étanchéité) |
Cas concret :
Lors du traitement de la phrase « Le test d’étanchéité IP68 de l’iPhone 15 en septembre 2025 a montré qu’il a tenu 30 minutes à une profondeur de 6 mètres », le système de reconnaissance d’entités produira :
- TIME : « septembre 2025 »
- PRODUCT : « iPhone 15 »
- ATTRIBUTE : « indice d’étanchéité IP68 », « profondeur de 6 mètres », « 30 minutes »
- EVENT : « test d’étanchéité »
Données à l’appui :
D’après le blog technique de Google en 2024, son modèle de reconnaissance d’entités atteint un taux de rappel de 92 % sur les textes généralistes (c’est-à-dire la proportion d’entités correctement reconnues parmi toutes les entités réelles). Mais sur les textes longs (plus de 5000 caractères), ce taux tombe à 85 %, car la densité des entités y est plus faible et le modèle a davantage tendance à en manquer.
Pour y remédier, Google a introduit une stratégie de « traitement par segments » : les textes longs sont découpés en paragraphes d’environ 500 caractères, analysés séparément puis fusionnés, ce qui a permis de faire remonter le rappel à 90 % sur les textes longs.
Étape 3 : relation sémantique
Après la segmentation et la reconnaissance d’entités, le NLP doit clarifier les relations logiques entre les mots (comme « appartient à », « provoque », « attribut de »), afin de transformer des tokens dispersés en un réseau sémantique structuré.
Cette étape détermine si la machine peut réellement « comprendre » le sens d’une phrase.
Principe technique :
Google adopte une approche hybride combinant modèle de langage préentraîné + graphe de connaissances :
- Les modèles préentraînés (comme BERT) apprennent à partir d’énormes volumes de texte les « relations implicites » entre les mots (par exemple, « chaussure de course » et « équipement sportif » entretiennent une relation hiérarchique) ;
- Le Knowledge Graph de Google fournit des connaissances structurées (par exemple, la marque de l’« iPhone 15 » est « Apple », sa date de sortie est « septembre 2023 »), utilisées pour vérifier et compléter les relations apprises par le modèle.
Exemples de types de relations :
| Type de relation | Définition | Exemple (tiré de la page « Comment choisir des chaussures de course ? ») |
|---|---|---|
| Relation hiérarchique | A est une sous-catégorie de B (ou l’inverse) | « chaussures de course » → « équipement sportif » (les chaussures de course appartiennent à l’équipement sportif) |
| Relation d’attribut | A est une caractéristique / un paramètre de B | « semelle intermédiaire amortissante » → « chaussure de course » (la semelle intermédiaire amortissante est un attribut de la chaussure de course) |
| Relation causale | A entraîne B | « excès de poids » → « blessure au genou » (un excès de poids peut entraîner une blessure au genou) |
Cas concret :
Lors du traitement de la phrase « Lorsqu’on choisit des chaussures de course, la semelle intermédiaire amortissante est essentielle, car elle peut réduire la pression sur les genoux », le système de relation sémantique établira :
- une relation d’attribut entre « chaussures de course » et « semelle intermédiaire amortissante » ;
- une relation causale entre « semelle intermédiaire amortissante » et « réduction de la pression sur les genoux ».
Données à l’appui :
Les tests internes de Google en 2023 montrent que son modèle de relation sémantique atteint une précision de 88 % pour les relations courantes, mais seulement 72 % pour les relations complexes (comme la « causalité indirecte »). Par exemple, dans la phrase « Porter longtemps des chaussures mal ajustées peut provoquer une déformation de la voûte plantaire, puis entraîner des douleurs lombaires », la relation entre « chaussures mal ajustées » et « douleurs lombaires » est une causalité indirecte, que le modèle peut facilement mal interpréter comme une absence de lien direct. Pour résoudre ce problème, Google a introduit la « chaîne d’inférence » : en reliant deux entités éloignées via un nœud intermédiaire (comme « déformation de la voûte plantaire »), la précision sur les relations complexes est montée à 85 %.
Étape 4 : correction par le contexte
Certains mots sont ambigus lorsqu’on les regarde isolément (par exemple, « Apple » peut désigner un fruit ou une marque), ce qui oblige à corriger leur sens en tenant compte du paragraphe entier, voire de toute la page.
Cette étape est la clé de la « compréhension » du texte par le NLP, et aussi celle qui dépend le plus du contexte.
Principe technique :
Google utilise un mécanisme d’attention bidirectionnelle (au cœur de BERT), permettant au modèle de « voir » simultanément le début et la fin de la phrase, et d’ajuster dynamiquement le sens de chaque token.
Par exemple, lorsqu’il traite « la pomme de Xiaoming est mûre », le sens initial de « pomme » peut être « fruit » ;
mais lorsqu’il traite la phrase suivante « il prévoit d’utiliser Apple pour publier un nouveau système », le modèle revient sur le contexte précédent, constate que « publier un nouveau système » n’a rien à voir avec un fruit, et corrige donc « Apple » en « entreprise technologique ».
Cas concret :
Prenons comme exemple le contenu « Le tout dernier iPhone 15 publié par Apple prend en charge la communication par satellite, ce qui est une bonne nouvelle pour les amateurs d’activités de plein air » :
- Vu isolément, « Apple » pourrait être mal interprété comme « fruit » ;
- en le reliant à « l’iPhone 15 publié », le modèle corrige « Apple » en « entreprise technologique » ;
- en l’associant ensuite à « amateurs d’activités de plein air », il confirme davantage que la fonction « communication par satellite » de l’iPhone 15 est liée aux usages outdoor.
Données à l’appui :
Une étude de Google sur le comportement des utilisateurs en 2024 a montré que, dans les cas de requêtes ambiguës (par exemple lorsque l’utilisateur cherche « Python »), la pertinence des résultats corrigés par le contexte est supérieure de 37 % à celle des résultats non corrigés.
Concrètement, au niveau du traitement des pages, la correction contextuelle fait passer le taux d’identification correcte du sens des mots ambigus de 62 % à 89 % (sur la base de données de tests internes de Google).
Le NLP fait gagner 30 % de temps de recherche chaque jour
Pour les utilisateurs, l’expérience la plus directe pendant une recherche est : « peut-on trouver plus vite ce qu’on veut ? »
Selon un rapport de Microsoft sur le comportement des utilisateurs en 2024, avec un moteur de recherche optimisé par NLP, le temps moyen nécessaire pour trouver l’information visée est passé de 87 secondes à 59 secondes (soit environ 30 % de moins).
Requêtes ambiguës
Lorsqu’ils effectuent une recherche, environ 40 % des utilisateurs emploient des termes ambigus (comme « Apple », « Python », « Java »). Les moteurs traditionnels considèrent ces requêtes comme de simples mots-clés uniques et renvoient alors de nombreux résultats non pertinents.
Grâce à la désambiguïsation sémantique (Word Sense Disambiguation, WSD), le NLP peut déterminer le véritable sens d’un mot à partir du contexte et filtrer directement les contenus inutiles.
Manifestations concrètes :
- Cas 1 : rechercher « Python » : l’utilisateur peut vouloir un tutoriel sur le langage de programmation (62 %), des informations sur les serpents (18 %), ou d’autres contenus liés à Python (20 %). Un moteur traditionnel renvoie toutes les pages contenant « Python », obligeant l’utilisateur à filtrer manuellement 10 à 15 liens non pertinents sur les trois premières pages. Avec le NLP, le système peut déduire l’intention à partir du contexte des pages (comme « fonction print() », « tutoriel de scraping ») et privilégier les résultats liés à la programmation. Les tests internes de Google en 2023 ont montré que la proportion de résultats efficaces en première page est passée de 38 % à 72 %, et que le nombre moyen de clics est tombé de 2,3 à 1,1.
- Cas 2 : rechercher « Java » : l’utilisateur peut chercher le langage de programmation (55 %), un guide touristique sur l’île indonésienne de Java (25 %), ou une variété de café (20 %). En analysant les mots associés dans les pages (comme « JVM » et « framework Spring » pour la programmation, ou « temple », « volcan » pour le voyage), le NLP peut rapidement cerner le besoin réel. Une enquête du Pew Research Center en 2024 a montré que le temps de recherche pour les requêtes ambiguës est passé de 112 secondes à 68 secondes (soit 40 secondes de moins).
Fondement technique :
La capacité de désambiguïsation du NLP repose sur une double validation par les « vecteurs de contexte » et le « graphe de connaissances ».
Par exemple, lorsqu’un utilisateur recherche « Java », le modèle extrait d’autres mots-clés présents dans la page (comme « café », « programmation », « île »), puis les mappe aux entités du graphe de connaissances (« Java (langage de programmation) », « Java (île) »). En calculant la similarité vectorielle (par exemple la similarité cosinus), il détermine l’entité la plus pertinente et renvoie finalement le bon résultat.
Besoins implicites
Les termes de recherche des utilisateurs n’expriment généralement que 10 % à 20 % de leur besoin central ; les 80 % à 90 % restants sont implicites (comme « prix », « difficulté », « contexte d’utilisation »).
Grâce à la technique d’expansion sémantique (Semantic Expansion), le NLP peut étendre le besoin à partir du terme central et couvrir activement des intentions que l’utilisateur n’a pas explicitement formulées.
Manifestations concrètes :
- Cas 1 : rechercher « recettes minceur » : l’utilisateur peut sous-entendre des besoins comme « faible en calories », « facile à faire », « adaptée aux salariés », « sans sucre ». Un moteur traditionnel ne fait correspondre que les pages contenant « minceur » et « recettes », ce qui peut faire remonter des résultats comme « régimes extrêmes » ou « pâtisseries compliquées ». Avec le NLP, le système analyse les mots souvent associés à « minceur » (comme « calories », « rapide », « fait maison ») et met en avant des pages comme « petit-déjeuner faible en calories en 15 minutes » ou « recettes de lunchbox pour travailleurs », plus conformes aux besoins implicites. Les tests A/B de Google en 2022 ont montré que les résultats couvrant les besoins implicites faisaient passer le temps de lecture de 45 à 78 secondes (+73 %), car les utilisateurs n’avaient plus besoin d’effectuer une seconde recherche du type « recettes minceur faibles en calories ».
- Cas 2 : rechercher « que porter les jours de pluie ? » : l’utilisateur peut sous-entendre « imperméable », « antidérapant », « léger », « chaud ». Un moteur traditionnel renvoie des résultats généraux comme « imperméable » ou « parapluie ». Le NLP peut reconnaître les caractéristiques du contexte « pluie » (humidité, risque de glissade), les relier à des attributs comme « matière imperméable », « semelle antidérapante », « pliable et portable », puis recommander des produits concrets comme « veste imperméable de plein air » ou « bottines antidérapantes ». Une enquête eMarketer en 2024 a montré que dans le e-commerce, les recherches couvrant les besoins implicites ont vu leur taux de conversion passer de 3,2 % à 5,8 %.
Fondement technique :
L’expansion sémantique repose sur l’entraînement de « l’espace vectoriel des mots » et des « données de comportement utilisateur ».
Par exemple, le modèle BERT de Google projette « recettes minceur » dans un espace vectoriel de grande dimension, où des mots comme « faible en calories » ou « facile » sont très proches de cette expression ;
en parallèle, le système analyse les données historiques de recherche (par exemple, les utilisateurs qui cherchent « recettes minceur » cliquent souvent ensuite sur « petit-déjeuner faible en calories »), ce qui lui permet de valider la pertinence de ces besoins implicites et de générer finalement un lexique d’expansion.
Adaptation à différents contextes
Le contexte de recherche de l’utilisateur (heure, lieu, appareil) influence directement ses besoins. Grâce à la prise de conscience contextuelle (Context Awareness), le NLP peut ajuster dynamiquement sa compréhension de la requête et fournir des résultats mieux adaptés à la situation du moment.
Manifestations concrètes :
- Contexte temporel : en hiver, si l’on cherche « manteau », le NLP privilégie des mots-clés comme « doublé », « chaud », « doudoune » ; en été, il met davantage en avant « protection solaire », « léger », « respirant ». Les données saisonnières de Google en 2023 montrent que la satisfaction des utilisateurs est passée de 68 % à 85 % après adaptation contextuelle.
- Contexte géographique : à Shanghai, une recherche sur le « hotpot » peut faire remonter des enseignes locales populaires ; à Chengdu, des hotpots plus authentiquement sichuanais sont davantage privilégiés. Un test conjoint Google Maps / Search de 2024 a montré que la probabilité de cliquer sur « commerces à proximité » est passée de 22 % à 47 % après adaptation locale.
- Contexte appareil : sur mobile, une recherche « station-service à proximité » privilégie des résultats comme « navigation carte », « prix du carburant en temps réel », « la plus proche » — adaptés à une prise de décision rapide. Sur ordinateur, elle peut davantage afficher « liste de stations », « avis utilisateurs », « offres promotionnelles ». Une étude Microsoft multi-appareils en 2024 montre que le temps nécessaire pour accomplir une tâche a diminué de 42 % après adaptation au type d’appareil (sur mobile, de 90 à 52 secondes ; sur ordinateur, de 120 à 69 secondes).
Fondement technique :
La conscience contextuelle repose sur « l’extraction de métadonnées » et « l’intégration de données en temps réel ».
Par exemple, le système extrait l’heure (via l’appareil de l’utilisateur), le lieu (via IP ou GPS) et le type d’appareil (mobile / ordinateur), puis combine ces informations avec des données en temps réel (comme la météo, la circulation, l’état d’ouverture des commerces) pour ajuster les poids sémantiques.
Ainsi, lorsqu’un utilisateur cherche « manteau » un jour de pluie, le système récupère en temps réel la probabilité locale de précipitations et renforce le poids de l’attribut « imperméable ».
Comment le NLP fait gagner du temps
| Type de scénario | Recherche traditionnelle (sans NLP) | Recherche optimisée par NLP | Temps gagné | Source des données |
|---|---|---|---|---|
| Requête ambiguë (Python) | 10 résultats en première page, dont 5 non pertinents | 8 résultats en première page, dont 7 pertinents | 40 secondes | Test interne Google 2023 |
| Besoin implicite (recettes minceur) | Nécessite une seconde recherche sur « faible en calories » | Les recettes faibles en calories apparaissent directement en première page | 25 secondes | Enquête Pew Research 2024 |
| Contexte croisé (chercher « manteau » en été) | Les résultats incluent des modèles d’hiver, nécessitant un tri manuel | La première page contient uniquement des modèles d’été anti-UV | 30 secondes | Étude Microsoft multi-scénarios 2024 |
Comment le NLP « comprend » le texte d’une page dans la recherche Google
La technologie NLP de Google transforme le texte d’une page en un « réseau sémantique » compréhensible par la machine grâce aux 4 étapes suivantes : « segmentation → reconnaissance d’entités → relation sémantique → correction par le contexte ».
Elle traite plus de 50 milliards de mots par jour (données Google 2024), avec une précision de segmentation de 97,3 % et un taux de rappel de 92 % pour la reconnaissance d’entités. Au final, elle permet de distinguer automatiquement « Apple » comme fruit ou téléphone, et d’associer « Python » à un tutoriel de programmation plutôt qu’à un serpent. Lorsqu’un utilisateur recherche un contenu pertinent, la proportion de résultats efficaces en première page passe de 38 % à 72 % (test interne 2023).
Segmenter : découper le texte en « plus petites unités compréhensibles par la machine »
En termes simples, il s’agit de découper une séquence continue de texte en « unités linguistiques minimales » porteuses de sens (appelées « tokens »).
Pour des langues comme l’anglais, qui disposent naturellement d’espaces, il suffit de segmenter selon les espaces (par exemple, « coffee mug » devient « coffee » + « mug ») ;
mais pour des langues « sans espace » comme le chinois ou le japonais, une erreur de segmentation peut faire échouer toute la reconnaissance d’entités et la compréhension sémantique qui suivent.
Base de règles + deep learning
Le système de segmentation de Google utilise un modèle hybride fondé sur le principe « priorité à la base de règles, complétée par le deep learning ». Son objectif central est de segmenter le texte « à la fois vite et précisément ».
Base de règles
La base de règles constitue les « fondations » du système de segmentation de Google. Elle intègre des schémas de combinaisons courantes dans les principales langues du monde (par exemple, en chinois « préparer du café », « bouilloire filtre », « test d’étanchéité », et en anglais « espresso machine », « drip coffee »). Ces combinaisons proviennent d’analyses statistiques des textes d’Internet — Google explore le Web et calcule la fréquence de cooccurrence de chaque paire de mots adjacents (par exemple, la probabilité que « préparer » soit suivi de « café » est de 92 %, et de « riz » de 85 %), pour constituer finalement un « dictionnaire de combinaisons » de plusieurs millions d’entrées.
Par exemple, lorsqu’il traite la phrase chinoise « 如何煮一杯香浓的手冲咖啡 », la base de règles donne priorité à des associations fréquentes comme « 煮/咖啡 » et « 手冲/咖啡 », ce qui permet une segmentation correcte en « 如何/煮/一杯/香浓的/手冲咖啡 » ;
si le système rencontre « Java编程 », il reconnaît « Java » comme langage de programmation et « 编程 » comme action, et segmente donc en « Java/编程 » plutôt qu’en « Jav/a编/程 » (segmentation erronée).
Deep learning
Bien que la base de règles soit efficace, elle ne peut couvrir toutes les situations — Internet voit apparaître chaque jour de nouveaux termes (comme « dopamine dressing » ou « métavers ») et des terminologies spécialisées (comme « culpa in contrahendo » en droit ou « infarctus du myocarde » en médecine), qui ne figurent pas encore dans cette base. À ce moment-là, Google fait appel à un modèle BERT finement ajusté pour réaliser une prédiction dynamique.
BERT (Transformer bidirectionnel) est un modèle de langage préentraîné capable de comprendre le sens des mots grâce au contexte.
Par exemple, lorsque le système rencontre « dopamine dressing », absent de la base de règles, BERT peut prédire à partir du contexte (comme « couleurs vives », « bonne humeur », « mode ») qu’il s’agit d’un terme émergent décrivant un style vestimentaire. Il doit donc être segmenté comme « dopamine dressing » dans son ensemble, et non à tort comme « dopa/min/e dress/ing ».
Comparaison technique :
| Type de technologie | Avantages | Limites | Scénarios adaptés |
|---|---|---|---|
| Base de règles | Rapide (réponse en millisecondes) | Ne couvre pas les nouveaux termes / termes spécialisés | Textes généralistes courants |
| Modèle BERT finement ajusté | Reconnaissance dynamique des nouveaux mots et de la terminologie spécialisée | Coût de calcul élevé (nécessite un GPU) | Domaines émergents, textes longue traîne |
Adaptation multilingue
Google prend en charge la segmentation de plus de 100 langues, mais les caractéristiques de ces langues diffèrent fortement, ce qui exige des règles et des modèles adaptés à chacune.
Chinois : sans espaces + forte ambiguïté
La difficulté du chinois tient à l’absence d’espaces et à la polysémie. Par exemple, la phrase « 乒乓球拍卖完了 » admet deux segmentations :
- Correcte : « 乒乓球拍/卖完了 » (« raquette de ping-pong » est le produit) ;
- Erronée : « 乒乓球/拍卖/完了 » (« vente aux enchères » devient l’action).
Google résout cette ambiguïté grâce à un modèle de probabilité contextuelle : il compare la fréquence de cooccurrence de « 乒乓球拍 » comme unité complète (par exemple 90 % sur les pages e-commerce) avec la combinaison « 乒乓球 + 拍卖 » (seulement 5 % dans les actualités sportives), et privilégie donc « 乒乓球拍/卖完了 ».
Arabe : écriture de droite à gauche + écriture liée
L’arabe s’écrit de droite à gauche et peut apparaître avec des mots liés les uns aux autres. Le système de segmentation de Google inverse d’abord l’ordre visuel pour le traiter de gauche à droite, puis utilise la base de règles pour détecter les frontières de « كتاب » (livre) et « قلم » (stylo), et produit finalement la segmentation « كتاب/قلم ».
Swahili : caractère agglutinant
Le swahili est une langue agglutinante, qui exprime le sens en ajoutant des affixes au radical (par exemple « mtoto » signifie « enfant », « watoto » signifie « enfants »). Le modèle de segmentation de Google repère les frontières de ces affixes (par exemple « -o » comme marque du singulier, « -wa » comme marque du pluriel) et segmente correctement « watoto » en « wa/toto » (pluriel + enfant).
Les tests multilingues de segmentation de Google en 2023 ont montré que la précision atteint 98 % pour des langues majeures comme l’anglais ou l’espagnol, mais seulement 92 % pour des langues plus complexes comme l’arabe ou le swahili.
Pour améliorer ces performances, Google a constitué pour chaque langue une « équipe d’experts linguistiques » annotant manuellement plus de 100 000 phrases typiques afin d’entraîner des modèles spécialisés.
Comment les erreurs de segmentation influencent les résultats de recherche
La segmentation constitue la base de toutes les étapes ultérieures du NLP. Une erreur à ce niveau peut compromettre la reconnaissance d’entités, biaiser les relations sémantiques et, au final, nuire à la pertinence des résultats de recherche. Voici deux cas réels :
Cas 1 : page e-commerce « café Java »
Le titre d’une page est « Java咖啡：手冲级顺滑口感 ». La segmentation correcte devrait être « Java/咖啡/：/手冲级/顺滑/口感 ». Si elle est erronément segmentée en « Jav/a咖/啡/：/手冲级/顺滑/口感 », le système de reconnaissance d’entités interprétera « Jav » (chaîne sans signification) ainsi que « 咖 » et « 啡 » comme des entités séparées, empêchant Google d’associer correctement le produit « café Java ». Ainsi, lorsqu’un utilisateur recherche « café Java », cette page risque d’être filtrée à tort.
Cas 2 : page juridique « culpa in contrahendo »
Un blog juridique contient la phrase « 缔约过失责任是指一方因违背诚实信用原则导致对方损失 ». La segmentation correcte devrait être « 缔约过失责任/是/指/一方/因/违背/诚实信用原则/导致/对方/损失 ». Si elle est faussement segmentée en « 缔/约/过失/责任/是/指/一方/因/违背/诚实信用/原则/导致/对方/损失 », le système de reconnaissance d’entités traitera « 缔约 », « 过失 » et « 责任 » comme des entités indépendantes, sans pouvoir les relier au terme juridique complet « 缔约过失责任 ». Par conséquent, la page sera moins bien classée lorsqu’un utilisateur recherchera cette notion.
Données à l’appui :
Les tests internes de Google montrent que les erreurs de segmentation peuvent faire chuter une page cible de 3 à 5 positions dans les résultats de recherche (données de tests A/B 2023), et réduire de 42 % la probabilité que l’utilisateur clique dessus, car la pertinence perçue diminue.
« Extraire » les points clés du texte
Lorsqu’un utilisateur recherche « test d’étanchéité iPhone 15 version 2025 », Google doit rapidement comprendre que les éléments centraux de la page sont « iPhone 15 » (produit), « septembre 2025 » (temps) et « test d’étanchéité » (événement).
Ces informations clés sont appelées des « entités » (Entity).
Modèle d’apprentissage multitâche (Multi-Task Learning)
Le système de reconnaissance d’entités de Google repose sur un modèle d’apprentissage multitâche, qui entraîne simultanément les trois tâches suivantes : « reconnaissance d’entités », « étiquetage grammatical » et « extraction de relations », ce qui améliore l’efficacité grâce au partage des paramètres de bas niveau.
En termes simples, le modèle apprend en même temps :
- quels mots sont des entités (par exemple « iPhone 15 » comme produit) ;
- quel rôle grammatical ces mots jouent dans la phrase (par exemple « iPhone 15 » comme nom) ;
- quelles relations existent entre les entités (par exemple « iPhone 15 » est produit par « Apple »).
Détails techniques essentiels :
- Affinage de BERT : à partir du modèle préentraîné BERT de Google, on effectue un fine-tuning avec d’importants volumes de données annotées (comme Wikipédia, des actualités ou des pages e-commerce) pour apprendre les caractéristiques contextuelles des entités. Par exemple, dans la phrase « L’iPhone 15 a été lancé en septembre 2025 », « septembre 2025 » et « iPhone 15 » sont reliés par les vecteurs contextuels de BERT, ce qui permet au modèle d’identifier le premier comme un temps et le second comme un produit.
- Classificateur de type d’entité : une « tête de classification de type » est ajoutée à la couche de sortie de BERT pour prédire le type précis de chaque entité (comme TIME, PRODUCT, PERSON). Ce classificateur repose sur plus de 50 types d’entités prédéfinis (couvrant les domaines généralistes et verticaux), par exemple :
| Type d’entité | Définition | Exemple |
|---|---|---|
| TIME | Moment / période | « septembre 2025 », « 30 minutes » |
| PRODUCT | Produit concret | « iPhone 15 », « bouilloire filtre » |
| PERSON | Personne (réelle ou fictive) | « Tim Cook », « Zhang Xiaolong » |
| LOCATION | Lieu (concret ou abstrait) | « Shanghai », « GitHub » |
| EVENT | Événement / action | « test d’étanchéité », « conférence de lancement » |
| ATTRIBUTE | Attribut / caractéristique d’une entité | « indice d’étanchéité IP68 », « profondeur de 6 mètres » |
De la précision généraliste à la précision verticale
Le système de types d’entités de Google se divise en domaine généraliste (pour les textes du quotidien) et domaine vertical (pour les contenus spécialisés).
Types d’entités du domaine généraliste (50+ types) :
Ils couvrent 90 % des scénarios de recherche des utilisateurs, par exemple :
- Temps (TIME) : dates précises (« septembre 2025 »), durées (« 30 minutes »), périodes (« 2020–2025 ») ;
- Produit (PRODUCT) : appareils électroniques (« iPhone 15 »), électroménager (« bouilloire filtre »), produits du quotidien (« grains de café ») ;
- Lieu (LOCATION) : villes (« Shanghai »), pays (« États-Unis »), organisations (« Google »).
Types d’entités verticaux (spécifiques à un secteur) :
Pour les contenus spécialisés comme le droit, la médecine ou la technologie, Google entraîne des types d’entités supplémentaires, par exemple :
- Domaine juridique : « disposition légale » (par exemple « article 10 du Code civil »), « acte juridique » (par exemple « culpa in contrahendo ») ;
- Domaine médical : « maladie » (par exemple « infarctus du myocarde »), « médicament » (par exemple « aspirine »), « type d’intervention » (par exemple « procédure PCI ») ;
- Domaine technologique : « algorithme » (par exemple « BERT »), « langage de programmation » (par exemple « Python »), « architecture matérielle » (par exemple « ARM »).
Données à l’appui :
Les tests internes de Google en 2023 montrent que la précision de reconnaissance d’entités dans les domaines généralistes est de 92 %, mais qu’elle n’est au départ que de 78 % dans les domaines verticaux comme le droit (en raison du faible nombre de termes spécialisés et d’un manque de données annotées).
En entraînant séparément un « modèle de reconnaissance d’entités juridiques » (sur plus de 100 000 textes juridiques annotés), la précision est montée à 90 % ; dans le domaine médical, un modèle entraîné sur plus de 50 000 dossiers annotés a atteint 88 %.
Quatre étapes : de la détection de candidats à la délimitation précise
Prenons la phrase « Le test d’étanchéité IP68 de l’iPhone 15 en septembre 2025 a montré qu’il a tenu 30 minutes à une profondeur de 6 mètres » pour illustrer le processus :
Étape 1 : détection de candidats — trouver les « graines d’entités » possibles
Le modèle commence par parcourir le texte et marque les entités candidates possibles à partir d’une base de règles (par exemple « année + mois » comme candidat de temps, « chiffre + nom de produit » comme candidat de produit) et de probabilités statistiques (par exemple une probabilité de 90 % que « iPhone » soit suivi d’un nombre).
- Candidat 1 : « septembre 2025 » (correspond à la règle « année + mois ») ;
- Candidat 2 : « iPhone 15 » (correspond à la règle « nom de produit + modèle ») ;
- Candidat 3 : « test d’étanchéité IP68 » (correspond à la règle « paramètre technique + action ») ;
- Candidat 4 : « profondeur de 6 mètres » (correspond à la règle « nombre + unité + attribut ») ;
- Candidat 5 : « 30 minutes » (correspond à la règle « nombre + unité de temps »).
Étape 2 : classification de type — « étiqueter » les candidats
À l’aide de la « tête de classification de type » du modèle multitâche, le système prédit le type de chaque candidat :
- « septembre 2025 » → TIME (temps) ;
- « iPhone 15 » → PRODUCT (produit) ;
- « test d’étanchéité IP68 » → EVENT (événement) ;
- « profondeur de 6 mètres » → ATTRIBUTE (attribut décrivant la profondeur d’étanchéité) ;
- « 30 minutes » → ATTRIBUTE (attribut décrivant la durée d’étanchéité).
Étape 3 : délimitation — corriger les « positions de début et de fin » des entités
Certains candidats peuvent avoir des frontières erronées (par exemple « test d’étanchéité IP68 » peut être à tort séparé en « IP68 » + « test d’étanchéité »). Le modèle vérifie donc ces frontières à l’aide de vecteurs contextuels :
- « IP68 » est une norme d’étanchéité (catégorie ATTRIBUTE), mais « test d’étanchéité IP68 » constitue dans son ensemble un événement (EVENT), donc la frontière correcte est ajustée sur « test d’étanchéité IP68 » ;
- dans « profondeur de 6 mètres », « 6 mètres » correspond à une valeur numérique et « profondeur » à un attribut ; il est donc plus cohérent de considérer l’ensemble comme un ATTRIBUTE.
Étape 4 : validation globale — corriger les erreurs à partir du texte entier
Le modèle génère un « vecteur sémantique global » pour le paragraphe entier (représentant le thème général, comme « test d’étanchéité d’un smartphone ») et vérifie si les entités locales sont cohérentes avec ce thème. Par exemple :
- si le thème du texte est « test de smartphone », « iPhone 15 » en tant que PRODUCT (produit) est cohérent avec le sujet ;
- si « test d’étanchéité IP68 » est identifié comme EVENT (événement), cela correspond également au thème « test de smartphone », donc aucune correction n’est nécessaire.
Comment Google garantit la précision de la reconnaissance d’entités
| Dimension de test | Précision initiale (2020) | Précision optimisée (2024) | Méthode d’amélioration |
|---|---|---|---|
| Domaine généraliste | 85 % | 92 % | Ajout de 1 million de données annotées et optimisation des paramètres de fine-tuning de BERT |
| Textes longs (>5000 caractères) | 78 % | 90 % | Introduction de la stratégie de « traitement par segments » (découpage en paragraphes de 500 caractères) |
| Domaine vertical (droit) | 78 % | 90 % | Entraînement de modèles spécialisés par domaine (100 000+ textes juridiques annotés) |
| Nouvelles entités (comme « dopamine dressing ») | 62 % | 85 % | Combinaison avec la capacité prédictive contextuelle de BERT pour reconnaître dynamiquement les nouveaux termes |
Retour utilisateur :
Google collecte des données sur le comportement de recherche des utilisateurs (par exemple si la page cliquée contient bien l’entité cible) afin d’optimiser le modèle en retour.
Par exemple, si un utilisateur recherche « indice d’étanchéité de l’iPhone 15 », mais que la page consultée n’identifie pas « IP68 » comme ATTRIBUTE, le modèle ajuste ses paramètres pour renforcer la reconnaissance des entités liées à « indice d’étanchéité ».
« Relier » les mots entre eux pour construire une logique
Lorsqu’un utilisateur recherche « chaussures adaptées à la course », Google doit comprendre la relation entre « courir » et « chaussures » (finalité d’usage), ainsi que celle entre « semelle intermédiaire amortissante » et « chaussure de course » (attribut), afin de pouvoir renvoyer des résultats réellement pertinents.
Cette capacité à « relier les mots entre eux » s’appelle l’extraction des relations sémantiques (Semantic Relation Extraction).
Modèles préentraînés et graphe de connaissances
1. Modèles préentraînés : « apprendre seuls » les relations à partir d’immenses corpus
Les modèles préentraînés (comme BERT ou PaLM) sont le « moteur d’apprentissage » central de la relation sémantique. En analysant des billions de textes sur Internet (pages web, livres, forums), ils capturent automatiquement les relations implicites entre les mots. Par exemple :
- dans des phrases comme « les chaussures de course conviennent à la course de fond » ou « les chaussures de basket conviennent aux sauts », le modèle apprend la relation d’usage entre « chaussures de course » et « course de fond », ainsi qu’entre « chaussures de basket » et « saut » ;
- dans des phrases comme « l’iPhone 15 est équipé de la puce A17 » et « le MacBook Pro utilise la puce M3 », le modèle apprend la relation « est équipé de » entre « iPhone 15 » et « puce A17 », ainsi qu’entre « MacBook Pro » et « puce M3 ».
Détails techniques :
Les modèles préentraînés représentent le sens de chaque mot grâce à des « embeddings contextualisés » (Contextualized Embedding).
Par exemple, le vecteur associé à « chaussure de course » varie selon le contexte de la phrase (« la chaussure de course amortit bien » vs « la chaussure de course a un design élégant »), ce qui permet au modèle de saisir ces différences fines et de juger la relation précise entre les mots.
2. Graphe de connaissances : utiliser des connaissances structurées pour « vérifier + compléter » les relations
Les modèles préentraînés peuvent apprendre des relations implicites, mais ils peuvent aussi commettre des erreurs (par exemple interpréter à tort la relation entre « Apple » et « fruit » comme une « marque »).
À ce moment-là, le graphe de connaissances de Google (qui contient plus de 500 millions d’entités et 20 milliards de relations) fournit des connaissances structurées pour valider et compléter les relations apprises par le modèle.
Par exemple, lorsque le modèle analyse la phrase « Samsung est le fournisseur d’écran de l’iPhone 15 » :
- le modèle préentraîné apprend à partir du contexte la relation « fournisseur » entre « iPhone 15 » et « Samsung » ;
- dans le graphe de connaissances existe déjà la relation structurée « iPhone 15 → fournisseur d’écran → Samsung », ce qui permet de vérifier la relation et de confirmer le lien.
Du réseau de relations simple au réseau de relations complexe
Google définit plus de 20 types de relations détaillés, couvrant 90 % des scénarios de recherche des utilisateurs. Ces relations peuvent être réparties en trois grandes catégories :
1. Relations de base (domaine généraliste)
| Type de relation | Définition | Exemple (tiré de la page « Comment choisir des chaussures de course ? ») |
|---|---|---|
| Relation hiérarchique | A est une sous-catégorie de B (ou l’inverse) | « chaussures de course » → « équipement sportif » (les chaussures de course relèvent de l’équipement sportif) |
| Relation d’attribut | A est une caractéristique / un paramètre de B | « semelle intermédiaire amortissante » → « chaussure de course » (la semelle intermédiaire amortissante est un attribut de la chaussure de course) |
| Finalité d’usage | A sert à B | « bouilloire filtre » → « préparer du café » (une bouilloire filtre sert à préparer du café) |
| Ordre temporel | A se produit avant / après B | « lancement » → « mise en vente » (un produit est d’abord annoncé puis mis en vente) |
2. Relations complexes (domaines verticaux)
Pour les contenus spécialisés comme le droit, la médecine ou la technologie, Google ajoute des types de relations plus fins :
- Domaine juridique : « culpa in contrahendo » → « violation du principe de bonne foi » (relation causale) ; « article 10 du Code civil » → « validité du mariage » (relation de champ d’application).
- Domaine médical : « infarctus du myocarde » → « obstruction des artères coronaires » (relation de cause) ; « aspirine » → « inhibition de l’agrégation plaquettaire » (relation d’action pharmacologique).
- Domaine technologique : « Python » → « tutoriel de scraping » (relation de domaine d’application) ; « architecture ARM » → « faible consommation énergétique » (relation de propriété technique).
Cinq étapes : de l’extraction de relations candidates à la validation globale
Prenons la phrase « Lorsqu’on choisit des chaussures de course, la semelle intermédiaire amortissante est essentielle, car elle peut réduire la pression sur les genoux » pour illustrer le processus :
Étape 1 : extraction de relations candidates — trouver les « graines de relation » possibles
Le modèle commence par analyser le texte et marque les relations candidates à partir d’une base de règles (par exemple « X est la clé de Y » peut suggérer une relation de finalité) et de probabilités statistiques (par exemple une probabilité de cooccurrence de 90 % entre « semelle intermédiaire amortissante » et « chaussure de course »).
- Candidat 1 : « chaussure de course » et « semelle intermédiaire amortissante » (relation d’attribut possible) ;
- Candidat 2 : « semelle intermédiaire amortissante » et « réduction de la pression sur les genoux » (relation de finalité possible).
Étape 2 : classification du type de relation — « étiqueter » les candidats
À l’aide de la « tête de classification de relation » du modèle préentraîné, le système prédit le type de relation de chaque candidat :
- « chaussure de course » et « semelle intermédiaire amortissante » → relation d’attribut (la semelle intermédiaire amortissante est un attribut de la chaussure de course) ;
- « semelle intermédiaire amortissante » et « réduction de la pression sur les genoux » → relation de finalité (la semelle intermédiaire amortissante sert à réduire la pression sur les genoux).
Étape 3 : délimitation — corriger la « portée d’application » de la relation
Certains candidats peuvent présenter des limites erronées (par exemple « semelle intermédiaire amortissante » peut être interprété à tort comme une partie constitutive de la chaussure plutôt que comme un attribut). Le modèle vérifie ces frontières grâce aux vecteurs contextuels :
- « Semelle intermédiaire amortissante » décrit une « caractéristique de matériau / de structure » de la chaussure de course ; il s’agit donc d’un attribut et non d’un composant (les composants seraient par exemple « semelle extérieure » ou « tige »). La relation est donc corrigée en relation d’attribut.
Étape 4 : validation globale — corriger les erreurs à partir du texte complet
Le modèle génère un « vecteur sémantique global » pour l’ensemble du passage (représentant le thème général, comme « guide d’achat de chaussures de course ») et vérifie si les relations locales sont compatibles avec ce thème. Par exemple :
- si le thème du texte est « achat de chaussures de course », la relation de finalité entre « semelle intermédiaire amortissante » et « réduction de la pression sur les genoux » est cohérente avec le sujet ;
- si le thème est « prévention des blessures sportives », il faut alors réévaluer si cette relation est bien liée à la prévention des blessures.
Étape 5 : validation par le graphe de connaissances — utiliser les connaissances structurées comme « filet de sécurité »
Le modèle fait appel au graphe de connaissances pour vérifier la plausibilité de la relation :
- dans le graphe de connaissances, les attributs des « chaussures de course » incluent « semelle intermédiaire amortissante », « poids », « matériau de la semelle », ce qui confirme que la semelle intermédiaire amortissante est un attribut légitime ;
- dans le graphe de connaissances, les fonctions de la « semelle intermédiaire amortissante » incluent « réduire la pression sur les genoux » et « améliorer le confort », ce qui confirme la validité de cette fonction.
Comment Google garantit la précision des relations sémantiques
| Dimension de test | Précision initiale (2020) | Précision optimisée (2024) | Méthode d’amélioration |
|---|---|---|---|
| Relations courantes (hiérarchie, attributs) | 78 % | 88 % | Ajout de 2 millions de données annotées, optimisation du fine-tuning de BERT |
| Relations complexes (causalité, finalité d’usage) | 65 % | 82 % | Introduction du « raisonnement en chaîne » (relier des entités éloignées via des nœuds intermédiaires) |
| Domaine vertical (médecine) | 60 % | 79 % | Entraînement de modèles spécialisés par domaine (50 000+ textes médicaux annotés) |
| Nouvelles relations (comme « grand modèle d’IA → multimodal ») | 52 % | 75 % | Combinaison avec la capacité prédictive contextuelle des modèles préentraînés pour reconnaître dynamiquement les nouvelles relations |
Corriger le sens des mots à partir du texte entier
Lorsqu’un utilisateur recherche « tutoriel Python », Google doit déterminer si « Python » sur la page désigne le langage de programmation (62 %) ou un serpent (18 %) ;
lorsqu’un utilisateur recherche « keynote Apple », il faut confirmer qu’« Apple » désigne l’entreprise technologique (95 %) et non le fruit (5 %).
Cette capacité à « corriger le sens des mots à partir du texte complet » s’appelle la désambiguïsation contextuelle (Contextual Disambiguation).
Attention bidirectionnelle et sémantique globale
1. Capter le sens en « regardant à la fois avant et après »
Le mécanisme d’attention bidirectionnelle (au cœur de BERT) permet au modèle d’analyser simultanément la première et la seconde moitié d’une phrase, afin de saisir les relations de « cause et conséquence » entre les mots.
Par exemple, lorsqu’il traite la phrase « la pomme de Xiaoming est mûre », le modèle porte d’abord attention à « Xiaoming » et « mûre », et conclut dans un premier temps que « pomme » peut désigner un fruit ;
mais lorsqu’il traite la phrase suivante « il prévoit d’utiliser Apple pour publier un nouveau système », le modèle revient sur le contexte précédent, constate que « publier un nouveau système » n’a rien à voir avec un fruit, et corrige donc « Apple » en « entreprise technologique ».
Détails techniques :
L’attention bidirectionnelle repose sur une matrice « Query-Key-Value » :
- Query : le vecteur sémantique du mot courant ;
- Key : les vecteurs sémantiques des autres mots ;
- Value : les vecteurs sémantiques des autres mots (pondérés par les scores d’attention).
Le modèle calcule la similarité entre « Query » et « Key » pour attribuer à chaque mot un « poids d’attention ». Plus ce poids est élevé, plus ce mot influence le sens du mot courant.
Par exemple, « publier un nouveau système » reçoit un poids d’attention de 0,8 vis-à-vis de « Apple » (sur un maximum de 1), bien supérieur à celui de « mûre » (0,2). Le modèle se base donc prioritairement sur « publier un nouveau système » pour corriger le sens de « Apple ».
2. Le « point d’ancrage thématique » de toute la page
Au-delà du contexte local des phrases, Google génère également un « vecteur sémantique global » (Global Semantic Vector) pour l’ensemble de la page, représentant son thème général (par exemple « test de produit technologique » ou « recettes minceur »).
Lorsque le sens local d’un mot entre en conflit avec le thème global, le modèle privilégie une correction cohérente avec ce thème.
Par exemple, pour une page intitulée « test d’étanchéité de l’iPhone 15 version 2025 » :
- dans la phrase locale « le dernier iPhone 15 publié par Apple prend en charge la communication par satellite », le sens initial de « Apple » pourrait être « fruit » ;
- mais le vecteur sémantique global indique que le thème de la page est « test de smartphone », ce qui pousse le modèle à corriger « Apple » en « entreprise technologique ».
Quatre étapes : de l’ambiguïté locale à la cohérence globale
Prenons comme exemple le contenu de page « Le dernier iPhone 15 publié par Apple prend en charge la communication par satellite, ce qui est une bonne nouvelle pour les amateurs d’activités de plein air » :
Étape 1 : détection de l’ambiguïté locale — marquer les mots « suspects »
Le modèle parcourt d’abord tout le texte et repère les mots potentiellement ambigus (mots polysémiques, pronoms, etc.). Dans cet exemple, « Apple » est un mot typiquement ambigu (fruit / entreprise technologique), et « il » est un pronom dont il faut préciser l’antécédent.
Étape 2 : analyse du contexte local — extraire les « sens candidats »
Pour chaque mot « suspect », le modèle analyse son contexte local (1 à 3 phrases avant et après) et en extrait des sens possibles :
- Sens candidats de « Apple » :
- Candidat 1 : fruit (sur la base de combinaisons fréquentes comme « mûr » ou « manger ») ;
- Candidat 2 : entreprise technologique (sur la base de combinaisons fréquentes comme « publier l’iPhone 15 » ou « communication par satellite »).
- Sens candidats de « il » :
- Candidat 1 : l’iPhone 15 (renvoie à « iPhone 15 » dans la phrase précédente) ;
- Candidat 2 : la communication par satellite (renvoie à « fonction de communication par satellite » dans la phrase précédente).
Étape 3 : validation sémantique globale — faire correspondre le thème de la page
Le modèle génère un « vecteur sémantique global » pour l’ensemble de la page (en encodant le texte complet avec BERT), puis calcule sa similarité avec les vecteurs des sens candidats afin de choisir le plus cohérent avec le thème global :
- le titre et le contenu répètent plusieurs fois des termes comme « iPhone 15 », « communication par satellite » et « amateurs de plein air », ce qui oriente le vecteur global vers « test de produit technologique » ;
- parmi les sens candidats d’« Apple », « entreprise technologique » présente une similarité bien supérieure avec le thème global (similarité cosinus 0,85) que « fruit » (0,12), donc ce sens est retenu ;
- parmi les candidats pour « il », « iPhone 15 » a une similarité plus forte avec le thème global (0,9) que « communication par satellite » (0,6), et est donc retenu.
Étape 4 : résolution des conflits — traiter les contradictions entre plusieurs sources d’information
Si le contexte local entre en conflit avec le thème global (par exemple si « Apple » désigne un fruit dans une phrase alors que la page parle globalement de technologie), le modèle analyse plus en détail la raison du conflit :
- s’il s’agit d’une « erreur de frappe » (par exemple si « Apple » devrait en fait être « fraise »), le modèle conserve la sémantique globale ;
- s’il s’agit d’une « coexistence de plusieurs sens » (par exemple une page parlant à la fois des pommes-fruits et d’Apple l’entreprise), le modèle produit une « stratification sémantique » et met en avant en priorité le sens le plus pertinent pour la requête de l’utilisateur.
Comment Google garantit la précision de la correction contextuelle
| Dimension de test | Précision initiale (2020) | Précision optimisée (2024) | Méthode d’amélioration |
|---|---|---|---|
| Requêtes ambiguës (Python) | 58 % | 82 % | Introduction du mécanisme d’attention bidirectionnelle de BERT, plus 1 million de textes ambigus annotés |
| Correction des pronoms (« il / elle / cela ») | 65 % | 89 % | Entraînement d’un « modèle de résolution de coréférence » (sur plus de 100 000 phrases annotées) |
| Textes longs (>5000 caractères) | 52 % | 78 % | Introduction de « vecteurs globaux segmentés » (un vecteur local tous les 500 caractères) |
| Correction interlinguistique (anglais → chinois) | 48 % | 75 % | Combinaison avec un modèle BERT multilingue, plus 500 000 alignements interlangues annotés |
Comment le NLP détermine ce que veut l’utilisateur
La technologie NLP de Google détermine les besoins réels des utilisateurs en analysant le « type d’intention » de leurs requêtes (information / navigation / transaction), « l’expansion sémantique » (besoins implicites) et « l’adaptation au contexte » (temps / lieu / appareil).
Google traite plus de 8,5 milliards de recherches par jour (données 2024). Le CTR des requêtes informationnelles est passé de 12 % à 28 % après l’introduction du NLP, tandis que la précision des requêtes ambiguës est passée de 58 % à 82 % grâce à l’optimisation par BERT.
Types d’intention
1. Intention informationnelle : l’utilisateur veut « apprendre quelque chose »
Mots caractéristiques : « comment faire », « principe », « cause », « tutoriel », etc.
Exemple : lorsqu’un utilisateur recherche « comment préparer un café filtre manuel » ou « causes de l’infarctus du myocarde », le NLP fait correspondre cette requête avec des pages de tutoriels ou de vulgarisation.
Données à l’appui : les tests internes de Google en 2023 montrent que la proportion de résultats efficaces en première page pour les requêtes informationnelles est passée de 38 % à 72 % (grâce à l’identification de mots-clés comme « comment faire »).
2. Intention navigationnelle : l’utilisateur veut « trouver un site précis »
Mots caractéristiques : « site officiel », « officiel », « connexion », « inscription », etc.
Exemple : lorsqu’un utilisateur recherche « site officiel de Taobao » ou « connexion Apple ID », le NLP dirige directement vers le site officiel au lieu de renvoyer des pages tierces.
Données à l’appui : selon une étude Microsoft de 2024, la probabilité qu’un utilisateur clique sur le site cible pour une requête navigationnelle est passée de 45 % à 89 % (grâce à la reconnaissance précise de termes comme « officiel »).
3. Intention transactionnelle : l’utilisateur veut « acheter un produit / service »
Mots caractéristiques : « recommandation », « bon marché », « réduction », « acheter », etc.
Exemple : lorsqu’un utilisateur recherche « recommandation de clavier mécanique à prix abordable » ou « station-service à proximité », le NLP met en avant des pages e-commerce ou des commerces locaux.
Données à l’appui : une enquête eMarketer en 2024 montre que le taux de conversion des requêtes transactionnelles est passé de 3,2 % à 5,8 % (car le NLP couvre aussi des besoins implicites comme « recommandation » ou « réduction »).
Tableau comparatif des types d’intention :
| Type | Exemples de mots caractéristiques | Objectif de l’utilisateur | Stratégie de correspondance NLP |
|---|---|---|---|
| Informationnel | Comment faire, principe, tutoriel | Obtenir de la connaissance | Faire correspondre avec des pages de tutoriels / vulgarisation |
| Navigationnel | Site officiel, officiel, connexion | Accéder à un site précis | Rediriger directement vers le site officiel |
| Transactionnel | Recommandation, bon marché, réduction, acheter | Acheter un produit / service | Mettre en avant des pages e-commerce / commerces locaux |
Expansion sémantique
Les termes de recherche n’expriment en général que 10 % à 20 % du besoin central ; les 80 % à 90 % restants sont implicites (comme « prix », « difficulté », « scénario d’usage »).
Grâce à l’expansion sémantique (Semantic Expansion), le NLP étend les besoins à partir du mot central et couvre activement des intentions que l’utilisateur n’a pas formulées explicitement.
Méthode d’expansion 1 : expansion par mots associés
Le NLP s’appuie sur l’« espace vectoriel des mots » (Word Embedding) pour relier les mots centraux à des mots proches sur le plan sémantique. Par exemple :
- mot central « recettes minceur » → mots associés « faible en calories », « facile à faire », « adapté aux salariés », « sans sucre » ;
- mot central « que porter les jours de pluie ? » → mots associés « imperméable », « antidérapant », « léger », « chaud ».
Données à l’appui : les tests A/B de Google en 2022 ont montré que les résultats couvrant les besoins implicites faisaient passer le temps de lecture de 45 à 78 secondes (+73 %).
Méthode d’expansion 2 : expansion contextuelle
Le NLP combine l’heure de la recherche, le lieu et l’appareil pour affiner encore davantage les besoins. Par exemple :
- Contexte temporel : chercher « manteau » en hiver → expansion vers « doublé », « chaud » ; chercher « manteau » en été → expansion vers « anti-UV », « léger » ;
- Contexte géographique : chercher « hotpot » à Shanghai → expansion vers « populaire localement » ; chercher « hotpot » à Chengdu → expansion vers « authentique style sichuanais » ;
- Contexte appareil : sur mobile, chercher « station-service à proximité » → expansion vers « prix du carburant en temps réel », « la plus proche » ; sur ordinateur → expansion vers « avis utilisateurs », « promotions ».
Données à l’appui : une étude Microsoft multi-scénarios de 2024 a montré qu’après expansion contextuelle, le temps nécessaire pour accomplir une tâche a diminué de 42 % (sur mobile, de 90 à 52 secondes).
Comment le NLP « comprend » les besoins des utilisateurs
1. Compréhension du langage naturel (NLU)
Le NLU est la base du NLP : il « décompose » la requête utilisateur grâce à la segmentation, à la reconnaissance d’entités et à la relation sémantique. Par exemple :
- l’utilisateur recherche « test d’étanchéité iPhone 15 version 2025 » → segmentation en « version 2025 / iPhone 15 / test d’étanchéité » ;
- reconnaissance des entités comme « TIME (2025) », « PRODUCT (iPhone 15) », « EVENT (test d’étanchéité) » ;
- fusion sémantique en « test de performance d’étanchéité de l’iPhone 15 en 2025 ».
Données à l’appui : le blog technique de Google en 2023 indique que le NLU atteint une précision de 92 % dans la décomposition des requêtes complexes (dans les domaines généralistes).
2. Modèles de deep learning (comme BERT)
Les modèles préentraînés comme BERT apprennent la « sémantique contextuelle » à partir de billions de textes et résolvent ainsi les ambiguïtés. Par exemple :
- l’utilisateur recherche « Python » → BERT analyse le contexte (comme « fonction print() », « tutoriel de scraping ») → interprétation comme langage de programmation ;
- l’utilisateur recherche « Java » → BERT combine des mots associés comme « café » ou « programmation » → interprétation comme langage de programmation (62 %) ou île (18 %).
Données à l’appui : les tests internes de Google en 2024 montrent que BERT a fait passer la précision des requêtes ambiguës de 58 % à 82 %.
3. Intégration des données contextuelles en temps réel
Le NLP intègre des données en temps réel comme l’heure sur l’appareil, la position géographique et l’historique de recherche afin d’ajuster dynamiquement l’interprétation des besoins. Par exemple :
- un utilisateur recherche sur son téléphone « station-service à proximité » → le NLP obtient la position GPS → il met en avant les stations situées dans un rayon de 3 kilomètres ;
- un utilisateur recherche « billets de cinéma » le week-end → le NLP tient compte du facteur temporel (week-end) → il recommande les séances de cinémas populaires.
Données à l’appui : une enquête du Pew Research Center en 2024 a montré qu’après intégration des données contextuelles en temps réel, la satisfaction des utilisateurs vis-à-vis des résultats de recherche est passée de 68 % à 85 %.
Effets réels
Voici les données de comportement utilisateur dans trois scénarios typiques :
| Type de scénario | Recherche traditionnelle (sans NLP) | Recherche optimisée par NLP | Amélioration obtenue | Source des données |
|---|---|---|---|---|
| Requête informationnelle (comment faire un gâteau) | La première page mélange publicités et tutoriels non pertinents | La première page affiche directement un tutoriel clair et structuré | Temps de lecture : de 45 s → 78 s (+73 %) | Test A/B Google 2022 |
| Requête navigationnelle (site officiel de Taobao) | La première page contient des plateformes d’achat tierces | La première page n’affiche que le site officiel de Taobao | Probabilité de clic sur le site cible : de 45 % → 89 % | Étude Microsoft 2024 |
| Requête transactionnelle (clavier mécanique à prix abordable) | La première page mélange de nombreux produits coûteux | La première page met en avant des modèles au bon rapport qualité-prix | Taux de conversion : de 3,2 % → 5,8 % (+81 %) | Enquête eMarketer 2024 |
Pour conclure, je voudrais dire que le cœur de la capacité du NLP à comprendre les besoins des utilisateurs consiste à transformer « les mots saisis par l’utilisateur » en « l’intention réelle de l’utilisateur ».
