Référencement, Design et Cie

Google supporte désormais les attributs rel="next" et rel="prev" ! Longtemps ignorés par les moteurs de recherches, ces attributs de la balise <link> ont vocation à définir des relations entre des pages web constituant une série telles qu'une suite de pages de résultats, un article scindé en plusieurs pages ou tout autre forme de pagination.

Selon Google, le support de ces attributs devrait permettre de "consolider les données d'indexation" notamment en ce qui concerne les liens. Le linkjuice (PageRank et ancres de liens) considéré ne serait donc plus uniquement celui des pages prises individuellement, mais celui de la série vue comme un tout. Les 1ères pages des séries devraient également être favorisées dans les pages de résultats du moteur.

Il est à noter qu'utiliser les attributs rel="prev" et rel="next" n'est en aucun cas une obligation, et que leur utilisation est parfois même déconseillée : si vous avez un contenu paginé qui est également accessible dans une version non paginée (tel que les pages "afficher tout") Google conseille alors de définir la version non paginée comme URL canonique à l'aide de la balise rel="canonical".

Les rel="prev" et rel="next" insérés automatiquement par certains scripts de blogs pourraient à mon avis poser également quelques soucis quand on cherche à faire remonter dans les résultats des moteurs les billets eux-même et non le billet le plus récent. Mais il est trop tôt pour le dire. A surveiller donc.

Conséquence inéluctable de l'Alliance Search entre Microsoft et Yahoo, le passage de Yahoo à la technologie Bing pour les résultats naturels, déjà actif aux USA depuis Août 2010, aura lieu pour la France la 3 août prochain. Ne vous étonnez pas donc si vos positions évoluent à la hausse ou à la baisse. A partir du 3 août nous n'aurons donc plus que 3 moteurs en France au final : Google, Bing et... Voila :/

Après Sick Scraper, présenté lors de mon précédent billet, intéressons-nous aujourd'hui au content spinning, à savoir la recombination de texte dans le but de produire des contenus uniques. Pour ce faire, je vous propose d'utiliser le logiciel gratuit Synonymizer, développé par SeoDevGroup. Rassurez-vous, ce blog n'a pas viré black-hat et nous allons voir que le content spinning peut tout à faire avoir des applications white-hat.

Le fonctionnement des outils de spinning est plutôt simple, du moins dans son principe : les parties d'un texte à spinner sont balisées avec des accolades, les variations étant séparée par des pipes. Il est possible d'imbriquer les parties à spinner, ce qui permet d'autant plus de variations.

Exemple de formule de spin :

{{Le blog|Le site|Site|Site personnel} d'un|Un} {consultant|expert} {parlant|traitant} {de|essentiellement de|principalement de} {référencement|référencement (SEO)|SEO|référencement naturel}{,| ainsi que| mais {également|aussi}} {d'ergonomie|d'accessibilité|d'usabilité}, {d'écriture web|de copywriting} et de {marketing|e-marketing|communication internet}.

Cette formule donnera des centaines de variations qui pourront constituer autant de descriptions uniques pour annuaires :

• "Un consultant parlant de référencement, d'usabilité, d'écriture web et de e-marketing"
• "Un expert parlant de référencement, d'ergonomie, de copywriting et de marketing"
• "Site d'un expert parlant de référencement naturel mais également d'accessibilité, de copywriting et de marketing"
• "Le blog d'un consultant traitant de référencement (SEO) mais aussi d'ergonomie, d'écriture web et de communication internet"
• "Un consultant traitant de référencement, d'ergonomie, de copywriting et de marketing"
• "Le blog d'un expert traitant principalement de référencement (SEO) mais aussi d'ergonomie, d'écriture web et de communication internet"
• "Un expert parlant de référencement mais également d'usabilité, de copywriting et de e-marketing"
• "Un consultant parlant de référencement (SEO) mais également d'ergonomie, d'écriture web et de marketing"
• Etc.

La même approche pourrait être utilisée pour des communiqués de presse.

Le content spinning peut également être utilisé pour générer automatiquement des listes d'expressions-clés pour des campagnes de liens sponsorisés ou du contrôle de positionnement.

Exemple :

{achat|acheter|location|louer} {maison|appartement|studio} {Lille|Marcq en Baroeul|La Madeleine}

Cette formule produira une liste de toutes les combinaisons possible de ces mots-clés :

• "achat maison Lille"
• "achat maison Marcq en Baroeul"
• "achat maison La Madeleine"
• "achat appartement Lille"
• "achat appartement Marcq en Baroeul"
• "achat appartement La Madeleine"
• "achat studio Lille"
• "achat studio Marcq en Baroeul"
• "achat studio La Madeleine"
• "acheter maison Lille"
• "acheter maison Marcq en Baroeul"
• Etc.

Bref un outil potentiellement très utile aux référenceurs et webmasters, tous chapeaux confondus.

Signalé par Supergago sur le forum Seosphère, Sick Scraper est un logiciel de scraping totalement gratuit qui propose les mêmes fonctionnalités que le module Harvester du célèbre Scrapebox. Le logiciel est volontairement bien moins complet que Scrapebox, puisque conçu comme un complément à Sick Submitter, le produit phare de l'éditeur. Mais il reste un très bon outil pour aller à la chasse aux URLs.

Comme Scrapebox, la recherche des URLs se fait en spécifiant une empreinte (ou footprint, par exemple "ajouter un site") et optionnellement des mots-clés. Le logiciel va alors interroger les moteurs de recherche spécifiés et extraire les URLs des pages de résultats. Pour du scraping massif il est possible d'utiliser des proxies, que le logiciel peut récuperer de lui-même. Une fois les URLs scrapées, Sick Scraper permet d'appliquer divers traitements pour nettoyer les résultats, comme la suppression des doublons, la suppression des résultats multiples d'un même site, la suppression des URLs correspondants à des fichiers, et la récupération des pageranks des URLs.

Combiné à un logiciel de complétion de formulaires comme Fireform, lui aussi gratuit, Sick Scraper permet ainsi d'accélerer significativement la soumission aux annuaire, la recherche de billets à commenter etc. Ces opérations doivent bien sûr être effectuées de façon légitime et manuelle :)

Que l'on soit consultant ou que l'on travaille chez l'annonceur, l'optimisation du référencement d'un site passe toujours par une phase de découverte qui va concerner la structure du site, son contenu, sa popularité et divers aspects liés au marketing.

Par où commencer ? On peut parfois se sentir perdu...Aussi voici une quarantaine de questions à se poser pour bien appréhender un site. Ces questions constituent une grille de lecture personnelle, et ne prétendent pas être la checklist ultime. En particulier, il ne s'agit pas de faire un inventaire complet des possibilités d'optimisation. Mais répondre à ces questions devrait vous permettre de détecter la plus grosse partie des problèmes susceptibles de se poser en matière de référencement. Notez que cette checklist peut également servir en avant-vente, pour estimer la quantité de travail nécessaire à une prestation ;)

Structure

• Quels sont les noms de domaines rattachés au site ?
• Dans le cas d'un site multi-domaines un domaine canonique est-il défini ?
• Le site possède-t-il bien une extension (TLD) adaptée au marché visé ?
• Quels sont les sous-domaines du site ?
• Les URLs sans "www" sont-elles redirigées vers leurs équivalents avec "www" ?
• Le temps de chargement des pages est-il satisfaisant ?
• Quel est le contenu des entêtes HTTP des pages ?
• Le protocole HTTPS est-il utilisé sur le site ?
• Existe-t-il des redirections multiples ?
• Quel est le contenu des entêtes HTML (<head>) des pages ?
• Quel est le contenu du fichier robots.txt ?
• Pour les gros sites, un sitemap XML est-il présent ?
• L'ensemble des pages du site sont-elles techniquement accessibles ?
• Combien de clics faut-il pour accéder aux pages les plus profondes ?
• La sémantique du balisage HTML est-elle respectée ?
• Des pages du sites sont-elles accessibles via plusieurs URLs (duplicate content) ?
• Si des pages sont accessibles via plusieurs URLs, des URLs canoniques sont-elles définies ?
• Les contenus non-accessibles ont-ils une alternative HTML ?
• Du contenu caché est-il présent sur le site ?

Contenu

• Le contenu des balises <title> est-il pertinent ?
• La titraille des pages est-elle pertinente ?
• Les intitulés des liens sont-ils pertinents ?
• Le contenu des attributs alt est-il pertinent ?
• Le contenu en général est-il riche en expressions-clés ?
• Le contenu est-il trop lourdement optimisé ?
• Les expressions-clés employées sont elles les bonnes ?
• Le site possède-t-il les contenus adéquats par rapport aux expressions-clés visées ?
• Les contenus du site sont-ils uniques ?
• Du contenu uniquement à destination des robots est-il présent ?

Popularité

• Quel est le PageRank de la page d'accueil du site ?
• Combien le site possède-t-il de liens entrants ?
• D'où viennent les liens entrants du site ?
• Quelles sont les ancres des liens entrants ?
• Le site possède-t-il des liens entrants douteux ?
• Le maillage interne du site permet-il une bonne distribution de la popularité ?

Divers

• le site est-il doté d'une solution de mesure d'audience ?
• Le site possède-t-il un compte Webmaster Tools ?
• Quel est le degré de concurrence du secteur ?
• Quels sont les concurrents directs et indirects ?
• Quel est l'état d'optimisation des concurrents ?
• Si le site a une dimension locale, possède-t-il une fiche Google Adresse ?
• Le site publie-t-il sur des sites tiers (Youtube, Dailymotion, Slideshare, réseaux sociaux...) ?
• Les publications sur les sites tiers sont-elles optimisées ?

La semaine dernière, Danny Sullivan sur Search Engine Land s'est fendu d'un excellent billet récapitulatif sur Google Suggest, que je ne peux que vous encourager à lire. Pour les plus pressés en voici une synthèse ;)

• Les suggestions Google sont basées sur des recherches réelles.
• Les suggestions peuvent varier en fonction de la localisation et de la langue.
• Les suggestions peuvent inclure les propres recherche de l'utilisateur (si l'historique est activé).
• Les suggestions sont classées par pertinence plus que par popularité.
• Les suggestions corrigent (autant que possible) les fautes courantes.
• Les suggestions peuvent être influencées par des pics temporaires de popularité (principe de QDF).
• Certaines suggestions peuvent être filtrées (données personnelles, requêtes "illegales", requêtes "de haine"...)
• Certaines suggestions peuvent être bloquées manuellement.
• Il n'est pas possible de demander la suppression d'une suggestion (sauf à aller en justice).

Impactant jusque ici uniquement les résultats américains du moteur, l'update Panda est dorénavant déployé au niveau mondial. Géographiquement du moins, puisque seuls les utilisateurs anglophones sont pour l'instant concernés.

Le Panda a également pris du muscle, nourri par le feedback des internautes utilisant la fonction de blocage des sites. La prise en compte du feedback utilisateur dans l'algorithme n'est cependant pas automatique : Google a en effet annoncé que celle-ci n'était effective que dans les "situations de haute confiance". Cette amélioration supplémentaire impacterait 2% de requêtes US supplémentaires. Le Panda nouveau concernerait donc près de 14% des requêtes.

Dans une interview accordée au magazine Wired, Matt Cutts et Amit Singhal donnent quelques informations supplémentaire sur la dernière mise à jour de l'algorithme. Condensé des points les plus intéressants :

Le nom de code interne de cette update est en fait "Panda", d'après le nom d'un des ingénieurs Google ayant participé au projet. Le nom de "Farmer" avait été donné par Danny Sullivan, cet algorithme étant censé viser les fermes de contenu. Amit Singhal explique que suite à l'update Caffeine, qui a permis un crawl plus efficace, , l'index de Google a augmenté rapidement. Beaucoup de nouveaux contenus ont été indexés, dont des contenus peu qualitatifs. Le problème est que ces derniers ne ressemblaient pas aux habituels contenus semi-aléatoires habituellement bien pris en charge par le moteur, mais plutôt à des contenus creux écrits à la main. Une mise à jour s'imposait donc.

Comment reconnaître ces contenus creux ? Google explique que ses équipes ont mis au point un set de questions telles que "voyez-vous ce site comme une autorité ?", "ces contenus pourraent-ils être ceux d'un magazine ?", "trouvez-vous que ce site affiche trop de publicités ?" etc. Ces questions ont été soumises à des évaluateurs. A partir de leurs réponses, une définition des contenus non qualitatifs a été forgée. Le nouvel algorithme tente de recréer la même intuition en prenant en compte divers signaux (sans détailler lesquels, helas). Selon Google, de réelles correlations mathématiques peuvent être observées.

Quid des sites estimant avoir été pénalisés injustement ? Matt Cutts explique que l'algorithme, s'il reste perfectible est plutôt fiable. Néanmoins Google est ouvert aux retour des webmasters et a d'ailleurs ouvert un fil de de discussion sur Webmaster Central. Wisz, un employé Google, y explique en particulier que la présence de contenus de mauvais qualité dans une partie d'un site peut affecter la visibilité du site dans son ensemble. Wisz y évoque aussi les contenus que Google ne souhaite pas faire remonter dans ses pages de résultats : contenus creux, mal écrits, copiés sur d'autre sites, ou sans réelle utilité.

Enfin, Matt Cutts explique que les pages de résultats de Google restent de toute façon une opinion. La seule façon pour le moteur d'être neutre serait de fournir des résultats aléatoires, ou de trier les pages par ordre alphabétique, ce qui n'est évidemment pas ce que recherche l'utilisateur.

Mardi et mercredi derniers avait donc lieu SEO Campus. Retour sur quelques conférences :

Philippe Yonnet sur 1 an d'évolution des moteurs

Philippe a réussi à nous résumer une année d'actualité SEO en 1h, ce qui n'est pas rien. Tous les évenements marquants ont été évoqués : montée du mobile, acquisitions Google, évolutions des interfaces, mises à jour algorithmiques... Les deux points que j'en retiens sont l'apparition de la balise link rel hreflang, passée quelque peu inaperçue, et l'insistance de Philippe sur le fait que les positions ne sont pas tout et que des pertes sensibles de positions ne se traduisent pas forcément par des pertes de trafic.

Lancement de Bing France

Bing est donc désormais officiellement lancé en France. Pour le moteur, cet évènement a été l'occasion de mettre en valeur ses partenaires (Pages Jaunes, Allociné, Gallica, GIE E-presse...) faisant de Bing "le moteur le plus français qui existe". Ce fût aussi l'occasion de promouvoir son interface, voulue plus innovante que celle des concurrents. Dixit les officiels de Microsoft, "Google est comme le DOS de la recherche, Bing veut être le Windows". La comparaison est à mon sens malheureuse quand on sait que les premières versions de Windows n'étaient qu'une surcouche graphique de DOS, càd une interface ne changeant rien au moteur derrière... La question de la pertinence n'a finalement été que très peu abordée. "C'est un débat qui appartient au passé" si l'on en croit les représentant du moteurs. A voir. Il est également regrettable que les démos utilisent toujours les même exemples. Cela réduit leur crédibilité. Concernant l'intégration des résultats Bing dans Yahoo France, celle-ci devrait se faire d'ici dans les 3 mois.

Ateliers participatifs

J'ai été amené à animer deux ateliers participatifs, l'un sur les guidelines des moteurs, l'autre sur l'écriture web. Ce format est une première pour moi et je dois avouer qu'animer un débat sur un sujet non connu à l'avance n'est pas si simple :)

Le premier atelier sur les guidelines a donné lieu à des échanges animés entre les participants, les uns clairement black-hat, les autres clairement white-hat, et beaucoup d'autres entre deux. Il en est notamment ressorti que la distinction entre les deux mondes n'est pas si simple, ou plutôt qu'elle varie selon le critère retenu (technique ? intention ?). Le second atelier a été l'occasion d'échanger en petit comité sur les pratiques d'écriture pour le web.

Exalead sur les applications avancées des moteurs de recherche

Cette conférence s'est au final avérée très sympathique après un début un peu trop abstrait à mon goût. Rien à voir avec le SEO, mais les démonstrations technologiques d'Exalead montrent des modes de recherche et des applications très innovantes, grâce à l'extraction de sens de contenus multimédias ou non explicites. Exalead permet aussi de scraper comme un goret ;) Des exemples sur Exalabs :)

David Cohen sur la réactivité et le SEO

Une présentation pas forcément technique, mais des conseils judicieux pour suivre son référencement au plus près. Parmi les conseils que nous a donné David : abusez de la fonction de comparaison de périodes dans Analytics, annotez-y les évènements relatifs au site, constituez-vous une timeline, et segmentez dans Google Analytics les différentes parties de votre site pour une analyse plus fine.

Sébastien Monnier sur les astuces Google Analytics

La présentation de Sébastien a été une de celle que j'ai apprécié le plus, de par sa clarté. Plutôt que vous résumer les astuces décrites, je vous suggère de les consulter directement sur son site ;)

Majestic SEO

Une très bonne présentation en anglais donnant des pistes créatives pour la création de liens entrants. Une des plus élégantes est sans doute la technique de la "réclamation de liens" : recensez vos liens entrants et les pages de destination associées (avec Majestic SEO par exemple), testez les entêtes HTTP de ces pages de destination, filtrez les codes 200 et vous obtiendrez toute une liste de pages faisant des liens vers vous mais dont la page de destination ne peut être atteinte. Contactez les webmasters concernés et vous gagnerez ainsi des liens facilement.

Site clinic Google

Une déception, la teneur des conseils donnés étant à la portée de n'importe quel référenceur avec un minimum d'expérience (et encore des référenceurs auraient pu donner de meilleurs conseils). L'intérêt de faire venir 3 googlers de Dublin me semble donc discutable. Il serait plus intéressant AMHA que les équipes Google vienne avec des exemples de sites de mauvaises qualités, montrant clairement ce qui est acceptable et ce qui ne l'est pas de leur point de vue, quitte à animer à coté un site clinic.

Dans un billet publié hier sur le blog officiel du moteur, Matt Cutts et Amit Singhal ont annoncé une mise à jour importante de l'algorithme de Google. Cette mise à jour ne concerne pour l'instant que les résultats US du moteur et ne sera étendue que progressivement aux autres pays. Généralement, les modifications d'algorithme sont assez subtiles. Celle-ci semble plus importante que d'habitude, puisque elle toucherait 11,8% des requêtes US.

Comme d'habitude, aucun détail précis n'est donné. Pour Google, cette mise à jour a pour but "de réduire la visibilité des sites de mauvaise qualité" et concerne "les sites à faible valeur ajoutée pour l'utilisateurs, qui copient le contenu d'autres sites, ou qui ne sont pas vraiment utiles". "Les sites de haute qualité, proposant du contenu original et de l'information telle que des recherches, des études approfondies, des analyses" devraient quant à eux bénéficier de cet update.

Google précise que cette mise a jour ne repose pas sur les retours utilisateurs collectés via l'extension Personal Blocklist lancée la semaine dernière. Cependant l'examen des sites bloqués par les utilisateurs montre que ceux-ci correspondraient à 84% avec les sites identifiés par le nouvel algorithme comme étant de mauvaise qualité, ce qui démontre selon Google sa pertinence. Ce point est intéressant, car il montre la façon dont le feedback utilisateur pourrait être pris en compte par les moteurs : l'identification de sites spammy ou de mauvaise qualité serait d'abord et avant tout algorithmique, puis les indicateurs comportementaux viendraient en complément pour confirmer ou infirmer le caractère spammy des sites. Si les évaluations algorithmiques et comportementales concordent, alors le risque de faux positif est faible et le site pourrait être déclassé ou blacklisté.

Après, est-ce que tout cela bouleverse le référencement ? Mon intuition me dit "pas vraiment", surtout si on est un bisounours ;) Certains observateurs US semblent sceptiques sur cet update. Par contre il est probable que la tendance à pénaliser les sites affichant des contenus trop génériques, ou ayant trop tendance à agréger de l'information, va aller en s'accentuant.

En commentaire d'un des débats récents sur le référencement éthique, j'évoquais la différence selon moi qu'il existe entre exercer une influence et fausser. Yacine du blog Ya-Graphic m'a proposé de développer davantage mon propos. C'est chez-lui que ça se passe :)

Les vidéos de Paris Web 2011 sont en ligne !

Ci-dessous la présentation que j'ai faite lors de cette édition sur le thème de la convergence entre SEO et accessibilité. Asseyez-vous confortablement, la vidéo dure près d'1h30 ;)

[Atelier] Référencement et utilisabilité [...]
envoyé par parisweb

Dans le monde du référencement français, il est fréquent de désigner sous le terme de bisounours les personnes ayant une vision du métier axée sur le respect des bonnes pratiques. Le bisounours n'est ainsi qu'un white hat qui assume pleinement son positionnement. La qualification de bisounours est le plus souvent faite le ton de la badinerie. Je signe d'ailleurs volontiers de ce terme lorsque je commente chez mes confrères black hats. Parfois la qualification est moins sympathique : le bisounours serait un idéaliste un peu benêt, un doux rêveur déconnecté de la réalité.

Si je me reconnais volontiers dans la première définition, c'est bien moins le cas de la seconde (même si je confesse une tendance à l'idealisme). Faire le choix de méthodes de référencement éthiques n'est pas de la naiveté, mais au contraire un choix stratégique long-termiste, pleinement ancré dans le réel. Les méthodes black-hat sont tout à fait capables de propulser rapidement votre site dans les premiers résultats des moteurs, c'est d'ailleurs là tout leur intérêt. Les résultats ainsi obtenus peuvent même être raisonnablement durables et il faut saluer l'ingéniosité des méthodes déployées. Mais le risque est également grand de se manquer et de finir dans les oubliettes de l'algorithme. On devra donc repartir de zéro, en ayant au passage éventuellement pas mal pollué le web et déçu des visiteurs. Si ce risque est assumé, aucun problème, il ne s'agit pas de d'affirmer la supériorité de telle ou telle couleur de chapeau. Mais mon choix va vers des méthodes de référencement soutenables.

Et l'éthique dans tout ça ? Pour moi le référencement dit éthique ne peut se résumer au simple respect des guidelines des moteurs, même si ces guidelines font évidemment partie de l'éthique. L'éthique en matière de référencement consiste à ne pas nuire à autrui, qu'il s'agisse du site dont on gère la visibilité, des internautes, ou des moteurs.

Travaillant à actualiser mes cours de référencement, je ne résiste pas à l'envie de partager avec vous quelques passages-clés de l'article visionnaire de Vannevar Bush intitulé "As we may think" (comme nous pourrions penser). Vannevar y décrit ce que sera le web. C'était en... 1945. Soit 18 ans avant la création du terme "hypertexte" par Ted Nelson, et 45 ans avant l'avènement du premier serveur web.

"Imaginons un appareil de l’avenir à usage individuel, une sorte de classeur et de bibliothèque personnels et mécaniques (...) Un memex, c’est un appareil dans lequel une personne stocke tous ses livres, ses archives et sa correspondance, et qui est mécanisé de façon à permettre la consultation à une vitesse énorme et avec une grande souplesse. Il s’agit d’un supplément agrandi et intime de sa mémoire (...)"

"Une étape s’avère indispensable au classement par association, dont le principe reposerait sur un système permettant à tout article d’en sélectionner immédiatement et automatiquement un autre. C’est ce processus reliant deux articles l’un à l’autre qui caractérise le memex (...) Ainsi, à tout moment, quand l’un de ces documents est visible, l’autre peut être rappelé instantanément."

"Des formes entièrement nouvelles d’encyclopédies vont apparaître, prêtes à l’emploi avec un réseau de pistes fonctionnant par association les traversant, prêtes à être insérées et amplifiées dans le memex (...)"

"Le memex sous la forme d'un bureau serait capable de mettre à portée de main de l'operateur les fichiers et documents relatifs à n'importe quel sujet".

(Traduction partielle plus complète ici)