Google ignore-t-il vraiment le texte incrusté dans vos images ?

Pourquoi Google ne lit-il pas le texte dans les images ?

La déclaration officielle coupe court à une idée reçue tenace : Google ne traite pas l'OCR (reconnaissance optique de caractères) sur les images de vos pages web. Techniquement, le crawler peut indexer les attributs alt, les noms de fichiers, les légendes, mais le contenu textuel visible uniquement dans le fichier image reste opaque.

Cette limitation s'explique par le coût computationnel. Analyser chaque image d'un index de plusieurs centaines de milliards de pages pour en extraire du texte représenterait une charge considérable. Google a fait le choix de l'efficacité : le texte HTML est structuré, facile à parser, et bien plus fiable qu'un OCR potentiellement erroné sur des typographies variées, des contrastes faibles ou des mises en page complexes.

La nuance apportée ici mérite attention : « cela pourrait être une capacité future ». Google laisse la porte ouverte sans s'engager sur un calendrier. En pratique, certains services Google utilisent déjà l'OCR (Google Lens, Google Photos), mais le moteur de recherche web classique reste en retrait sur ce plan.

Quelles conséquences directes pour l'indexation de vos contenus ?

Concrètement, si vous intégrez du texte important dans une image — un titre de produit, un prix, une liste de caractéristiques, une citation clé —, ce contenu n'existe pas aux yeux de Google. Il ne sera ni indexé, ni pris en compte dans le ranking, ni affiché dans les snippets.

Cette règle s'applique à tous les types d'images : JPEG, PNG, SVG bitmap, GIF. Même les PDF scannés sans couche texte sont concernés : Google indexe les métadonnées du fichier, mais pas le contenu visuel. Seul le texte HTML ou vectoriel accessible (comme le texte dans un SVG encodé en balises <text>) peut être traité par le moteur.

Dans quels cas cette limitation pose-t-elle un réel problème SEO ?

Le risque principal concerne les sites qui privilégient le design au détriment de l'accessibilité technique. Les infographies sans transcription, les bannières promotionnelles avec du texte intégré, les menus en image, les call-to-action graphiques : autant de contenus invisibles pour Google.

Les sites e-commerce sont particulièrement exposés. Une fiche produit qui affiche le prix uniquement en image, un comparatif présenté sous forme de tableau screenshot, une grille de tailles dans un PNG : tout cela échappe à l'indexation. Résultat : perte de visibilité sur des requêtes pourtant stratégiques, et impossibilité pour Google Shopping de récupérer les données essentielles.

• Tout texte stratégique doit exister en HTML natif, même si une version graphique est également présente pour des raisons esthétiques.
• Les attributs alt sont essentiels, mais ils ne remplacent pas un contenu riche : un alt décrit une image, il ne peut pas contenir 500 mots de texte détaillé.
• Les infographies doivent être accompagnées d'une transcription complète en texte brut, idéalement sous l'image ou dans un accordéon dépliable.
• Les PDF doivent contenir une couche texte interrogeable, pas uniquement des scans d'images bitmap.
• Les textes en SVG doivent utiliser des balises <text>, pas uniquement des chemins vectoriels dessinés.

Cette déclaration est-elle cohérente avec les observations terrain ?

Sur le terrain, cette limitation se vérifie systématiquement. Les tests A/B montrent que le même contenu passe de non-indexé à indexé dès qu'on le bascule d'une image vers du HTML. Les outils de crawl comme Screaming Frog ne détectent aucun texte dans les images, ce qui reflète fidèlement le comportement de Googlebot.

Cependant, une nuance s'impose. Google Image Search utilise bien des algorithmes de reconnaissance visuelle pour identifier des objets, des visages, des logos. Mais cette reconnaissance ne concerne pas le texte incrusté dans l'image, uniquement les éléments visuels structurels. L'algorithme peut identifier « une photo de montagne » mais pas lire « Randonnée dans les Alpes » écrit sur l'image.

Quelles zones d'ombre persistent dans cette déclaration officielle ?

La formulation « cela pourrait être une capacité future » laisse planer un doute. Aucun calendrier, aucun engagement, aucune précision technique. Est-ce une fonctionnalité en test interne ? Une simple possibilité théorique ? Impossible de le savoir. [À vérifier] : certains référenceurs ont observé des cas où Google semblait « deviner » du contenu textuel simple dans des images, mais aucune étude contrôlée ne le confirme.

Par ailleurs, Google ne précise pas comment il traite les textes générés dynamiquement par CSS ou JavaScript et affichés en overlay sur des images. Techniquement, ces textes sont dans le DOM, donc accessibles. Mais si le contenu est flou, mal contrasté ou positionné de manière complexe, quelle est la fiabilité du traitement ? Pas de réponse officielle sur ce point.

Dans quels cas cette règle pourrait-elle évoluer ?

L'OCR sur images pourrait devenir pertinent pour Google dans deux scénarios. Premier cas : la recherche d'images elle-même. Si Google veut affiner Google Lens ou permettre des recherches visuelles sur du texte incrusté (par exemple «找一张写着XXX的图片 »), l'OCR deviendra incontournable.

Deuxième cas : la lutte contre le spam et le contenu caché. Des sites malveillants dissimulent du texte en blanc sur blanc, mais pourraient aussi cacher du contenu dans des images. Un OCR permettrait de détecter ces pratiques. Toutefois, le coût computationnel reste un frein majeur, et rien n'indique un déploiement imminent.

Que faut-il faire immédiatement sur vos sites existants ?

Premier réflexe : auditer tous les contenus stratégiques actuellement intégrés dans des images. Identifier les titres, descriptions, prix, listes de fonctionnalités, citations, tableaux comparatifs, infographies. Pour chacun, poser la question : ce contenu existe-t-il aussi en HTML accessible ?

Si la réponse est non, deux options. Soit dupliquer le contenu en HTML (par exemple, afficher le texte sous l'image ou dans un accordéon). Soit remplacer l'image par du HTML stylisé via CSS : une bannière graphique peut souvent être recréée en pur CSS/HTML avec le même impact visuel mais une accessibilité totale pour Google.

Quelles erreurs critiques éviter dans vos nouvelles productions ?

Ne jamais concevoir une page en partant d'une maquette Photoshop ou Figma où le texte est intégré directement dans les images exportées. Le designer doit annoter clairement quels éléments textuels doivent rester en HTML. Les call-to-action, les titres, les étiquettes de prix : tout cela doit être du vrai texte, pas une image avec un alt.

Éviter aussi de confier le SEO de contenus complexes uniquement à l'attribut alt. Un alt doit rester concis (idéalement moins de 125 caractères). Si votre infographie contient 300 mots de contenu structuré, l'alt ne suffira pas : il faut une transcription complète en HTML sous l'image, idéalement structurée avec des balises sémantiques (<h4>, <p>, <ul>).

Comment vérifier la conformité technique de vos pages ?

Utilisez un crawler comme Screaming Frog ou Oncrawl en mode « texte visible uniquement ». Si un contenu stratégique n'apparaît pas dans le rapport, c'est qu'il est inaccessible à Google. Vous pouvez aussi désactiver les images dans votre navigateur (Chrome DevTools > Settings > Disable images) et vérifier que le contenu essentiel reste visible.

Pour les PDF, ouvrez-les dans Adobe Reader et testez la fonction « Sélectionner du texte ». Si vous ne pouvez pas surligner et copier le texte, c'est un scan sans couche texte : Google ne l'indexera pas. Utilisez un outil OCR (Adobe Acrobat Pro, ABBYY FineReader) pour ajouter cette couche.

• Auditer tous les contenus textuels actuellement intégrés dans des images et les dupliquer en HTML accessible.
• Former les équipes design et dev à la distinction entre image décorative (OK) et image porteuse de contenu (problème SEO).
• Privilégier le CSS/HTML pour les éléments graphiques contenant du texte (bannières, boutons, étiquettes).
• Accompagner chaque infographie d'une transcription complète en texte structuré sous l'image.
• Vérifier que tous les PDF contiennent une couche texte interrogeable, pas uniquement des scans bitmap.
• Tester régulièrement avec un crawler pour détecter les régressions (nouvelles images avec texte non dupliqué en HTML).