PDF et SEO : Google avoue ignorer sa propre limite de crawl

Le 13 octobre 2026, Google a publié un nouvel épisode de son podcast officiel Search Off the Record, consacré pendant 25 minutes au traitement des PDFs dans la recherche. Martin Splitt et John Mueller, de l'équipe Search Relations, y détaillent la conversion interne des fichiers, le sort des liens et des images, et la limite de taille appliquée par Googlebot. Sauf qu'au moment de donner cette limite, les deux porte-parole avouent ne pas la connaître, alors que Google la documente lui-même depuis février 2026.

Les PDFs sont partout dans un corpus web : études, livres blancs, catalogues, fiches techniques, CGV. Beaucoup de sites comptent sur leur indexation sans toujours savoir qu'ils suivent des règles différentes de celles du HTML. Cet épisode du podcast officiel de Google est l'occasion de remettre à plat ce que l'on sait vraiment, et ce que même Google semble avoir perdu de vue.

01Un podcast officiel qui tourne à l'aveu

L'épisode est publié sur le fil habituel du podcast de l'équipe Search Relations de Google, celle qui regroupe aussi les comptes publics de Splitt et Mueller. Le format est classique : deux porte-parole qui discutent à bâtons rompus d'un sujet technique, ici les PDFs, pendant environ 25 minutes. Le passage qui a retenu l'attention des observateurs n'est pas une annonce, mais une question simple posée en cours d'enregistrement : quelle est la taille maximale d'un PDF que Googlebot accepte d'explorer ?

La réponse, relayée par PPC Land, tient en deux citations. Martin Splitt : « I assume that we have a larger file limit, just the same as we do for videos and images. But I don't know the specific limit for PDF files. » John Mueller enchaîne : « I realize some of these things maybe we just don't know the details, so we're kind of trying to extrapolate from what we do know. »

Ni l'un ni l'autre ne cite un chiffre. Les deux parlent par analogie, en supposant que la limite doit ressembler à celle des vidéos ou des images, sans jamais confirmer qu'elle existe sous cette forme précise pour les PDFs.

02Le PDF devient une page HTML sans le dire

Selon le résumé qu'en fait Search Engine Roundtable, l'épisode détaille un mécanisme que peu de référenceurs connaissent dans le détail : Google fait passer chaque PDF exploré par un composant de conversion qui le transforme en une représentation HTML. C'est cette version convertie, et non le fichier PDF brut, que les systèmes de recherche internes de Google manipulent ensuite pour l'indexation et le classement.

Ce que la conversion garde, ce qu'elle abandonne

Les liens intégrés dans le PDF survivent à la conversion : un lien cliquable dans un PDF reste un lien exploitable par Googlebot, au même titre qu'un lien HTML. Les images, elles, n'ont pas cette chance. Elles n'obtiennent pas d'URL autonome et ne sont pas traitées comme des images web standards, ce qui signifie qu'un visuel enfermé dans un PDF ne peut pas espérer la même visibilité dans Google Images qu'une image servie nativement en HTML avec sa propre URL.

0364 Mo contre 2 Mo : la limite que la doc affiche depuis février

C'est là que l'épisode se heurte à sa propre maison. La documentation officielle de Googlebot indique noir sur blanc que Googlebot explore les 64 premiers Mo d'un fichier PDF, contre 2 Mo pour les autres types de fichiers supportés, le HTML en tête. La limite s'applique aux données non compressées, et cette page a été mise à jour début février 2026, soit plus de huit mois avant l'enregistrement du podcast.

Même les porte-parole officiels de Google improvisent face à leur propre documentation.

Autrement dit, la réponse que Splitt et Mueller cherchaient à tâtons existe depuis longtemps, publiée par leur propre employeur, sur une page que n'importe quel référenceur technique peut consulter en quelques secondes. L'écart entre le discours en direct et l'écrit officiel est l'angle le plus intéressant de cet épisode, bien plus que son contenu pédagogique de surface.

04Ce que ça change pour un audit technique SEO

Cette limite de 64 Mo n'est pas un détail anecdotique pour qui exploite des PDFs volumineux : rapports annuels illustrés, catalogues produits, études avec graphiques haute résolution. Un PDF qui dépasse ce seuil ne sera exploré que partiellement par Googlebot, ce qui peut tronquer le contenu réellement indexé sans que rien ne le signale dans Search Console. C'est un budget de crawl à part entière, distinct de celui appliqué au HTML, et qu'aucun outil d'audit classique ne surveille spécifiquement. Pour le contexte, voir notre article sur trou de données dans les Crawl Stats.

La conversion interne en HTML a elle aussi des implications concrètes. Un PDF structuré avec de vrais titres, un sommaire cliquable et des liens internes a plus de chances de donner à Google une représentation HTML exploitable qu'un PDF scanné ou mal structuré. Pour l'indexation et le crawl au sens large, la logique rejoint ce que Google documente par ailleurs sur ses délais de traitement : un contenu mal préparé en amont coûte du temps et de la visibilité en aval.

Quant aux images, leur absence d'URL autonome signifie qu'un visuel stratégique (infographie, schéma, photo produit) ne doit jamais exister uniquement dans un PDF si l'objectif est d'apparaître dans Google Images ou dans les résultats visuels d'une recherche classique.

05Faut-il arrêter de publier des PDFs indexables ?

Non, mais il faut arbitrer selon l'usage. Un PDF reste pertinent pour un document destiné à être téléchargé, imprimé ou archivé tel quel : fiche technique, CGV, notice. Dès qu'un contenu doit être découvert, cliqué et partagé via la recherche, la version HTML équivalente reste celle qui conserve toutes ses chances, liens, images et structure compris.

L'épisode confirme aussi, en creux, une tendance déjà observée sur d'autres sujets de communication officielle de Google : les porte-parole de Search Relations ne sont pas toujours synchronisés avec la documentation produite par leurs propres équipes. Pour un professionnel du SEO, le réflexe reste le même : vérifier la doc écrite plutôt que de se fier uniquement à la parole, même officielle.