Google Search Console laisse remonter des morceaux de conversations IA

Google Search Console a été conçu pour répondre à une question simple : sur quelles recherches un site apparaît-il ? Avec AI Mode, cette question devient beaucoup moins simple.

Dans sa documentation, Google précise désormais qu’un utilisateur qui pose une question de suivi dans AI Mode effectue, du point de vue de Search Console, une nouvelle requête. Les impressions, positions et clics de la réponse suivante sont alors attribués à cette nouvelle interaction. En clair : si un internaute répond simplement « yes go on » à Google et qu’une de vos pages apparaît dans la réponse, cette expression peut être enregistrée comme requête dans vos données de performance.

Début août, Anastasia Kourou a notamment partagé sur LinkedIn des requêtes de réponse très courtes observées dans Search Console. John Mueller a renvoyé vers la documentation Google, qui précise que les follow-ups d’AI Mode sont traités comme de nouvelles requêtes ; l’échange a ensuite été relayé par Search Engine Roundtable. Les SEOSearch Engine Optimization : ensemble de pratiques pour améliorer la visibilité organique dans les moteurs de recherche. observaient déjà depuis longtemps des formulations conversationnelles dans GSC ; la nouveauté visible à ce moment-là tient surtout à ces artefacts de réponse très explicites, du type « yes » ou « yes go on ». Suganthan Mohanadasan en a fait quelque chose de plus intéressant qu’une curiosité : un outil pour essayer de distinguer ces fragments conversationnels du reste des données Search Console.

Search Console contient désormais deux types de langage

Une requête classique est généralement autonome. « meilleur hébergeur wordpressCMS open source dominant du web, basé sur PHP/MySQL, extensible via thèmes et plugins. », « prix claude pro » ou « core web vitalsSignaux UX mesurés par Google (LCP, INP, CLS) liés à la performance perçue des pages. » se comprennent sans contexte extérieur.

Une conversation, elle, peut produire des phrases qui n’ont de sens qu’avec ce qui précède : « is it free? », « what about resend? », « show me », « yes », « and for wordpress? ».

C’est précisément ce décalage que documente Suganthan dans son analyse « Yes, Go On: The AI Conversations Leaking Into Your Search Console ». Sur seize mois de données, dans le bucket conversationnel seul, il identifie 559 requêtes, 8 834 impressions et seulement 13 clics. Le contraste entre beaucoup d’impressions et très peu de clics est l’un des signaux les plus intéressants de son analyse.

Autre indice très concret : la requête « yes » apparaît chez lui avec une position moyenne de 4,5. Sur le web ouvert, cette requête renvoie typiquement vers des contenus liés au groupe Yes, à des paroles de chansons ou à la grammaire ; le site de Suganthan n’a aucune raison réaliste de s’y classer quatrième. Dans une réponse générative, le signal devient en revanche cohérent : la documentation Google précise que les liens affichés dans un bloc IA héritent de la position du bloc entier. Une page citée dans un follow-up conversationnel peut donc se voir attribuer une position élevée sur une requête comme « yes » sans jamais être compétitive sur cette requête dans les résultats web classiques.

Le mot « leaking » est volontairement provocateur. Il ne s’agit pas d’une fuite de données au sens sécurité du terme. Google documente bien le mécanisme : dans AI Mode, chaque follow-up est traité comme une nouvelle requête et les signaux de performance de la nouvelle réponse lui sont attribués.

La conséquence est néanmoins étrange pour l’analyse SEO : le même tableau mélange désormais des recherches formulées pour un moteur et des morceaux de dialogue adressés à un assistant.

Un classifier pour remettre un peu d’ordre

Le Conversation Query Classifier accepte un export CSV de Search Console ou de BigQuery et tente de classer les requêtes en plusieurs familles.

On y retrouve les réponses courtes comme « yes » ou « show me », les pivots de comparaison du type « what about Gemini? », les questions conversationnelles, mais aussi des catégories beaucoup moins humaines : prompts répétitifs de trackers de visibilité IA, instructions complètes d’agents, chaînes copiées-collées ou requêtes longues difficiles à attribuer avec confiance.

Le fonctionnement est plutôt prudent. Les cas évidents sont détectés par des règles exécutées dans le navigateur. Les requêtes restantes peuvent être envoyées sous forme de texte à un modèle multilingue pour classification. Suganthan indique que les fichiers eux-mêmes restent locaux, que seules les chaînes de requêtes non classées sont envoyées à son serveur et qu’elles sont traitées en mémoire sans stockage.

Il y a toutefois un caveat important pour un lectorat francophone : la bibliothèque de règles exécutée dans le navigateur est anglophone. Des formulations comme « c’est gratuit ? » ou « et pour WordPress ? » ne profiteront donc pas des mêmes règles locales et dépendront davantage du modèle serveur pour être reconnues.

Autre limite pratique : l’export depuis l’interface Search Console est plafonné à 1 000 lignes. Sur un gros site, on peut donc tester l’outil avec un jeu de donnéesEnsemble de données structuré utilisé pour entraîner, valider ou tester un modèle. fortement tronqué sans forcément s’en rendre compte. Pour une analyse plus complète, il faut privilégier BigQuery ou l’API Search Console. Le classifier existe également sous forme d’outil MCPModel Context Protocol : standard pour brancher des outils / données à un LLM (serveurs, resources, tools)., genai_conversation_queries, qui correspond d’ailleurs à sa distribution d’origine.

Ce n’est donc pas seulement un filtre « requête IA / requête normale ». C’est une tentative de nettoyer un dataset qui commence à contenir des comportements très différents sous une même colonne.

Le vrai intérêt apparaît avec le nouveau rapport Generative AI

Google a aussi déployé dans Search Console un rapport dédié à la visibilité dans ses expériences génératives. Le rapport Generative AI donne notamment des vues par pages, pays, appareils et dates.

Mais il ne donne pas les deux pièces que les SEO cherchent le plus naturellement : les requêtes et les clics associés à cette visibilité.

Suganthan avance d’ailleurs une hypothèse intéressante à partir de ses propres données : si les interactions conversationnelles génèrent beaucoup d’impressions mais très peu de clics, Google peut avoir peu d’intérêt à exposer un reporting de clics détaillé pour ces surfaces. Cela reste une interprétation de sa part, pas une position officielle de Google, mais elle colle au contraste observé dans son dataset.

C’est ici que le classifier devient plus qu’un petit outil de nettoyage.

Il permet d’ajouter l’export Pages.csv du rapport Generative AI et de le rapprocher des données de requêtes classiques — mais pas avec l’export standard de l’interface GSC, qui ne contient pas les URLs nécessaires à la jointure. Pour faire ce rapprochement, il faut un export BigQuery ou un pull via l’API Search Console incluant la dimension page. On obtient alors une lecture approximative mais nouvelle : quelles pages sont visibles dans les expériences IA et quels fragments conversationnels ont été enregistrés à proximité de ces pages.

On passe d’une analyse du type :

Page → impressions IA

à quelque chose qui commence à ressembler à :

Page → contexte conversationnel potentiel → visibilité IA

Ce n’est pas une reconstruction complète des conversations. Mais pour l’architecture éditoriale d’un site, la nuance est importante.

« What about Resend? » vaut parfois plus qu’un mot-clé

Suganthan donne un exemple parlant avec une requête du type « what about resend? » associée à un contenu sur des outils de newsletter.

Dans un outil SEO traditionnel, cette chaîne a peu de valeur. Son volume est minuscule et elle semble presque inutilisable comme mot-clé.

Dans une conversation, elle raconte au contraire beaucoup : l’utilisateur avait déjà une réponse devant lui et demande à Google de comparer ou d’introduire une alternative. La page est donc intervenue à un moment où l’utilisateur affinait son choix.

Pour une équipe qui conçoit un site dont le SEO est central, ce type de signal peut devenir exploitable. Une série de pivots vers un concurrent peut justifier une section de comparaison. Une question « is it free? » peut révéler une information insuffisamment explicite. Un follow-up très précis peut montrer quel passage manque au contenu alors même que la page est déjà jugée pertinente par l’IA.

Le changement de perspective est notable : on ne cherche plus seulement pour quel mot-clé une page apparaît, mais à quel moment d’une conversation elle devient utile.

Les machines polluent elles aussi les données

L’analyse de Suganthan fait remonter un autre phénomène : certaines requêtes ne semblent venir ni d’une recherche classique ni d’une vraie conversation humaine.

Il identifie notamment 124 « tracker probes » totalisant 2 902 impressions, ainsi que des prompts d’agents représentant 2 181 impressions. Dans ce dernier ensemble, un même prompt aurait été exécuté environ 2 160 fois en cinq jours, un profil beaucoup plus compatible avec une automatisation qu’avec un comportement humain.

À l’échelle des sept familles, Suganthan compte au total 1 127 requêtes pour 20 300 impressions. Ces catégories machines font partie de ce total global ; elles ne doivent donc pas être confondues avec les 559 requêtes / 8 834 impressions du bucket conversationnel humain évoqué plus haut.

C’est une mise en abyme assez savoureuse : les outils qui mesurent la visibilité IA peuvent eux-mêmes produire des impressions dans Search Console, puis se retrouver comptés dans les analyses qu’ils contribuent à alimenter.

Pour les futurs dashboards SEO/GEOGenerative Engine Optimization : stratégies pour apparaître dans les réponses génératives (AI Overviews, chatbots)., la séparation humain / conversation / agent / probe synthétique pourrait devenir une étape de nettoyage aussi importante que le branded / non-branded aujourd’hui.

Une boussole, pas une mesure exacte

Il faut malgré tout résister à la tentation de transformer ces catégories en métrique absolue.

La première limite est structurelle : Google anonymise une partie importante des requêtes rares. Or les formulations conversationnelles sont presque toujours rares, puisqu’un follow-up dépend précisément d’un contexte particulier. Dans les données BigQuery analysées par Suganthan sur 59 jours, 57,7 % des impressions Web n’avaient aucune chaîne de requête visible.

Le classifier ne voit donc que la partie émergée de l’iceberg.

Deuxième limite : il analyse la forme d’une requête, pas son origine certaine. « is it free » ressemble fortement à une question de conversation, mais rien n’empêche quelqu’un de l’avoir tapée directement dans un champ de recherche. Le classement reste une inférencePhase d’utilisation d’un modèle déjà entraîné : produire une sortie à partir d’une entrée (par opposition à l’entraînement)..

Troisième limite : la qualité de classification varie selon la langue. Les règles locales étant pensées pour l’anglais, l’analyse de requêtes françaises dépend davantage de la couche modèle, avec potentiellement davantage de cas ambigus ou de faux négatifs.

Enfin, AI Overviews et AI Mode restent difficiles à séparer proprement au niveau de la requête. Une page visible dans le rapport Generative AI peut l’être dans l’un ou l’autre environnement, tandis que les fragments de follow-up sont surtout indicatifs des interactions multi-tours d’AI Mode.

Le SEO commence à analyser des conversations, pas seulement des requêtes

Le plus intéressant dans cet outil n’est finalement pas son bouton « Classify ».

C’est ce qu’il révèle sur l’évolution des données elles-mêmes.

Pendant vingt ans, le SEO a construit ses méthodes autour d’une unité fondamentale : la requête. Un utilisateur formule une intention, Google renvoie une page de résultats et les outils essaient de relier les deux.

Avec les moteurs génératifs, la pertinence peut apparaître au deuxième, troisième ou quatrième tour d’un échange. L’utilisateur reformule, contredit, compare, précise ou répond simplement « oui ». Le moteur va alors chercher de nouvelles sources et peut décider qu’une page devient pertinente seulement à ce moment-là.

Search Console commence déjà à enregistrer des traces de ce comportement, mais son interface et ses rapports ne sont pas encore conçus pour les expliquer clairement.

Le classifier de Suganthan est donc intéressant comme outil gratuit. Mais il est surtout intéressant comme symptôme : le SEO est en train de passer de l’analyse des mots-clés à l’analyse des contextes conversationnels dans lesquels une page est sélectionnée.

Et pour les concepteurs de sites, cela remet le contenu lui-même au centre. Les titres et les mots-clés restent utiles. Mais dans une réponse générative, ce sont aussi les passages précis, tableaux, comparaisons, définitions et réponses directes que le moteur peut reprendre qui déterminent si une page entre — ou non — dans la conversation.