Google Leak : que révèle la fuite d'algorithme et comment l'exploiter en SEO ?

En mars 2024, un dépôt GitHub public a reçu par erreur la documentation interne du Google API Content Warehouse. Personne ne s'en aperçoit pendant deux mois. Le 27 mai 2024, Rand Fishkin puis Mike King publient leurs analyses, et Google confirme l'authenticité des documents deux jours plus tard.

Le volume donne le vertige : plus de 2 500 modules et 14 000 attributs décrivant les structures de données que Google manipule pour indexer, scorer et classer les documents. Jamais la communauté SEO n'avait eu accès à une nomenclature aussi précise du fonctionnement interne du moteur.

L'emballement médiatique qui a suivi tenait moins au contenu technique qu'à la confrontation qu'il provoquait. Pendant des années, les porte-parole du Search Relations ont répété que Google n'utilisait pas les clics pour classer, qu'il n'existait pas de score d'autorité de domaine, que les données Chrome ne servaient pas au ranking. Le code raconte une autre histoire, et les témoignages sous serment du procès antitrust du DOJ, notamment celui de Pandu Nayak sur NavBoost, l'avaient déjà largement corroborée.

Deux ans après, l'écume est retombée. C'est le bon moment pour faire le tri. Cet article ne rejoue pas le procès en mauvaise foi : il examine ce que le leak change réellement dans une stratégie SEO, ce qu'il confirme sans surprise, et ce qu'il ne permet pas de conclure. Un audit SEO sérieux part d'ailleurs de ces mécanismes réels, jamais de recettes toutes faites.

Ce que le leak est, et ce qu'il n'est pas

Avant d'entrer dans le détail, une mise au point méthodologique s'impose. Elle conditionne la valeur de tout ce qui suit.

La documentation fuitée est un schéma de stockage, pas le code de l'algorithme. Elle décrit quels attributs existent, leur type, parfois leur description en une ligne. Elle ne contient :

• aucune pondération : on sait que siteAuthority existe, pas ce qu'il pèse face à la pertinence sémantique ;
• aucune garantie d'usage actif : plusieurs attributs sont explicitement marqués deprecated, d'autres alimentent des produits qui ne sont pas le Search ;
• aucune formule : l'ordre des opérations est reconstitué par inférence, pas lu directement.

Les praticiens sérieux du sujet, de Resoneo à iPullRank, appliquent tous le même filtre : un attribut nommé est une piste, pas un levier. Toute agence qui vous vend une « optimisation NavBoost » chiffrée invente une précision que les documents ne contiennent pas.

Cela dit, une nomenclature interne de 14 000 entrées reste la meilleure carte disponible du territoire. Utilisée comme telle, elle est extrêmement utile.

Partie 1 : les quatre révélations majeures

1. NavBoost : le clic comme arbitre

NavBoost est le système de re-ranking fondé sur le comportement utilisateur. C'est la révélation la plus commentée, et la seule qui bénéficie d'une double source : les documents fuités et le témoignage sous serment de Pandu Nayak, alors VP Search, qui l'a décrit comme l'un des signaux les plus importants de Google.

La taxonomie des clics est explicite dans le code :

Attribut	Lecture
goodClicks	Le clic a résolu la requête : l'utilisateur reste, ne revient pas
badClicks	Retour rapide à la SERP, le pogo-sticking longtemps nié
lastLongestClicks	Le dernier clic long de la session, le plus révélateur de la satisfaction
unsquashedClicks	Clics avant lissage statistique anti-manipulation

Deux points de méthode comptent plus que la liste elle-même.

La fenêtre temporelle est longue. Le témoignage DOJ évoque une fenêtre glissante de 13 mois (réduite d'une fenêtre antérieure de 18 mois). Concrètement : un correctif d'intention de recherche produit ses premiers effets en un à deux trimestres, mais l'historique comportemental d'une URL ne se purge pas en trois semaines. Cela explique pourquoi refondre une page qui a accumulé du mauvais signal donne souvent de meilleurs résultats qu'un simple lifting.

Le périmètre dépasse les dix liens bleus. Le système Glue, cité au procès, étend la même logique aux blocs de la SERP : People Also Ask, carrousels, panneaux, AI Overviews. Ce que vous optimisez, ce n'est pas un CTR isolé, c'est un comportement sur l'ensemble de la page de résultats.

À cela s'ajoutent les données Chrome. L'attribut chromeInTotal existe au niveau du site, et l'on trouve trace de chrome_trans_clicks. Google a longtemps affirmé ne pas utiliser Chrome pour le ranking. Les documents nomment ces champs, et le procès a établi que ces données remontent bien aux systèmes de Google.

2. Le domaine, la marque et le NSR

Deuxième bloc, sans doute le plus structurant pour une stratégie à moyen terme : Google raisonne au niveau du site, pas seulement de la page.

L'attribut siteAuthority figure dans CompressedQualitySignals, un module que l'on peut décrire comme la fiche de synthèse des signaux de qualité les plus critiques. Sa seule présence contredit une décennie de « nous n'avons pas de métrique d'autorité de domaine ».

Plus intéressant techniquement : le NSR, probablement Normalized Site Rank. Il repose sur du vector embedding et contient une implémentation nommée site2vec, une représentation vectorielle du site entier. Le NSR produit un score de qualité à plusieurs granularités : le site complet, un chunk (une section de site), ou un article isolé.

L'implication est concrète. Un site n'est pas jugé comme une collection de pages indépendantes mais comme un objet vectoriel cohérent ou dilué. Les attributs siteFocusScore et siteRadius, qui mesurent la concentration thématique et la distance des pages au cœur éditorial, vont dans le même sens : publier hors de son périmètre coûte quelque chose au niveau global. C'est le fondement technique de la logique de cocon sémantique.

Sur l'ancienneté, hostAge apparaît avec une description qui mentionne explicitement le fait de mettre en quarantaine le spam récent. Ce n'est pas la « sandbox » mythologique des forums, mais ce n'est pas rien non plus.

3. Auteurs, entités et segmentation YMYL

Le leak confirme que Google modélise des entités, pas seulement des chaînes de caractères. C'est d'ailleurs le même socle qui alimente les moteurs de réponse génératifs, un sujet que je détaille dans comment fonctionne la recherche par IA.

isAuthor et isPublisher sont des booléens : soit Google identifie l'entité derrière un contenu, soit il ne l'identifie pas. Nuance importante et souvent mal reprise : la description de isAuthor indique que l'attribut a été principalement développé et ajusté pour les articles de presse. Sur un site e-commerce, une signature d'article ne produit pas mécaniquement le même effet que sur un média.

Des structures plus spécialisées existent, comme ScienceCitationAuthor, qui modélise des métadonnées d'auteur détaillées (nom, rôle, affiliation institutionnelle) dans un contexte de citation scientifique. On y lit une segmentation de la confiance par verticale.

C'est cohérent avec le reste : le code distingue des types de sites (actualité, YMYL, blog personnel, e-commerce, vidéo) et contient des indicateurs de type isElectionAuthority. Autrement dit, le seuil de preuve n'est pas le même selon la thématique. Le travail d'E-E-A-T sur un site santé n'a rien à voir avec le même travail sur un site de bricolage, et le leak donne enfin un fondement matériel à cette intuition. Traduire cela en une stratégie de contenu calibrée par verticale devient un avantage concret.

4. PageRank v2 : l'implémentation NearestSeeds

Le PageRank historique de 1998 n'est plus le PageRank en service. Les documents mentionnent plusieurs variantes, dont le toolbarPageRank obsolète, et surtout pagerankNS, le PageRank Nearest Seeds.

Le principe : au lieu de faire circuler l'autorité sur l'ensemble du graphe du web, le calcul part d'un ensemble de sources de confiance (les seeds), et l'autorité transmise s'atténue à mesure que l'on s'éloigne de ce noyau. On trouve aussi homepagePagerankNs, ce qui suggère que la page d'accueil joue un rôle de point d'entrée dans la distribution interne.

Trois conséquences opérationnelles :

• La distance au noyau de confiance compte davantage que le volume. Cent liens à six sauts d'un seed valent moins qu'un lien à deux sauts.
• La proximité thématique du graphe local prend du sens. Un lien depuis un site fortement identifié sur votre verticale n'a pas la même valeur qu'un lien contextuel générique.
• Le maillage interne devient une variable de distribution, puisque la page d'accueil concentre et redistribue.

Le code contient par ailleurs une liste de démotions nommées, qui sont autant d'erreurs évitables : anchorMismatchDemotion (ancre incohérente avec la cible), navDemotion, exactMatchDomainDemotion, serpDemotion, pandaDemotion. Surveiller ces signaux relève de la même hygiène que la détection d'un profil de liens toxique en negative SEO.

Partie 2 : mythe contre réalité

Ce que Google déclarait publiquement	Ce que contient la documentation
« Nous n'utilisons pas les clics pour le classement »	NavBoost et la famille goodClicks / badClicks / lastLongestClicks, corroborés sous serment au procès DOJ
« Il n'existe pas de score d'autorité de domaine »	siteAuthority dans CompressedQualitySignals, nsrDataProto, authorityPromotion
« Les données Chrome ne servent pas au ranking »	chromeInTotal, chrome_trans_clicks, usage documenté pour les sitelinks et la qualité
« Il n'y a pas de sandbox pour les nouveaux sites »	hostAge, dont la description mentionne la mise en quarantaine du spam récent
« Le PageRank n'est plus utilisé »	Techniquement exact : c'est pagerankNS qui est utilisé
« L'auteur n'est pas un facteur »	isAuthor, isPublisher, authorReputationScore, ScienceCitationAuthor
« Nous ne mesurons pas l'effort éditorial »	contentEffort, OriginalContentScore
« La date affichée n'a pas d'importance »	Trois dates distinctes (bylineDate, syntacticDate, semanticDate) dont la divergence est un signal en soi

Un mot sur la lecture de ce tableau. Certaines déclarations de Google étaient littéralement vraies mais trompeuses : dire que le PageRank de 1998 n'est plus utilisé est exact, et masque l'existence de son successeur. D'autres relèvent d'un écart plus franc. Dans tous les cas, la conclusion pratique est la même : traiter la communication officielle comme une source parmi d'autres, jamais comme la source unique.

Le pipeline en une passe

Comprendre l'ordre des opérations vaut mieux que mémoriser une liste d'attributs.

REQUÊTE
   │
   ▼
[ Sélection des candidats ]     index, corpus, filtrage initial
   │
   ▼
[ MUSTANG / Ascorer ]           scoring principal : pertinence sémantique,
   │                            qualité on-page, signaux de liens (pagerankNS),
   │                            signaux site (siteAuthority, NSR)
   ▼
[ SUPERROOT / Twiddlers ]       re-ranking : NavBoost, QualityBoost,
   │                            RealTimeBoost, freshness, démotions
   ▼
SERP AFFICHÉE
   │
   └──> collecte comportementale (clics, Glue, Chrome) --> réinjection

Le point-clé est la boucle du bas. Les Twiddlers sont des fonctions de re-ranking qui s'appliquent après le scoring principal, chacune isolée des autres, leurs recommandations étant réconciliées au niveau du framework. NavBoost en fait partie.

Un site peut donc parfaitement bien scorer en amont et être rétrogradé en aval sur des signaux comportementaux, ou l'inverse. C'est exactement ce que décrivent les praticiens qui observent une page « qui monte puis redescend » : le scoring initial l'a jugée pertinente, le comportement des utilisateurs a tranché autrement.

Partie 3 : plan d'action SEO post-leak

Rien de ce qui suit n'est révolutionnaire. Ce qui change, c'est le niveau d'exigence dans l'exécution et l'ordre des priorités.

Axe 1 : optimiser l'engagement réel

L'objectif n'est pas de gonfler un CTR mais de produire des goodClicks et d'éliminer les badClicks.

• Aligner le title et la meta sur l'intention, pas sur le clic. Une promesse non tenue génère du pogo-sticking, donc un signal négatif durable sur 13 mois. Le clic obtenu par surpromesse coûte plus qu'il ne rapporte.
• Traiter les 400 premiers pixels comme la zone critique. La réponse à la requête doit être visible sans scroll ni tolérance publicitaire excessive.
• Auditer par requête, pas par page. Dans la Search Console, isolez les requêtes où votre position est bonne et le CTR anormalement bas : ce sont vos gisements de mauvais signal.
• Mesurer le retour SERP, pas seulement le taux de rebond. Un utilisateur qui repart vers Google est un signal différent d'un utilisateur qui ferme l'onglet.

Axe 2 : construire un capital de marque et d'entité

C'est le chantier que le NSR et site2vec rendent prioritaire.

• Concentrer le périmètre thématique. Chaque contenu hors sujet dilue le vecteur du site. Un site qui traite trois métiers sans les séparer structurellement se pénalise lui-même sur siteFocusScore.
• Structurer le maillage en clusters cohérents, avec la page d'accueil comme point de distribution, en cohérence avec la logique homepagePagerankNs.
• Déployer des données structurées d'entité complètes : Organization, Person, sameAs vers les profils faisant autorité, pages auteur réelles avec bibliographie vérifiable. L'objectif est de faire basculer le booléen isAuthor / isPublisher du bon côté.
• Travailler les mentions de marque hors liens. Une entité reconnue existe ailleurs que sur son propre domaine.
• Nettoyer les démotions évitables : ancres incohérentes, domaines exact-match hérités, redirections navigationnelles douteuses.

C'est précisément le fil rouge d'un accompagnement SEO suivi dans la durée, plutôt que d'une série d'actions ponctuelles.

Axe 3 : contenu et E-E-A-T, viser l'autorité thématique réelle

• Sortir de la logique mot-clé pour raisonner en couverture d'entités. Un contenu qui traite un sujet complet (avec ses entités connexes, ses contre-arguments, ses cas limites) s'aligne mieux avec des systèmes vectoriels qu'un contenu optimisé sur une expression.
• Investir l'effort éditorial de manière visible. contentEffort et OriginalContentScore suggèrent que Google tente de mesurer ce qui ne pouvait pas être produit à la chaîne : données propriétaires, tests, illustrations originales, expertise sourcée.
• Calibrer selon la verticale. En YMYL, l'identification de l'auteur, les sources et la transparence éditoriale ne sont pas un bonus.
• Traiter les dates avec rigueur. Avec bylineDate, syntacticDate et semanticDate, réécrire la date affichée sans toucher au contenu crée une incohérence détectable. Mettez à jour le fond, puis la date.

Ce qu'il ne faut pas conclure

Trois erreurs de lecture reviennent constamment depuis deux ans.

« Le leak prouve qu'il faut acheter du trafic pour manipuler NavBoost. » Les attributs unsquashedClicks et les mécanismes de diversité des votants existent précisément pour neutraliser ce type de manipulation. Le rapport risque/bénéfice est mauvais.

« Google a menti sur tout, donc plus rien de sa documentation publique n'est fiable. » Une grande partie de la communication officielle sur les fondamentaux reste alignée avec ce que montre le code. Le mensonge n'était pas uniforme.

« Il faut refondre sa stratégie. » Non. Les principes ne bougent pas : répondre à une intention, mériter des liens, construire une marque. Le leak ne redéfinit pas l'objectif, il précise le mécanisme, et donc l'ordre dans lequel investir.

Conclusion

Le Google Leak n'a pas rendu le SEO plus simple. Il a rendu l'imprécision plus coûteuse.

Ce que la documentation confirme, c'est que Google fonctionne en couches : un scoring principal fondé sur la pertinence et l'autorité, puis un re-ranking arbitré par le comportement réel des utilisateurs, le tout évalué autant au niveau du site qu'au niveau de la page. Les leviers n'ont pas changé de nature. Leur hiérarchie, elle, est désormais documentée.

La vraie ligne de partage, en 2026, n'est plus entre ceux qui connaissent les facteurs de ranking et ceux qui les ignorent. Elle est entre ceux qui exécutent avec précision et ceux qui appliquent des recettes génériques à un système qui mesure la cohérence à l'échelle du site entier.

Votre trafic a été impacté par une mise à jour d'algorithme ? Un audit SEO aligne votre stratégie sur le fonctionnement réel de Google, scoring principal et re-ranking comportemental compris.