Lors d’une intervention récente, Liz Reid, vice‑présidente en charge de la recherche chez Google, a exposé comment les résultats présentés par les systèmes d’IA intègrent les comportements réels des internautes pour décider quel contenu mettre en avant. Elle a également indiqué que la définition de ce qui constitue du spam a été élargie pour inclure les productions qui n’apportent ni perspective ni profondeur de la part de leur auteur.

Les préférences des utilisateurs orientent les résultats de recherche

Liz Reid a expliqué que les signaux comportementaux des utilisateurs renseignent Google sur les formats et types de contenu qu’ils souhaitent trouver — par exemple la montée des formats courts ou des contenus vidéo. Ces données poussent ensuite les systèmes à privilégier ces formats, et la mécanique d’apprentissage automatique s’adapte progressivement aux préférences observées (forums, articles textuels, vidéos, etc.).

En substance, elle a indiqué qu’il faut répondre à la demande des utilisateurs : fournir des informations de qualité, mais aussi des informations qu’ils recherchent activement. Google combine recherche utilisateur, tests expérimentaux et analyses comportementales pour ajuster ses classements en fonction des réactions réelles des internautes.

Autrement dit, les préférences des internautes ne sont pas de simples indicateurs passifs : elles modèlent activement ce que les systèmes d’IA présentent dans les pages de résultats. Les algorithmes de classement intègrent à la fois des critères de qualité et des préférences de type de contenu. En pratique, cela signifie que toute évolution des comportements (par exemple un basculement vers davantage de vidéos ou de formats longs) aura un impact réel sur les éléments mis en avant par les fonctionnalités basées sur l’IA. Pour les professionnels du référencement et les créateurs, la leçon est claire : surveiller l’engagement des publics et adapter sa stratégie éditoriale reste indispensable.

La génération par IA n’est pas automatiquement du spam

Liz Reid a rappelé que la qualité d’un texte n’est pas déterminée par son origine (humaine ou artificielle) mais par son apport réel. Un contenu généré par IA peut être performant s’il apporte de la valeur ; inversement, des productions humaines peuvent être qualifiées de spam si elles restent superficielles ou répétitives.

Elle a précisé que lorsque les gens parlent de contenu généré par IA, ils font souvent référence aux exemplaires de faible valeur (« IA slop ») — des productions sans réelle utilité ni originalité — et que l’objectif est d’empêcher que ce type de contenu n’émerge dans les résultats.

Ce positionnement a une portée opérationnelle : les systèmes d’évaluation appliquent des critères de qualité indépendamment du fait que le texte ait été produit par une personne ou par une machine. Le résultat : pour rester visible, un contenu doit apporter une valeur ajoutée mesurable — perspective originale, expérience terrain, analyse détaillée — et non être une simple compilation de formules génériques.

Les internautes cliquent davantage sur un contenu riche et distinctif

Lors de l’entretien, Liz Reid a décrit le type de contenu qui déclenche des clics et retient l’attention : des pages offrant de la profondeur, une vraie perspective ou un point de vue qui ne répète pas la même information déjà présente ailleurs. Les données montrent que les internautes fuient les pages superficielles : si le clic ne permet pas d’apprendre davantage, l’utilisateur revient rapidement en arrière (phénomène souvent appelé « pogo‑sticking » ou rebond), ce qui envoie un signal négatif aux systèmes de classement.

Elle a expliqué que, selon leurs observations, les extraits fournis par les fonctionnalités d’IA (comme les AI Overviews) dirigent les internautes vers des pages qui apportent un contenu plus dense et plus approfondi, et que cela diminue les clics qui se terminent par un retour immédiat.

Concrètement, les pages valorisées par ces outils sont celles qui offrent des éléments uniques : études de cas, témoignages, analyses originales, méthodologies détaillées, données exclusives, etc. Ces éléments rendent la consultation utile, augmentent le temps passé sur la page et réduisent le taux de rebond — autant de signaux positifs pour les algorithmes.

Comment Google ajuste le poids des signaux de classement

Une partie intéressante de l’entretien décrivait la manière dont Google redéfinit et pondère les critères servant à hiérarchiser les résultats. Liz Reid a indiqué que l’équipe élargit la notion de spam pour y inclure les contenus de faible valeur qui se contentent de répéter ce qui est déjà connu, sans apporter de point de vue distinct.

Elle a évoqué des efforts significatifs pour réduire la proportion de contenu indésirable dans les résultats, et l’intention d’« up‑weight » (augmenter le poids de) les pages produites par des auteurs qui montrent une véritable expertise, un effort et une maîtrise du sujet.

Autrement dit, les systèmes cherchent à pénaliser le contenu redondant et à favoriser les productions qui témoignent d’un réel investissement de l’auteur : recherche, vérification, contextualisation, témoignage personnel ou démonstration pratique. Ce recentrage s’inscrit dans la logique E‑E‑A‑T (Experience, Expertise, Authoritativeness, Trustworthiness) dont Google parle souvent, mais se traduit ici par des actions concrètes sur le classement des pages dans les résultats alimentés par l’IA.

Principales implications pour les créateurs et les référenceurs

À partir des éléments exposés par Liz Reid, plusieurs recommandations stratégiques se dégagent pour améliorer ses chances d’apparaître dans les résultats mis en valeur par l’IA :

1. Produire un contenu réellement « plus riche et plus profond »

Les observations de Google confirment que les internautes cliquent vers des pages qui clarifient un sujet au‑delà des évidences. Un contenu jugé « riche » comporte souvent :

• Des analyses originales ou des conclusions issues d’une synthèse personnelle ;
• Des données chiffrées, des graphiques ou des résultats d’enquêtes qui ne figurent pas ailleurs ;
• Des exemples concrets, études de cas ou retours d’expérience ;
• Une structure argumentée et des réponses détaillées aux questions fréquentes.

Conseil pratique : au lieu de répéter ce qui existe déjà, identifiez un angle inédit, approfondissez-le et illustrez le propos par des éléments vérifiables. Cela réduit le risque d’être catalogué comme spam ou contenu de faible valeur.

2. Afficher une vraie perspective humaine

La dimension humaine — points de vue, interprétations, expériences vécues — reste un facteur différenciant. Les utilisateurs attendent des réponses qui reflètent un raisonnement humain et une expertise pratique, pas seulement une compilation d’informations.

Pour cela :

• Incluez des anecdotes professionnelles ou des retours d’usage qui expliquent comment vous êtes arrivé aux conclusions présentées ;
• Expliquez les limites et les incertitudes, ce qui renforce la confiance et la crédibilité ;
• Privilégiez la clarté et l’honnêteté plutôt que la sur‑optimisation de mots‑clé sans valeur ajoutée.

3. Montrer son expertise et le soin apporté au travail

Liz Reid a insisté sur le fait que Google valorise les publications où l’auteur a réellement « mis du temps et de l’artisanat » : vérification des sources, méthode rigoureuse, mise en contexte experte. Les signaux techniques qui peuvent appuyer cette expertise incluent :

• L’évidence d’une source identifiable (biographie ou page auteur, cas d’étude, références) ;
• L’utilisation responsable de références primaires et de citations ;
• La présence de preuves (captures, tests, datasets) démontrant la démarche.

En pratique, un article construit autour d’une recherche originale ou d’un retour d’expérience détaillé a plus de chances d’être « up‑weighté » par les systèmes d’IA que du contenu purement agrégé.

Mesures et signaux à surveiller côté analytics

Pour traduire ces recommandations en actions mesurables, voici les indicateurs à observer régulièrement :

• Taux de rebond et taux de retour (pogo‑sticking) : un rebond rapide après un clic signale que le contenu n’a pas répondu aux attentes ;
• Durée moyenne des sessions et temps passé sur la page : des valeurs élevées indiquent une consultation approfondie ;
• Pages vues par session et parcours : montrent si le contenu invite à explorer davantage votre site ;
• Taux de conversion micro (téléchargements, inscriptions à une newsletter — sans en faire un appel à l’action agressif) : utile pour mesurer l’utilité pratique du contenu ;
• Sources de trafic et comportements selon la requête : permette d’identifier quels types de requêtes recherchent de la profondeur vs. du rapide.

Ces métriques permettent de juger si vos pages correspondent aux attentes des internautes et d’ajuster le format, la longueur, et l’angle éditorial en conséquence.

Bonnes pratiques pour utiliser l’IA sans sacrifier la qualité

L’utilisation d’outils de génération automatique peut accélérer la production de textes, mais pour éviter d’être pénalisé comme spam, il est indispensable d’appliquer un processus d’édition humaine strict :

• Ne publiez pas un texte généré tel quel : relisez, corrigez, enrichissez et reformulez pour y apporter une perspective unique ;
• Ajoutez des sources primaires, des chiffres propres et des tests pour valider les affirmations ;
• Utilisez l’IA pour la recherche ou la mise en forme, mais confiez la synthèse, l’analyse et les conclusions à un expert humain ;
• Indiquez clairement les méthodes et, si pertinent, la contribution de l’IA à la production (transparence). Cela renforce la confiance.

Exemples concrets de formats valorisés

Pour illustrer, voici des types de contenu susceptibles de mieux performer auprès des systèmes d’IA et des internautes :

• Études de cas détaillées montrant les étapes, décisions et résultats d’un projet réel ;
• Guides approfondis incluant tests, comparaisons et grilles d’évaluation originales ;
• Analyses sectorielles avec données chiffrées exclusives ou compilations inédites ;
• Interviews d’experts avec commentaires et synthèses ajoutés par l’auteur ;
• Long‑form articles structurant l’information avec une logique pédagogique (résumé, théories, application, limites, ressources).

À éviter : les pratiques qui mènent au statut de spam

Pour rester visible, évitez ces approches :

• Recycler des contenus déjà présents ailleurs sans ajout significatif ;
• Publier de longues pages répétitives qui ne répondent pas à une intention précise ;
• Remplir artificiellement une page de mots‑clé sans apport substantiel (keyword stuffing) ;
• Générer massivement des pages à faible valeur pour capter du trafic sur des recherches larges et peu qualifiées.

Stratégie éditoriale recommandée pour se conformer aux signaux d’IA

Voici une approche opérationnelle en plusieurs étapes pour aligner votre production sur ce que valorisent les systèmes d’IA :

1. Audit des contenus existants : identifiez les pages superficielles et celles qui montrent une vraie expertise ;
2. Priorisation : sélectionnez les sujets où vous pouvez apporter des données exclusives ou une forte valeur ajoutée ;
3. Recherches et sourcing : collectez des sources primaires, réalisez des tests, interrogez des experts ;
4. Rédaction approfondie : développez une structure logique, ajoutez analyses et exemples concrets ;
5. Relecture experte : faites valider les faits par un spécialiste, corrigez et enrichissez ;
6. Publication et suivi : surveillez les indicateurs (temps de visite, rebonds, engagement) et ajustez le format au besoin ;
7. Mise à jour régulière : actualisez les contenus en fonction des nouvelles données et retours d’expérience.

Comment mesurer l’effet des changements sur le classement

Pour évaluer si vos efforts portent leurs fruits :

• Suivez les positions organiques pour les requêtes ciblées et notez les changements après refonte ou enrichissement ;
• Mesurez l’évolution du trafic provenant des extraits d’IA (si vos outils d’analyse permettent de segmenter ce trafic) ;
• Comparez les comportements utilisateurs avant/après (temps moyen sur page, rebond, pages/sessions) ;
• Effectuez des tests A/B quand c’est pertinent : par exemple, une version courte vs. une version longue enrichie, pour mesurer l’impact sur le comportement.

Considérations éthiques et de transparence

L’utilisation croissante de l’IA soulève des questions de responsabilité éditoriale. Pour préserver la confiance :

• Pratiquez la transparence quant à l’usage de l’IA dans la production de contenu si cela a affecté substantiellement le texte ;
• Vérifiez systématiquement les faits avant publication et corrigez rapidement toute erreur ;
• Protégez la vie privée et respectez les droits d’auteur lors de la reprise de données ou d’extraits.

Résumé et conclusion

L’intervention de Liz Reid rappelle que les systèmes de recherche pilotés par l’IA s’appuient largement sur les comportements réels des utilisateurs pour déterminer quels formats et quels types de contenu méritent d’être mis en avant. Plutôt que de se focaliser sur l’origine (humaine ou automatique) du texte, ces systèmes évaluent la valeur ajoutée : la capacité d’un contenu à apporter de la profondeur, une perspective distincte et une preuve d’expertise.

Résultat pratique : pour rester visible, il faut produire des pages qui répondent réellement aux besoins d’information des internautes, démontrent un savoir‑faire et offrent des renseignements que l’on ne trouve pas simplement en recopiant ce qui existe déjà. Le travail recommandé combine rigueur éditoriale, transparence sur les méthodes et suivi analytique pour adapter continuellement la stratégie en fonction des signaux comportementaux.

L’entretien intégral est disponible ci‑dessous ; la partie citée dans cet article débute environ à 18 minutes.