Ce que l'automatisation du SEO ne sait toujours pas faire

Produire du contenu ne coûte presque plus rien. Le référencement des prochaines années se jouera sur trois décisions qu'aucune machine ne prend : quoi écrire, quoi supprimer, quoi signer.

Pendant vingt ans, le référencement naturel a été un métier de production.

Le coût du contenu était le mur contre lequel butaient les petites structures : on savait à peu près quoi faire, on n'avait pas les moyens de le faire à l'échelle.

Ce mur est tombé. Un site peut aujourd'hui produire trente articles corrects par mois pour le prix d’un déjeuner. 

Corrects au sens propre : structurés, lisibles, alignés sur une requête. La conséquence n'est pas celle qu'on attendait. Le contenu abondant et convenable ne donne plus d'avantage, il devient le niveau de la mer. L'avantage s'est déplacé vers l'endroit le plus difficile à outiller : la décision.

Je construis des outils qui automatisent une partie de cette chaîne. C'est pour cette raison que je peux en décrire les trous, et ils sont au nombre de trois.

Choisir les mots-clés

Presque tous les pipelines automatisés commencent pareil : on donne l'adresse d'un site à un modèle de langage et on lui demande sur quelles requêtes se positionner. La réponse est immédiate, plausible, thématiquement juste. Elle est aussi, très souvent, sans valeur.

Un modèle n'a aucun accès à la demande réelle. Il produit des expressions qui ressemblent à des mots-clés parce qu'elles ressemblent à ce qu'il a lu. Il ne sait pas si trois personnes ou trente mille tapent cette requête chaque mois, ni si les dix premières positions sont tenues par des sites qu'un nouveau venu ne délogera jamais. Il génère du vraisemblable là où il faudrait du mesuré. La correction est connue : partir de données de volume et de difficulté, filtrer sur une bande étroite, et ne laisser le modèle intervenir qu'ensuite, pour trier et regrouper.

Reste un piège moins visible. Quand on confie au modèle le rôle de juge, pour décider si tel mot-clé mérite tel site, il faut vérifier ce juge. Je l'ai fait sur un lot de contrôle : sur une série de verdicts binaires, le modèle en a manqué plusieurs, avec la même assurance sur ses erreurs que sur ses réussites. Un juge automatique sans jeu d'étalonnage n'est pas un juge, c'est un générateur d'avis.

Décider ce qu'on supprime

L'élagage, retirer les pages qui pèsent sur un site sans lui rapporter, va devenir central pour une raison mécanique : plus la production est facile, plus les sites accumulent des pages faibles. C'est aussi l'opération où l'automatisation est la plus dangereuse, parce qu'elle est irréversible.

Un exemple pris sur mon propre outil. Le rapport proposait de supprimer des pages publiées quelques semaines plus tôt faute de trafic. Le garde-fou existait pourtant : ne jamais toucher à une page de moins de quatre-vingt-dix jours. Mais quand la date de création manquait, la page passait au travers du filtre et ressortait en "à supprimer", avec la même certitude affichée que les autres. Le défaut n'est pas dans l'analyse, il est dans le traitement de l'inconnu. Un humain devant une date manquante hésite ; un système applique sa règle et rend un verdict propre. Dans une chaîne automatisée, l'absence de donnée doit produire une abstention, jamais une décision par défaut.

Ce qui ne peut pas être fabriqué

Les moteurs, recherche classique comme assistants qui répondent directement, convergent vers le même critère : le signe qu'une personne sait réellement de quoi elle parle. Une expérience vécue, une donnée propriétaire, un chiffre qu'on est seul à détenir, une méthode qu'on a testée et dont on publie les échecs.

Une machine met tout cela en forme remarquablement bien. Elle ne peut pas le produire. Elle n'a rien vécu, elle n'a mesuré aucun résultat, elle n'a jamais perdu un client. Quand tout le monde publie du contenu correct, le seul différenciateur restant est celui qui ne se génère pas. C'est une excellente nouvelle pour les structures qui ont un vrai terrain et peu de moyens.

Le partage du travail

De ces trois trous se déduit une répartition assez nette.

Ce qui revient à la machine :

• la production et la structuration des textes ;
• le maillage interne et la surveillance technique ;
• la détection d'anomalies et le suivi des positions ;
• tout ce qui est répétitif, vérifiable et réversible.

Ce qui reste à l'humain :

• le choix des sujets, donc l'endroit où l'on dépense son attention ;
• l'arbitrage des suppressions, parce qu'elles ne se rattrapent pas ;
• l'apport d'expérience, seul contenu qui ne se fabrique pas ;
• le contrôle des jugements rendus par la machine, sur des cas dont on connaît la réponse.

Le métier ne disparaît pas, il remonte d'un cran. On passe moins de temps à écrire, beaucoup plus à décider quoi écrire, quoi retirer et quoi signer de son nom. Ceux qui vivaient de la production de volume auront un problème dans les années qui viennent. Ceux qui savent où porter l'attention n'en ont jamais eu si peu.