Qu’est-ce que le Natural Language Processing ? Et quel est son rapport avec le SEO ?
Le Natural Language Processing a pour objectif de permettre aux machines de comprendre le langage humain, et est notamment utilisé dans la recherche d’information. C’est une technologie utilisée par Google pour traiter, comprendre et classer le contenu des pages web, mais également les recherches des utilisateurs.
D'un point de vue historique, une théorie majeure fut développée au milieu des années 50. Il s’agit de ce que l’on appelle l’hypothèse distributionnelle. Elle pose l’idée que les mots qui se trouvent dans des contextes d’apparition proches tendent à avoir des significations similaires.
Plusieurs décennies plus tard, en 1983, Gerard Salton propose le modèle vectoriel, qui consiste à représenter des documents textuels ou des listes de mots sous la forme de vecteurs, c'est-à-dire de valeurs numériques.
Parallèlement, ce même Gérard Salton propose d’utiliser une méthode statistique de pondération, appelée TF-IDF, pour évaluer l’importance d’un terme, devenu une valeur numérique, dans un document.
A partir des années 2010, on commence à utiliser des réseaux de neurones artificielles en NLP.
En 2013, des algorithmes entraînés par des réseaux de neurones et développés par les équipes de Google ont permis de mettre au point le système Word2Vec, un algorithme de word embedding, capable d’identifier les relations entre les mots en prenant en compte le contexte dans lequel ces mots, transformés en vecteur, apparaissent.
Mais depuis 2013, Google ne cesse de repousser les frontières du traitement automatique du langage naturel. On peut citer BERT, son algorithme à l'œuvre depuis 2019 pour comprendre encore plus précisément les requêtes des utilisateurs.
Fin 2020, Google annonce que sa mise à jour “passage indexing” lui permet d’identifier un passage précis d’un contenu qui répond selon lui précisément à la requête de l’internaute. De cette manière, Google peut renvoyer à l’utilisateur un extrait d’un contenu en réponse à sa recherche, peu importe que le contenu d’ensemble de la page n’ait qu’un rapport lointain avec la demande de l’utilisateur.