PDF et SEO : ce que Google précise sur l’indexation, les liens et la limite de 64 Mo

Le 13 octobre 2026, Google a diffusé l’épisode 115 de son podcast Search Off the Record, entièrement consacré aux PDF. Martin Splitt et John Mueller y détaillent ce que devient un fichier une fois récupéré par Googlebot : conversion en HTML, liens explorés, images écartées, seuil de 64 Mo et recrawl espacé.

Google convertit les PDF en HTML pour les indexer

Pendant l’indexation, Google transforme en HTML le texte exploitable d’un PDF. Selon Leptidigital, le reste de la chaîne de traitement manipule ensuite ce document comme n’importe quelle page web. Un livre blanc ou une fiche technique peut donc se positionner sur des requêtes classiques. Le fichier devient aussi éligible aux fonctionnalités d’IA du moteur, AI Overviews en tête. Une condition s’applique : le texte doit rester lisible par la machine. Pour les marques B2B qui publient leurs études au format PDF, l’indexation des PDF ouvre une porte d’entrée vers les réponses générées par Google.

Liens suivis, images ignorées : ce que Google garde d’un PDF

Les liens textuels insérés dans un PDF survivent à la conversion : Googlebot les conserve et les explore comme ceux d’une page HTML. Un rapport annuel qui renvoie vers vos pages produits alimente donc la découverte de ces URL. Les images intégrées connaissent un autre sort. Faute d’URL propre, elles n’apparaissent généralement pas dans Google Images. Schémas, photos de produits ou infographies glissés dans une fiche technique restent invisibles côté recherche d’images, alors que la même illustration publiée avec son propre fichier sur une page web peut y figurer. Dans les dossiers de presse que je reçois chaque semaine, une bonne partie des visuels produits n’existe qu’à l’intérieur du PDF.

64 Mo d’exploration, mais un recrawl rare et des pièges à éviter

Googlebot lit les 64 premiers Mo d’un PDF, contre 2 Mo pour un fichier HTML. Ce seuil n’a rien d’inédit : la documentation de Googlebot, mise à jour le 3 février 2026, l’affichait déjà. L’épisode apporte surtout des explications sur le traitement du fichier, utiles pour piloter un budget de crawl.

Critère	PDF	HTML
Volume exploré	64 Mo	2 Mo
Images dans Google Images	Généralement non	Possible
Fréquence de recrawl	Beaucoup plus faible	Plus élevée

Trois situations freinent l’indexation :

• un PDF scanné n’est pas interprété comme du texte : Google suggère de sélectionner le contenu et de le coller dans un éditeur pour vérifier qu’il est exploitable ;
• un fichier protégé par mot de passe bloque les robots ;
• le recrawl intervient beaucoup moins souvent que sur une page HTML.

Les fabricants dont les fiches techniques circulent chez des distributeurs affrontent un autre écueil, le contenu dupliqué. Un même PDF hébergé sur plusieurs domaines brouille la canonicalisation. Google cite trois parades : un en-tête HTTP rel= »canonical », les métadonnées du document ou un lien visible vers le site d’origine dans le fichier.

Ce que ça change : HTML d’abord, PDF en téléchargement

La consigne de Google tient en une ligne : publiez une version HTML indexable du contenu et proposez le PDF en téléchargement. Pour un livre blanc révisé chaque année, la rareté du recrawl justifie une mise en ligne de la nouvelle version sous une nouvelle URL. Le tri du stock existant relève d’une piste avancée par Leptidigital, pas d’une recommandation de Google : partir du trafic organique mesuré dans la Search Console et doubler d’une page HTML chaque PDF qui reçoit des visites, le fichier restant téléchargeable.

Il faudra observer si Google intègre ces précisions sur le traitement des PDF à sa documentation Search Central, comme il l’a fait pour les seuils d’exploration. D’ici là, passez vos PDF les plus consultés au test du copier-coller, puis vérifiez dans la Search Console lesquels méritent une page HTML dédiée.