Google explique comment ils évaluent les fichiers PDF et quel impact cela a sur le référencement et la géolocalisation.

John Mueller de Google a récemment abordé la manière dont Google gère les fichiers PDF pour le classement, leur indexation pour une utilisation en intelligence artificielle et en recherche normale, ainsi que la raison pour laquelle il peut utiliser des liens dans les PDF de la même manière que pour les pages Web HTML classiques.

Les fichiers PDF sont transformés en HTML.

Selon Martin Splitt de Google, la société utilise un outil de conversion pour transformer les fichiers PDF en HTML avant de les indexer. Il a partagé son incertitude quant à l’indexation des images contenues dans les PDF, laissant entendre qu’elles pourraient ne pas être prises en compte. Il a mentionné que cette situation pourrait évoluer à l’avenir.

Il a donné des explications :

“Nous n’utilisons pas directement un lecteur PDF pour afficher les informations. Dans notre moteur de recherche, nous utilisons un outil appelé convertisseur. Ce convertisseur fait partie du processus d’indexation des données. Il intervient après le rendu des informations et juste avant leur indexation.”

Nous utilisons divers convertisseurs pour traiter différents formats de fichiers, comme les fichiers texte enrichis, les documents Excel et Lotus Notes. Un de ces convertisseurs est celui pour les fichiers PDF. Nous le transformons en HTML pour faciliter le traitement ultérieur dans le reste du processus.

Cela signifie bien sûr que les images et les vidéos ne sont pas inclus, etc. – en d’autres termes, ils suivent des chemins différents – mais le site Web classique utilise principalement du HTML pour tout.

Plus tard, il a donné des explications sur la façon dont Google gère les images dans les fichiers PDF.

Je crois qu’il serait possible de les récupérer. Cependant, je ne suis pas certain de la manière dont nous les gérerions, car d’habitude, nous fournissons les URL des images au processus de recherche d’images, qui les utilise ensuite.

Ici, il n’y a pas d’URL proprement dite car le texte fait partie du PDF. Il est donc difficile de considérer l’élément comme une image classique pour la recherche d’images. Cependant, cette situation pourrait évoluer ou avoir évolué ; c’est ma compréhension actuelle du fonctionnement de ce processus.

Travailler avec des liens dans les fichiers PDF.

Google a aussi affirmé que les liens inclus dans les fichiers PDF agissent comme des liens car c’est la version HTML du PDF qui est indexée, incluant les liens pouvant être suivis comme des liens classiques.

John Mueller a observé.

En résumé, lorsque Google rencontre un fichier PDF, il le transforme en un format plus familier pour lui, similaire à une page Web. C’est pourquoi les liens fonctionnent également dans les fichiers PDF.

Splitt a donné une réponse :

Oui, nous transformons la donnée en une page HTML, ensuite nos autres systèmes savent comment gérer une page HTML et continuent leur traitement.

En convertissant un PDF en HTML, nous préservons autant que possible le format original, y compris les éléments tels que les liens. Ainsi, de nombreux éléments peuvent être inclus dans le PDF et rester visibles après la conversion.

Limite de taille des fichiers PDF sur Google.

Google Mueller a admis qu’ils ne sont pas experts en la matière et qu’ils tentent d’expliquer la façon dont les fichiers PDF sont indexés et classés en fonction de leurs connaissances.

Il a demandé des restrictions concernant la taille des fichiers PDF.

Message paraphrasé : « Il se peut que nous ne possédions pas toutes les informations détaillées, donc nous essayons de déduire à partir de nos connaissances existantes. Que savez-vous des limites, telles que celles liées à la taille, et comment cela s’applique aux fichiers PDF ? »

Splitt a expliqué que la limite de fichiers pour les PDF est plus élevée que celle des fichiers vidéo en termes de taille, mais il n’a pas précisé la limite exacte. Il a mentionné que les limites de taille standard pour les fichiers HTML s’appliquent une fois que le PDF est converti, ce qui est une information importante à retenir.

Il a donné des explications en disant :

Il est probable que la recherche du fichier PDF ait une limite différente de celle de la page web, mais il est également probable qu’il y ait une restriction sur le format de la page web.

Je ne suis pas certain de l’endroit exact où ces limites sont mises en place. Je sais que les restrictions HTML dont nous avons récemment parlé dans le podcast et la documentation proviennent également de la phase de traitement du pipeline. Ainsi, lorsque nous traitons ces données, comme nous devons générer un fichier PDF qui peut être très volumineux, je suppose que nous avons une limite plus élevée pour les fichiers, tout comme c’est le cas pour les vidéos et les images. Cependant, je ne connais pas la limite spécifique pour les fichiers PDF.

Plus tard, Splitt a mentionné que la limite de taille actuelle pourrait évoluer si des PDF de plus grande taille sont fréquemment publiés par les utilisateurs.

Les fichiers PDF peuvent être classés dans les résultats de recherche et en mode IA.

Martin Splitt a aussi affirmé que les fichiers PDF peuvent être indexés en mode AI de la même manière que pour une recherche normale. Google convertit ces fichiers en HTML avant de les indexer.

Il a souligné que tous les fichiers PDF ne peuvent pas être indexés pour leur contenu textuel, car certains fichiers PDF sont en réalité des images. Il a recommandé de copier le texte d’un fichier PDF dans un document texte, afin que Google puisse convertir le PDF en HTML pour le classer correctement.

Splitt a expliqué comment Google classe les fichiers PDF en réponse à la question de savoir s’il est pertinent pour les éditeurs de sites de créer des fichiers au format PDF.

Oui, certainement, à condition que votre contenu le nécessite. Par exemple, si vous avez des besoins particuliers en termes de mise en forme, ou si vous souhaitez obtenir un aspect très spécifique lors de l’impression, ou encore si vous avez besoin de fonctionnalités interactives telles que des formulaires.

Ainsi, si vous gérez un lodge de vacances et que vous mettez en ligne un formulaire pour gérer les réservations des personnes souhaitant séjourner dans votre établissement, il est recommandé de le proposer au format PDF si cela facilite votre travail.

Bien sûr, HTML est très adaptable et c’est ma préférence, mais si vous avez besoin d’utiliser un PDF, n’hésitez pas. Les restaurants ont souvent leurs menus imprimés en PDF pour les afficher sur leur site Web, ce qui est préférable à ne pas avoir de menu du tout.

Le processus d’indexation et de classement est similaire à celui de tout autre document.

Mueller a également indiqué.

Ils peuvent également se manifester dans les prévisualisations d’intelligence artificielle, le mode d’intelligence artificielle, et autres fonctionnalités similaires.

HTML est probablement plus efficace pour le référencement SEO que le PDF.

Plus tard dans le podcast, Mueller a mentionné que l’utilisation du HTML standard est probablement plus avantageuse en termes de référencement. Bien que cela n’entame pas l’efficacité du référencement des PDF, il y a un aspect pratique à faciliter le classement des documents Web par les moteurs de recherche.

Il a d’abord mentionné cette idée en évoquant les options de repas.

En termes pratiques, je préfère avoir un menu si l’option le propose en format PDF ou s’il n’y a pas de menu du tout. Cependant, je préfère les pages Web normales à un menu en format PDF, car il est plus simple d’interagir avec elles.

Ensuite, il a mentionné le commentaire de Martin concernant la capacité des PDF à être indexés.

Du point de vue du référencement naturel, si le texte est indexable – en essayant la méthode mentionnée par Martin, c’est-à-dire de tout sélectionner et de le copier dans un éditeur de texte – alors nous pourrons l’utiliser pour la recherche. Il n’est pas impossible à partir d’un point de vue SEO.

Ensuite, il a mentionné que si le propriétaire du site est capable de le réaliser en HTML, il peut alors procéder de la sorte :

“Si vous disposez d’un contenu que vous pouvez convertir en HTML de la même manière que vous le feriez pour vos PDF, cela simplifie les choses.”

Ce point final concernant la facilitation du processus est essentiel pour comprendre pleinement l’essence du référencement naturel, car il facilite le travail des moteurs de recherche pour explorer et référencer le contenu d’un site Web.

Écoutez le podcast Recherche Off The Record ici.

L’image est fournie par Shutterstock, sous le nom de l’utilisateur thodonal88.