Recherche multimodale · Google Lens · Circle to Search
Un modèle multimodal traite conjointement le texte, l’image, l’audio et la vidéo. Pour le SEO et le GEO, cela impose de traiter le contenu visuel comme un actif indexable, avec des textes alternatifs, des légendes et des transcriptions, et non comme une simple décoration.
Définition autonome · 44 mots
Comment fonctionne la recherche multimodale ?
L’utilisateur combine plusieurs types d’entrées : une photo et une question, une capture d’écran, la voix. Le modèle interprète l’ensemble pour produire une réponse. Google Lens et Circle to Search en sont des exemples côté Google.
Que mesure le filtre Multimodal de Search Console ?
Search Console propose désormais un filtre Multimodal, lié aux recherches issues de Lens et de Circle to Search. Il ne constitue pas un audit GEO multimodal : l’article dédié détaille où le trouver et ses limites.
Comment optimiser les contenus visuels ?
Images originales et nommées clairement, texte alternatif descriptif, légendes proches de l’image, données structurées quand elles existent, transcriptions pour la vidéo et l’audio. Une image chargée uniquement côté client peut ne pas être vue par un crawler qui ne rend pas le JavaScript.
Questions fréquentes
Le texte alternatif suffit-il ?
Il aide à décrire l’image, mais le contexte autour compte aussi : légende, titre de section, texte voisin.
La vidéo est-elle exploitable par les IA ?
Surtout par sa transcription et ses métadonnées. Publier un texte de transcription sur la page.
Faut-il un balisage particulier ?
Les données structurées Image ou Video aident Google dans certains cas. Aucune exigence spécifique n’est documentée pour les fonctionnalités IA.
Termes liés
Approfondir
- Search Console Multimodal : ce que mesure le nouveau filtre (Lens, Circle to Search)
- Audit GEO Multimodal avec Gemini-Embedding-2
- Search Central Live Deep Dive Barcelone 2026 : ce que Google a dit pendant les 3 jours
- ← Retour au glossaire GEO (114 termes)