Ce document est le résultat de 6 ans d'itération. Chaque client améliore le workflow pour le suivant. Ce n'est pas de la théorie, c'est ce qui marche aujourd'hui.

Résumé

Ma stratégie du moment, c'est le condensé de six ans d'itération où chaque client améliore le système pour le suivant. Pas de théorie : ce qui ranke aujourd'hui, c'est la spécificité défendable, pas le volume.

  • On cible 30 à 50 mots-clés décisifs et on vise à en ranker 80 %, plutôt que de ratisser large pour rien.
  • Chaque page est construite pour le Passage Ranking, en H2 autonomes qui répondent chacun à une intention précise.
  • Le déploiement se fait en Minimal Viable Strategy sur 9 mois en trois phases, pour valider avant d'industrialiser.

Pourquoi construire un système SEO propriétaire

Le paysage a fondamentalement changé. L'IA génère maintenant du contenu médiocre en 30 secondes, invalidant les stratégies basées sur le volume. Le paradigme passe de "volume égale visibilité" à "volume égale efficacité et rentabilité".

  • Les AI Overviews (2024) et le test du Google AI Mode représentent des changements structurels
  • La longueur moyenne des requêtes est passée de 4 à 24 mots et plus
  • Ranker top 3 ne garantit plus la supériorité d'engagement
  • Les tactiques traditionnelles (achat de liens) se révèlent insuffisantes

J'ai développé un système capable de ranker 80% des mots-clés visés, en combattant la médiocrité par une méthodologie structurée.

La fondation: trois blocs stratégiques

Bloc 1: 30 à 50 mots-clés décisifs

Focus sur les mots-clés qui déclenchent une action, pas seulement ceux à fort volume. Critères: CPC et pertinence business directe, volume associé à une faisabilité de top 3, outils Google Keyword Planner, Search Console, fusionn.io.

Bloc 2: micro-intentions, RRF Score, Recency Bias

C'est le coeur de la stratégie. Trois composants.

RRF (Reciprocal Rank Fusion) Score

Mesure la force cumulative sur des clusters de requêtes plutôt que des mots-clés isolés. Les pages sont évaluées sur leur couverture de variantes d'intention. Un score autour de 0,10 est excellent si tu couvres un large éventail de requêtes.

Recency Bias

Les modèles LLM utilisent use_freshness_scoring_profile: true, priorisant activement le contenu récent. Ce n'est pas arbitraire, c'est une nécessité architecturale pour les modèles comme Titans qui gèrent des contraintes mémoire.

SERP Triad et hiérarchie contextuelle

Quatre types de corpus distincts influencent les outputs LLM via RAG.

  1. Document Ranking: ticket d'entrée, sans lui aucun passage n'est indexé
  2. [Passage Ranking: contenu décomposé en blocs de 150 à 200 mots par H2](/wiki/passage-ranking)
  3. Micro-Contextualisation: [alignement sémantique via embeddings](/wiki/embedding-seo)
  4. Algorithmic Authorship: blocs autosuffisants de 50 mots pour extraction IA directe

Travaillons ensemble votre acquisition.

01 / 05

Les workflows

Pipeline opérationnel: identification des mots-clés via GSC et Fusionn, clustering en cocons, rédaction orientée Passage Ranking, intégration d'entités vectorielles, monitoring GSC hebdomadaire, refresh trimestriel des pages data. Le maillage interne se construit en priorité sur les liens Know vers Do, comme je le détaille dans ma méthode maillage interne actuelle.

Expertise, ce que Google et les LLM attendent vraiment

E-E-A-T concret: auteur identifiable, SIRET visible, certifications, données propriétaires, expérience terrain. Les LLMs favorisent les sources avec forte fréquence de mentions de marque dans leur corpus d'entraînement. La reconnaissance hors-SEO nourrit le SEO.

MVS, Minimal Viable Strategy

MVS sur 9 mois en trois phases: mois 0 à 3 bottom-funnel (30 pages décisionnelles et transactionnelles), mois 3 à 6 middle-funnel (contenus longs LinkedIn rankent sur Google), mois 6 à 9 topical authority plus YouTube (10 vidéos, corrélation avec visibilité LLM).

En dézoomant

Le SEO de 2026 ne récompense plus le volume. Il récompense la précision, la récence et l'utilité réelle. Construire un système propriétaire qui injecte de la data client, aligne l'architecture sur le Passage Ranking et maintient la fraîcheur sur les pages à plus forte valeur. Chaque client améliore le système pour le suivant: c'est ça le vrai moat.

FAQ

Le squelette oui : data propriétaire, mots-clés actionnels, micro-intentions, pages outil. Ce qui change, c'est les KPIs et le mix selon le contexte. En B2B SaaS, on optimise lead SQL et CAC par mot-clé. En e-commerce, conversion par URL et marge par cluster. En local, appels entrants et fiches Google Business. Le système reste le même, les indicateurs s'adaptent.

3 à 6 mois pour les premières conversions sur les pages actionnelles, 9 à 12 mois pour la traction stable et un canal d'acquisition mesurable. Si à 3 mois tu n'as pas de premiers leads sur les pages prioritaires, ce n'est pas un problème de patience, c'est un problème de ciblage. Tu retravailles le mot-clé avant de continuer à publier.

Non. Le système est conçu pour être tenu par un consultant et un client. Avec Claude pour la production assistée et un wiki pour la mémoire, un consultant peut piloter 4 à 6 comptes en parallèle. Au-delà, il faut soit un éditeur, soit des skills plus poussés sur la production. Le goulot d'étranglement, c'est rarement la production, c'est la qualité de la data propriétaire que le client fournit.

Tu mesures les leads SQL par URL et le revenue par cluster sémantique, pas le trafic global. Si une page génère du trafic mais pas un seul email qualifié à 90 jours, le mot-clé est à reconsidérer. Tu remontes à l'intention : est-ce que cette requête mène vraiment à une décision d'achat, ou est-ce que tu rankes sur de la curiosité ? Le trafic curieux ne paye jamais.

Oui, ça se greffe sans casser l'existant. On part d'un audit GSC : quelles URLs ramènent déjà du lead ? Celles-là, on les renforce. Quelles URLs font du trafic mais zéro conversion ? Celles-là, on les laisse tranquilles ou on les requalifie. En parallèle, on attaque les mots-clés actionnels manquants avec le process complet. Pas besoin de tout réécrire.