Un livre blanc de quarante pages, une fiche technique produit, un rapport annuel : le fichier PDF reste le format par défaut de nombreux contenus B2B. La question n’est plus de savoir si Google le lit, mais ce qu’il en fait exactement. L’épisode 115 de Search Off the Record, diffusé le 13 octobre 2026 avec Martin Splitt et John Mueller, apporte des réponses précises et chiffrées.
Pour les équipes SEO, content marketing et marketing B2B, ces précisions changent l’arbitrage entre HTML et PDF. Elles touchent à l’indexation Google, à l’exploration des PDF et à la gestion du budget de crawl.
Indexation Google : comment un fichier PDF devient une page presque comme les autres
Google convertit le texte indexable d’un PDF en HTML au moment du traitement. Le reste de la chaîne, classement et fonctions d’IA, le traite ensuite comme une page classique. Une étude publiée en PDF peut donc se positionner dans les résultats et être citée dans les AI Overviews.
La condition reste la lisibilité. Un document scanné sans couche texte n’est pas lu comme du texte par Googlebot. Le contenu existe visuellement pour l’internaute, mais pas pour le moteur.
Le test du copier-coller pour vérifier le contenu indexable
Google suggère une vérification simple : ouvrir le fichier PDF, sélectionner une phrase, la coller dans un éditeur de texte. Si rien n’apparaît, le document est une image. Ce contrôle prend dix secondes et évite de publier des rapports invisibles.
| Critère | Page HTML | Fichier PDF |
|---|---|---|
| Taille explorée par Googlebot | 2 premiers Mo | 64 premiers Mo |
| Liens | Explorés | Liens textuels conservés et explorés |
| Images | URL propre, éligibles à Google Images | Sans URL propre, généralement absentes de Google Images |
| Fréquence de recrawl | Plus fréquente | Beaucoup moins fréquente |
Source : documentation Googlebot mise à jour le 3 février 2026 et Search Engine Roundtable, octobre 2026.
Le constat saute aux yeux : le PDF dispose d’une marge de taille confortable, mais il perd sur presque tout le reste. Images, fraîcheur, confort de lecture sur mobile, aucun de ces terrains ne tourne à son avantage.
Liens dans les PDF : ce que Google suit et ce qu’il ignore
Bonne nouvelle pour le référencement naturel : les liens dans les PDF sont conservés et explorés. Un lien textuel vers une page produit placé dans un livre blanc transmet donc bien le signal, comme sur une page web classique.
Le sort des images est différent. Intégrées au document, elles ne possèdent pas d’URL propre et n’ont donc aucune chance d’apparaître dans Google Images. Une illustration produit dans une brochure ne générera jamais de trafic image.
Le cas des documents protégés et des fichiers mal préparés
Un PDF protégé par mot de passe bloque les robots : le document n’est tout simplement pas exploré. Même logique pour un fichier dont les métadonnées empêchent l’accès. Ces verrous, utiles en interne, deviennent des culs-de-sac en ligne.
La fréquence de recrawl constitue l’autre point sensible. Un PDF est réexploré beaucoup moins souvent qu’une page HTML, ce qui pénalise les contenus mis à jour régulièrement.
Limite de 64 Mo et budget de crawl : l’arbitrage en SEO technique
Les 64 premiers Mo d’un PDF sont explorés, contre 2 Mo pour une page HTML. Cette limite de 64 Mo n’a rien de nouveau : la documentation de Googlebot l’affichait déjà avant sa mise à jour de février 2026. Ce qui change, c’est que Google détaille enfin le traitement appliqué au fichier une fois téléchargé.
Pour le SEO technique, l’information sert surtout à prioriser. Un rapport de 90 Mo verra sa fin de document ignorée, y compris les annexes et les liens de bas de page. Découper le document ou déplacer les informations stratégiques en début de fichier devient une décision de structuration, pas de confort.
Prenons Velmec, fabricant fictif de capteurs industriels. Son catalogue de 120 pages dépasse les 70 Mo à cause des schémas techniques. Les liens vers les fiches produits, placés en annexe, ne sont jamais atteints par le robot. La correction tient en deux actions : un sommaire cliquable dès la page 2 et une compression des visuels.
Fiches techniques chez les distributeurs : éviter les doublons
Autre difficulté pour les fabricants et éditeurs SaaS : un même PDF circule chez plusieurs distributeurs, hébergé sur des domaines différents. Le moteur doit alors choisir une version de référence, et ce choix lui échappe souvent.
Google propose trois parades. Un en-tête HTTP rel= »canonical » peut être envoyé avec le fichier. Les métadonnées du PDF acceptent aussi une déclaration d’origine. Enfin, un lien visible vers le site de la marque dans le document clarifie la source pour le lecteur comme pour le robot.
Un livre blanc diffusé en téléchargement complète par ailleurs souvent une prise de parole de dirigeant sur les réseaux sociaux : les formats longs gardent leur place dans une stratégie de médias B2B maîtrisée. À condition que la version indexable existe côté site.
Une nouvelle version par an mérite une nouvelle URL
Un livre blanc actualisé chaque année pose un problème de fraîcheur. Comme le recrawl des PDF est rare, écraser l’ancien fichier au même emplacement ralentit la prise en compte des nouveautés. Publier la nouvelle édition sous une URL dédiée accélère la mise à jour, tout en conservant l’historique.
Bonnes pratiques : le HTML pour le référencement, le PDF pour le téléchargement
La recommandation de Google est limpide : publier une version indexable en HTML et proposer le PDF en téléchargement. Les deux formats ne s’opposent pas, ils remplissent des rôles distincts.
- Auditer l’existant : interroger la Search Console pour identifier les PDF qui reçoivent du trafic organique.
- Créer une page HTML reprenant le contenu des documents les plus visités, avec le fichier en complément.
- Réserver le PDF à la conversion : rapport détaillé, annexes, collecte de leads qualifiés.
- Tester la lisibilité de chaque document neuf par un copier-coller avant publication.
- Surveiller le poids et placer les liens stratégiques avant la barre des 64 Mo.
- Déclarer la source pour les documents diffusés sur plusieurs domaines, via canonical ou métadonnées.
- Protéger la diffusion : un filigrane appliqué aux documents permet de tracer la circulation d’un rapport confidentiel sans bloquer son exploration.
Reste une question à se poser pour chaque document : apporte-t-il du trafic organique dans la Search Console ? Si la réponse est non, il fonctionne comme une ressource commerciale et non comme une page de contenu. S’il reçoit des visites, il justifie une page HTML dédiée.
Le podcast laisse finalement une règle claire aux équipes contenu : un PDF s’indexe bien, mais le format HTML reste le mieux supporté. Ces précisions intéressent surtout les marques B2B, industrielles et SaaS, grandes consommatrices de livres blancs et de fiches techniques. Passer les documents les plus visités au test du copier-coller, puis doubler les plus stratégiques d’une page HTML, transforme un stock de fichiers en actif de référencement.
