Googlebot ne lit que les 2 premiers Mo de vos pages web : ce que ça change pour vous

Quand vous publiez une page web, Google n’en lit pas forcément l’intégralité. Depuis mars, Googlebot s’arrête exactement après avoir téléchargé les 2 premiers mégaoctets (Mo) de code HTML, en-têtes HTTP incluses. Tout ce qui vient après disparaît : ni crawlé, ni indexé, ni pris en compte dans les réponses générées par l’intelligence artificielle de Google. Une limite technique qui touche surtout les sites gourmands en JavaScript ou en contenu dynamique.

2 Mo, c’est combien de contenu en pratique ?

Deux mégaoctets, cela représente environ 2 000 000 caractères de code HTML brut. Pour un article classique avec quelques images et du texte, vous êtes largement en dessous. Mais dès que vous multipliez les scripts tiers (publicités, analytics, widgets), les bibliothèques JavaScript volumineuses ou les données embarquées (JSON-LD, métadonnées structurées), la facture gonfle vite.

Selon Google Search Central, le seuil inclut les en-têtes de requête HTTP. Si votre serveur renvoie 50 Ko d’en-têtes, il ne reste que 1,95 Mo pour le reste. Googlebot récupère cette tranche, la transmet au Web Rendering Service (WRS) qui exécute le JavaScript, puis indexe le résultat. Ce qui arrive après le seuil n’existe tout simplement pas pour Google.

Les fichiers PDF bénéficient d’un régime différent : 64 Mo maximum. Les crawlers d’images et de vidéos ont des limites variables selon le produit (un favicon peut être plafonné à quelques kilo-octets, Google Images accepte davantage). Pour tout autre crawler Google sans limite spécifiée, la valeur par défaut monte à 15 Mo, quel que soit le type de contenu.

Les pages JavaScript en double pénalité

Googlebot fonctionne en deux temps pour les sites modernes. Premier passage : il récupère le HTML brut. Deuxième passage, souvent plusieurs heures ou jours plus tard : il met la page en file d’attente dans une instance Chromium sans interface graphique, exécute les scripts, capture le DOM final. Le contenu qui n’apparaît qu’après l’hydratation côté client est donc indexé avec délai.

Si votre HTML initial dépasse déjà 2 Mo avant même l’exécution du JavaScript, une partie du code rendu ne sera jamais vue. Bing utilise un processus similaire avec Edge. Les moteurs de recherche IA natifs (Perplexity, ChatGPT Search) sautent généralement l’étape de rendu et se contentent du HTML initial, ce qui rend le server-side rendering encore plus crucial en 2026.

Impact sur la visibilité dans les résultats IA

Les fonctions de recherche IA de Google (AI Overviews, AI Mode) s’appuient sur des modèles de langage comme Gemini pour générer des réponses conversationnelles. Mais ces modèles ne disposent pas d’un crawler dédié : ils utilisent le contenu déjà indexé par Googlebot Smartphone. Pas de crawl, pas d’indexation, pas de citation possible dans une réponse IA.

Une fois indexé, le contenu passe par des signaux d’évaluation (compréhension des entités, pertinence thématique, confiance) pour déterminer s’il peut être synthétisé dans une réponse générée. Si la partie utile de votre page se trouve après le seuil des 2 Mo, elle restera invisible pour l’IA, même si elle a de la valeur. Selon une étude de juin publiée par Search Engine Land, les AI Overviews citent des listes autopromues dans 69 % des cas, mais recommandent des concurrents dans la même proportion, signe que l’algorithme privilégie la diversité des sources indexées.

Pour vérifier que votre site reste sous la barre, utilisez la Search Console ou inspectez la taille de vos pages avec les outils de développement de votre navigateur (onglet Network). Si vous dépassez 2 Mo, allégez : compressez le JavaScript, différez le chargement des scripts non critiques, nettoyez les bibliothèques inutiles. Le web ouvert dépend aussi de ces détails techniques invisibles.

Les performances des outils IA mentionnés peuvent varier selon les usages et évoluent rapidement. Vérifiez les tarifs et conditions directement auprès des éditeurs.