L’enregistrement des détails de votre entreprise via Google My Business est une étape clé du processus de référencement. L’enregistrement des détails de votre entreprise permet à Google de mieux indexer les informations pertinentes et de les présenter dans les résultats de recherche associés, ce qui peut présenter des avantages importants.
Et maintenant, Google pourrait être sur le point de rendre ce processus encore plus facile, nécessitant moins de contribution de la part des propriétaires d’entreprise. Selon un nouveau rapport sur le blog Google Research, ils travaillent sur un nouveau système capable de reconnaître les noms et les adresses des entreprises via les images Google Street View, qui sont constamment mises à jour pour s’assurer qu’elles reflètent les dernières informations.
Selon le rapport, Google a développé un nouveau processus capable d’identifier le texte sur les panneaux de signalisation à partir d’images Street View « très difficiles ».
Selon Google, leur algorithme atteint désormais « 84,2 % de précision sur l’ensemble de données difficile des panneaux de nom de rue français (FSNS), surpassant considérablement les précédents systèmes de pointe » – des résultats qui sont suffisamment bons pour qu’ils publient le modèle pour utilisation plus large. Mais alors que l’accent est mis sur les panneaux de signalisation et sur la façon dont ils peuvent aider Google à garantir l’exactitude de leurs listes Maps, conformément aux expériences du monde réel, l’autre élément clé est les entreprises.
Comme indiqué par Google :
« Il est important de noter que notre système est facilement extensible pour extraire également d’autres types d’informations des images Street View, et nous aide désormais à extraire automatiquement les noms d’entreprises des vitrines des magasins. »
Le système est toujours en développement, mais Google explique que dans leur travail sur le processus (qui est en développement depuis quelques années), ils ont pu surmonter divers défis dans la reconnaissance d’objets pour améliorer la précision de leurs listes, y compris la traduction des données pertinentes des enseignes de devanture de magasin.
« Une fois qu’une vitrine est détectée, il faut encore extraire avec précision son nom pour qu’elle soit utile – le modèle doit déterminer quel texte est le nom de l’entreprise et quel texte n’est pas pertinent. Nous appelons cela l’extraction d’informations « texte structuré » Ce n’est pas seulement du texte, c’est du texte avec une signification sémantique qui lui est attachée. »
Sur cette image, Google affirme que son système a été en mesure d’identifier avec précision le nom commercial « Zelina Pneus » malgré la signalisation de la marque de pneus qui l’accompagne qui pourrait confondre le modèle.
À l’avenir, Google affirme que ce système sera capable de « lire » avec précision les noms d’entreprises, leur permettant de recouper ces informations avec leurs données système existantes pour fournir des listes d’entreprises plus précises et à jour.
C’est un autre exemple de la façon dont l’apprentissage automatique et le Big Data modifient le processus de découverte et simplifient la connexion en ligne et hors ligne. Les voitures Street View de Google collectent des millions d’images chaque jour, en s’appuyant sur la ressource de données de Google de plus de 80 milliards d’images haute résolution. Bien sûr, l’analyse de données à cette échelle nécessite beaucoup de puissance de calcul, mais Google s’apprête à en faire une réalité. Il peut arriver un moment où Google dispose de la plupart des données dont il a besoin sur votre vitrine avant même que vous ne les saisissiez, ce qui les aide à améliorer la précision de leur graphique de connaissances, leur ciblage géographique, la diffusion des annonces, etc.
Vraiment, nous commençons tout juste à aborder les possibilités d’une telle technologie – il sera intéressant de voir comment ces données et informations peuvent être utilisées à l’avenir pour améliorer l’expérience utilisateur.
