Une étude inédite menée sur plus de 332 millions de requêtes Google vient de lever le voile sur les habitudes de recherche des internautes. Cette analyse approfondie, réalisée entre janvier 2023 et septembre 2024, révèle des données surprenantes sur la façon dont les américaines utilisent le moteur de recherche Google.

Une plongée sans précédent dans les données de Google

Cette étude, menée en partenariat avec Datos (une entreprise de Semrush), s'appuie sur un panel représentatif de 130 000 appareils américains sur une période de 21 mois. C'est la première fois qu'une analyse d'une telle envergure est réalisée sur les habitudes de recherche des utilisateurs de Google.

L'un des aspects les plus frappants de cette étude concerne la distribution des requêtes. Les données révèlent en effet une concentration massive du volume de recherches sur un nombre relativement restreint de termes. Les 10 000 termes les plus recherchés représentent à eux seuls 46% de toutes les recherches, dont 148 termes qui constituent près de 15% du volume total.

Parmi ces requêtes populaires, on trouve sans surprise des sites majeurs comme YouTube, Gmail, Amazon, Facebook ou encore ChatGPT. Cette concentration témoigne d'une tendance croissante : le trafic web se focalise de plus en plus sur un nombre limité de sites, et Google joue un rôle prépondérant dans cette centralisation.

Une méthodologie rigoureuse malgré certaines limites

Pour analyser et classifier plus de 320 000 termes de recherche différents, les chercheurs ont dû innover dans leur approche méthodologique. Ils ont fait appel aux modèles de langage (LLMs), et plus particulièrement à GPT 4o-mini via l'API de ChatGPT. Après de nombreux tests impliquant différents modèles (Claude, ChatGPT, Gemini et Mistral), GPT 4o-mini s'est révélé être le plus performant, atteignant un taux de précision remarquable de 96 %.

Le processus de classification s'est déroulé en plusieurs étapes. Dans un premier temps, 1 000 recherches ont été classées manuellement selon différents critères : marques contre termes génériques, intentions de recherche (navigationnelle, informationnelle, commerciale ou transactionnelle), et classification thématique en 24 catégories d'intérêt. Cette base a ensuite servi à affiner les prompts utilisés pour la classification automatisée. Une découverte majeure de ce processus fut l'importance d'utiliser des catégories de classification plus descriptives pour obtenir de meilleurs résultats.

Il est toutefois important de noter certaines limites dans la collecte des données.

En effet, l'étude n'inclut pas :

• Les recherches effectuées via l'application Google
• Les recherches spécialisées (Google Shopping, Google News, Google Hotels, Maps, Images, Vidéos, etc.)
• Les negative-click searches, c'est-à-dire les recherches où Google affiche des réponses instantanées dans la barre de recherche avant même que la requête ne soit terminée
• Les recherches réalisées via l'outil d'IA Gemini de Google

Bien qu'importantes à mentionner, ces limitations n'invalident pas les conclusions de l'étude. Elles permettent au contraire de mieux contextualiser les résultats et de comprendre leur portée réelle. Malgré ces restrictions, l'échantillon de plus de 331 millions de recherches reste suffisamment large et représentatif pour tirer des enseignements significatifs sur les comportements de recherche des utilisateurs.

Le mystère de la longue traîne enfin élucidé

L'analyse de la longue traîne des recherches dévoile des données très intéressantes. Pour le seul mois de septembre 2024, sur plus d'un million de termes de recherche utilisés, 59% n'ont été recherchés qu'une seule fois. Plus précisément, ces 612 981 recherches uniques ne représentaient que 2,2 % du volume total des recherches.

Cette distribution extrême met en lumière le phénomène suivant : en moyenne, chaque utilisateur du panel effectue...