Derrière chaque requête, Google maintient une liste de termes attendus dont presque personne ne connaît le nom. Cet algorithme discret explique pourquoi la couverture sémantique fonctionne.
QBST, pour Query-Based Salient Terms, désigne un algorithme de mémorisation que Google mobilise dès la présélection des résultats de recherche. Son nom a émergé lors du procès antitrust américain, puis dans la fuite de documents internes de 2024. Comprendre ce mécanisme éclaire une pratique quotidienne du SEO : la couverture du vocabulaire attendu pour chaque requête, celle que mesurent les guides sémantiques et que je vérifie dans chaque audit de contenu.
Un algorithme sorti de l’ombre par le procès antitrust
Le grand public ignorait tout de QBST avant que le procès antitrust intenté à Google aux États-Unis ne fasse remonter son nom dans les pièces versées au dossier. Les témoignages entendus à cette occasion, dont ceux de dirigeants de Microsoft venus expliquer le retard de Bing, ont mis en lumière un point central : les données de comportement des utilisateurs alimentent directement plusieurs briques du processus de classement de Google. Contrairement à d’autres mécanismes que la firme documente par brevet, celui-ci n’a émergé que par voie judiciaire ; aucun brevet public ne le décrivait.
La fuite de 2024 a ensuite confirmé l’existence de cet algorithme. Parmi les milliers d’attributs d’API révélés publiquement figurent des références explicites à QBST, aux côtés d’attributs comme EntityAnnotations, qui identifient les entités et les expressions attendues dans un contenu jugé expert. Ces mêmes documents citent Alexandria, le système d’indexation maison de Google, dans lequel ces signaux s’inscrivent.
Lors de ma dernière formation, la session « Recherche Générative & SEO » de Babbar en juin 2026, QBST a été présenté comme l’un des trois algorithmes de mémorisation du premier étage de la recherche Google, avec Rocchio et Navboost. Trois noms absents de la communication officielle, mais qui expliquent une grande partie de ce que les praticiens du référencement observent depuis des années dans les SERPs.
Comment QBST opère la présélection des résultats
QBST intervient à l’étape du first step retrieval, la phase où Google présélectionne les pages candidates avant les couches de classement plus sophistiquées. Le principe tient en une phrase : pour chaque requête, le système mémorise les termes saillants, c’est-à-dire les mots statistiquement significatifs associés à cette demande, puis confronte chaque page à cette liste.
Le sigle Query-Based Salient Terms décrit exactement cette mécanique : des termes saillants dépendants de la requête, non des propriétés fixes d’un document. Une page peut couvrir parfaitement les termes attendus pour une recherche et rester lacunaire pour l’intention voisine, parce qu’un même terme pèse différemment selon le contexte de la demande.
Cette approche prolonge le modèle historique du bag-of-words, où un document se résume à la distribution de ses mots. Les documents de la fuite de 2024 mentionnent des attributs comme la virtual term frequency ou des variantes de l’IDF (inverse document frequency), qui pondèrent la fréquence d’un terme selon sa rareté dans le corpus. Les moteurs de recherche n’ont jamais abandonné la statistique lexicale : un modèle des années 1990 survit au cœur du moteur le plus avancé du marché, précisément grâce à ces briques de mémorisation.
Cette présélection conditionne tout le processus. Une page absente de ce premier tri ne sera jamais évaluée par les couches d’intelligence artificielle qui affinent ensuite la pertinence des résultats. C’est ce qui rend cet algorithme si structurant pour le SEO ; les autres moteurs appliquent d’ailleurs des filtres d’entrée comparables.
Termes saillants, champ lexical et champ sémantique
Les termes saillants ne se confondent ni avec les synonymes du mot-clé ni avec un champ lexical scolaire. Un terme saillant est un mot que Google a appris à attendre dans les contenus qui satisfont une recherche donnée, parce qu’il apparaît de façon significative dans les documents et les comportements associés à cette demande.
Google ne lit pas votre page comme un lecteur : il vérifie qu’elle contient les termes qu’il attend.
Prenez une requête médicale : les contenus qui répondent correctement mobilisent un vocabulaire de praticien, des noms de molécules, des références à des protocoles. Ce champ sémantique caractérise le contenu expert et les attributs EntityAnnotations révélés par la fuite montrent que Google annote précisément ces entités et chaque terme significatif. Le module EEAT de la formation insiste sur ce point : l’expertise perçue par l’algorithme passe d’abord par la présence des termes qu’un expert emploierait naturellement.
La conséquence pratique est directe. Rédiger pour le SEO ne consiste pas à répéter un mot-clé, mais à couvrir le lexique attendu : entités, cooccurrents, vocabulaire technique du domaine, expressions que les internautes emploient pour formuler leur besoin. Un texte qui traite son sujet en profondeur coche ces cases sans effort ; une rédaction superficielle, même longue, laisse des trous que QBST détecte mécaniquement.
Le rôle des clics et des comportements utilisateur
La mémorisation qui alimente QBST ne sort pas de nulle part : elle repose sur un processus d’observation massive des usages. Navboost, l’autre brique de mémorisation citée lors du procès, exploite les données de clics pour ajuster le classement : quels résultats les utilisateurs choisissent pour une requête donnée, lesquels provoquent un retour immédiat vers les résultats proposés.
Ce lien entre expérience utilisateur et positionnement explique l’ampleur du débat lors du procès antitrust. Microsoft y a décrit son incapacité à rattraper son concurrent faute d’un volume comparable de requêtes observées, y compris sur les recherches vocales et mobiles qui élargissent chaque année le corpus analysable. Plus un moteur accumule de données d’usage, plus ses listes de termes saillants gagnent en finesse.
Pour vous, éditeur de site web, la leçon tient en deux points. D’une part, le vocabulaire attendu évolue avec les usages et le contexte de recherche : le lexique saillant d’un mot-clé en 2026 n’est pas figé, il évolue avec les contenus que les internautes plébiscitent sur le web. D’autre part, une page qui déçoit une fois affichée finit par peser sur les signaux mémorisés, quelle que soit sa couverture lexicale initiale. La sémantique ouvre la porte ; l’usage décide si elle reste ouverte.
Pourquoi la couverture sémantique fonctionne en pratique
QBST fournit l’explication théorique d’un constat que je fais sur le terrain depuis des années : enrichir un texte avec le vocabulaire attendu de sa thématique produit des effets mesurables sur le référencement, souvent sans toucher au netlinking, aux ancres ou à la technique, loin de la logique du generative engine optimization. Sur les audits que je mène pour des sites parisiens, les pages qui stagnent en milieu de SERP présentent presque toujours le même profil : un fond honnête, mais un champ lexical trop étroit par rapport aux concurrents qui les devancent.
Les outils d’analyse sémantique comme YourText.guru exploitent exactement cette logique. Un guide sémantique liste, pour une intention donnée, les termes et expressions statistiquement associés dans les pages bien positionnées : c’est une reconstruction, de l’extérieur, des listes de termes saillants que Google mémorise en interne. L’outil ne devine rien ; il observe les effets dans les SERPs et traduit cette analyse en recommandations exploitables.
Concrètement, optimiser la couverture lexicale d’un contenu revient à trois gestes :
- Générer le guide de l’expression cible : identifier les termes et entités pertinents avant de rédiger, plutôt que de corriger après coup.
- Couvrir sans bourrer : intégrer le vocabulaire dans des phrases utiles au lecteur, car la répétition mécanique dégrade le contenu sans améliorer la saillance.
- Vérifier après publication : élargir le champ couvert en comblant les manques par des ajouts ciblés et pertinents, paragraphe par paragraphe.
Dans les SERPs parisiennes, parmi les plus concurrentielles de France, cette discipline fait souvent la différence en SEO entre la position 8 et la position 3 sur des mots-clés de service.
Une étape du processus de classement, pas une formule magique
QBST reste un filtre d’entrée. Le système empile ensuite d’autres couches : les modèles d’intelligence artificielle qui jugent la pertinence fine du document, les signaux de comportement, les critères de qualité de source. Couvrir les termes saillants d’une requête vous qualifie pour la compétition ; cela ne la gagne pas à votre place.
Je préfère le dire clairement, parce que la promesse inverse circule beaucoup : aucun score, aucun pourcentage de couverture ne garantit une position. Une page parfaitement optimisée sur le plan lexical, mais sans autorité, sans liens entrants ni ancres cohérentes, restera derrière des concurrents établis. Ce travail d’optimisation est une condition nécessaire, rarement suffisante pour le référencement.
L’excès inverse existe aussi. Pousser la densité au-delà du raisonnable produit des contenus illisibles que les utilisateurs finissent par sanctionner. Les guides sérieux affichent d’ailleurs des seuils de suroptimisation, précisément pour éviter ce travers. Le bon réglage se situe dans la zone où le texte couvre le champ attendu tout en restant un contenu qu’un humain lit avec profit.
Lors de cette même formation cette même formation, le raisonnement a été étendu aux moteurs génératifs : avant de composer une réponse, ces systèmes appliquent un processus de filtrage comparable aux documents disponibles sur le web, puis en évaluent la pertinence. Le SEO et la recherche générative partagent ce socle : sans couverture lexicale suffisante, aucune présence possible dans les résultats générés.
Une page en position 8, son guide, quinze jours d’observation
Choisissez un contenu qui plafonne en milieu de SERP, générez son guide dans un outil sémantique et comblez les expressions attendues qui manquent, sans rien gonfler artificiellement. Deux semaines suffisent en général pour observer un premier mouvement dans la Google Search Console. Si le test est concluant, vous tenez une méthode SEO reproductible pour optimiser les pages qui portent vos requêtes clés ; si vous préférez déléguer cette étape, c’est exactement le type de chantier que je cadre dans un audit sémantique.
Consultant SEO senior, 8 années de référencement naturel, conférencier (SEO Summit, Bizz & Buzz). Expert netlinking et GEO.