Un algorithme de pertinence est une méthode de calcul qui attribue à chaque document un score de correspondance avec une requête, afin d’ordonner les résultats renvoyés par un moteur de recherche ou un système documentaire.
Il relève de la recherche d’information, discipline qui étudie la manière de retrouver des documents utiles dans un grand ensemble. Les modèles classiques comparent les mots de la requête à ceux des documents. La pondération tf-idf donne du poids à un terme fréquent dans un document mais rare dans l’ensemble du corpus. Le modèle vectoriel représente requêtes et documents comme des vecteurs à comparer. Les modèles probabilistes, comme BM25, estiment la probabilité qu’un document réponde au besoin exprimé. Les approches récentes représentent le sens des textes par des embeddings et apprennent l’ordre des résultats par apprentissage automatique (machine learning).
Un algorithme de pertinence combine en général trois éléments : l’analyse de la requête et de son intention, la représentation des documents dans l’index et une fonction de score. Sa qualité s’évalue à part, par des mesures comme la précision et le rappel.
La pertinence ne se confond pas avec le classement final. Un moteur web combine la correspondance avec la requête et d’autres signaux, comme la fiabilité de la source, la facilité d’utilisation de la page ou le contexte de l’utilisateur. Elle se distingue aussi de la popularité, que mesure par exemple le PageRank à partir des liens, indépendamment de la requête. L’ensemble de ces calculs forme l’algorithme d’un moteur de recherche. Le terme sert en référencement naturel, dans la conception des moteurs internes de sites et dans les systèmes d’IA qui recherchent des documents avant de répondre.
La présentation du fonctionnement de la recherche publiée par Google distingue plusieurs familles de facteurs : le sens de la requête, la pertinence du contenu, sa qualité, la facilité d’utilisation de la page et le contexte. Pour la pertinence, le signal le plus élémentaire reste la présence des mots de la requête dans les titres ou le corps du texte. Google précise aussi utiliser des données d’interaction agrégées et anonymisées, qui alimentent des systèmes d’apprentissage automatique.
La conséquence pratique est simple. La pertinence ouvre l’accès au classement, elle ne le garantit pas. Une page parfaitement ciblée mais peu fiable ou difficile à lire peut céder la place à une page moins précise.
Les modèles classiques de la recherche d’information, présentés notamment dans le manuel de Manning, Raghavan et Schütze (Introduction to Information Retrieval, Cambridge University Press, 2008), s’appuient d’abord sur les termes : fréquence, rareté, proximité. Le même manuel traite aussi de l’analyse sémantique latente et du classement appris. Les moteurs actuels étendent ces approches. Le guide des systèmes de classement de Google (mise à jour de décembre 2025) décrit des systèmes d’IA qui relient les mots à des concepts, comme RankBrain, ou qui examinent des passages précis d’une page pour en juger la pertinence.
À notre avis, l’erreur de lecture la plus répandue consiste à raisonner encore en mots clés isolés. Le moteur cherche la page qui répond au besoin, même si elle n’emploie pas les termes exacts de la requête.
Comparez les requêtes pour lesquelles une page apparaît réellement avec celles que vous visiez. Un écart important signale une page mal comprise. Suivez ensuite le taux de clics par requête : une page visible mais peu cliquée répond mal à l’attente exprimée par le titre. Pour un moteur interne, suivez la part des recherches sans résultat et les reformulations successives. Ces repères sont ceux que nous proposons, non des normes.
Advalians évalue vos dispositifs, vos canaux et vos contenus, puis vous restitue des priorités claires et une feuille de route reliée à vos objectifs.
Advalians, cabinet de conseil indépendant en marketing et communication, vous aide à clarifier vos choix et à décider.
La pertinence mesure la correspondance entre une page et une requête donnée. La popularité mesure l’importance d’une page indépendamment de la requête, par exemple à partir des liens qu’elle reçoit. Une page peut être très populaire et hors sujet pour une recherche précise.
Diagnostiquez dans cet ordre. Si la page n’apparaît pas du tout sur la requête visée, travaillez d’abord sa pertinence : sujet, vocabulaire, structure. Si elle apparaît loin derrière des pages équivalentes, examinez ensuite sa fiabilité et ses liens entrants.
Partez de l’intention de la requête, puis vérifiez que la page y répond dès les premières lignes. Observez les pages déjà bien classées pour identifier le format attendu : définition, comparatif, guide ou fiche produit.
Ensuite, couvrez les sous-questions que se pose le lecteur, avec un intertitre explicite pour chacune. Employez le vocabulaire du domaine sans forcer les répétitions. Supprimez les passages hors sujet, qui diluent le propos. Enfin, assurez-vous qu’une seule page du site traite cette intention.
Consultez dans l’outil d’analyse du moteur la liste des requêtes pour lesquelles la page obtient des impressions. Comparez-la à la requête visée. Si les requêtes affichées sont voisines mais différentes, la page est comprise autrement que prévu.
Complétez par le taux de clics par requête. Une page affichée souvent mais peu cliquée promet, dans son titre ou sa description, autre chose que ce que le lecteur cherche. Refaites ce contrôle quelques semaines après chaque modification importante du contenu.
Non. La présence des termes de la requête reste un signal de base, mais les moteurs vérifient qu’une page ne se contente pas de les répéter. Au-delà d’un usage naturel, la répétition dégrade la lecture et peut relever de la sur-optimisation.
Une règle pratique : placez l’expression principale dans le titre, l’intertitre concerné et le premier paragraphe. Ailleurs, employez des synonymes et des termes associés. Relisez le texte à voix haute : si une phrase sonne artificielle pour un lecteur, réécrivez-la.
Oui, dès que la recherche interne pèse dans les parcours, comme sur un site marchand ou un centre d’aide. Le réglage par défaut ignore souvent vos synonymes, vos références produits et vos priorités commerciales.
Commencez par analyser les requêtes sans résultat et les reformulations. Ajoutez des synonymes, corrigez les fautes fréquentes, puis pondérez les champs, par exemple le titre plus que la description. Renoncez à un réglage fin si la recherche interne sert peu : le temps est mieux investi dans la navigation.
À l’aube de 2026, le paysage du marketing digital ne se contente plus..
Le marketing évolue à grande vitesse. Longtemps centré sur l’acte d’achat pur, le..
