Algorithme PageRank : comment Google classe les pages web

PageRank (nommé d'après Larry Page) modélise le web comme graphe orienté où pages = nœuds et hyperliens = arêtes. Il calcule une distribution stationnaire d'un surfeur aléatoire qui :

• Suit un lien sortant au hasard avec probabilité d (facteur d'amortissement, typiquement 0,85).
• « Téléporte » vers page aléatoire avec probabilité 1–d.

Formulation mathématique

Pour page i :

PR(i) = (1-d)/N + d × Σ [PR(j) / L(j)]

où j sont pages liant vers i, L(j) = liens sortants de j, N = total pages.

Insights clés

• Qualité > Quantité : Un lien depuis page haut PR vaut mieux que beaucoup depuis pages bas PR.
• Liens sortants diluent : Une page partage son « vote » entre tous ses liens sortants.
• Calcul itératif : Méthode de puissance converge en ~50–100 itérations sur milliards de pages.
• PageRank personnalisé : Vecteur téléportation biaisé vers intérêts utilisateur (recommandations).

Au-delà du PageRank original

Google utilise maintenant des centaines de signaux (pertinence contenu, UX, E-E-A-T, Page Experience, compréhension BERT/MUM). PageRank reste composant fondateur mais pas seul classeur.

Leviers SEO pratiques

• Obtenez des backlinks éditoriaux de sites autoritaires, pertinents.
• Élaguez liens sortants low-quality ; utilisez rel="nofollow" pour payants/non fiables.
• Améliorez maillage interne pour distribuer PageRank vers pages clés.
• Corrigez erreurs crawl, contenu dupliqué, lenteur — affectent classement global plus que PR seul.

PageRank était révolutionnaire en 1998 ; aujourd'hui c'est une pièce d'un système de classement massif piloté par ML.