Olivier de Segonzac, de l’agence RESONEO, a publié un inventaire de 120 Twiddlers pour les résultats web, les images et la vidéo. Selon ses travaux, 111 noms n’avaient pas d’équivalent identifié dans le document interne de 2018 et la fuite Content Warehouse de 2024.
Ces programmes peuvent promouvoir une page, la rétrograder, l’écarter ou modifier la diversité des résultats. L’analyse distingue sept familles, de la qualité des contenus aux mécanismes propres à YouTube.
Une seconde passe avant l’affichage des résultats
Les Twiddlers interviennent sur une liste de résultats classés. Ils se distinguent ainsi d’Ascorer, qui attribue des scores aux documents. Leur cadre d’exécution appartient à Superroot, le système qui distribue les requêtes aux différents index de Google et rassemble leurs réponses.
Le framework distingue deux types de Twiddlers. Les Twiddlers « predoc » examinent plusieurs centaines de résultats, avant la récupération des extraits. Le système réordonne cette liste, puis les Twiddlers « lazy » travaillent sur les premiers résultats, avec leurs informations d’affichage. Si certains sont écartés, le système récupère les suivants.
Chaque programme formule ses recommandations de manière indépendante. Le framework arbitre ensuite entre elles. Plusieurs opérations sont possibles, comme déplacer une page, la placer devant une autre, filtrer un résultat ou espacer ceux d’une même catégorie. Certains programmes transmettent seulement des annotations aux étapes suivantes.
L’expertise, l’autorité et l’IA ont leurs propres mécanismes
L’inventaire associe l’expertise à ExpertiseTwiddlerDocFeatures et ExpertiseTwiddlerParams. RESONEO y décrit des caractéristiques calculées par document. L’authenticité et l’autorité thématique disposent aussi de structures liées à la requête et au résultat.
La famille consacrée à l’IA comprend RankBrain, un « oracle de pertinence », le For Loop Ranker et un filtre nommé Bard. Pour ce dernier, l’analyse relève des paramètres transmis avec la requête et des données attachées aux résultats examinés.
Elle identifie également PlannedRetrievalAnnotations, associé au plan des recherches à exécuter pour une question. Selon RESONEO, ce plan accompagne la requête jusqu’au reclassement. Il relie cette étape aux requêtes fan-out du mode IA.
Le For Loop Ranker illustre la diversité des traitements appliqués. Il peut attribuer de nouveaux scores, là où d’autres Twiddlers effectuent des ajustements plus ciblés.
Le spam, la fraîcheur et les recherches répétées modifient les positions
Les traitements antispam peuvent intervenir après le classement initial. RESONEO relève notamment HeavilySpamDemotedResults, qui conserve la liste des résultats rétrogradés pour spam, ainsi qu’un enregistrement attaché à chaque résultat concerné.
Le mécanisme DMCA porte, lui, sur les signalements de droits d’auteur. Selon l’analyse, un volume élevé de demandes de retrait valides peut entraîner une rétrogradation du domaine entier. SafeSearch dispose de traitements distincts pour les contenus explicites, le floutage des images et la violence.
La fraîcheur et les recherches répétées mobilisent d’autres programmes. ViewDemotionTwiddlerParams correspond au recul de résultats déjà vus lorsque l’internaute relance une requête. Les mécanismes Freshest peuvent favoriser des contenus plus récents, tandis qu’une couche dite « stateful » conserve des informations d’une recherche à la suivante. Les préférences de domaines et les intentions personnalisées ont également leurs propres paramètres.
Les images et YouTube disposent de traitements dédiés
Pour les images, RESONEO distingue des signaux associés à la requête et à chaque résultat. Ils concernent notamment la qualité esthétique des images, leur intérêt commercial et leur pertinence. La diversité des domaines dispose aussi d’un traitement destiné à limiter la présence d’une même source dans un bloc d’images.
Les résultats commerciaux comprennent des mécanismes pour les offres promotionnelles, les marchands spécialisés et la personnalisation de Shopping. La liste distingue les programmes qui regroupent les produits de ceux qui leur ajoutent des annotations.
Côté vidéo, les traitements couvrent la déduplication des vidéos YouTube, les titres racoleurs et l’authenticité des Shorts. L’analyse relève aussi des signaux à l’échelle d’un passage, avec VideoSegmentTopicalityTwiddlerParams, et des paramètres liés à l’engagement. YoutubeSeeksTwiddlerResultAnnotation fait référence aux déplacements des spectateurs d’un passage vidéo à l’autre.
