Vous avez déjà eu la chance de le voir à Performance Web lors de nos précédentes éditions, Sylvain Peyronnet revient cette année dans le cadre d’un atelier à TeknSEO. Après les passages de Bruno Guyot sur le tracking, celui de Vincent Lahaye sur Data Studio et de Vincent Courson de chez Google dans le cycle « Data Analytics », il animera un atelier sur la qualité et l’importance des liens tels que perçus par un moteur de recherche. Un cycle de TeknSEO qui s’annonce particulièrement enrichissant. En attendant, Sylvain introduit son atelier en répondant à nos questions.
Pour commencer, peux tu te présenter à nos lecteurs qui ne te connaitraient pas encore ?
J’ai plusieurs casquettes. Tout d’abord, j’ai monté il y a maintenant 4 ans les ix-labs, une entreprise qui a la double activité de R&D (machine learning principalement) et formation, un peu comme quand j’étais professeur des universités donc 😉
Ensuite, je suis le directeur scientifique de Qwant, moteur de recherche respectant la vie privée.
En gros, mon métier c’est toujours « les algorithmes », que ce soit pour les concevoir, pour les mettre en oeuvre, ou pour les enseigner.
Au final, je dirais donc que je suis algorithmicien, ça résume un peu tout comme ça 😉
On connait ton amour des algorithmes qui t’ont mené à collaborer avec Qwant, peux tu nous expliquer ton rôle au sein du moteur et la philosophie et les objectifs en terme de résultats pour ce moteur de recherche ?
En tant que directeur scientifique, j’ai un rôle de conseil global au sein du moteur, et un autre de supervision des équipes de R&D. Conseil global pour tout ce qui concerne ce qui est réalisé pour proposer des pistes d’améliorations algorithmiques : pour faire un meilleur moteur, pour faire un moteur moins cher, pour valider des nouvelles approches techniques, etc.
Sur la R&D pure et dure, j’en mène une partie moi même (par exemple en ce qui concerne le filtre adulte, ou les algorithmes de scoring des liens), et j’écoute et j’aiguille nos ingénieurs-chercheurs pour les challenger et faire en sorte qu’ils produisent les meilleurs algorithmes possibles.
La philosophie de Qwant est connue : fournir des résultats sincères en respectant la vie privée de nos utilisateurs. Ce credo provoque un challenge technique conséquent, puisque nous devons comprendre les utilisateurs, sans tracking et sans stocker de données personnelles.
Point de vue SEO, il y a bien évidemment des différences avec les autres moteurs, mais elles sont généralement à la marge (pour les uns les EMD fonctionneront bien, pour un autre moins bien, etc.). Mais le triptyque des trois signaux importants reste le même : popularité – pertinence – qualité utilisateur. Ensuite nous ajustons avec quelques algorithmes supplémentaires, mais l’idée de base est celle là.
Pourquoi est-il important de comprendre comment fonctionne un moteur de recherche pour être un bon SEO ?
Cela permet principalement d’éviter du travail inutile et de relativiser les croyances SEO, et les théories complotistes sur les moteurs qui en voudraient aux SEOs (indice : la plupart du temps les moteurs ne se préoccupent même pas des SEOs).
Après, plusieurs points du fonctionnement des moteurs ne sont pas connus des SEOs et à cause de cela ils font des erreurs grossières. Par exemple trop de SEOs ne connaissent pas la vraie définition du pagerank, et donc ne savent pas vraiment ce que sont les leviers du netlinking (typiquement le fait qu’on peut augmenter son pagerank avec un lien sortant bien fait, par exemple).
On te connait en conférence où tu essayes de vulgariser les concepts d’algorithmie, tu fais également des formations en petit comité, sais tu déjà comment tu vas aborder ton sujet dans le cadre d’un atelier TeknSEO ?
Rien n’est encore totalement décidé mais je vais essayer de revenir au concept de base et de faire un exposé plus interactif avec la salle.
Comment les moteurs peuvent-il encore améliorer la gestion de la qualité sur le web, que ce soit pour les contenus mais aussi pour les liens ?
Pour les contenus, l’apport des nouvelles méthodes basées sur les réseaux de neurones permettent de construire des modèles de la langue et de la sémantique beaucoup plus riches et donc de mieux capter ce que l’humain estime comme étant un contenu pertinent et de qualité.
Pour les liens, il s’agit de faire de la meilleure data science, en croisant des informations objectives (les liens, les ancres et les emplacements) avec des informations subjectives (la qualité perçue par les utilisateurs) pour comprendre ce qu’est un lien de valeur.
