Comment fonctionne l'algorithme d'image et de vidéo de Bing

Le titre officiel de Meenaz Merchant est « Principal Program Manager Lead, AI and Research, Bing ».

Il dit simplement : chef de l’équipe multimédia.

La première chose que j’ai apprise est que la même équipe construit les algorithmes pour les images et les vidéos.

Cela signifie que comprendre comment aborder chacun d’entre eux devient un peu plus simple – ils auront une approche similaire et examineront probablement des caractéristiques similaires de manière similaire.

Ils exécutent également l’algorithme de recherche par caméra (recherche d’images inversées). (Malheureusement, nous n’avons pas eu le temps de parler de cela).

Qu’est-ce qui déclenche les boîtes à images et à vidéos ?

Intention.

Évidemment avec une intention très explicite comme « images de… » ou « vidéos de… », et une explicitation plus ambiguë (pour ainsi dire) comme « montrez-moi un… ».

Mais aussi implicite, lorsque l’utilisateur souhaite et attend probablement des images ou des vidéos sur le SERP – par exemple, des stars de cinéma.

Les deux apparaissent régulièrement côte à côte dans le SERPS ?

Le commerçant mentionne 10 % de chevauchement lorsque la vidéo et les images sont pertinentes et utiles pour satisfaire l’intention de l’utilisateur.

Ainsi, dans 10 % des cas, lorsqu’ils en montrent un, ils montrent aussi l’autre.

D’après les vérifications ponctuelles des SERP de marque que j’ai recueillies chez Kalicube.pro, il m’avait semblé que les SERP avaient tendance à privilégier une base « soit ou ».

Un marchand me dit que ce n’est pas le cas.

J’aurais vraiment dû vérifier mes données au préalable. Le croisement est assez étendu.

Un bon tiers des marques qui ont des images sur leur SERP ont aussi des vidéos, et un bon quart de celles qui ont des vidéos ont aussi des images.

Ces statistiques proviennent des SERPs de Google, et non de Bing, mais elles illustrent bien le doublement des mentions des marchands.

Et ces données confirment ce que Frédéric Dubut a dit lors de l’interview qui a lancé cette série, et que Merchant réitère.

Certaines requêtes ont une intention implicite très forte pour les images et les vidéos – des personnes célèbres, en particulier dans le domaine du divertissement. Dubut mentionne Beyoncé.

Le taux de clic affecte la position où ces éléments riches apparaissent

Le commerçant est clair : avec le temps, un taux de clics plus élevé sur l’un de ces éléments le fera monter dans le SERP.

Et si l’on reprend l’exemple de Beyonce ci-dessus, les vidéos qui se classent au-dessus des images ont encore plus de sens.

Dans le cinquième épisode de cette série, Nathan Chalmers de l’équipe de la page entière déclare également que le comportement des utilisateurs sur le SERP affecte l’endroit où les éléments riches sont placés.

Il souligne également qu’ils agrégent les données et utilisent l’apprentissage automatique plutôt que d’appliquer les données de clic sur une base par requête ou même par intention.

C’est une analyse que je dois vraiment faire sur les données du SERP de la marque.

Non seulement quels sont les éléments riches présents pour les marques et les personnes, mais aussi ceux qui sont en hausse dans les classements – c’est-à-dire plus populaires auprès des chercheurs.

Qu’est-ce qui aide les images à se classer ?

La pertinence est le facteur le plus important.

Le commerçant dit : « La pertinence – est-ce la bonne image pour la requête – l’emporte sur tout ».

Ils veulent de la diversité, mais ne dilueront pas la qualité des résultats pour s’étendre à d’autres sources.

Si une source donne plusieurs images qui sont jugées pertinentes, elles seront toutes classées.

Le commerçant utilise l’exemple d’une requête pour « San Francisco city from Alcatraz Island » qui est très spécifique.

S’ils ont une image qui montre cette vue, c’est la plus pertinente.

La meilleure page web avec la meilleure image SEO qui contient une image qui semble presque la même, mais qui est en fait prise d’un point de vue différent – une photo de la ville depuis le pont du Golden Gate, par exemple – n’est pas pertinente et l’algo va tenter de le comprendre et de filtrer ce résultat.

L’évaluation de la pertinence dépend de la compréhension de ce qui est dans l’image.

Ils utilisent les signaux « traditionnels » :

• Alt tag.
• Balise de titre.
• Nom du fichier.
• Légende.
• Le contenu autour de l’image.

Mais il s’avère que le signal essentiel pour la pertinence est de comprendre ce que l’image montre en l’analysant grâce à l’apprentissage machine.

Progrès dans l’apprentissage automatique

Comme le souligne Fabrice Canel dans l’épisode 2 de cette série, les progrès réalisés par Microsoft (et Google) grâce à l’apprentissage profond sont exponentiels.

Leurs algorithmes s’améliorent à un rythme exponentiel.

Pour les images, en particulier, les trois dernières années ont été le « décollage ».

La capacité de Bing à comprendre le contenu autour de l’image pour comprendre le contexte s’est améliorée, mais aussi leur capacité à analyser l’image elle-même et à comprendre le contenu.

Ils ont commencé avec un ensemble de choses facilement identifiables pour lesquelles ils disposaient de données (images étiquetées avec précision).

Visages célèbres, points de repère, animaux, fleurs…

Tom Hanks, la tour Eiffel, les chiens de berger allemands et les roses auront fait partie du set d’entraînement il y a trois ans.

Ils ont progressivement étendu cette approche à des ensembles de données moins bien étiquetés et ont intégré l’identification d’éléments spécifiques dans les images… au point qu’ils peuvent maintenant être très subtile.

L’exemple utilisé par Merchant est de comprendre qu’une image d’un horizon est une ville.

Mais plus que cela : quelle ville en particulier ? (par exemple, San Francisco)

Et encore plus loin : que la photo est prise d’un point de vue spécifique (c’est-à-dire, l’horizon de San Francisco pris de l’île d’Alcatraz).

Cela montre à quel point cette analyse est bonne.

En tant qu’utilisateurs, nous utilisons ces capacités (et nous commençons à les considérer comme acquises) et pourtant, en tant que spécialistes du marketing, nous oublions à quel point ces machines sont intelligentes.

Et allez plus loin : leur confiance dans leur bonne compréhension augmente de manière exponentielle.

Cela signifie qu’il faut de moins en moins se fier à tous ces signaux traditionnels.

Les balises Alt ne sont plus l’indicateur qu’elles étaient auparavant.

Même le contenu autour de l’image peut devenir pratiquement redondant si la machine est très sûre d’avoir correctement identifié ce que l’image montre.

Ils analysent chaque image

J’avais toujours pensé que le fait de faire passer des images par leurs algos avait un coût financier qui faisait qu’ils ne pouvaient pas analyser toutes les images qu’ils collectaient.

Ce n’est pas vrai.

Les commerçants affirment qu’ils analysent chaque image et identifient ce qu’elle montre.

Cela signifie que les indices qu’ils voient dans le nom du fichier, les balises alt, les titres, les légendes, et même le contenu autour de l’image sont simplement la corroboration de ce que la machine a compris.

Il y a donc vraiment Il ne sert plus à rien de tricher sur ces aspects.

Bing repèrera le tricheur et l’ignorera.

Mais pire encore. La confiance.

Prenant les balises alt comme exemple, Merchant déclare que l’algorithme apprendra quels sites sont dignes de confiance et appliquera la confiance historique au classement.

Et cela semble confirmer les expériences que j’ai faites en soumettant des pages de mes sites à Bing et Google.

Les pages et les images sont indexées très très rapidement (en quelques secondes). Les autres sites que j’ai testés prennent des minutes, des heures, voire des jours.

La confiance historique semble être un facteur important à cet égard.

Et Merchant suggère que la construction d’une réputation au fil du temps s’applique également à l’autorité. Ils examinent beaucoup de signaux pour évaluer l’autorité.

Le commerçant se concentre sur la qualité du contenu (des images dans ce cas), les liens entrants et les clics à partir du SERP.

Et cela illustre bien l’importance de l’E-A-T. Ils regardent :

• Expertise (contenu de qualité).
• L’autorité (soutien du groupe de pairs).
• Confiance (appréciation du public par l’interaction sur le SERP).

C’est logique.

L’autorité et la confiance sont réévaluées à chaque recherche.

L’algo modifie constamment sa perception des domaines qui sont les plus fiables et qui font le plus autorité.

Rester honnête au fil du temps est crucial pour votre réussite future.

Les boîtes d’images du SERP de base sont simplement les premiers résultats de l’image verticale

Merchant parle de l’image verticale et souligne qu’ils peuvent générer autant de résultats que les liens bleus du noyau.

Le fait d’arriver au sommet des résultats de l’image ne donne pas seulement de la visibilité à cet endroit, mais aussi sur les SERP de base.

Pour être vu sur les liens bleus SERP, il vous suffit de vous placer en haut de la liste des images pour une requête qui affiche des boîtes d’images sur le SERP de base.

Si la requête est très centrée sur l’image, un classement dans la douzaine supérieure fera l’affaire puisque la boîte de l’image est plus grande.

Qu’est-ce qui aide les vidéos à se classer ?

Les signaux sont similaires aux images.

Avant tout, la pertinence…. mais ensuite aussi la popularité, l’autorité, la confiance, l’attrait (dans cet ordre, semble-t-il).

Qu’est-ce qui déclenche une boîte vidéo sur un SERP de base ?

Comme pour les images, l’affichage d’une boîte vidéo sur le SERP de base dépend de leur pertinence par rapport à l’intention explicite ou implicite de la requête.

Le commerçant cite deux exemples d’intention implicite qui déclenchera la vidéo : les informations et le divertissement.

Y a-t-il un biais de domaine / de plate-forme ?

La plateforme n’est pas aussi importante que la production de vidéos pertinentes (ce mot encore !) et de qualité qui interpellent votre public. L’hébergement sur YouTube, Twitter, Facebook, Vimeo sont autant de possibilités.

Mais pensez au type de requête et à votre verticalité.

Différentes plates-formes dominent sur différentes verticales.

YouTube est une excellente source d’informations, mais les nouvelles auraient tendance à favoriser la BBC ou un autre site d’information.

Le premier résultat non YouTube ici était environ 400ème ! !!

Pour une requête sur une niche verticale / industrie, les grandes plateformes comme YouTube ou la BBC ont peu d’avantages.

L’autorité dans ce créneau peut jouer un grand rôle. Ainsi, un petit site web spécialisé serait considéré par Bing comme une source parfaite pour une vidéo sur une requête de recherche de niche.

Ils chercheraient :

• Qualité (c’est-à-dire être précis et avoir des normes de production décentes).
• Autorité au sein de ce secteur (alias approbation par un groupe de pairs).
• Faites confiance à le domaine s’est construit au fil des ans (alias, fournir à Bing ou Google des résultats qui s’avèrent utiles à leur public – alias, les données du SERP).

Une fois de plus, tout cela ressemble étrangement à de l’E-A-T.

L’importance de l’E-A-T

Plus j’avance dans la rédaction des interviews de la série Bing, plus l’E-A-T se démarque, et plus je suis convaincu que l’E-A-T est une bonne façon d’aborder la création et la présentation de contenus à classer.

Regardez la vidéo de l’interview sur laquelle cet article est basé.

Lire les autres articles de la série Bing

1. Comment fonctionne le classement chez Bing – Frédéric Dubut, Chef de programme senior, Bing
2. Découvrir, ramper, extraire et indexer chez Bing – Fabrice Canel Responsable principal du programme, Bing
3. Fonctionnement de l’algorithme des questions et réponses et des bribes d’information – Ali Alvi, responsable principal du programme des produits d’IA, Bing
4. Comment fonctionne l’algorithme d’image et de vidéo – Meenaz Merchant, responsable principal du programme, AI et recherche, Bing
5. Comment fonctionne l’algorithme de la page entière – Nathan Chalmers, responsable de programme, équipe de recherche de pertinence, Bing

Crédits image

Images en vedette et en poste : Véronique Barnard, Kalicube.pro