Votre livre blanc de 40 pages, publié en PDF, peut-il apparaître dans AI Mode ? Oui. Google convertit le PDF en page HTML avant de l’indexer, puis le classe comme un document web ordinaire, liens compris. La condition : le texte doit être sélectionnable. Les guides « PDF et SEO » recyclent presque tous la même liste d’astuces, alors que vous cherchez un workflow. Celui-ci s’appuie sur un épisode du podcast Search Off the Record, où John Mueller et Martin Splitt décrivent le mécanisme, résumé par Search Engine Journal le 14 octobre 2026. Il sépare ce que Google confirme de ce qu’il ignore lui-même et le traduit en réglages.
Comment Google convertit un PDF en HTML avant l’indexation
Un composant appelé « converter » ouvre le PDF à la place d’un lecteur. Il intervient pendant l’indexation, juste après le rendu et juste avant l’entrée éventuelle dans l’index. Martin Splitt le décrit ainsi (traduction libre) :
« On prend le fichier et on produit une version HTML, pour que le reste du pipeline ne travaille quasiment qu’avec du HTML. »
Le même composant gère d’autres formats : les documents texte et les feuilles Excel, jusqu’aux fichiers Lotus Notes. Le PDF dispose de son propre convertisseur puis rejoint le même pipeline que les pages web. Google l’écrivait déjà dans son billet de septembre 2011 sur les PDF : ils suivent les mêmes mécanismes de classement que les autres pages. La documentation Google sur les types de fichiers indexables (version du 3 février 2026) range le .pdf parmi 11 familles de documents encodés dont Word (.docx), PowerPoint (.pptx) et EPUB. Elle précise que l’en-tête HTTP Content-Type renvoyé lors de l’exploration détermine le type. Un PDF servi avec un mauvais en-tête peut donc être mal identifié. Le contrôle figure plus bas.
Les PDF que Google ne peut pas lire
Tous les PDF ne peuvent pas se classer sur leur texte. Un PDF qui contient des pages scannées n’est qu’un empilement d’images. Martin Splitt propose un test : sélectionnez tout (Édition > Tout sélectionner dans Aperçu sur macOS), puis copiez-collez dans un éditeur de texte. Si le texte apparaît, la conversion fonctionne. John Mueller confirme que du texte indexable suffit pour la recherche.
Les images incluses dans un PDF restent un angle mort. Splitt pense que Google les repère sans pouvoir les traiter comme des images de recherche, faute d’URL propre à transmettre au pipeline image. Il précise que cela peut avoir changé. Sa conclusion pratique : placez toute donnée importante dans du texte.
Liens, taille, classement : ce que Google a confirmé
Les deux intervenants confirment :
- Les liens d’un PDF fonctionnent comme ceux d’une page web, puisque la version HTML conserve une représentation aussi fidèle que possible de l’original (Mueller et Splitt).
- L’indexation et le classement d’un PDF suivent les règles de tout autre document (Splitt).
- Un PDF peut apparaître dans les AI Overviews et dans AI Mode, pour la même raison que dans la recherche classique (Mueller et Splitt).
Deux points restent flous dans l’épisode :
- La limite de taille d’un PDF. Splitt suppose qu’elle dépasse celle d’une page HTML, comme pour les vidéos. Il n’en connaît pas la valeur. La documentation Googlebot (version du 3 février 2026) en publie une : Googlebot lit les 64 premiers Mo d’un PDF, contre 2 Mo pour les autres formats pris en charge.
- L’endroit où s’applique la limite après conversion. Il estime que les limites HTML jouent sur la représentation convertie sans l’affirmer. Il note aussi que la valeur actuelle pourrait évoluer si les sites publient des PDF plus lourds.
Au-delà de 64 Mo, Googlebot ne lit pas le reste du fichier. Un PDF de poids raisonnable évite la question. Cette consigne est une déduction de notre part.
PDF ou page HTML : quel format pour quel contenu ?
Splitt répond sans détour : publiez un PDF si votre contenu l’exige. Ses cas valides : une mise en page précise à l’impression, un formulaire interactif. Il cite aussi le menu de restaurant fourni par l’imprimeur et l’exemple d’un gîte qui publie un formulaire d’inscription en PDF. Il ajoute que le HTML reste son format préféré, parce qu’il est plus flexible.
John Mueller est plus net. Entre un menu en PDF et aucun menu, il choisit le PDF. Entre un menu en PDF et une page web classique, il choisit la page web, plus facile à utiliser. Pour un livre blanc ou un rapport annuel, si le contenu existe aussi en HTML, c’est la page HTML qui porte la visibilité. Le PDF devient un téléchargement proposé depuis cette page. Pour Mueller, une version HTML identique au PDF rend le travail des moteurs un peu plus simple.
Optimiser un PDF pour la recherche et pour le GEO
Chaque réglage se rejoue sur l’un de vos fichiers en 2 minutes avec un terminal ou un éditeur de texte, sans outil payant.
- Testez le texte. Ouvrez le PDF, faites Cmd + A puis Cmd + C (Ctrl sur Windows). Collez dans TextEdit (Format > Convertir au format texte) ou dans le Bloc-notes de Windows 11. Un résultat vide ou illisible signifie qu’il faut régénérer le fichier depuis le document source.
- Exportez depuis la source. Dans Word 365 : Fichier > Exporter > Créer un document PDF/XPS. Dans Google Docs : Fichier > Télécharger > Document PDF (.pdf). N’imprimez jamais une page web en image pour la « convertir ».
- Contrôlez l’état d’indexation. Collez l’URL du PDF dans l’outil « Inspection de l’URL » de la Search Console. Le rapport Indexation > Pages affiche ensuite le motif d’exclusion. Un blocage robots.txt et un fichier sans texte sont les 2 premiers suspects.
- Vérifiez le Content-Type. Dans un terminal, lancez la commande curl -I https://votresite.fr/livre-blanc.pdf. La réponse doit contenir content-type: application/pdf.
- Renseignez le titre du document (Acrobat : Fichier > Propriétés > Description > Titre) et donnez au fichier un nom descriptif. Cette pratique revient dans les guides tiers. Le résumé de Search Engine Journal ne la mentionne pas.
- Placez dans le PDF des liens en URL complète vers vos pages HTML, avec une ancre descriptive. Puisque les liens fonctionnent, c’est un lien de plus vers votre page produit.
- Rédigez des passages autonomes pour le GEO : chaque section commence par une phrase complète qui porte l’affirmation avec son chiffre sourcé. Mueller confirme que les PDF peuvent figurer dans les AI Overviews et AI Mode. Une phrase lisible hors contexte reste la plus facile à reprendre. Pour ChatGPT et Perplexity, le guide GEO 2026 sur les citations par les LLM couvre les signaux propres à chacun.
Si vos PDF alimentent un agent ou un pipeline RAG interne plutôt que Google, la contrainte reste la même : sans texte extractible, rien n’entre dans la context window. Le guide sur l’ingestion de documents en Markdown pour un RAG détaille cette conversion.
Éviter le doublon entre le PDF et la page HTML
Quand le même contenu existe en PDF et en page web, deux URL se disputent la même requête. La documentation Google sur la consolidation des URL dupliquées (version du 10 juillet 2026) prévoit un en-tête HTTP rel= »canonical » pour les fichiers non HTML, au format défini par la RFC 5988. Sur Apache, activez d’abord mod_headers (sous Debian : a2enmod headers puis systemctl reload apache2). Le fichier .htaccess contient ensuite :
<Files « livre-blanc.pdf »> Header set Link ‘<https://votresite.fr/livre-blanc/>; rel= »canonical »‘ </Files>
Ce réglage indique la page préférée mais Google reste libre de trancher. Pour retirer un PDF de la recherche, la documentation Google sur la balise meta robots et X-Robots-Tag donne l’en-tête X-Robots-Tag: noindex, ajouté sur Apache avec <Files ~ « \.pdf$ »> Header set X-Robots-Tag « noindex » </Files>. Sur Nginx, la directive équivalente est add_header X-Robots-Tag « noindex »;. Appliquez-la uniquement aux fichiers concernés, puis rechargez Nginx avec nginx -s reload.
Pièges courants
Un PDF scanné sans couche texte ne produit aucun contenu à classer : refaites l’export depuis la source. Une ligne Disallow: /pdf/ dans le robots.txt empêche Googlebot de lire l’en-tête X-Robots-Tag, car Google précise que ses robots ne suivent ces réglages que s’ils ont accès au fichier. Un chiffre clé qui n’existe que dans une image incrustée dépend d’un traitement des images que Splitt dit mal connaître pour les PDF. Pour la limite de taille, appuyez-vous sur la documentation Googlebot (64 Mo pour un PDF).
Le texte qu’on peut copier est celui qu’on peut citer.
