Leak Google & SEO : La synthèse du Content Warehouse API
En 2024, un leak a permis de découvrir de nombreux éléments liés au SEO dans les algorithmes de Google : le leak "Content Warehouse API"
Ce leak n'a pas vraiment livré "l'algorithme de Google".
Il a confirmé ce que Google stocke, calcule et parfois nie en public ^^
Voici une courte synthèse afin de vous raviver la mémoire :
Ce qu'est réellement le leak Google
En 2024, des milliers de pages de documentation interne de l'API Content Warehouse de Google ont fuité : environ 2 500 pages et plus de 14 000 attributs. Google a confirmé l'authenticité des documents le 29 mai 2024.
Ce n'est ni le code de l'algorithme ni une liste pondérée de facteurs de ranking. C'est l'inventaire de ce que Google peut stocker et calculer sur un document, un site, des clics, des auteurs, des liens.
Tous les attributs listés ne sont pas forcément utilisés aujourd'hui pour classer une page. Certains peuvent être dépréciés, destinés à YouTube ou d'autres services / systèmes plutôt que la SERP Google sur laquelle nous avons l'habitude de travailler.
Toutefois, plusieurs "révélations" recoupent bien le procès antitrust et surtout confirment de nombreuses théories SEO.
Google a souvent nié des critères SEO pourtant présents dans le leak
Le leak a autant choqué par son contenu technique que par l'écart avec certaines déclarations publiques de Google.
| Ce que Google disait souvent | Ce que le leak (et le procès) montrent |
| On n'utilise pas les clics pour ranker | NavBoost + métriques de clics (good / bad / lastLongest) |
| On n'utilise pas les données Chrome pour ranker | Attributs du type chromeInTotal, clics Chrome |
| On n'a pas de "domain authority" | Attribut interne siteAuthority |
| Pas de sandbox / l'âge du domaine ne compte pas | hostAge et signaux anti-spam sur sites jeunes |
Aie Aie Aie ^^
Le représentant officiel de Google a du quitter Twitter après cela...
La marque bat le petit site "bien optimisé"
L'enseignement stratégique "Construire une marque réelle hors Google" était pertinent.
Demandes de marque, mentions, reconnaissance, clics qualifiés... tout cela Google le prendrait en compte.
Les sites établis accumulent plus de clics Chrome, plus de diversité de liens, plus de requêtes "marque".
NavBoost et siteAuthority récompensent ceux que les gens cherchent déjà et sur lesquels ils restent : La qualité & la notoriété donc.
Un site "techniquement parfait" sans demande de marque est plus fragile.
PR, communauté, email, YouTube, partenariats ne sont plus du marketing à côté du SEO... ils aident VRAIMENT et nourrissent les signaux que le leak décrit.
Focus thématique vers multi-thématiques
Les documents évoquent des signaux de site comme siteFocusScore, siteRadius et des embeddings de site.
Google estime le thème dominant d'un domaine, puis mesure à quel point une page s'en écarte.
- Un site étroit et cohérent bat souvent un site qui publie "un peu de tout"
- Des pages hors sujet, même correctement écrites peuvent affaiblir le signal global
- Auditer, fusionner, noindex ou supprimer le contenu hors cœur de métier a du sens
L'effort et l'originalité du contenu sont mesurés
Deux attributs ont particulièrement retenu l'attention des SEO : contentEffort (estimation d'effort, y compris via des modèles de type LLM) et OriginalContentScore.
Le message n'est pas "écrivez 3 000 mots".
C'est produire un contenu difficile à reproduire : recherche propre, données, expérience, mise à jour réelle plutôt qu'une page générique facilement générée.
Un contenu court peut passer s'il est original mais Le thin content reste un risque surtout à l'échelle d'un site.
Auteurs et entités : EEAT
Google stocke des informations d'auteur, cherche à savoir si une entité de la page est l'auteur et dispose de scores de réputation. C'est particulièrement critique sur les sujets YMYL : santé, finance, actualité, avis produits.
Pages auteurs réelles, bios vérifiables, cohérence de l'entité partout (site, LinkedIn, Knowledge Panel) versus une "équipe rédactionnelle" anonyme...
Les liens comptent encore
PageRank n'a pas disparu : plusieurs variantes apparaissent dans la documentation, dont certaines marquées deprecated. Les liens restent un pilier.
Ls liens seraient aussi classés par qualité / tiers et les clics aideraient à décider si un lien "compte". Un backlink depuis une page que personne ne visite pèse moins qu'un lien depuis une page qui attire de vrais utilisateurs.
Les ancres hors sujet ou le mismatch ancre / cible peuvent être "dévalués".
Je pense que cela serait le rêve de Google d'arriver à s'en passer ^^
TITLE, fraîcheur et mémoire des pages
- titlematchScore : l'alignement title / requête reste un signal fort
- Fraîcheur : dates de byline, dates sémantiques, mises à jour réelles
- Historique : Google conserverait des versions d'une page pour l'analyse des liens, l'attention porterait surtout sur les 20 derniers changements d'une URL
Changer une date ou deux phrases pour "rafraîchir" ne suffit pas. Il faut un vrai ajout d'utilité conséquent.
Des déclassements explicites
Les documents listent des signaux négatifs :
- Insatisfaction SERP (mauvais clics répétés)
- Mauvaise navigation / UX
- Exact match domains de faible qualité
- Avis produits spammy
- Ancre qui ne correspond pas à la cible (bis)
- Certains types de contenu sensible (dont contenu p0rn0graphique)
Rien de révolutionnaire donc...
Ce qu'il faut retenir du leak Google
- Optimiser pour satisfaire, pas seulement pour apparaître : intention claire, TITLE honnête, réponse visible en haut de page
- Mesurer le pogo-sticking et le comportement après clic, pas uniquement les positions
- Renforcer la marque et les recherches branded hors SEO on-page
- Rester thématiquement serré : couper ou isoler ce qui dilue le site
- Publier moins, mais avec plus d'effort réel : données, expérience, auteur identifiable
- Soigner les entités, surtout en YMYL
- Choisir des liens depuis des pages qui ont vraiment du trafic et de la pertinence
- Ne pas tout miser sur un site jeune sans signaux hors Google (marque, mentions, communauté)
Le leak n'invente pas un "nouveau SEO" car on avait senti la plupart de ces choses depuis longtemps ^^
L'idée est simple : Google observe si les gens cliquent, restent, font confiance au site.
Si le site ressemble à une source réelle, pas à une usine à pages...
