Comment ça marche · Recommander · module en construction
PageRank : les liens comme des votes
Mis à jour le . Ce sujet évolue vite (procédures de concurrence contre Google) : vérifie s'il y a du nouveau depuis cette date.
Comment un moteur de recherche décide-t-il quelle page montrer en premier ? À la fin des années 1990, une idée change tout : regarder qui pointe vers qui. Ajoute des liens dans un petit web, suis un internaute qui clique au hasard, monte une ferme de liens… et découvre que l'idée était bien plus ancienne que Google.
Choisis ton niveau et ta façon de lire : tu peux en changer à tout moment.
Étape 0 : Un lien, une voix ?
Sept pages se citent les unes les autres. Le forum de randonnée reçoit quatre liens, la mairie seulement deux. Pourtant, PageRank place la mairie devant le blog, la boutique et le club photo, qui ont aussi deux liens : les siens viennent du wiki et du journal, deux pages elles-mêmes très citées. Un lien vaut plus quand il vient d'une page importante, et moins quand cette page distribue beaucoup de liens.
| Page | Liens reçus | PageRank |
|---|
Pages et liens inventés. PageRank calculé avec d = 0,85.
🟢 Découverte
Quand une page met un lien vers une autre, c'est un peu comme si elle la recommandait. Compter les liens reçus donne un premier classement. PageRank fait mieux : un lien compte davantage quand il vient d'une page elle-même importante.
🟡 Curieux
Chaque page partage son importance entre tous ses liens sortants. Être cité par le wiki, qui est très cité, rapporte beaucoup ; être cité par une page qui met cent liens rapporte peu. La définition se mord la queue (une page est importante si des pages importantes la citent) : on la calcule donc par approximations successives, jusqu'à ce que plus rien ne bouge.
🔴 Ingénieur
PR(A) = (1 − d)/N + d · Σ PR(T)/C(T), pour toutes les pages T qui pointent vers A, où C(T) est le nombre de liens sortants de T, N le nombre de pages et d = 0,85. On part de scores égaux et on applique la formule en boucle (méthode de la puissance) : ici, une quarantaine de passages suffisent. Brin et Page indiquaient en 1998 quelques heures de calcul pour 26 millions de pages.
Un peu d'histoire
En avril 1998, deux doctorants de Stanford, Sergey Brin et Lawrence (Larry) Page, présentent leur moteur, Google, à une conférence à Brisbane. Ils s'inspirent explicitement des citations scientifiques : PageRank, écrivent-ils, prolonge cette idée « en ne comptant pas de la même façon les liens de toutes les pages ». Le brevet, déposé au nom de l'université Stanford, a été délivré en 2001 et a expiré en 2018.
Dans une annexe, les deux auteurs se méfient de la publicité : ils s'attendent à ce que les moteurs financés par la publicité soient « biaisés en faveur des annonceurs et au détriment des besoins des utilisateurs ».
Idées reçues
« Plus une page a de liens, plus elle est importante. » Pas pour PageRank : deux liens venant de pages très citées valent plus que dix liens venant de pages que personne ne cite.
Étape 1 : Le surfeur aléatoire
Imagine un internaute qui clique au hasard. Dans 85 % des cas, il suit un des liens de la page où il se trouve ; dans 15 % des cas, il s'ennuie et repart d'une page tirée au hasard. Après des milliers de clics, on compte où il a passé son temps : la part de chaque page est presque exactement son PageRank. Les pages où mènent beaucoup de chemins sont visitées plus souvent.
| Page | Temps passé | PageRank |
|---|
🟢 Découverte
Brin et Page expliquent PageRank avec un internaute imaginaire qui clique au hasard. Fais-le cliquer des milliers de fois et compare le temps qu'il passe sur chaque page au PageRank.
🟡 Curieux
Le PageRank d'une page, c'est la probabilité de trouver le surfeur sur cette page à un moment quelconque. Les sauts au hasard évitent qu'il reste coincé dans un coin du web sans issue. Avec d = 0,85, il suit un lien 85 fois sur 100.
🔴 Ingénieur
Mathématiquement, c'est une chaîne de MarkovChaîne de Markov — Suite d'étapes au hasard où la suivante ne dépend que de l'état présent, pas du chemin parcouru avant : un surfeur qui clique au hasard, un pion sur un plateau. Au bout d'un long moment, la part du temps passée dans chaque état se stabilise. : le PageRank est sa distribution stationnaire. La formule publiée en 1998 écrit (1 − d) au lieu de (1 − d)/N, si bien que les scores s'additionnent à N et non à 1 comme l'article l'annonce ; on utilise ici la version corrigée, qui ne change pas l'ordre des pages. Une page sans lien sortant fait repartir le surfeur au hasard.
Un peu d'histoire
L'idée de la marche au hasard est antérieure : en 1978, le chercheur N. Geller a montré que les « poids d'influence » de revues scientifiques proposés deux ans plus tôt correspondent à un lecteur qui irait de référence en référence. L'informaticien Jon Kleinberg le rappelle dans son article sur l'algorithme HITS, qui décrit le modèle de Brin et Page comme ces poids avec, en plus, un « saut au hasard ».
Idées reçues
« Le surfeur aléatoire, c'est un vrai internaute moyen. » Non : c'est un modèle. Personne ne clique au hasard, mais ce modèle donne un classement utile.
Étape 2 : Les fermes de liens
La boutique de sacs crée des dizaines de pages vides qui pointent toutes vers elle. Chaque page reçoit un peu de score quand le surfeur repart au hasard, et le transmet à la boutique : avec quelques dizaines de pages, elle passe devant la mairie et le journal. Si le surfeur ne repart que depuis quelques sites jugés fiables par des humains (le wiki et la mairie), les pages de la ferme, que personne de fiable ne cite, ne reçoivent plus rien : la triche ne paie plus. C'est l'idée de TrustRank (2004).
Pages et liens inventés. Les moteurs réels combinent de nombreux signaux et des vérifications humaines.
🟢 Découverte
Dès que les liens rapportent une place en tête, certains en fabriquent. Crée une ferme de pages qui ne servent qu'à pointer vers la boutique, puis essaie la parade.
🟡 Curieux
Une « ferme de liens » est un réseau de pages créées seulement pour se citer entre elles ou pointer vers un site à promouvoir. Les moteurs répondent par des règles (acheter des liens pour grimper est interdit), par la détection, et par des calculs qui partent de sources jugées fiables.
🔴 Ingénieur
TrustRank change seulement le vecteur de départ : au lieu de repartir de n'importe quelle page, le surfeur repart d'un petit ensemble de sites évalués par des humains (178 dans l'article de 2004). La confiance se propage le long des liens et s'amortit avec la distance. Une ferme que personne de fiable ne cite reste à zéro.
Un peu d'histoire
En 2004, Zoltán Gyöngyi, Hector Garcia-Molina (Stanford) et Jan Pedersen (Yahoo!) publient TrustRank. Dans l'échantillon d'environ un millier de sites du moteur AltaVista qu'ils ont fait évaluer, 13,5 % étaient du spam.
En janvier 2005, Google, MSN Search et Yahoo! adoptent l'attribut
rel="nofollow" contre le spam dans les commentaires de blogs : un lien ainsi
marqué ne transmet pas de crédit. Depuis 2019-2020, Google le traite comme un simple
« indice », avec deux nouveaux attributs, sponsored (lien payé) et
ugc (contenu publié par les internautes).
Qui décide ?
Les règles anti-spam de Google (mises à jour en août 2026) interdisent les liens créés
« principalement pour manipuler le classement », par exemple en achetant ou en vendant
des liens. Un lien payé est admis s'il est marqué nofollow ou
sponsored. C'est l'entreprise qui écrit ces règles, les applique et
sanctionne, en déclassant les sites.
Idées reçues
« Il suffit d'avoir beaucoup de liens pour être premier sur Google. » Les liens achetés ou fabriqués sont interdits par les règles de Google et peuvent faire déclasser un site ; et les liens ne sont qu'un signal parmi beaucoup d'autres.
Étape 3 : Bien avant Google
🟢 Découverte
PageRank n'est pas sorti de nulle part. Classer par les citations est une idée des bibliothécaires et des sociologues, et plusieurs équipes ont eu des idées voisines pour le web au même moment.
| Année | Qui | Idée |
|---|---|---|
| 1953 | Leo Katz (sociologie) | Un indice de « statut » dans un réseau social, qui tient compte des chemins indirects. |
| 1955 | Eugene Garfield | Indexer les articles scientifiques par les citations qu'ils reçoivent ; il crée ensuite, avec Irving H. Sher, le facteur d'impact des revues. |
| 1972 | Karen Spärck Jones | Classer par le contenu : un mot rare dans une collection compte plus qu'un mot courant. Cette idée deviendra l'« IDF », utilisée par presque tous les moteurs. |
| 1976 | Gabriel Pinski et Francis Narin | Une revue est influente si elle est citée par des revues influentes : la même idée récursive que PageRank. |
| 1996 | Robin Li (Li Yanhong), chez IDD, filiale de Dow Jones | Brevet RankDex : classer les pages selon les liens qui pointent vers elles et leur texte. Il cofonde Baidu à Pékin en 2000. |
| 1997-1998 | Jon Kleinberg (Cornell, alors en détachement chez IBM) | HITS : de bonnes « autorités » sont citées par de bons « pivots », et inversement. |
| 1998 | Sergey Brin et Larry Page (Stanford) | PageRank et le moteur Google. |
🟡 Curieux
Ces méthodes ne font pas la même chose. RankDex s'appuie surtout sur le texte des liens (les mots sur lesquels on clique), sans le calcul en boucle de PageRank. HITS calcule deux scores par page, pour une recherche donnée. PageRank calcule un seul score pour tout le web, à l'avance. Le brevet de PageRank cite lui-même Garfield, Pinski et Narin, Katz et Kleinberg.
🔴 Ingénieur
Un moteur combine des scores de contenu (les mots de la requête, pondérés par leur rareté, à la manière de Spärck Jones) et des scores de liens. Le moteur décrit par Brin et Page en 1998 combinait déjà PageRank et le texte des pages.
Un peu d'histoire
Garfield raconte avoir créé le facteur d'impact pour choisir quelles revues ajouter à son index : compter seulement les articles aurait écarté les petites revues. Mais ce facteur compte les citations sans les peser. Kleinberg le juge « trop grossier » : c'est précisément ce que corrigent les méthodes récursives, comme celle de Pinski et Narin.
Idées reçues
« Google a inventé l'idée de classer les pages par les liens. » L'idée vient de l'analyse des citations, et plusieurs équipes, aux États-Unis comme en Chine, l'ont appliquée au web presque en même temps.
Étape 4 : Un classement, des milliards en jeu
🟢 Découverte
Être en tête des résultats vaut beaucoup d'argent. Le classement des moteurs de recherche est donc devenu une affaire de concurrence, jugée par des tribunaux et des autorités.
🟡 Curieux
Ces procédures ne portent pas sur PageRank lui-même. On reproche surtout à Google d'avoir payé pour être le moteur par défaut sur les téléphones et les navigateurs, et de favoriser ses propres services (achats, hôtels, transports) dans ses résultats.
🔴 Ingénieur
L'« auto-préférence » est difficile à prouver de l'extérieur : il faut comparer la place des services du moteur à celle de concurrents comparables, sur un très grand nombre de recherches. Le règlement européen sur les marchés numériques (DMA) l'interdit directement aux très grandes plateformes, sans avoir à démontrer un abus au cas par cas.
Qui décide ?
État au 17 octobre 2026.
- États-Unis. En août 2024, un tribunal fédéral de Washington juge que « Google est un monopole ». En septembre 2025, il lui interdit les contrats d'exclusivité et l'oblige à partager certaines données de son index avec des concurrents. Google et le gouvernement ont fait appel ; la cour d'appel n'a pas encore statué.
- Union européenne. En septembre 2024, la Cour de justice confirme l'amende de 2,4 milliards d'euros infligée en 2017 pour avoir favorisé Google Shopping. Le 23 juillet 2026, la Commission inflige 460 millions d'euros au titre du DMA pour auto-préférence dans les résultats de recherche.
- Japon. En avril 2025, la Commission de la concurrence ordonne à Google de cesser d'imposer la préinstallation de son moteur sur les téléphones Android.
Google conteste ces décisions et a fait appel aux États-Unis ; les procédures européennes peuvent aussi faire l'objet de recours.
Et aujourd'hui ?
Google affirme que PageRank fait toujours partie de ses « systèmes de classement principaux », mais que son fonctionnement « a beaucoup évolué » depuis 1998, et qu'il n'est qu'un système parmi beaucoup d'autres. Le poids réel des liens n'est pas public.
L'idée, elle, est partout : classer des articles scientifiques, des comptes sur un réseau social, des espèces dans un réseau alimentaire. Chaque fois, la même question se pose : un lien est-il vraiment un vote, et qui peut fabriquer des votes ? Les liens sont des avis laissés par des millions de personnes : c'est aussi une forme d'intelligence collective. Pour la suite de la recommandation, quand une machine devine tes goûts à partir de ceux des autres, voir Les IA qui recommandent.