BERT

BERT, au-delà de la ligne de dictionnaire

BERT est l’acronyme de Bidirectional Encoder Representations from Transformers. Le modèle a été publié par une équipe de Google AI en octobre 2018 dans l’article BERT: Pre-training of Deep Bidirectional Transformers for Language Understanding, et Google l’a intégré à son moteur le 25 octobre 2019, sur une requête anglophone sur dix aux États-Unis. Un an plus tard, la firme indiquait que BERT intervenait sur la quasi-totalité des requêtes en anglais. C’est la raison technique pour laquelle une page peut se classer aujourd’hui sur des formulations qu’elle ne contient nulle part littéralement.

Côté opérationnel, la distinction qui compte est celle-ci : BERT ne note pas la qualité d’une page, il construit une représentation de son sens. C’est un encodeur, pas un rédacteur. Il transforme une requête et un passage en vecteurs sensibles au contexte, et d’autres composants du classement exploitent ensuite ces représentations pour arbitrer entre les documents candidats. Aucune balise, aucun réglage technique ne s’adresse à BERT. La seule prise que vous avez sur lui, c’est la précision de la langue que vous publiez.

Pour une remise à niveau rapide avant d’entrer dans la mécanique :

Le nom relève d’une plaisanterie de laboratoire devenue tradition. Le modèle qui a ouvert cette famille s’appelait ELMo (Embeddings from Language Models, février 2018), BERT a suivi, puis Baidu a répondu avec ERNIE : trois personnages de Sesame Street. L’acronyme a été construit pour tomber juste, pas l’inverse. Il n’y a donc rien à traduire dans BERT, et rien à chercher du côté d’un quelconque « algorithme Bert » autonome qu’il faudrait amadouer : c’est un modèle de langage, un composant parmi d’autres dans une chaîne de traitement.

L’attention bidirectionnelle, et ce qu’elle change pour un rédacteur

Avant 2018, la représentation du vocabulaire par les moteurs était largement statique : un mot, un vecteur, quel que soit son entourage. Les architectures séquentielles lisaient de gauche à droite, ou concaténaient deux passes unidirectionnelles en espérant que la somme fasse un contexte. L’architecture Transformer, décrite en 2017 dans Attention Is All You Need, a remplacé cette lecture par un mécanisme d’attention où chaque token pondère tous les autres tokens de la séquence, simultanément et dans les deux directions. BERT est l’application de cette idée au pré-entraînement d’un modèle de langue.

Ce pré-entraînement repose sur deux tâches. La première masque une fraction des tokens d’une phrase et demande au modèle de les reconstituer à partir du contexte gauche et droit à la fois. La seconde lui fait juger si deux phrases se suivent réellement dans le texte d’origine. Rien de tout cela ne concerne le SEO directement, mais le résultat vous concerne : le modèle apprend que les prépositions, les négations et l’ordre des mots portent du sens. La version de base compte environ 110 millions de paramètres, la grande 340 millions, ce qui reste minuscule à l’échelle des modèles de 2026 et explique qu’un encodeur de ce type puisse tourner sur l’intégralité du flux de requêtes sans faire exploser le coût d’inférence.

La démonstration donnée par Google en 2019 reste la plus parlante : sur la requête anglaise concernant un voyageur brésilien se rendant aux États-Unis, le mot to inverse le sens de la demande, et le moteur d’avant BERT l’ignorait purement et simplement. Une explication visuelle du mécanisme, pour ceux qui veulent voir les couches :

La conséquence pratique est contre-intuitive pour qui a appris le métier en 2015 : les mots vides ne sont plus du remplissage. Un intertitre amputé de ses articles et de ses prépositions pour tenir dans une densité cible perd précisément ce que l’encodeur lit. Même logique pour la granularité : depuis le passage ranking, un passage est évalué pour lui-même, donc un paragraphe qui ne tient pas debout sans les trois précédents est un paragraphe qui ne sera jamais remonté seul. Écrire des unités autonomes de deux cents mots, chacune répondant à une question complète, produit plus de surface de captation qu’un long développement dont chaque partie dépend du reste.

Où BERT se situe dans la pile de classement de 2026

L’inventaire des systèmes de classement publié par Google, dans sa version mise à jour en décembre 2025, cite toujours BERT nommément, aux côtés de RankBrain, du neural matching, du passage ranking, de l’analyse des liens et des systèmes anti-spam. Le point mérite d’être posé, parce que la moitié des articles qui circulent traitent BERT comme une mise à jour de 2019 rangée au musée. Elle ne l’est pas : elle est devenue une brique permanente de la compréhension des requêtes, sur laquelle toutes les mises à jour ultérieures s’appuient par défaut.

Sur le volume concerné, prudence avec les chiffres qui tournent. Un guide praticien de 2026 avance qu’environ 30 % des requêtes seraient influencées par le neural matching : c’est une estimation d’auteur, pas une donnée Google, et elle doit être citée comme telle. Le même travers touche les répartitions de poids : un guide de 2026 modélise le contenu « constamment satisfaisant » à environ 23 % de l’influence sur le classement au premier trimestre 2025, et les signaux d’engagement autour de 12 %. Ces nombres sont des reconstructions, commodes pour argumenter en réunion, sans valeur de mesure. Les faire passer pour des constantes du moteur est le meilleur moyen de perdre la confiance d’un client technique.

Ce qui est daté et vérifiable, ce sont les déploiements. Le core update de l’été 2025 a couru du 30 juin au 17 juillet 2025, seize jours. Le spam update suivant s’est étalé du 26 août au 21 septembre 2025, vingt-six jours, en visant explicitement l’abus de réputation de site et la production massive de contenu mince. Le core update annoncé le 11 décembre 2025 a mis environ trois semaines. Celui du 27 mars au 8 avril 2026, doublé d’un spam update en parallèle, a produit selon l’analyse de Redefine Marketing Group la plus forte volatilité depuis des années : près de 25 % des URL du top 10 ont perdu des positions, contre environ 14 % après le seul core update de décembre 2025. Le dernier en date a été annoncé le 21 mai 2026. Le fil rouge de cette série de mises à jour du cœur de l’algorithme ne varie pas : elles supposent la compréhension de niveau BERT acquise, et démontent ce qui ne tenait que par la répétition lexicale.

Dernier repère utile, la classification de l’intention. Une analyse publiée en 2026 par WSI et Provisors Thought Leadership répartit les recherches en 55 à 60 % d’informationnel, 10 à 15 % de navigationnel, 15 à 20 % de commercial et 10 à 15 % de transactionnel, avec des termes commerciaux et transactionnels qui convertissent 3 à 4 fois mieux que l’informationnel, et un classificateur d’intention annoncé à 92 % de précision sur les requêtes mono-intention en 2025. On peut discuter les bornes. Ce qui compte, c’est que ce découpage n’aurait aucun sens opérationnel si le moteur en était resté à l’appariement de chaînes de caractères.

BERT face aux modèles génératifs

La confusion la plus coûteuse de 2026 consiste à ranger BERT et les modèles génératifs dans la même case. Ce sont deux familles d’architecture avec deux métiers distincts. Un encodeur comme BERT lit un texte entier et en produit une représentation ; un décodeur génératif produit du texte token par token. Le premier sert à comprendre et à comparer, donc à classer. Le second sert à rédiger, donc à composer une réponse. Les résumés générés en haut des pages de résultats relèvent du second ; le choix des documents qui les alimentent et l’ordre des liens en dessous relèvent encore largement du premier.

Cette division du travail a une conséquence qu’on lit rarement : la couche de compréhension est bon marché, la couche de génération ne l’est pas. C’est exactement pour cela qu’un encodeur compact reste en production sur tout le flux de requêtes alors que la génération est réservée à un sous-ensemble. Quiconque annonce la disparition de BERT confond le composant qui décide et le composant qui parle.

L’autre effet de bord touche la production de contenu. Le core update de mars 2026 a été décrit comme dirigé précisément contre le texte synthétique produit en masse sans apport d’expertise, et les analyses de fin 2025 relèvent que des similarités de style à l’échelle d’un site entier sont devenues faciles à détecter côté algorithme. Une analyse régionale indienne va plus loin et situe un seuil de suppression au-delà de vingt publications générées par semaine sans intervention d’expert, à partir d’août 2025 : à prendre comme une observation locale, pas comme une règle. Notre lecture est simple, et elle est celle d’un opérateur qui publie tous les jours : le problème n’est pas l’outil d’écriture, c’est l’absence d’apport propre. Un texte qui n’ajoute rien est indistinguable de mille autres dans l’espace vectoriel, et c’est précisément ce que le système de contenu utile fondu dans le cœur en mars 2024 a été conçu pour repérer.

Les erreurs qu’on voit en audit

La première est commerciale : facturer une « optimisation BERT ». Il n’existe pas de levier dédié, et la ligne de devis ne correspond à aucun travail identifiable. La deuxième est la lecture cargo-culte des outils sémantiques. Couvrir une liste de termes suggérés par un outil de brief n’est pas produire du sens ; ces listes servent de contrôle de couverture après rédaction, jamais de quota à remplir, parce qu’un texte écrit pour satisfaire un vecteur de fréquences se lit comme tel et se classe comme tel.

La troisième erreur est la fragmentation. Un consultant découpe une intention unique en cinq pages pour couvrir cinq variantes de formulation, alors que l’encodeur les rapproche de lui-même. Résultat : cinq pages qui se cannibalisent et diluent le maillage interne, là où une page dense aurait absorbé les cinq requêtes. La quatrième est symétrique, empiler quatre intentions hétérogènes sur une page fourre-tout au prétexte que le champ lexical paraît voisin. Dans les deux cas, l’erreur consiste à raisonner sur les mots plutôt que sur ce que le lecteur cherche à faire.

Vient ensuite l’idée fausse que BERT pénalise. Il n’a aucun mécanisme de sanction, aucun score de qualité, il ne fait que représenter. Les sanctions viennent des systèmes anti-spam, dont les déploiements sont datés et séparés. Enfin, la traduction automatique brute : une page allemande passée à la machine depuis le français conserve le vocabulaire et perd les tournures, et la représentation obtenue reflète fidèlement cette maladresse. Sur un réseau multilingue, c’est le poste où l’on perd le plus de pertinence pour le moins d’effort économisé.

Ce que BERT change pour une opération de netlinking

Le déplacement principal porte sur l’ancre. Tant que le moteur appariait des chaînes, l’ancre en correspondance exacte était le signal dominant, et tout le marché du lien s’est construit là-dessus. Avec une couche de compréhension contextuelle, la phrase qui porte le lien, le paragraphe qui l’entoure et la thématique réelle de la page hôte entrent dans l’évaluation de ce que ce lien recommande. L’ancre reste un signal, elle n’est plus le signal. C’est aussi pour cela que les profils saturés d’ancres identiques se repèrent sans effort : ils sont statistiquement anormaux dans un espace où la variation de formulation est la norme.

Traduit en décisions d’achat, cela donne trois arbitrages. Choisir le média sur la proximité sémantique réelle de son contenu, pas sur la présence du mot-clé dans son nom de domaine. Vérifier que l’article d’accueil traite le sujet sur toute sa longueur, parce qu’un lien posé au milieu de deux cents mots de remplissage donne peu de matière à l’encodeur. Accepter des ancres descriptives, formulées comme on parle, plutôt que la répétition mécanique de la requête cible.

C’est un des points où notre modèle diverge des places de marché : sur les médias éditoriaux que nous opérons en propre, la rédaction est interne et le sujet de l’article est choisi pour tenir devant un lecteur, ce qui rend le contexte du lien vérifiable avant l’achat plutôt qu’après. Le catalogue des médias, consultable sans inscription, affiche la thématique et les métriques de chacun : c’est le minimum pour arbitrer sur autre chose que la promesse d’un intermédiaire. En 2026, un profil de liens cohérent avec le champ sémantique du site cible produit davantage qu’un volume double posé sur des ancres exactes n’importe où.