Vos PDF sont-ils lus par l’IA de Google ?

Une notice de montage, une fiche technique, un rapport RSE, une charte d’engagement local. Dans la plupart des PME que nous accompagnons, ces documents existent. Ils ont demandé des semaines de travail, ils répondent précisément aux questions que se posent les clients, et ils dorment dans un dossier partagé ou dans la boîte mail d’un commercial.

Google vient de préciser la façon dont il traite les PDF, et la réponse concerne directement ces documents. Un PDF publié en ligne est lu, indexé et peut être repris dans les réponses de son IA, au même titre qu’une page de votre site. Ce que vous gardez en interne, en revanche, n’existe pas pour lui.

Ce que Google a précisé le 13 octobre

Dans l’épisode 115 de son podcast Search Off the Record, consacré aux PDF, Martin Splitt et John Mueller, porte-parole de Google Search, ont détaillé le traitement de ces fichiers. Google convertit chaque PDF en page HTML avant de l’indexer. À partir de là, le document passe par les mêmes systèmes que n’importe quelle page web : il peut se classer dans les résultats, apparaître dans les AI Overviews et dans le Mode IA. Les liens présents dans le document sont conservés lors de la conversion. Martin Splitt le résume ainsi : Google ne se soucie pas de savoir si un contenu était un PDF à l’origine.

Trois limites ont aussi été rappelées. Google revient beaucoup moins souvent sur un PDF que sur une page HTML : selon John Mueller, ses systèmes partent du principe que ce type de fichier ne changera pas avant longtemps, et il conseille de publier une version modifiée sous un nouveau nom de fichier. Un PDF scanné, composé uniquement d’images, n’offre rien à lire, et on ne peut pas compter sur une reconnaissance automatique des caractères. Enfin, sur mobile, un PDF doit être entièrement téléchargé avant de s’afficher et sa mise en page ne s’adapte pas à l’écran.

Martin Splitt a résumé la position de Google en une formule : « good SEO is good GEO », un bon référencement est un bon référencement pour l’IA. Pas de recette particulière pour les PDF, donc, mais des règles de base qui s’appliquent aussi à eux. Ce sont celles que nous mettons en œuvre dans notre accompagnement en référencement naturel à Brest, qu’il s’agisse de pages ou de documents.

Vos documents répondent déjà aux questions de vos clients

Quand un acheteur demande à ChatGPT ou au Mode IA de Google quel matériel choisir, quelle norme respecter ou quel fournisseur s’engage sur son territoire, l’IA construit sa réponse à partir de ce qui est publié. Elle ne retient pas une page d’accueil qui promet qualité et savoir-faire. Elle cherche une information précise, datée, vérifiable.

Cette information, vous l’avez souvent déjà rédigée. La notice technique d’un fabricant de matériel agricole détaille les compatibilités, les réglages et l’entretien. La fiche produit d’un industriel de l’agroalimentaire donne la composition, l’origine des matières premières, les allergènes. Le rapport RSE d’une entreprise du bâtiment chiffre ses émissions, ses achats locaux, ses embauches. La charte d’engagement local d’une coopérative nomme ses producteurs, ses partenaires, ses actions sur son territoire. La présentation commerciale d’une société de services explique sa méthode mieux que son propre site.

Restés en interne, ces documents ne pèsent rien dans la recherche. Publiés correctement, ils deviennent des preuves que l’IA peut lire et reprendre, avec votre nom.

C’est là que la PDFothèque prend tout son sens : elle capitalise sur un travail déjà fait. Une notice, un catalogue ou un rapport RSE ont mobilisé des ingénieurs, des commerciaux, un service qualité, parfois un graphiste et un imprimeur. Cet investissement sert aujourd’hui une seule fois, à la remise du document. Publié et structuré, le même document continue de travailler pour vous : il répond à des recherches, alimente les réponses de l’IA, rassure un acheteur avant même le premier contact.

L’effet se cumule. Chaque document ajouté élargit le nombre de questions auxquelles votre site sait répondre, et chaque mise à jour renforce la fiabilité de l’ensemble. Là où un article de blog demande d’écrire du neuf, la PDFothèque valorise un capital documentaire qui existe déjà et qui grandit avec votre activité, à chaque nouveau produit, chaque nouvelle norme, chaque nouveau rapport.

Une niche que vos concurrents laissent souvent vide

Sur les requêtes génériques, une PME affronte les grandes marques, les comparateurs et les marketplaces. Sur les requêtes techniques, le paysage change complètement. Une référence de modèle suivie de « fiche technique », une question de compatibilité entre deux équipements, une dimension, une norme, une consigne d’entretien précise : ces recherches sont peu nombreuses, mais elles viennent de personnes qui ont un projet concret, souvent un acheteur, un installateur ou un bureau d’études.

Sur ces requêtes, la concurrence se joue sur la disponibilité de l’information. Si votre documentation est en ligne, lisible et bien structurée, alors que celle de vos concurrents reste dans un classeur, dans un PDF scanné ou derrière un formulaire, vous pouvez devenir la seule source exploitable sur le sujet. C’est l’une des situations les plus favorables en référencement : être la meilleure réponse, parfois la seule, à une question précise.

L’avantage joue sur deux tableaux à la fois. Dans les résultats classiques, la fiche HTML et le PDF peuvent se positionner sur ces recherches de longue traîne, où quelques pages suffisent à occuper le terrain. Dans les AI Overviews et le Mode IA, Google construit sa réponse à partir des documents qu’il a indexés et cite ses sources avec un lien. Quand il n’existe qu’une source fiable sur une caractéristique technique, il y a de bonnes chances que ce soit la vôtre.

Prenons un fabricant d’équipements pour l’agroalimentaire. Ses clients cherchent la capacité d’une machine, ses dimensions d’implantation, la compatibilité d’une pièce d’usure avec un modèle plus ancien. Si ces réponses figurent dans des fiches techniques publiées et lisibles, elles peuvent remonter dans Google comme dans les réponses de son IA, avec un lien vers son site. Le même raisonnement vaut pour un distributeur qui publie proprement la documentation de ses gammes quand le fabricant ne le fait pas, ou pour un artisan qui détaille ses mises en œuvre là où ses confrères se contentent d’une galerie photos.

Cette niche a un revers : elle se mérite dans la durée. Une documentation périmée ou contradictoire devient une source d’erreurs reprises par l’IA, avec votre nom dessus. D’où l’importance de ce qui suit, le tri et la tenue à jour.

Trier avant de publier

Tout ne doit pas sortir. Une grille tarifaire, une procédure interne, un dossier de réponse à un appel d’offres ou un document à valeur contractuelle n’ont pas leur place en accès libre. Le tri tient en trois questions. Ce document répond-il à une question qu’un client ou un prescripteur se pose ? Peut-il être lu par un concurrent sans vous gêner ? Est-il à jour, et quelqu’un est-il chargé de le tenir à jour ?

Un point mérite d’être connu au moment de ce tri. John Mueller estime que la plupart des systèmes d’IA cherchent à s’entraîner sur ce type de contenu et à s’en servir pour construire leurs réponses. Les protections évoquées dans l’épisode, le mot de passe ou le blocage par robots.txt, empêchent Google de lire le contenu du document, donc aussi de s’en servir dans ses résultats. Pour chaque document, le choix est assez net : visible partout, ou réservé. Un espace client ou une demande par formulaire conviennent aux documents sensibles, en acceptant qu’ils ne soient pas trouvés.

L’inverse existe aussi : les documents qui n’auraient pas dû sortir

Ouvrir sa documentation, c’est aussi l’occasion de regarder ce qui est déjà en ligne sans l’avoir voulu. Une grille de prix envoyée à un client et déposée un jour dans la médiathèque du site, une procédure interne liée depuis une page oubliée, un compte rendu partagé par un lien public, un dossier technique transmis à un partenaire qui l’a publié sur son propre site. Un fichier déposé sur un serveur web reste accessible à quiconque connaît son adresse, même s’il n’est lié depuis aucune page. Et dès qu’un lien vers lui apparaît quelque part, Google peut le trouver, le lire et l’indexer comme n’importe quel autre PDF.

Le risque n’est pas théorique. Un tarif négocié qui circule, des coordonnées de collaborateurs, des plans, des informations clients ou des éléments de savoir-faire peuvent se retrouver dans les résultats de recherche, et désormais dans les réponses d’une IA. Une fois copié ailleurs ou repris dans une réponse, un document se rattrape mal.

La prévention tient d’abord au process. Qui a le droit de déposer un fichier sur le site, qui valide, où sont rangés les documents réservés : ces règles simples comptent davantage que n’importe quel outil. Les documents confidentiels ont leur place dans un espace protégé par identifiant, pas derrière une adresse simplement non communiquée. Et le blocage par robots.txt ne suffit pas à faire disparaître un fichier déjà connu de Google : il l’empêche de le relire, pas forcément de l’afficher. Google le précise dans sa documentation : une adresse bloquée peut rester indexée si elle est liée depuis d’autres sites.

Quand un document est sorti par erreur, le plus efficace est de le supprimer du serveur, de demander son retrait dans la Search Console, un blocage qui dure environ six mois le temps que Google constate sa disparition, puis de vérifier qu’il n’a pas été repris ailleurs. Une simple recherche avec la commande site:votresite.fr filetype:pdf dans Google donne déjà une première photographie de ce qui est indexé. C’est par là que nous commençons chaque audit de documentation : l’inventaire de ce qui doit sortir, et de ce qui n’aurait pas dû sortir.

La PDFothèque : une rubrique, pas un dossier

La solution la plus rapide serait de déposer tous les fichiers dans la médiathèque du site et de les lier en bas de page. C’est aussi la moins efficace. Un PDF isolé, sans contexte, ne dit pas à Google à quoi il sert ni à qui il s’adresse.

Nous préférons parler de PDFothèque : une vraie rubrique du site, organisée par besoin plutôt que par type de fichier. Choisir et installer, entretenir, comprendre nos produits, nos engagements. Chaque document y dispose de sa propre fiche en HTML, avec un titre clair, un résumé de quelques lignes qui reprend l’essentiel, la date de la version en cours, puis le lien de téléchargement. La fiche devient la porte d’entrée. Elle est revisitée plus souvent que le fichier, elle se lit bien sur mobile, et elle donne le contexte que le PDF seul ne donne pas.

Pour les contenus les plus consultés, une étape de plus se justifie : transformer l’essentiel du document en page web. Une FAQ technique tirée d’une notice, une page sur vos engagements construite à partir du rapport RSE. John Mueller l’a dit à propos des menus de restaurant : un PDF vaut mieux que rien, mais il préfère une vraie page web, plus facile à lire, à zoomer et plus rapide sur mobile. Le PDF reste alors la version complète, à télécharger ou à imprimer.

Cette rubrique s’intègre dans l’arborescence comme n’importe quelle autre, avec ses filtres, sa recherche interne et ses liens vers les pages produits ou services concernées. C’est le type de chantier que nous menons régulièrement dans nos projets de création et refonte de sites internet.

Du classeur à la PDFothèque : comment nous procédons

Un test rapide, celui que recommande Martin Splitt, donne une première idée de l’état de votre documentation. Ouvrez un de vos PDF, sélectionnez un paragraphe et collez-le dans un éditeur de texte. Si rien ne vient, le document est une image et Google ne le lira pas. C’est le cas de beaucoup de notices scannées et de fichiers exportés en image depuis un logiciel de mise en page. Et c’est souvent là que les documents les plus utiles se cachent.

Nous partons de votre stock tel qu’il est. Un premier passage permet de recenser les documents, de repérer ceux qui répondent à de vraies recherches techniques et de décider avec vous de ce qui sort, de ce qui reste réservé et de ce qui doit être actualisé. Ce tri s’appuie sur les requêtes réellement tapées par vos clients : c’est lui qui transforme une pile de fichiers en opportunités de visibilité.

Vient ensuite la fabrication, et c’est là que notre double culture print et web fait la différence. Les documents scannés sont repris et remis en page, les maquettes existantes sont réexportées pour conserver un texte lisible par Google, les titres, les propriétés et les noms de fichiers sont travaillés comme on travaille une page web. Chaque document reçoit des liens vers les pages correspondantes de votre site, pour que la visite ne s’arrête pas au téléchargement. Le tout est produit en interne, par la même équipe qui conçoit vos supports imprimés.

Nous construisons ensuite la PDFothèque sur votre site WordPress : la rubrique, les fiches HTML de chaque document, le classement par besoin, la recherche interne. Les documents les plus stratégiques sont déclinés en pages web à part entière, rédigées pour répondre aux questions techniques que vos clients posent à Google comme à son IA.

Reste la durée. Puisque Google revient rarement sur un PDF, chaque nouvelle version doit être publiée sous un nouveau nom, avec une redirection depuis l’ancienne adresse et une date à jour sur la fiche. Nous intégrons cette règle à la maintenance de votre site, pour que l’IA ne continue pas à citer des caractéristiques ou des engagements qui ne sont plus les vôtres.

Quand nous concevons une plaquette, un catalogue ou un rapport annuel, la version imprimée et la version numérique se préparent désormais ensemble. Nous l’évoquions à propos du retour du tangible : le papier garde sa force d’objet. Sa déclinaison en ligne, elle, est pensée dès le départ pour être lue par vos clients et par les moteurs.

Par où commencer

Inutile d’ouvrir cent documents d’un coup. Trois suffisent pour démarrer : celui que vos commerciaux envoient le plus souvent par mail, celui qui répond à la question technique la plus fréquente, et celui qui présente vos engagements, environnementaux ou territoriaux. Confiez-les-nous : nous regardons ce qu’ils contiennent, sur quelles recherches ils peuvent vous rendre visible et ce qu’il faut pour les publier dans de bonnes conditions. La PDFothèque s’enrichit ensuite au rythme de vos documents, et chaque ajout vient grossir le capital déjà en place.

Pour mesurer l’effet, le rapport IA générative de Search Console indique quelles pages de votre site sont reprises dans les réponses de Google. Nous expliquions comment le trouver et le lire en septembre.