Une étude technique parue en août 2026 a fait ce que personne n’avait tenté depuis la fuite de documentation de 2024 : lire le code réel qui fait tourner Google Maps. Le verdict tient en une phrase pour un commerce local. Google ne classe pas votre fiche, il classe une entité qu’il reconstruit à partir de dizaines de sources, il la pèse avec un système interne appelé Oyster Rank et ses 72 signaux, et il s’apprête à répondre aux internautes non plus par une liste mais par une IA, Ask Maps, qui lit vos avis. La trinité que répètent tous les guides, pertinence, distance, notoriété, reste vraie. Elle est simplement très au-dessus de la réalité, à la manière d’un plan de métro posé sur le câblage.
Ce que l’étude révèle sous le capot de Maps
Le travail, signé Resoneo, part d’un binaire récent embarquant une partie non publique de Geostore, le référentiel qui gère l’identité canonique de chaque lieu. Dans ce référentiel, un commerce n’est pas une ligne de base de données, c’est une entité appelée Feature. Et cette entité possède son propre système de classement, retrouvé au complet : 72 signaux nommés, dont 25 explicitement marqués comme obsolètes. On y lit les avis, le volume de requêtes web sur la marque, les impressions et ouvertures de fiche, les demandes d’itinéraire, les clics vers le site, l’appartenance à une chaîne, la popularité, la proéminence, jusqu’à l’usage de la voirie autour du point.
Un point d’honnêteté, parce que c’est là que beaucoup vont déraper : l’étude donne les noms des signaux, pas leurs poids. Les champs qui contiennent les coefficients ont été retirés du périmètre lisible. Autrement dit, quiconque vous vend « les 72 critères officiels de Google Maps » avec une pondération vous vend une invention. Ce que l’on tient, ce n’est pas une checklist, c’est l’architecture. Côté métier, on optimise depuis des années le référencement local sur Google Maps autour des trois critères officiels, complétés par l’étude annuelle Whitespark. C’est utile. C’est aussi une lecture de l’extérieur, et l’étude montre à quel point l’intérieur est plus étrange.
Google classe une entité, pas une fiche
Voici le renversement le plus rentable à comprendre. Une même entité mélange des informations d’origines différentes : le nom peut venir d’une source, le téléphone d’une autre, les horaires d’une troisième, la géométrie d’une quatrième. Quand deux sources se contredisent, un mécanisme de conflation tranche, avec une provenance, une priorité et un niveau de confiance attachés à chaque valeur.
La conséquence est directe pour un commerçant. Modifier une information dans Google Business Profile ne remplace pas mécaniquement l’ancienne. Votre nouvelle donnée entre en concurrence avec les observations déjà connues et leur niveau de confiance. C’est pour cette raison que des erreurs cartographiques résistent parfois à une correction pourtant bien faite. Et c’est pour cette raison que la cohérence stricte du nom, de l’adresse et du téléphone partout sur le web compte autant : des citations locales cohérentes ne « boostent » pas un score, elles réduisent l’ambiguïté de votre entité.
Votre site n’est pas un canal à part, non plus. Le pont entre Maps et l’univers des entités de Google passe par le MID du Knowledge Graph. Côté index web, chaque document est rattaché à une entité avec un score de topicalité, et Google range ensuite ces documents les uns par rapport aux autres pour cette entité précise. Votre page locale ne se bat donc pas seulement pour un mot-clé : elle se bat pour être un document de référence de votre établissement. Un balisage propre y aide directement, en reliant sans ambiguïté la page et l’entité. Si vous partez de zéro, notre générateur JSON-LD gratuit produit ces données structurées sans plugin payant.
La proximité n’est pas un rayon fixe
« Quel est le rayon de Google Maps ? » n’a pas de bonne réponse unique, et l’étude explique pourquoi. Dans les zones denses, le moteur vise environ 20 résultats et étire son emprise jusqu’à les remplir. C’est une recherche à nombre de voisins constant, pas un cercle de distance. Depuis un même point à Paris, le rayon du dernier résultat varie énormément selon la requête.
Les mesures parlent d’elles-mêmes. À Paris, toujours au même point d’interrogation, « pharmacie » se contente de 0,98 km, « boulangerie » de 1,15 km, « supermarché » de 5,66 km, et « Carrefour » monte à 12,44 km. Un facteur douze entre deux requêtes au même endroit. Et la même requête « pharmacie » passe à 32,96 km en Lozère, un facteur trente-quatre, parce que la densité d’établissements s’effondre. Le raisonnement « je suis à 800 mètres, donc je passe devant » ne tient pas dès que la requête est ambiguë ou porte sur une marque. C’est aussi la mécanique qui explique comment une petite boulangerie a devancé des franchises nationales : sur certaines requêtes, la pertinence et l’importance de l’entité pèsent plus que les quelques mètres gagnés.
Vos catégories : une seule compte vraiment
Le conseil habituel consiste à empiler jusqu’à neuf catégories secondaires « pour renforcer la pertinence ». L’étude coupe court : le schéma ne connaît aucune gradation entre catégories secondaires. Les catégories servies arrivent triées par ordre alphabétique, pas par pertinence. La fiche du Louvre en porte seize, rangées de « art » à « vacances », et seule la première, la catégorie principale, s’affiche à l’écran. Empiler des secondaires n’a donc aucun appui dans les données.
Ce qui a un appui, c’est le choix de la bonne catégorie principale, précise. Et ce choix n’est même pas homogène à l’intérieur d’une enseigne : sur 21 magasins d’une même chaîne dans une même métropole, l’étude relève 11 fiches classées « pharmacy » et 10 classées « drugstore » en catégorie principale, alors que la chaîne déclare une catégorie idéale commune. Pour un réseau multi-sites, chaque fiche est un chantier, pas une île, et une catégorie principale mal réglée sur un point de vente le sort des résultats de son cœur de métier.
Avec Ask Maps, votre fiche sera lue par une IA
Ask Maps, l’interface conversationnelle de Maps propulsée par Gemini, a été annoncée le 12 mars 2026 puis élargie le 6 août 2026. Elle n’est pas encore ouverte en France. C’est exactement la fenêtre pour se préparer, parce que l’infrastructure est déjà en place dans le code, et parce que ce qu’elle va lire existe déjà dans les fiches.
L’étude est claire là-dessus : une fiche transporte déjà des objets pensés pour une IA. Des thèmes extraits des avis, un sentiment calculé par thème, un score de pertinence par avis, des extraits ancrés au caractère près. Sur une fiche de chaîne du corpus, le thème « temps d’attente » portait 87 mentions dont 85 négatives, et le compte était fait avant qu’aucune question ne soit posée. Ask Maps n’invente pas cette matière, il la lit. La conséquence est nette : vos avis clients ne sont plus une note en étoiles, ce sont un corpus de preuves interrogeable. Un avis qui décrit le service, le produit, le contexte et le moment vaut désormais bien plus qu’un « cinq étoiles » nu, parce qu’il alimente les réponses que l’IA construira sur vous.
Ce qu’il faut faire maintenant
Le tableau ci-dessous reprend cinq réflexes hérités des guides classiques, ce que la dissection de Maps en dit, et l’action qui en découle. Les constats viennent de l’étude, pas d’une estimation de ma part.
| Idée reçue | Ce que montre l’étude | L’action |
|---|---|---|
| J’optimise ma fiche | Google classe une entité reconstruite depuis plusieurs sources | Nom, adresse, téléphone et catégorie identiques partout |
| J’empile les catégories secondaires | Aucune gradation entre secondaires, seule la principale compte | Une catégorie principale précise, la bonne |
| Le plus proche passe devant | Rayon variable, recherche à nombre de voisins constant | Travailler la pertinence et l’importance, pas que l’adresse |
| Mon site est un canal à part | Documents reliés à l’entité via le MID du Knowledge Graph | Page locale claire, données structurées cohérentes |
| Les avis, c’est une note | Avis lus par thème, sentiment et extrait ancré | Avis détaillés et récents, réponses personnalisées |
Dans l’ordre des priorités concrètes :
- Vérifier que votre entité raconte une seule histoire : nom légal, adresse, téléphone, catégorie principale, identiques sur la fiche, le site et les annuaires.
- Corriger d’abord les erreurs d’identité (doublons, ancien établissement, changement de marque, adresse divergente) avant de « remplir » des champs.
- Renforcer la page locale du site et son balisage, pour qu’elle soit lisible comme un document de référence de l’entité.
- Collecter des avis descriptifs et récents, et y répondre avec les mots que vos clients emploient.
Pour voir concrètement quelle entité Google associe à votre établissement, l’URL de cette entité, son MID et le sentiment de vos avis, un audit comme Cat’s Eye SEO lit ces signaux sur des mesures réelles plutôt que sur des scores estimés. C’est le bon point de départ, parce que la prochaine bataille du SEO local ne sera pas la plus belle fiche. Ce sera la représentation la plus complète et la plus cohérente de votre entité, construite maintenant, pendant qu’Ask Maps n’a pas encore posé le pied en France.
