Olivier de Segonzac, cofondateur du cabinet de conseil en marketing digital RESONEO et spécialiste des moteurs de recherche, a présenté le 8 septembre les travaux de son équipe sur Google Maps. L’analyse croise un fichier binaire récent, la documentation interne divulguée en 2024, les échanges réseau et des tests sur les services de Google.
Google construit une représentation de chaque lieu
Au centre du système étudié se trouve Geostore, un répertoire d’objets géographiques appelés Features. Un objet peut désigner un établissement, une route, une ville ou une gare. Pour un commerce, il rassemble son identité, sa géométrie, ses sites web, son appartenance à une enseigne et ses références au Knowledge Graph.
La fiche Google Business Profile est composée à partir de ces informations. L’objet interne conserve une identité distincte de sa position, ce qui permet de modifier sa localisation sans nécessairement créer une nouvelle entité.
Le corpus recense 793 fournisseurs de données. Le nom, le téléphone et la catégorie d’un même établissement peuvent provenir de sources différentes. Des mécanismes de priorité et de confiance servent à arbitrer les informations qui divergent, puis à retenir ou à combiner les valeurs.
Selon Olivier de Segonzac, cette organisation aide à comprendre pourquoi certaines corrections effectuées sur une fiche ne se maintiennent pas. Elles entrent en concurrence avec les informations déjà associées au lieu.
Oyster Rank compte 72 signaux, dont 25 obsolètes
Geostore dispose d’un système nommé Oyster Rank, qui évalue l’importance d’une entité. L’équipe a retrouvé une énumération de 72 signaux. Parmi les noms recensés figurent les avis Google, le volume de recherches sur le Web, les impressions et ouvertures de fiches, les demandes d’itinéraire et les clics vers le site.
La liste comprend aussi l’appartenance à une enseigne, des signaux liés à Wikipédia, la popularité, la notoriété, les informations sur les lieux remarquables et l’usage des routes.
Sur ces 72 entrées, vingt-cinq sont explicitement marquées obsolètes. L’équipe connaît les noms des signaux, mais pas leur poids dans le calcul. La présence de SIGNAL_GOOGLE_REVIEWS établit ainsi que les avis figurent dans cette structure, sans indiquer leur influence actuelle.
Oyster Rank intervient en amont du classement local final. D’autres systèmes interprètent la requête, sélectionnent les lieux possibles, évaluent leur pertinence et appliquent le contexte géographique avant de réordonner les résultats.
Le périmètre de recherche varie selon la requête
Les tests montrent que Google ne recherche pas systématiquement les établissements dans un rayon fixe. Depuis un même point de Paris, une requête sur les pharmacies couvre une zone plus petite qu’une recherche sur Carrefour. En zone rurale, la recherche de pharmacies s’étend davantage.
Les trois cas illustrent des périmètres de recherche différents.
| Recherche et localisation | Rayon observé |
|---|---|
| « pharmacie » à Paris | 0,98 km |
| « Carrefour » à Paris | 12,44 km |
| « pharmacie » en Lozère | 32,96 km |
L’équipe a également neutralisé la pondération géographique dans le moteur testé. Sur 5 083 appels et 86 584 résultats, la distance médiane mesurée passe de 6,87 kilomètres à plus de 4 000. L’ordre hors critères géographiques reste très stable. Les auteurs en déduisent que la géographie intervient dans la sélection des établissements, au-delà d’un simple tri par proximité.
Les pages web et les concepts complètent les fiches
Les objets Geostore peuvent être reliés au Knowledge Graph par un identifiant appelé MID. Les documents de l’index web peuvent porter ce même identifiant. Une couche nommée Webref associe les pages aux entités, avec des informations sur leur sujet, leur contexte géographique et le degré de confiance dans cette association.
Une page consacrée à un magasin peut donc servir de document de référence sur l’établissement, selon l’analyse. Son rôle dépasse sa présence dans les résultats web.
Le corpus recense 446 types d’intentions de recherche locale. Google utilise aussi un vocabulaire de concepts, les GConcepts, pour décrire les commerces, les plats, les cuisines ou les modes de service. Dans les tests, une recherche sur les ramen renvoie vers plusieurs catégories, dont les restaurants japonais et asiatiques.
Les thèmes des avis, les plats et certains attributs disposent ainsi d’une représentation structurée par concepts. Olivier de Segonzac décrit Gemini et Ask Maps comme une interface conversationnelle au-dessus de ces informations. Elles peuvent servir à traiter des demandes qui combinent horaires, préférences alimentaires, taille du groupe et retours des clients.
L’équipe observe également que des magasins d’une même enseigne, dans une même agglomération, peuvent porter des concepts principaux différents. Olivier de Segonzac invite donc les réseaux à vérifier la représentation de chaque établissement, sans présumer de son uniformité.
Le téléphone participe au contexte géographique
L’équipe a identifié des structures exécutées sur l’appareil qui concernent les visites, les trajets, les lieux fréquents, le domicile et le travail. Un objet nommé ChainAffinity suggère une affinité pour certaines enseignes.
Elle a aussi retrouvé un système de notation hors ligne, avec huit signaux répartis sur treize niveaux. Il est distinct d’Oyster Rank et du classement Places côté serveur. Certaines fonctions sont nommées dans les schémas récupérés, tandis que d’autres sont reconstituées à partir du code compilé.
L’affichage sur la carte dépend aussi du zoom
Après la sélection et le classement des lieux, Mapcore intervient dans leur affichage. L’équipe a récupéré 50 998 styles Mapcore et 12 936 styles d’étiquettes. Le niveau de zoom et les conditions de rendu déterminent quels noms peuvent apparaître sans surcharger la carte.
Un établissement bien classé peut ainsi rester absent de la carte affichée. L’analyse distingue cette décision de rendu de sa position dans les résultats de recherche.
RESONEO met à disposition une archive technique en ligne. Elle réunit 10 936 déclarations Geostore, avec les noms des messages, les champs, les énumérations et les descriptions disponibles dans la documentation de 2024.
