Comment fonctionne le GEO en hindi ?

L’hindi est la troisième langue la plus parlée au monde (plus de 600 millions de personnes selon Ethnologue) et la langue de contenu de moins de 0,1 % des sites web. Aucune autre langue dans laquelle nous travaillons n’a un rapport locuteurs-contenu aussi déséquilibré : les 0,4 % du web de l’hébreu servent environ neuf millions de locuteurs ; la fraction de l’hindi en sert six cents millions. Quand un assistant compose une réponse en hindi, il puise dans l’un des corpus commerciaux les plus minces du web.

Cette minceur change qui est cité. Les assistants s’appuient sur la poignée de sources structurées en hindi qui existent, ou se rabattent sur des pages anglaises qu’ils traduisent à la volée ; les rares sources natives en hindi qui répondent proprement à une question sont donc citées encore et encore. Dans les niches anglaises encombrées, une place de citation demande des mois de corroboration ; en hindi, une page bien structurée peut l’occuper presque sans concurrence.

Ce guide complète, à l’échelle de la langue, notre guide du marché indien, qui traite du marché lui-même : nombre d’utilisateurs, prompts par métropole, sensibilité aux prix. Ici, nous restons sur la langue : ce que le devanagari fait aux octets et aux jetons, comment l’hinglish se comporte lors de la récupération, et pourquoi le travail d’entité en hindi dépasse les frontières de l’Inde.

Le devanagari a un coût mécanique que la plupart des équipes ne voient jamais. En UTF-8, chaque caractère devanagari prend trois octets, contre un pour le latin ; les textes en hindi sont plus courts et gardent les noms latins et les chiffres, donc en pratique les mêmes guides pèsent environ deux fois leur équivalent anglais (1,7 Mo contre 0,84 Mo sur notre site, octobre 2026). Les budgets d’exploration le subissent, les exports lisibles par machine aussi : sur notre propre site, l’export llms-full en hindi a été le premier à dépasser le plafond de taille, passé depuis de 100 Ko à 2 Mo. Et tout ce qui tronque au nombre d’octets tronque d’abord l’hindi.

La tokenisation aggrave le problème. Les tokeniseurs des grands modèles sont entraînés surtout sur de l’anglais et des textes en alphabet latin, et ils découpent le devanagari en beaucoup plus de jetons par phrase : une recherche sur l’équité des tokeniseurs a mesuré des écarts allant jusqu’à 15 fois entre langues pour un même texte. En pratique, moins d’hindi tient dans une fenêtre de contexte, les extraits récupérés sont coupés plus tôt, et les pages verbeuses perdent leurs affirmations principales à la troncature.

Gardez des blocs de texte courts et autonomes, avec le nom de la marque et le fait principal près du début. Employez une formulation cohérente et des intertitres qui reprennent les questions des lecteurs. Les réponses directes comptent dans toutes les langues ; les besoins en jetons de l’hindi rendent une structure concise particulièrement utile.

Une grande part des vrais prompts en hindi n’utilise jamais le devanagari. Les utilisateurs tapent de la grammaire hindi en alphabet latin, avec du vocabulaire commercial anglais (noms de marque, catégories, « best », « price ») en plein milieu de phrase. Cette alternance de langues est assez structurelle pour que des chercheurs en traitement du langage aient construit un benchmark autour d’elle (GLUECoS, dont l’anglais-hindi est l’une des deux paires de langues), et la récupération traite la forme en devanagari, la forme en hinglish et la forme anglaise d’une même question comme trois formulations différentes, qui atteignent trois ensembles de sources différents.

L’hinglish n’a pas d’orthographe standard : le même mot peut apparaître sous la forme « accha », « acha » ou « achha », et « kaise » et « kese », ou « zyada » et « jyada », varient aussi. Nous ne recommandons pas de créer un site distinct en hinglish. Indiquez la marque et la catégorie dans les deux écritures là où c’est utile sur les pages en hindi, puis testez les questions en hinglish séparément pour voir si ces pages sont trouvées.

Les modèles doivent apprendre que le rendu de la marque en devanagari et son rendu en alphabet latin désignent la même entité ; sinon, les citations se divisent entre deux noms à moitié connus et aucun n’accumule d’autorité. Il faut donc déclarer les deux formes délibérément : des données structurées avec des noms alternatifs, des profils qui écrivent les deux rendus, et des pages en hindi qui affichent le nom de marque latin à côté du nom en devanagari plutôt que de laisser le rapprochement au hasard. Les sources en hindi mêlent d’habitude les écritures en milieu de phrase, ce qui joue en votre faveur, à condition que vos propres pages fixent d’abord l’appariement canonique.

Le travail en hindi sert aussi des lecteurs hors d’Inde. Aux Émirats, aux États-Unis et au Royaume-Uni, des gens posent des questions en hindi aux assistants. Notre guide sur Dubaï inclut l’hindi parce que la communauté indienne est le premier groupe de population des Émirats. Une page utile en hindi peut servir des clients à Lucknow comme à Dubaï, ce qui étend la valeur du contenu à plusieurs marchés.

L’hindi n’est pas un pari sur l’avenir : les AI Overviews et les assistants sont déjà là. Google a lancé les AI Overviews en Inde en août 2024 en anglais et en hindi, avec un sélecteur de langue présenté comme une fonction d’abord réservée à l’Inde, et ChatGPT, Perplexity et Gemini répondent aujourd’hui à des prompts en hindi et en hinglish. Le corpus est mince et la plupart des marques ne l’ont pas remarqué : c’est cette combinaison qui crée l’occasion.

L’hindi est l’une de nos neuf langues natives, et nous le mesurons comme les autres : un jeu de prompts fixe par langue, défini dès le premier jour, des sessions propres (nouvelle conversation, sans connexion au compte et sans historique) sur ChatGPT, Perplexity et Gemini, et la part de voix et le taux de citation suivis par rapport à la mesure initiale. La méthode est d’abord appliquée à notre propre site et documentée, avec des captures d’écran non retouchées, dans notre étude de cas publique, où l’hindi figure explicitement parmi les capacités vérifiées.