QBST (Query Based Salient Terms)

QBST (Query Based Salient Terms, « termes saillants fondés sur les requêtes ») est l'un des signaux de classement de Google dont l'existence a été révélée par les documents du procès antitrust américain, en 2023. D'après les pièces présentées, il identifie, pour une requête donnée, les termes les plus significatifs dans les pages et dans les requêtes voisines, en s'appuyant sur les données de comportement des utilisateurs accumulées par Google. Il fait partie, avec Navboost, des signaux « fabriqués à la main » qui reposent sur la mémorisation de données massives, par opposition aux modèles d'apprentissage profond comme RankBrain ou DeepRank. Google n'a jamais documenté QBST publiquement : ce que l'on en sait vient de ces pièces et des témoignages.

Son rôle ? Analyser finement chaque mot d'une recherche utilisateur et le mettre en relation avec le vocabulaire des pages web pour garantir les meilleurs résultats possibles. QBST s'appuie sur des données utilisateur massives pour détecter les mots et expressions les plus pertinents.

Il filtre ainsi les résultats, en se concentrant sur les termes qui décrivent le contexte de la recherche. Pour les professionnels du SEO, la compréhension de QBST ouvre de nouvelles perspectives : l'utilisation stratégique des termes saillants dans leurs contenus permet d'optimiser naturellement leur visibilité sur Google.

Comment fonctionne l'algorithme QBST de Google ?

D'après les pièces du procès, QBST repère, pour une requête, les termes qui portent réellement le sens de la recherche et ceux qui caractérisent les documents pertinents, en pondérant chaque terme selon son importance observée dans les requêtes et les clics des utilisateurs.

Contrairement à une pondération classique de type TF-IDF, qui mesure la rareté d'un terme dans l'ensemble du web, QBST mesure son importance par rapport à la requête : un mot fréquent partout peut être saillant pour une recherche donnée, et un mot rare peut ne pas l'être.

Une présentation interne de Google versée au dossier décrit QBST et Navboost comme des signaux qui « mémorisent » des données d'interaction plutôt qu'ils ne les généralisent : leur force vient du volume de requêtes et de clics observés, une des raisons pour lesquelles, selon le témoignage de Google, un concurrent disposant de moins de données ne peut pas reproduire la qualité de ses résultats.

Le résultat est une liste de termes saillants par requête, utilisée pour évaluer dans quelle mesure une page répond au sujet tel que les internautes le formulent, et non tel que la page le décrit.

Quelles stratégies SEO adopter pour optimiser selon le QBST ?

Pour optimiser votre SEO avec QBST, misez sur les mots-clés qui comptent vraiment. L'algorithme repère ces termes saillants et les utilise pour classer les pages. Un coup d'œil aux sites les mieux positionnés le confirme : leur succès repose sur un choix précis des expressions clés.

Voici des stratégies pour maximiser votre référencement :

• Repérez les mots-clés qui résonnent avec votre public et incorporez-les naturellement dans vos textes.
• Variez votre vocabulaire en utilisant des mots proches ou similaires, Google saura les reconnaître.
• Assurez-vous que votre contenu est bien structuré et facile à lire, ce qui améliore l'expérience utilisateur et peut influencer positivement votre classement.
• Examinez les pages en tête des résultats pour comprendre les termes saillants qu'elles emploient, une pratique soutenue par l'efficacité prouvée des algorithmes comme QBST.
• Analysez régulièrement les performances de votre site avec des outils d'analyse de performance pour ajuster vos stratégies en conséquence.
• Restez attentif aux tendances de recherche pour adapter votre contenu et garder un avantage compétitif. Par exemple, si vous gérez un site de cuisine, ne vous limitez pas à 'recette gâteau chocolat', pensez aussi à 'dessert chocolaté', 'gâteau moelleux', etc. 

QBST parmi les signaux de Google

Les pièces du procès (notamment une présentation de 2016 sur les « signaux de classement » de Google) distinguent deux familles : les signaux conçus à la main, dont QBST (termes saillants), Navboost (clics), les signaux de pertinence de base et les signaux de qualité, et les modèles d'apprentissage automatique apparus ensuite, RankBrain (2015), DeepRank (fondé sur BERT) et RankEmbed. Les seconds généralisent à partir d'exemples, les premiers exploitent des données mémorisées à grande échelle. Google combine les deux, et les témoignages indiquent que les signaux fondés sur les données d'utilisateurs restent parmi les plus puissants. Pour le SEO, la leçon de QBST rejoint celle des systèmes de compréhension du langage : une page doit employer le vocabulaire que les internautes associent réellement au sujet, ce que l'on observe en analysant les pages les mieux classées et les requêtes associées, plutôt que de répéter une expression exacte.

FAQ

QBST est-il un facteur de classement officiel ?

Google ne publie pas la liste de ses signaux et n'a jamais documenté QBST. Son existence et sa description viennent des pièces et témoignages du procès antitrust américain (2023), qui le présentent comme l'un des signaux de pertinence fondés sur les données d'utilisateurs. Son poids exact et son fonctionnement détaillé restent inconnus.

Quelle est la différence entre QBST et Navboost ?

Les deux exploitent des données d'utilisateurs mémorisées, mais pas les mêmes : Navboost mémorise les clics sur les résultats pour chaque requête, QBST mémorise les termes qui comptent pour chaque requête. L'un mesure la satisfaction, l'autre la pertinence lexicale.

Peut-on optimiser une page pour QBST ?

Pas directement, faute de savoir précisément ce qu'il calcule. La pratique cohérente avec son principe consiste à couvrir le vocabulaire que les internautes et les pages de référence associent au sujet : les outils d'optimisation sémantique (YourText.Guru, 1.fr, Semji, SurferSEO) font ce travail en comparant une page aux mieux classées, et les requêtes associées de Google et de la Search Console révèlent les termes attendus.

Pourquoi ces signaux ont-ils été rendus publics ?

Parce que le procès intenté par le ministère américain de la Justice portait sur la position dominante de Google, et que Google a défendu la qualité de son moteur en expliquant ce qui la fonde : des signaux nourris par des volumes de données que ses concurrents n'ont pas. Les pièces ont été rendues publiques par le tribunal, parfois expurgées.

En résumé

• QBST : un signal de pertinence de Google qui identifie les termes saillants d'une requête à partir des données d'utilisateurs.
• Source : les pièces et témoignages du procès antitrust américain de 2023 ; aucune documentation officielle.
• Principe : l'importance d'un terme se mesure par rapport à la requête, pas à sa rareté sur le web.
• Famille : les signaux « à la main » fondés sur la mémorisation, avec Navboost, face aux modèles d'apprentissage comme RankBrain.
• Pour le SEO : employer le vocabulaire réel du sujet, observé sur les pages de référence et les requêtes associées.

Abondance c'est aussi des audits SEO, un service de contenus et des formations en e-learning !