Pourquoi un avis disparaît-il 3 jours après publication ? Pourquoi Google laisse passer des avis manifestement faux et en filtre d'autres parfaitement légitimes ? Cet article décrypte le fonctionnement de l'algorithme de filtrage des avis Google, à partir de trois sources : les communications publiques de Google (Google Search Central Blog, articles de Brian Honigman et Ian Lurie sur Google's Trust & Safety), les recherches indépendantes de Sterling Sky et de Mike Blumenthal (Near Media), et les patterns observés sur les avis publiés via les fiches que nous accompagnons. Précision de transparence : Google ne publie pas le détail de son algorithme. Tout ce qui suit relève de l'observation et de l'inférence, pas de documentation officielle.
Pourquoi Google filtre-t-il ?
Le filtrage automatique des avis répond à trois objectifs business pour Google :
- Qualité produit : maintenir Google Maps comme source de vérité, sans laquelle l'écosystème publicitaire local s'effondre.
- Pression réglementaire : DGCCRF en France, FTC aux États-Unis, CMA au UK exigent des plateformes des moyens raisonnables de filtrage des faux avis.
- Concurrence : Yelp, TripAdvisor et Trustpilot communiquent activement sur leurs filtres, Google ne peut pas être en retrait.
Depuis 2022, Google a investi massivement dans le machine learning anti-spam, en s'appuyant sur les mêmes infrastructures que Gmail (anti-spam email) et YouTube (modération vidéo). Le système actuel combine détection en temps réel (avant publication) et détection rétrospective (après publication, pendant des semaines).
Catégorie 1 : signaux IP et appareil
Le premier filtre s'applique à la requête de publication elle-même.
Signal négatif fort : IP datacenter
Un avis posté depuis une IP appartenant à un datacenter (AWS, OVH, Azure, DigitalOcean) est immédiatement suspect. Aucun client réel ne poste depuis un datacenter. Filtrage : quasi systématique.
Signal négatif fort : VPN commercial connu
Les ranges IP de NordVPN, ExpressVPN, et autres VPN commerciaux sont identifiés. Un avis depuis ces IPs subit un examen renforcé.
Signal négatif modéré : géolocalisation incohérente
Avis sur un restaurant parisien posté depuis une IP à Karachi : flag rouge. La cohérence géographique entre l'IP et l'établissement noté est un signal puissant.
Signal positif : IP résidentielle locale
Avis sur un commerce lyonnais posté depuis une IP Free, Orange ou SFR localisée à Lyon : signal de cohérence très fort.
Signal négatif : empreinte appareil suspecte
Émulateurs Android, navigateurs sans empreinte canvas/WebGL réaliste, user-agents anciens ou exotiques : le fingerprinting de l'appareil donne un score de risque.
Catégorie 2 : signaux du compte émetteur
Le compte qui publie l'avis est analysé sur plus de 30 critères.
Signal négatif fort : compte créé récemment
Un compte de moins de 30 jours qui publie immédiatement un avis : suspect par défaut. La fenêtre la plus dangereuse est 0-7 jours.
Signal négatif : aucun historique d'activité
Compte sans interactions Google (pas de recherches, pas de connexions Maps, pas de Gmail actif, pas de YouTube) : profil "coquille vide".
Signal négatif : un seul avis dans toute la vie du compte
Un compte qui publie un avis et plus jamais rien d'autre : pattern typique de compte jetable.
Signal positif : Local Guide actif
Compte Local Guide niveau 5+ avec contributions régulières (avis, photos, réponses, modifications de fiches) : crédit de confiance maximal.
Signal positif : photo de profil personnelle
Photo de profil non-générique (pas la silhouette par défaut), idéalement uploadée par l'utilisateur lui-même.
Signal positif : nom français cohérent
Prénom + nom français, cohérents avec la géolocalisation IP, augmentent la crédibilité.
Catégorie 3 : signaux du contenu
Le texte de l'avis est lui-même scoré par des modèles NLP.
Signal négatif : texte générique répété
"Excellent service, je recommande" identique sur 50 avis : le clustering détecte la duplication.
Signal négatif : longueur anormale
Avis exactement même longueur, même structure de phrases : pattern de génération automatique.
Signal négatif : mots-clés business stuffing
Avis contenant la marque + ville + keyword commercial principal : "meilleur plombier Paris 15 dépannage urgence". Pattern SEO suspect.
Signal négatif : mention concurrence
Mention par nom d'un concurrent dans un avis (positivement ou négativement) déclenche une revue manuelle.
Signal positif : détails spécifiques
Mention du nom d'un employé, d'un plat précis, d'une caractéristique vérifiable de l'établissement (parking, terrasse, accessibilité PMR).
Signal positif : photo jointe
Avis avec photo (intérieur, plat, produit) augmente significativement le crédit de confiance et la rétention.
Catégorie 4 : signaux temporels
La distribution temporelle des avis sur une fiche est un des signaux les plus puissants pour Google.
Signal négatif fort : burst de publication
20 avis en 24-48h sur une fiche qui en avait 8 au total : flag rouge majeur. Filtrage rétrospectif fréquent dans les 30 jours.
Signal négatif : horaires anormaux
10 avis publiés entre 2h et 4h du matin sur la même fiche : pattern de bot ou ferme d'avis.
Signal négatif : régularité parfaite
Un avis exactement chaque jour à 14h00 pendant 30 jours : trop régulier pour être humain.
Signal positif : variabilité naturelle
Avis répartis sur des semaines à des heures variables (avec pics aux horaires de pointe du commerce concerné), avec quelques jours sans avis.
Notre process passe les filtres
Drip-feed naturel, comptes FR vérifiés, garantie 30 jours en cas de filtrage.
Voir le processAvis qui passent contre avis filtrés : exemples concrets
| Profil avis | Probabilité de passage |
|---|---|
| Compte 6 mois+, Local Guide, photo profil, IP locale, texte 80 mots avec détails | 97% |
| Compte 6 mois+, IP locale, texte 40 mots générique | 78% |
| Compte 30 jours, IP locale, texte 60 mots détaillé | 62% |
| Compte 6 mois+, IP étrangère, texte FR correct | 40% |
| Compte neuf, IP datacenter, texte générique | 5% |
| Compte neuf, IP datacenter, texte traduit machine | 1% |
Filtrage rétrospectif : la deuxième vague
Un avis qui passe la publication n'est pas pour autant définitivement validé. Google relance régulièrement des passes de filtrage rétrospectif sur les avis publiés, particulièrement dans les 30 à 90 jours suivants. Quatre vagues identifiées :
- J+1 à J+7 : vérification cohérence des signaux (compte, IP, contenu).
- J+15 à J+30 : analyse des patterns sur la fiche (burst, régularité).
- J+30 à J+60 : enrichissement avec les nouveaux signaux du compte (a-t-il continué à être actif ? d'autres avis publiés ailleurs ?).
- Au-delà de J+90 : filtrage rare, sauf alerte signalement utilisateur.
C'est pour cette raison que les garanties sérieuses doivent couvrir au moins 90 jours, comme notre garantie 30 jours Boostfiche.
Bonnes pratiques pour ne pas être filtré
Que vous collectiez vos avis légitimement ou via un service, ces pratiques minimisent le filtrage :
- Étalement temporel : maximum 2-3 nouveaux avis par jour sur fiche <100 avis. Espacer les heures.
- Diversité des comptes : éviter d'inviter en masse depuis un même réseau (employés, famille).
- Contenu varié : aucun copier-coller, encourager la spécificité.
- Photos jointes : déclencher la photo augmente la rétention et la légitimité.
- Pas de stuffing : ne pas demander aux clients d'inclure ville et marque dans leur avis.
- Pas d'incentive : interdit par les CGU, détectable par patterns.
Que faire si vos avis sont filtrés
- Identifier le pattern : tous les avis du même jour ? Tous depuis le même réseau ? Tous identiques ?
- Stopper l'opération : arrêter immédiatement la collecte ou la livraison en cours.
- Attendre 14 jours sans nouvelle activité pour laisser refroidir le score de la fiche.
- Reprendre en mode ultra-naturel : 1 avis tous les 2-3 jours, contenus très variés.
- Ne pas resignaler les avis filtrés : Google ne re-publie quasi jamais sur appel manuel.
FAQ : algorithme de filtrage Google
Pourquoi mes vrais clients voient leur avis filtré ?
Causes fréquentes : compte client neuf, premier avis sur Google, photo de profil par défaut, IP partagée (entreprise, café), VPN actif. C'est frustrant mais l'algorithme est probabiliste.
Combien d'avis filtrés est acceptable ?
Un taux de filtrage de 5 à 10% sur des avis légitimes est normal. Au-delà de 20%, vérifier le pattern (collecte trop concentrée, demandes mal formulées).
Un avis filtré peut-il revenir ?
Très rarement. Google ne re-publie un avis filtré qu'en cas d'appel argumenté avec preuves de légitimité, et le succès est marginal.
Le ML de Google s'améliore-t-il vite ?
Oui, sensiblement. Les techniques qui passaient en 2022 sont massivement filtrées en 2026. Google a publié plusieurs communications (Search Central Blog 2022-2024) sur l'extension de ses modèles anti-abus aux avis Maps. La sophistication des prestataires sérieux a dû suivre, d'où l'écart de prix avec les services low-cost.
Sources et références
- Google Search Central Blog, communications 2022-2024 sur la lutte anti-spam des avis Maps.
- Google Business Profile Help Center, Prohibited and restricted content.
- Mike Blumenthal / Near Media, blog et podcast sur le filtrage des avis Google, articles 2022-2024.
- Sterling Sky, articles "Google review filter" et "Suspended Google Business Profiles", 2023-2024.
- BrightLocal, Why are my Google reviews being removed?, ressource éditoriale 2024.
- Étude DGCCRF, Faux avis en ligne : enquête 2023, résultats publiés début 2024.
Ecrit par
Sophie Martin
Head of Growth, experte algorithmes Google
Diplomee de l'ecole 42 (Bachelor 2018) puis du Master IA de Telecom Paris. Ex-data scientist en fintech (4 ans). Spécialisée dans le reverse-engineering des filtres Google, les signaux de qualité et le drip-feed optimization. A rejoint Boostfiche en 2024.
Voir le profil complet et les autres articles →