Google leak : ce que disent vraiment les documents internes
En bref : en mai 2024, la documentation interne de l'API Content Warehouse de Google, soit plus de 2 500 modules et quelque 14 000 attributs, s'est retrouvée publiquement accessible à la suite d'une erreur de publication sur un dépôt de code. Google en a confirmé l'authenticité auprès de la presse tout en mettant en garde contre les interprétations hâtives. Les documents établissent l'existence de plusieurs signaux longtemps démentis, notamment l'usage des clics via le système NavBoost et un attribut d'autorité de site. Ils ne disent rien du poids de ces signaux dans le classement final.
La fuite de mai 2024 est la plus importante que le référencement ait connue. Pour la première fois, la description de milliers de champs utilisés par les systèmes de Google est devenue lisible par tout le monde. Les documents ont été repérés et analysés publiquement par Rand Fishkin et Mike King fin mai 2024, à partir d'une documentation d'API publiée par erreur sur un dépôt public quelques semaines plus tôt.
Ils confirment des mécanismes que les praticiens supposaient et que Google avait publiquement minimisés. Ils invitent aussi à la prudence, parce qu'une documentation d'attributs n'est pas un algorithme, et que les conclusions les plus reprises sur les réseaux sociaux dépassent largement ce que les fichiers permettent d'affirmer.
NavBoost et les données de clics
Le système NavBoost apparaît dans les documents comme un composant utilisant les données de clics pour ajuster le classement. Il distingue notamment les clics longs des clics courts, c'est-à-dire les visites qui se prolongent de celles qui ramènent immédiatement l'utilisateur à la page de résultats.
Ce n'est pas la première fois que ce nom sort. Le procès antitrust engagé contre Google aux États-Unis avait déjà mis NavBoost au jour en 2023, à travers le témoignage de Pandu Nayak, vice-président chargé de la recherche. La fuite de 2024 confirme son existence dans la documentation technique, après une décennie de déclarations publiques minimisant le rôle des signaux de clic.
La conséquence pratique est mesurée. Un titre et une description qui donnent envie de cliquer, suivis d'une page qui répond effectivement à la question posée, servent deux fois, sur la correspondance à l'intention et sur le comportement des visiteurs. En revanche, fabriquer artificiellement des clics ne fonctionne pas, ces systèmes étant conçus dès l'origine pour filtrer les manipulations.
L'autorité de site, un attribut qui existe
Les documents contiennent un attribut nommé siteAuthority, ce qui a fait réagir la profession, Google ayant répété pendant des années ne pas disposer d'une notion d'autorité de domaine comparable aux scores commercialisés par les outils tiers.
Deux précautions s'imposent. L'existence d'un champ ne dit ni comment il est calculé, ni quel poids il pèse, ni même s'il est encore utilisé dans la version actuelle des systèmes. Et ce siteAuthority interne n'a aucun rapport de méthode avec les indices proposés par les outils du marché, qui reposent sur des graphes de liens reconstitués de l'extérieur.
Sur les liens, les documents confirment que la source, l'emplacement du lien dans la page et son ancienneté sont décrits comme des caractéristiques distinctes. Un lien placé dans le corps d'un texte sur un site du même sujet n'a pas la même description qu'un lien de pied de page, ce que les praticiens observaient depuis longtemps.
hostAge, la fameuse sandbox
Un attribut hostAge figure dans les documents, avec une description explicite, il sert à mettre à l'écart du spam récent. Beaucoup de commentaires en ont conclu que Google plaçait tous les nouveaux sites en observation pendant plusieurs mois, ce que la documentation ne dit pas.
La formulation vise le spam, pas la nouveauté en elle-même. Un site neuf, sur un sujet crédible, avec des contenus originaux, n'est pas décrit comme pénalisé par cet attribut. Ce que l'expérience montre par ailleurs, à savoir la lenteur de démarrage d'un domaine récent, s'explique aussi par l'absence d'historique, de liens et de données comportementales, sans qu'il soit nécessaire d'invoquer une mise en quarantaine.
| Ce que les documents établissent | Ce qu'ils ne disent pas | Ce que ça change en pratique |
|---|---|---|
| NavBoost utilise des données de clics, dont la distinction clic long et clic court | Le poids de ces signaux face aux autres | Soigner le titre, la description et la tenue de la promesse sur la page |
| Un attribut siteAuthority existe | Sa méthode de calcul, son usage actuel | Continuer à construire une cohérence thématique, sans chercher à imiter un score d'outil tiers |
| Les liens sont décrits par source, emplacement et ancienneté | Le barème appliqué à chaque caractéristique | Privilégier les liens éditoriaux dans le corps du texte, sur des sites cohérents |
| hostAge sert à écarter le spam récent | Qu'il s'applique à tout nouveau site | Ne pas conclure qu'un domaine neuf est condamné à attendre un an |
| Des données issues de Chrome apparaissent dans certains champs | Leur usage exact dans le classement | Aucune action directe possible |
Trois limites à toute lecture de ces documents
Ces fichiers se lisent avec trois réserves, qui expliquent l'écart entre ce qu'ils contiennent et ce qu'on leur a fait dire.
Un attribut n'est pas une pondération. La documentation décrit des champs de données, elle ne contient ni formule ni coefficient. Un signal parfaitement documenté peut compter pour une part négligeable du classement, et rien dans les fichiers ne permet de trancher.
La photographie est datée. Ces fichiers décrivent l'état d'une interface interne à un moment donné. Google déploie plusieurs milliers de modifications par an sur ses systèmes de recherche, et certains modules décrits peuvent avoir été abandonnés.
La lecture demande deux compétences. Interpréter une documentation d'API réclame de comprendre à la fois le code et le référencement. Une part des conclusions qui ont circulé en mai 2024 confondaient un champ de stockage avec un facteur de classement, ou attribuaient à un attribut une fonction que son nom suggérait sans que la description la confirme.
Questions fréquentes sur le Google Leak
Google a-t-il confirmé l'authenticité des documents ?
Oui. Interrogé par la presse spécialisée fin mai 2024, un porte-parole de l'entreprise a confirmé l'authenticité de la documentation, tout en invitant à la prudence sur les conclusions tirées d'informations sorties de leur contexte, potentiellement obsolètes ou incomplètes. L'origine est une publication accidentelle sur un dépôt de code public.
Faut-il changer sa stratégie SEO après ces révélations ?
Non, elles confirment davantage qu'elles ne bouleversent. Contenu qui répond réellement à la question, titres qui tiennent leur promesse, liens obtenus sur des sites cohérents avec le sujet, performance technique correcte, ces priorités restent les mêmes. La fuite déplace surtout la charge de la preuve dans les discussions professionnelles.
Les clics permettent-ils de manipuler le classement ?
Les documents montrent que les signaux de clic sont utilisés, pas qu'ils sont manipulables. Ces systèmes existent depuis longtemps et intègrent des filtres contre les clics automatisés ou achetés. Travailler le taux de clic par un titre honnête et une page qui tient sa promesse relève d'un autre registre que la fabrication de trafic.
Où lire les documents ?
Les analyses de référence restent celles publiées par Mike King, qui a détaillé les modules attribut par attribut, et par Rand Fishkin, qui a raconté l'origine de la fuite. Les deux sont disponibles librement et donnent accès aux noms de champs, ce qui permet de vérifier soi-même les affirmations qui circulent depuis.
L'effet sur les débats de la profession
La fuite a surtout servi d'arbitre dans des débats anciens. Les praticiens qui avançaient depuis des années que le comportement des utilisateurs comptait ont obtenu une confirmation documentaire, après des démentis répétés en conférence. Ceux qui vendaient des raccourcis n'y ont rien trouvé qui ressemble à un levier exploitable.
Pour un éditeur de site, la conclusion pratique tient en peu de mots. Les documents décrivent une machine qui mesure si la page a répondu à la question posée, d'où vient le lien qui pointe vers elle, et si le site a un historique cohérent. Aucune de ces mesures ne se contourne, et toutes se travaillent.
Sources : Mike King (iPullRank), analyse technique de la documentation Content Warehouse, mai 2024 ; Rand Fishkin (SparkToro), publication de la fuite et de son origine, mai 2024 ; témoignage de Pandu Nayak sur NavBoost lors du procès antitrust United States v. Google, 2023 ; déclarations de Google à la presse spécialisée, fin mai 2024
