L’un des pièges les plus simples lors de l’ajout d’une IA (ou d’un agent) à un processus est qu’il devienne :
Voici quelques données. Modèle, s’il vous plaît dites-moi quoi penser.
Je lutte avec ça depuis quelques mois maintenant. Je dirais que j’en suis arrivé à essayer d’aller dans la direction opposée – du moins dans certains contextes.
L’extension Chrome que j’ai créée combine des vérifications SEO traditionnelles, des données de navigateur, des analyses déterministes et des modèles linguistiques.
Je suis conscient que vous pouvez le faire efficacement avec les serveurs et les agents MCP – il est presque trop facile d’auditer un site sans jamais auditer le site lui-même… ou de pense vous l’êtes, du moins.
Mais l’objectif n’est pas de déléguer une révision SEO aux résultats de l’IA ; l’objectif est de rendre la révision plus facile à réaliser par un référenceur utilisant l’IA.
Cette distinction est importante, du moins pour l’instant – elle constitue un point de tension constant dans ma propre pratique.
Cela fait suite à mon article précédent, Utilisation du calcul local (IA) pour réduire la dépendance aux modèles frontières.
Déterministe lorsque cela est possible
Certaines parties du référencement technique sont simples et le resteront pour toujours – du moins si vous savez ce que vous recherchez :
- Une URL a renvoyé 404, ou non.
- Un canonique existe, ou pas.
- Une destination de lien a changé entre le serveur HTML et le DOM rendu, ou non.
- Robots.txt permet à un robot d’accéder à un chemin, ou non.
Nous n’avons pas besoin d’un LLM pour découvrir ces choses ; en fait, la plupart des LLM sont susceptibles d’effectuer une vérification déterministe pour ensuite capturer eux-mêmes ces données de manière fiable. Pour un processus que vous allez répéter encore et encore, un cadre ferme plutôt qu’un prédicteur de mots probabiliste mangeur de jetons EST la meilleure option.
Cela donne au réviseur un point de départ beaucoup plus solide que de simplement coller une page dans un modèle et de se demander ce qui ne va pas.
L’IA là où l’interprétation aide
Il existe encore de nombreux endroits où les modèles linguistiques peuvent améliorer le flux de travail. Ce serait très hypocrite de ma part d’être totalement anti-IA !
Une fois rassemblés, un ensemble d’informations techniques peut être exacte mais désagréable à lire, ou créer des frictions lors de leur traitement et de leur compréhension. La compétence ici ne consiste pas à faire des choses en matière de référencement ; il s’agit de gérer les frictions d’une lecture JSON ou d’une feuille de calcul et de la transformer en quelque chose à partir duquel obtenir des informations.
Un modèle de langage peut le transformer en :
- Une explication concise.
- Un résumé de ce qui a changé.
- Une description prête pour les tickets Jira.
- Une formulation plus claire pour un consultant.
- Une interprétation d’un changement sémantique véritablement ambigu.
Ceux sont des contributions utiles et, surtout, elles ne nécessitent pas toutes que le modèle devienne le décideur final. Vous, le consultant/éditeur SEO/CMS, êtes le décideur ; votre IA n’est pas responsable.
Cela est devenu particulièrement évident lors du test d’un petit modèle sur appareil (Gemini Nano) par rapport aux différences HTML DOM brutes/rendues.
Le modèle était raisonnablement capable de décrire les changements de formulation et les conséquences possibles. Il pourrait reconnaître que changer une ancre de quelque chose de descriptif en « En savoir plus » supprimait un contexte utile et cela pourrait poser un problème.
Mais il était beaucoup moins fiable lorsqu’on lui demandait de combiner plusieurs faits techniques structurés dans un jugement SEO final. Il a confondu les intrants et les extrants, a essayé d’inventer une logique et n’a pas réussi à comprendre pleinement comment une combinaison de faits pouvait conduire à un résultat. Il y avait trop de contexte et le jugement lui-même avait à nuancer – et tout de suite le Gemini Nano 4 bits fourni avec Chrome ne semble pas idéal pour cela.
Plutôt que de continuer à ajouter des instructions jusqu’à ce que l’invite devienne un manuel technique de référencement, j’ai choisi de modifier les tâches que je lui confiais. Pour ma santé mentale et pour m’assurer que les outils font ce dont ils sont le plus capables.
Le modèle local aide désormais à transmettre les conclusions/preuves – il ne peut pas les juger.
Réduisez les frictions plutôt que de retirer le praticien
C’est de plus en plus ainsi que je pense que les outils d’IA utiles devraient fonctionner – du moins aujourd’hui. SI les coûts de l’IA commencent vraiment à paralyser les choses (ou si la bulle éclate), je pense que cette voie deviendra LA VOIE à suivre. (OU nous trouverons un moyen de maintenir ce rythme à tout prix et cette méthode d’assistance deviendra du « SEO artisanal ».)
Imaginez trouver une différence rendue-DOM qui contient :
- Deux URL.
- Leur statut HTTP.
- Preuve canonique.
- Preuve de robots.
- Changements d’ancrage.
- Contexte de la page locale.
- Confiance de réconciliation.
- Données de transformation.
Un praticien peut absolument inspecter ces informations manuellement, mais le faire à plusieurs reprises est une friction, une friction fastidieuse. Si un modèle peut le transformer en :
La destination du lien change après le rendu. Le serveur HTML expose déjà une URL fonctionnelle, les deux versions aboutissent finalement à la même destination et le texte d’ancrage reste inchangé.
Cela permet d’économiser des efforts sans retirer la décision à l’examinateur, et un humain peut alors décider si cela est important.
Dans les cas où les preuves nécessitent véritablement un raisonnement plus solide, ou où de très nombreux domaines doivent être inspectés en même temps, ALORS un modèle d’IA plus performant peut intervenir pour accélérer ce processus.
L’assistance de l’IA rend également les désaccords utiles
Il y a un autre avantage à garder l’humain au courant – peut-être inattendu avec l’IA. Lorsque le modèle n’est pas d’accord avec vous, vous pouvez vérifier pourquoi. Lorsque l’on introduit des faits dans le cadre d’une mission spécifique, les tendances flagorneuses des chatbots IA sont supprimées parce que la mission du modèle d’IA est différente – presque « plus pure ».
Au cours du développement, cela s’est avéré extrêmement utile, car les échecs du modèle étaient révélés lorsque :
- Les preuves étaient trop bruyantes.
- La terminologie technique était ambiguë.
- Deux concepts avaient été regroupés en un seul.
- La logique déterministe était faible.
- Ma propre expérience/connaissance personnelle faisait obstacle.
- Il n’y avait pas suffisamment de contexte pour juger efficacement.
- Le modèle n’était tout simplement pas assez performant pour cette tâche.
Si l’ensemble du flux de travail avait été délégué au modèle, ces faiblesses auraient été beaucoup plus difficiles à déceler.
L’objectif n’est pas l’autonomie
Il existe une volonté compréhensible de rendre les outils d’IA de plus en plus autonomes. Je crée des processus, des flux de travail et je forme les gens dessus – la plupart des tâches seraient remplacées par un agent compétent – ce qui crée de nouveaux problèmes, croyez-moi !
L’autonomie (de l’IA ou d’un agent) n’est pas la seule mesure de l’utilité. Un outil qui me fait gagner 30 secondes vingt fois par jour, rend les preuves plus faciles à interpréter, maintient la cohérence du travail répétitif et me donne une meilleure matière première pour les décisions peut être extrêmement précieux sans jamais prendre ces décisions lui-même.
C’est ce que nous devrions viser, car nous comprenons toujours ce qui se passe, pourquoi cela se produit et pourquoi cela constitue un problème. Ceux-ci sont cruciaux pour formuler des recommandations et les corriger. Si vous utilisez un modèle pour tout faire et que vous n’êtes là que pour formuler des recommandations, que faites-vous si quelqu’un vous pose ensuite une question ? Vous ne le comprendrez pas assez bien.
Utilisez un logiciel pour établir des faits. Utilisez l’IA pour réduire les efforts requis pour travailler avec ces faits. Utilisez notre jugement là où le jugement est réellement requis.
Le résultat est moins spectaculaire que « L’IA fait votre audit SEO pour vous ». Il ne s’agit pas d’un audit de 40 pages que personne ne lira, et encore moins ne comprendra.
C’est, je dirais, considérablement plus utile, vous garde au plus près du problème et fait de vous un meilleur praticien qui ne peut pas être remplacé par l’IA.
Plus de ressources :
Cet article a été initialement publié sur Chris Green SEO.
Image en vedette : Taris Tonsa/Shutterstock
