Qu’est-ce que le Knowledge graph de Google ?
Aujourd’hui, en matière de recherche internet dans le monde, la puissance de Google n’est plus à démontrer. L’entreprise ne cesse d’optimiser son algorithme pour le grand bonheur des utilisateurs. La priorité du moteur de recherche est de répondre au mieux aux requêtes des internautes. C’est sans doute pour cela que le géant de la silicon Valley a développé le knowledge graph, un espace de résultats particulièrement pertinents.
Définition du knowledge graph
De nombreux outils permettent aux agences de création site web de mettre en évidence les contenus des plateformes qu’elles développent dans les résultats de recherche. L’un des moins connus, mais sans doute les plus avantageux, est le knowledge graph. Ce terme est un anglicisme qui se traduit littéralement en français par « Graphe de connaissances ». Il s’agit vraisemblablement d’un panneau d’informations que le moteur de recherches propose afin de répondre assez rapidement aux requêtes des internautes. Techniquement, le knowledge graph est toujours situé du côté droit de la SERP.
Lancé en 2012 par la firme du Moutain View, cet encadré comprend généralement différents types de données :
- un bref résumé d’informations encyclopédiques en rapport avec une entreprise, un lieu, une personne, un métier, etc.
- des images (photos) intégrant des liens qui orientent vers des sujets connexes.
- un terme (il peut s’agir simplement d’un mot) qui présente une relative ambiguïté avec la requête du visiteur
Chacune des informations que vous pouvez voir dans le panneau Google est, dans la plupart des cas, issue de deux sources distinctes. La plus connue est certainement Wikipedia, mais Google utilise aussi beaucoup Wikidata.
Utilité du knowledge graph
En considérant la définition que nous venons de voir, l’objectif d’un graphe de connaissances semble évident. En effet, il rend facile la recherche de l’internaute. Les utilisateurs passent souvent beaucoup de temps à rechercher une ou plusieurs informations sur Google. Grâce au graphe de connaissances, ils économisent suffisamment de temps. En effet, ils ne sont plus obligés de visiter un site pour trouver les données qu’ils recherchent. Il faut reconnaître qu’en matière de référencement naturel google, cela peut, dans une moindre mesure, constituer une menace. Si les internautes ne s’arrêtent qu’au niveau de la page des résultats Google, forcément, le trafic des sites diminuera.
Beaucoup de professionnels des agence seo accusent ainsi le moteur de recherche de faire de la concurrence déloyale avec les sites internet. Pour ces sites, cet encadré nuit gravement à leur visibilité sur la toile. Ce n’est pas le seul élément qui est remis en cause par les propriétaires de sites. Les featured snippet font également l’objet d’une grogne pour les mêmes raisons. Paradoxalement, certains professionnels estiment que pour une entreprise, le fait d’apparaître dans le knowledge graph représente une grande opportunité pour le référencement naturel.
Quelques applications du graphe de connaissances pour une entreprise
Peu appréciés par de nombreux entrepreneurs présents sur le web, les graphes de connaissances offrent malgré tout quelques avantages. Faisons un tour d’horizon de quelques cas d’utilisation de ces graphes.
La recherche sémantique
L’un des cas d’utilisations les plus populaires du graphe de connaissances est la recherche sémantique. Pour les recherches ordinaires, l’algorithme de Google effectue des calculs pour déterminer des similitudes entre les contenus des documents et les termes que l’utilisateur introduit. On a ainsi des documents et des résultats plus ou moins pertinents. En revanche, avec les recherches sémantiques, le procédé est tout autre. Le moteur analyse et identifie d’abord l’intention de la requête de l’internaute. Cela permet à l’algorithme de Google de retrouver assez rapidement l’information que recherche l’utilisateur. Pour y arriver, certaines entités sont alors extraites de la requête saisie par l’utilisateur afin d’interroger le knowledge graph.
L’élaboration du graphe de connaissances passe forcément par un étiquetage sémantique de chaque document examiné. Elle passe aussi par l’extraction des métadonnées, des entités et des liens qui existent entre ces derniers.
Les systèmes de recommandation
Ils permettent de présenter aux utilisateurs une information ou un produit qui peut l’intéresser. Les systèmes de recommandation se déclinent en deux modèles : le content based (modèle objet) et le collaborative filtering. Dans le premier cas, le système définit un profil pour chaque objet et propose à l’internaute d’autres objets qui ont un profil similaire. Si vous voyez un bloc avec l’inscription « vous aimeriez aussi… », sachez qu’il s’agit d’une application du knowledge graph. Dans le second cas, l’utilisateur reçoit des suggestions filtrées sur la base de ses propres choix et en rapport avec le même centre d’intérêt. C’est aussi une application du graphe de connaissances.
Les chatbots
Vous connaissez les chatbots des sites internet, mais vous ne savez peut-être pas toute la programmation qu’il y a derrière. Dans un chatbot, généralement, l’utilisateur introduit une requête totalement naturelle. Comment le système arrive-t-il à comprendre et interpréter cette requête ? C’est le grand défi des chatbots qui, en plus de l’interprétation, doivent guider la conversation et donner l’impression à l’utilisateur qu’il discute avec un humain. En réalité, c’est le graphe de connaissances qui apporte des informations pertinentes et contextualisées au système qui arrive alors à comprendre la requête de l’utilisateur.
Plusieurs autres applications du knowledge graph existent et permettent aujourd’hui à de nombreux sites de faire augmenter leurs chiffres d’affaires. Les data analytics et les catalogues de données sont par exemple d’autres use cases dont vous avez peut-être déjà entendu parler.