Cost of Retrieval : une notion qui influe sur la visibilité de votre site internet

Pourquoi deux pages de qualité comparable ne sont-elles pas traitées de la même façon par Google ?

Une partie de la réponse tient en trois mots : cost of retrieval, que l’on peut traduire par « coût de récupération ».

C’est ce que votre site coûte à Google pour être exploré, compris et classé. Plus ce coût est bas, plus votre site a de chances d’être visible.

Je vous explique d’où vient cette notion, ce qui la rend crédible et comment réduire ce coût, que vous créiez un site ou que vous l’ayez déjà.

Pourquoi Google arbitre entre qualité et coût

Chaque jour, Google doit explorer, lire et trier des milliards de pages. Ses ressources sont énormes, mais pas infinies : temps de calcul, mémoire, stockage, bande passante.

Il fait donc des choix. Il ne revient pas sur toutes les pages aussi souvent, et il ne passe pas toutes les pages dans ses systèmes de classement les plus poussés.

À qualité égale, une page qui demande moins d’efforts a un avantage : elle est explorée plus souvent, comprise plus vite et réévaluée plus facilement.

Cost of retrieval : définition et origine du concept

La notion a été popularisée par Koray Tuğberk Gübür, consultant SEO et spécialiste reconnu du SEO sémantique. Il dit l’avoir reprise de Trystan Upstill, ingénieur chez Google.

Sa définition, en 2022 (Reboot Online) : le cost of retrieval est le rapport entre le coût de l’exploration, de la compréhension, de l’évaluation, de l’indexation, du classement et de l’affichage, et la valeur obtenue ensuite.

Autrement dit :

Cost of retrieval = coût de traitement d’une page / valeur qu’elle apporte

Ce n’est pas une formule de calcul, mais une façon de raisonner. Pour faire baisser ce rapport, on peut agir des deux côtés : réduire le coût (un site technique propre) et augmenter la valeur (un contenu utile).

C’est là que le cost of retrieval rejoint l’autorité thématique. Pour Koray, les principes de la recherche sémantique « rendent le cost of retrieval moins cher » (Sitechecker). Un site qui couvre son sujet de façon organisée, avec des pages reliées entre elles, est plus simple à comprendre pour Google. J’explique cette notion dans mon article sur le SEO sémantique.

Ce que prouvent le témoignage de Nayak et les brevets Google

Google n’emploie pas l’expression « cost of retrieval ». Mais plusieurs sources montrent que le coût compte dans son fonctionnement.

Le témoignage de Pandu Nayak

En octobre 2023, lors du procès antitrust intenté par le ministère américain de la Justice, Pandu Nayak, vice-président de la recherche chez Google, a décrit un classement en entonnoir.

Des systèmes comme NavBoost, qui s’appuie sur l’historique des clics, réduisent d’abord des dizaines de milliers de pages à quelques centaines (Hobo Web). Ensuite seulement, RankBrain examine les 20 ou 30 premiers documents et peut ajuster leur score. Pourquoi si peu ? Nayak l’a reconnu : RankBrain est « plus coûteux » que d’autres composants du classement.

Retenez-le : pour bénéficier de ces systèmes, une page doit d’abord passer les étapes les moins chères.

Le brevet Lin et Stevens

Le brevet US 8 868 541, « Scheduling resource crawls », déposé par Google en 2011 et signé par Zhen Lin et Keith Stevens, part d’un constat : les ressources informatiques du robot d’exploration sont limitées.

Il pointe un gaspillage fréquent : explorer certaines pages plus souvent que nécessaire, alors que leur contenu n’a pas changé.

Sa solution : attribuer à chaque page un rythme d’exploration selon sa fréquence de mise à jour, sa popularité et son état. Pour cela, le brevet tient compte du coût par unité de temps de l’exploration d’une page et du risque de manquer une mise à jour intéressante.

Le brevet sur les doublons

Le brevet US 7 627 613, « Duplicate document detection in a web crawler system », accordé à Google en 2009, cosigné notamment par Jeffrey Dean, traite des contenus en double.

Son point de départ : traiter des copies comme des documents différents ferait gaspiller au moteur de l’espace disque, de la mémoire et de la bande passante.

Le brevet détecte donc les doublons dès l’exploration, avant que le moteur ne dépense plus d’efforts pour les traiter.

Les 6 critères du cost of retrieval

Concrètement, qu’est-ce qui rend une page chère ou bon marché pour Google ?

Voici les six critères que je regarde dans mes audits. Ils suivent le parcours d’une page dans Google : exploration, lecture, compréhension. Aucun n’est un facteur officiel : ce sont des leviers cohérents avec les sources citées plus haut.

Accessibilité

Googlebot doit pouvoir atteindre vos pages sans détour : pas de page importante bloquée par le robots.txt, pas de chaînes de redirections, pas de liens vers des 404, un sitemap à jour et des pages reliées par le maillage interne.

Pour le vérifier, ouvrez les statistiques d’exploration et le rapport Pages de la Google Search Console.

Rapidité

Un serveur qui répond lentement freine l’exploration : Googlebot visite moins de pages à chaque passage.

Visez un temps de réponse de quelques centaines de millisecondes, des pages légères et des Core Web Vitals au vert. Pour savoir ce qui ralentit une page, testez-la dans PageSpeed Insights.

C’est le problème que je rencontre le plus souvent en audit : des sites lourds à charger, en particulier certaines boutiques en ligne. Passer à une technologie plus légère est parfois la meilleure solution. Mais elle ne convient pas à tout le monde : c’est du cas par cas.

Changements utiles

Le brevet Lin et Stevens le montre : Google revient plus souvent sur les pages qui changent vraiment.

Changer une date ou une virgule n’y fait rien. Mettez à jour quand vous avez quelque chose de nouveau à dire : un chiffre récent, un exemple, une étape ajoutée. Vous donnez ainsi à Google une raison de revenir.

Prominence visuelle

Le contenu principal doit être visible dès l’arrivée sur la page, sans être noyé sous les bandeaux, les publicités ou les fenêtres surgissantes.

Google analyse aussi la mise en page. Un H1 clair, une réponse directe en haut de page et une hiérarchie de titres logique lui évitent de chercher l’essentiel.

URLs et doublons

Chaque URL inutile coûte : versions avec et sans « www », paramètres de suivi, filtres, pagination, pages quasi identiques.

Une page = une URL. Pour les variantes inévitables, la balise canonical indique à Google la version à retenir. Et redirigez en 301 les anciennes adresses.

Clarté sémantique et rendu

Si votre texte n’apparaît qu’après l’exécution de JavaScript, Google doit faire une étape de plus : le rendu.

Le contenu principal doit donc être présent dans le HTML. Ajoutez des titres qui décrivent bien le contenu, des entités clairement nommées et des données structurées : vous facilitez la compréhension.

Plan d’action : création et optimisation

Checklist à la création d’un site

• un site léger : pas de thème ni de constructeur de pages surchargé, peu d’extensions
• un hébergement rapide et une mise en cache bien configurée
• une URL par sujet, en minuscules, avec une version unique (HTTPS, avec ou sans www)
• le contenu principal dans le HTML, pas chargé en JavaScript
• une hiérarchie claire : un H1, des H2 et H3 descriptifs, une réponse directe en haut de page
• un maillage interne logique : chaque page reliée aux pages du même sujet
• un sitemap qui ne contient que des pages en code 200
• des données structurées adaptées à chaque type de page

C’est la démarche mise en place pour chaque projet.

Audit d’un site existant

1. Statistiques d’exploration (Search Console) : part de HTML, réponses 200 et 304 au-dessus de 90 %, temps de réponse moyen.
2. Rapport Pages : pages en double, « Explorée, actuellement non indexée », redirections.
3. PageSpeed Insights sur vos pages clés : accueil, prestations, articles.
4. Inventaire des URL : paramètres, filtres, pages fines ou redondantes à fusionner ou à rediriger.
5. Test du rendu : affichez une page sans JavaScript et vérifiez que le texte principal reste lisible.

Commencez par ce qui gaspille le plus : erreurs 5xx, redirections en chaîne, doublons.

Limites : ce que Google dit vraiment

Une nuance tout de même.

En août 2024, sur LinkedIn, Martin Splitt, de l’équipe Search Relations de Google, a précisé que Google ne mesure pas « combien cette page nous a coûté » (Search Engine Roundtable). Il a aussi rassuré sur le rendu JavaScript : Google s’en charge.

Le cost of retrieval n’est donc pas un score caché que Google calculerait page par page. Ce que les brevets et le témoignage de Nayak montrent, c’est que les ressources de Google sont limitées et réparties avec soin.

Pour ma part, je rejoins l’avis de Koray. N’oublions pas que Google est une entreprise. Elle a des millions de sites à explorer et ses ressources ne sont pas illimitées. Elle doit donc les répartir intelligemment, pour proposer à ses utilisateurs le contenu le plus fiable et le plus précis.

Conclusion : un site facile à lire est un site plus visible

Le cost of retrieval n’est pas une formule magique. C’est une façon de regarder votre site avec les yeux de Google : tout ce qui lui fait perdre du temps vous coûte en visibilité.

Un site rapide, propre et clair est plus facile à explorer, à comprendre et à citer, par Google comme par les IA. C’est le point de départ de mes audits SEO.

Vous voulez savoir ce que votre site coûte à Google ? Envoyez-moi son adresse, je vous dis ce qui freine son exploration.

Sources

• Reboot Online, Q&A with Koray Tuğberk GÜBÜR, CEO of Holistic SEO (2022)
• Sitechecker, Interview with Koray Tuğberk GÜBÜR (2023)
• Transcription du procès United States v. Google, audience du 18 octobre 2023 (témoignage de Pandu Nayak)
• Hobo Web, Google vs DOJ (analyse des pièces du procès)
• Google Patents, US 8 868 541 – Scheduling resource crawls (Zhen Lin, Keith Stevens)
• Google Patents, US 7 627 613 – Duplicate document detection in a web crawler system
• Search Engine Roundtable, Google: We Don’t Track How Expensive It Is To Crawl, Render, Index & Serve Pages (9 août 2024)