De 0 à 1
pour faire son SEO
sur Claude

Du mot-clé au vecteur sémantique

Une requête business cache toujours plusieurs intentions. Prends « freelance GEO » : définition, comparatif vs SEO classique, fourchette de prix, mode de facturation, profil type, cas clients, outils utilisés, délai de résultats. Chacune est une micro-intention. La page qui ranke est celle qui les couvre toutes, pas celle qui répète le mot-clé principal.

Sur Keyword Planner, « freelance GEO » donne 1 mot-clé. Sur un outil de micro-intentions, ça donne 50 micro-intentions. On ne cherche plus le bon mot-clé, on cherche la bonne couverture.

Les micro-intentions, c'est la matière première du SEO 2026. Google les note via la similarité cosinus, les moteurs de réponse les extraient pour citer une source.

Avant on matchait, maintenant on construit. Optimiser, c'était chercher le bon paramètre à régler. Construire, c'est assembler un vecteur sémantique qui couvre toutes les micro-intentions de la requête.

Pourquoi Claude Cowork

Jusqu'ici, ma stack ressemblait à celle de tout le monde : Google Search Console pour la data, Google Keyword Planner pour le CPC et le volume, un outil pour les micro-intentions, mes prompts propriétaires. Dès que je me rendais sur Claude, je devais créer un projet et ajouter les mêmes instructions, contextes, règles, à chaque fois. Le résultat était bon, mais j'avais l'impression de recommencer de zéro à chaque projet ou nouveau client.

Il me manquait un workflow fluide, une IA qui sache comment je travaille sur chaque projet, qui garde en mémoire mon approche, ma réflexion, mes workflows.

Claude Cowork résout ça. Le contexte persiste dans le temps, plus besoin de répéter sans cesse. Les skills se déclenchent automatiquement : tu décris ton besoin, Cowork choisit le bon outil. Sans contexte, tu exploites 30 % de l'IA et tu augmentes le risque d'hallucination. Avec, tu fais autre chose.

Pas besoin d'être développeur. Pas besoin de savoir coder. Il suffit de savoir ce que tu sais, de le formaliser, et de le donner à une IA qui ne l'oubliera pas.

Définition

Un skill, c'est un dossier qui contient un fichier SKILL.md. Ce fichier dit à Claude trois choses : quand se déclencher, à quoi il sert, et comment procéder étape par étape. Une fois le skill installé, tu n'as plus rien à faire pour le lancer. Tu dis « analyse ma Search Console » et Claude reconnaît la demande et déclenche le bon skill tout seul.

Structure d'un skill

Chaque skill doit être structuré de cette manière :

• Déclencheur : les mots-clés et phrases qui activent le skill
• Rôle : ce qu'il fait, ce qu'il livre
• Réflexion appliquée : la méthode à suivre
• Données requises : GSC, contexte projet, autres inputs
• Raisonnement de l'agent étape par étape : la séquence obligatoire
• Format de sortie : à quoi ressemble le livrable
• Ce que l'agent ne DOIT PAS faire : les pièges à éviter

Le fichier SKILL.md commence obligatoirement par un bloc frontmatter YAML avec deux champs : name (identique au nom du dossier) et description (ce qui déclenche le skill, sois précis, Claude s'en sert pour décider quand l'activer). Sous le frontmatter, tu écris les instructions en markdown.

---
name: mon-skill
description: À quoi sert ce skill et quand l'utiliser
---

# Mon Skill

Instructions détaillées ici...

Comment installer un skill

Pour ajouter un skill à ton workspace Claude Cowork, deux chemins possibles, chacun prend moins d'une minute.

Chemin 1 · Drag & drop dans les paramètres

Tu ouvres la rubrique Personnaliser dans tes paramètres, puis Compétences, puis tu cliques sur +. Tu glisses-déposes le dossier du skill directement dans la zone prévue à cet effet. Le skill devient disponible immédiatement et il se déclenchera tout seul dès qu'une conversation correspondra à ses mots-clés.

Chemin 2 · Demander à Claude de poser le skill

Encore plus simple. Tu demandes directement à Claude de poser le skill pour toi en précisant qu'il doit le mettre à la fois en compétence active et dans ton dossier local. Claude se charge de tout, tu n'as plus rien à faire. Aucune ligne de commande n'est nécessaire, aucun fichier de configuration n'est à éditer, et tu n'as pas besoin de redémarrer ton workspace pour que le skill prenne effet.

Pour Claude Code (version technique)

Si tu travailles sur Claude Code, c'est trois étapes. D'abord, tu trouves le dossier des skills. Sur Mac et Linux c'est ~/.claude/skills/, sur Windows c'est %USERPROFILE%\.claude\skills\. S'il n'existe pas, tu le crées. Ensuite, tu crées un sous-dossier pour ton skill, avec un nom court en kebab-case. Par exemple ~/.claude/skills/mon-skill/. Le nom du dossier, c'est le nom du skill. Enfin, dans ce sous-dossier, tu crées le fichier SKILL.md.

Tu relances Claude Code et le skill est dispo. Tu peux vérifier qu'il est bien chargé en tapant /skills dans Claude Code. Si ton skill a besoin de fichiers annexes (templates, scripts, références), tu les mets dans un sous-dossier references/ ou scripts/ à côté du SKILL.md, et tu les appelles depuis les instructions.

Skill vs workflow

Un skill fait une chose précise (identifier les quick wins, détecter les cannibalisations, produire un brief). Un workflow enchaîne plusieurs skills pour livrer un résultat composé.

Exemple concret. L'audit SEO complet n'est pas un skill, c'est un workflow. Il enchaîne plusieurs skills (indexation-check, seo-quick-win, seo-cannibalisation, maillage-systeme, maillage-interne-gsc) plus des phases de prompt et une synthèse finale. C'est l'enchaînement qui produit la valeur, pas un skill isolé.

Un workflow par process SEO

La logique du système tient en une phrase : un workflow par process SEO récurrent. Tu ne montes pas un méga-workflow qui fait tout, tu montes un workflow par tâche que tu répètes sur chaque client. La recherche mot-clé, l'audit, la rédaction : trois process que tu refais sur chaque projet, donc trois workflows distincts.

Ce guide te donne les deux workflows de référence, déjà calibrés sur des dizaines de projets : le workflow mot-clé en 6 sources (chapitre 6) et le workflow d'audit SEO avec Claude (chapitre 7). Tu les prends tels quels, tu les déroules sur un client, puis tu construis les tiens sur le même modèle pour chaque autre process que tu répètes.

Transformer un workflow en skill

Si tu répètes plusieurs fois le même enchaînement, tu peux l'encapsuler dans un skill unique. Tu rédiges un SKILL.md qui déclenche, dans l'ordre, les skills enfants, et tu lui donnes son propre nom (ex : audit-seo-complet).

Avantage : un seul déclencheur en langage naturel, et tout l'enchaînement se lance. Tu dis « lance l'audit SEO sur le site de Marc » et Claude exécute toutes les phases sans que tu aies à les enchaîner manuellement.

Limite : un workflow trop large encapsulé en skill devient un gros bloc difficile à itérer. Garde les workflows complexes en chaînage manuel pour pouvoir corriger à chaque étape.

Le dossier de travail

Avant tout, choisis un dossier de travail local sur ta machine. Local veut dire sur ton disque interne. Pas un dossier synchronisé iCloud, Dropbox ou OneDrive : les synchros causent des conflits de lecture quand Claude ouvre plusieurs fichiers en parallèle.

Ce dossier va contenir tout ton contenu : posts réseaux, conversations clients, ton de voix, etc. Claude Cowork viendra piocher dedans. C'est tout l'avantage de travailler en local : Claude lit ce qui est là, sans que tu aies à coller à chaque fois.

Les 3 sous-dossiers de contexte

Concrètement, voici ce que j'ai dans mon projet SEO. Trois sous-dossiers de contexte, c'est le minimum vital.

Sous-dossier 1 · Bot instruction

Mon workflow de rédaction en 8 étapes, mon ton de voix, mes anti-patterns IA (la liste Wikipedia des signes d'écriture IA que je veux éviter à tout prix), et un README qui résume le pipeline.

Sous-dossier 2 · Contenu SEO

Ma stratégie SEO 2026, mes newsletters précédentes, mes recherches sur le GEO (Titans, MIRAS, Surprise Score).

Sous-dossier 3 · Dossier client

La base de connaissances complète du client : positionnement, templates de pages, cas clients, transcriptions de calls.

Les 3 fichiers contexte de base

À la racine de ton dossier, trois fichiers d'identité. Tu les rédiges une fois, tu les réutilises pour chaque nouveau projet, chaque nouveau client.

Tu peux laisser Claude générer une première version des trois fichiers à partir de tes contenus existants. Tu les ouvres, tu corriges, tu valides. Ces fichiers seront directement ajoutés dans ton dossier local sans que tu aies besoin de faire le transfert.

Le dossier skills

Dans le même dossier de travail, tu auras (côté Claude Code) un sous-dossier .claude/skills/ qui contient tes 9 skills SEO (chapitre 5). Côté Cowork, les skills sont gérés via Personnaliser > Compétences directement dans l'interface, mais tu gardes une copie locale pour versioning et partage.

Structure finale recommandée

ton-dossier-de-travail/
├── .claude/
│   └── skills/              → Les 9 skills SEO
├── 1-bot-instruction/       → Workflow rédaction, ton de voix, anti-patterns
├── 2-contenu-seo/           → Stratégie 2026, newsletters, GEO
├── 3-client-actif/          → Positionnement, templates, cas, calls
├── about-me.md
├── my-voice.md
└── my-rules.md

Chacun de ces skills a été affiné au fil des projets, et chacun correspond à un moment précis du processus. Pour chaque skill : son rôle dans le workflow, puis le contenu intégral du fichier SKILL.md, prêt à copier tel quel dans ton dossier .claude/skills/.

1 · seo-quick-win

Le skill que je lance en premier dès qu'un client me donne accès à sa Search Console. Avant de penser à créer du nouveau contenu, on vide le backlog des opportunités déjà présentes dans la GSC. Il identifie les pages coincées entre la position 3 et la position 12 avec beaucoup d'impressions et un CTR qui ne suit pas. Pour chacune, il sort une fiche action concrète sur la balise title, la méta-description, la FAQ en haut de page et la densification atomique du premier paragraphe. Le delta entre les impressions et les clics est le vrai signal d'opportunité. Le volume seul ne suffit jamais.

---
name: seo-quick-win
description: |
  Identification des opportunités SEO rapides depuis les données GSC : pages en position 3-12 avec impressions élevées et CTR sous-performant. Priorité optimisation existant > création de contenu. Pipeline en 6 étapes : filtrer (positions 3-15, exclure branded + homepage) → trier par impressions → calculer gap CTR → croiser avec intention → prioriser → lister leviers (title, méta, H1, FAQ top de page, densification atomique).

  TOUJOURS utiliser ce skill quand l'utilisateur dit : "quick win", "gains rapides", "pages proches du top 3", "CTR faible", "pages position 3-12", quand un export GSC est uploadé.
---

# Skill — Quick Win SEO

## Quand déclencher

Pages en position 3-12, impressions élevées, CTR sous-performant. Priorité : optimiser l'existant avant de créer du contenu.

## Input requis

| Source | Obligatoire |
|--------|-------------|
| Export GSC Pages — URL, Clics, Impressions, CTR, Position (90j) | Oui |
| Contexte secteur | Recommandé |

Minimum viable : export GSC 30j minimum, position 4-15, tri impressions décroissant.

## Pipeline (6 étapes)

1. Filtrer — positions 3.0 à 15.0, exclure branded + homepage
2. Trier — top 10 par impressions décroissantes
3. Calculer le gap CTR — CTR attendu (pos 4 = 7%, 5 = 5%, 6-10 = 2-3%) vs CTR réel
4. Croiser avec l'intention — décisionnel P1 > transactionnel P2 > informationnel P3
5. Prioriser — décisionnel + impressions >500/mois + CTR <3% + gap >1.5%
6. Lister les leviers — title, méta, H1, FAQ top de page, densification atomique

## Output obligatoire

Tableau 5-10 pages + fiche action par page (min 2 actions dont 1 preuve atomique).

QUICK WIN — Top N Opportunités GSC
| # | URL | Position | Impressions | CTR réel | CTR attendu | Delta | Intent |

→ Page /url
Action 1 : [type] — [description concrète]
Action 2 : Densification atomique — [avant/après]

## Règles absolues

- Ne pas proposer de nouveau contenu avant d'épuiser les quick wins existants
- Pas de conseils génériques sans URL concernée
- Ne pas confondre volume de recherche et impressions GSC
- Toujours inclure au moins 1 exemple avant/après de densification atomique

## Concepts liés

preuve-atomique · grounding-score · intention-recherche · gsc-export

2 · seo-cannibalisation

Quand deux pages d'un site se concurrencent dans la GSC sur les mêmes requêtes, ce skill détecte le conflit et le classe par typologie avant de donner l'action corrective adaptée. Il distingue la cannibalisation par mot-clé exact, par intention de recherche, la simple proximité sémantique, et le multi-positionnement, qui n'est pas un problème mais une opportunité de couvrir plusieurs positions sur la même requête. La solution n'est jamais binaire. Parfois on fusionne, parfois on différencie, parfois on laisse les deux pages tourner ensemble parce qu'elles couvrent des micro-intentions distinctes.

---
name: seo-cannibalisation
description: |
  Audit de cannibalisation SEO depuis les données GSC. Identifie les pages en compétition interne sur les mêmes mots-clés ou intentions, classifie le type de conflit (mot-clé exact, même intention, proximité sémantique, Triade SERP), analyse les métriques, recommande l'action (301, fusion, différenciation, maillage croisé, ou aucune action si Triade SERP).

  TOUJOURS utiliser ce skill quand l'utilisateur dit : "cannibalisation", "deux pages sur le même mot-clé", "je rankais mieux avant", "pages en compétition interne", "keyword cannibalism", "audit cannibalisation".
---

# Skill — Cannibalisation SEO

## Quand déclencher

Deux pages se concurrencent sur les mêmes mots-clés ou intentions. Chutes de positions inexpliquées, CTR qui stagne malgré le volume.

## Input requis

| Source | Obligatoire |
|--------|-------------|
| Export GSC Requêtes — filtré par URL, 90j | Oui |
| Liste des URLs (scraping ou sitemap) | Recommandé |
| Contexte stratégique (pilier vs satellite) | Recommandé |

## Pipeline (5 étapes)

1. Identifier les conflits — requêtes qui déclenchent 2+ URLs dans la GSC
2. Classifier le type :
   - (A) Mot-clé exact — deux pages sur la même requête précise
   - (B) Même intention — deux pages répondent à la même intention
   - (C) Proximité sémantique — sujets proches sans conflit direct
   - (Triade SERP) — opportunité, pas conflit
3. Analyser les métriques — position, impressions, clics, CTR par page
4. Évaluer l'architecture — pilier vs satellite, objectif business
5. Recommander l'action :

| Situation | Action |
|-----------|--------|
| Type A + perdante faible | Redirection 301 |
| Type A + deux fortes | Fusion + 301 |
| Type B + micro-intentions distinctes | Différenciation + maillage croisé |
| Type C | Renforcement maillage vers pilier |
| Triade SERP | Aucune action — optimiser chaque angle |

## Output obligatoire

CANNIBALISATION DÉTECTÉE
Requête : '[requête]' — Type : (A/B/C/Triade)
| URL | Position | Impressions | Clics | CTR | Statut |

→ Diagnostic : [explication]
→ Action : [action précise + 3 étapes d'implémentation]

## Règles absolues

- Ne pas recommander une 301 sans analyser les métriques des deux pages
- Ne pas traiter toutes les cannibalisations de la même façon
- Ne pas confondre duplication de contenu et cannibalisation
- Ne pas fusionner des pages avec micro-intentions distinctes
- Identifier les Triades SERP comme opportunités, pas comme problèmes

## Concepts liés

triade-serp · rrf · maillage-interne · intention-recherche · gsc-export

3 · maillage-systeme

Ce skill construit le graphe de liens internes d'un site sur trois axes simultanés : topique, intention et autorité. Il sort une architecture en piliers, une classification hub vs satellite, un plan d'ancres diversifiées par lien, et un audit des pages orphelines ou dead-end. Contrairement au skill maillage-interne-gsc qui exploite la donnée Search Console, celui-ci raisonne sur la structure éditoriale et le contenu. Il est utilisable dès la phase de cadrage d'un nouveau site. Les deux skills se chaînent : architecture d'abord, donnée GSC ensuite quand elle arrive. Le skill applique la règle des 5 ancres différentes pour 5 liens entrants vers la même cible : un seul exact match, le reste en partial match et sémantique étendue.

---
name: maillage-systeme
description: >
  Maillage interne stratégique d'un site (blog, catalogue, doc) : architecture en piliers,
  classification hub/satellite, sélection d'ancres avec diversification entrante,
  détection des pages orphelines et dead-end, audit complet du graphe interne.

  Complémentaire au skill maillage-interne-gsc qui exploite la donnée Search Console.
  Celui-ci raisonne sur la structure éditoriale et le contenu, sans dépendre de la GSC.
  Utilisable dès la phase de cadrage d'un nouveau site, avant qu'aucune donnée
  comportementale ne soit disponible.

  TOUJOURS utiliser ce skill quand l'utilisateur mentionne : architecture de maillage,
  piliers de blog, hub et satellite, ancres internes, anchor text, choix d'ancre, audit
  maillage interne, orphan pages, pages dead-end, link equity, structurer le maillage
  d'un nouveau site, mailler un blog avant lancement, plan de cocon, ou uploade
  une liste d'articles/URLs et veut un plan de maillage complet.
---

# Skill — Maillage Interne : Architecture, Ancres et Audit

## Rôle

Construire et auditer le graphe de liens internes d'un site à partir du contenu existant ou planifié, sans dépendre de la Search Console. Le skill produit trois livrables : une architecture en piliers, un plan d'ancres diversifiées par lien, et un rapport d'audit des trous structurels.

L'objectif n'est pas de générer des liens à la chaîne. C'est de construire un graphe où chaque lien est justifié par trois signaux : topique, intention et autorité.

## Réflexion appliquée (méthode Organikk)

- Le maillage interne est un système, pas une passe. Trois axes simultanés : topique, intention, autorité.
- Une ancre, ce n'est pas un mot-clé. C'est une promesse de continuité entre deux pages, lue par Google, par les LLM (en vecteur), et par l'humain (en désir de cliquer).
- 5 ancres possibles vers la même page = 5 ancres différentes. Un seul exact match. Le reste est partial / sémantique / contextuel long.
- Test à voix haute : si la phrase tombe juste sans le lien, l'ancre est bien intégrée. Si elle clopine, l'ancre est plaquée.
- Le maillage Know→Do passe avant le maillage Know→Know. Une page qui explique un concept doit toujours pointer vers la page qui permet de l'exécuter (outil, audit, démo).
- Pas de "Voir aussi" en bas d'article. Le contexte de lien est dilué. Liens contextuels in-body uniquement.
- Une page mère n'est pas un titre de catégorie. C'est l'article le plus stratégique du pilier, celui qui définit le vocabulaire et reçoit le plus de liens internes.
- Le cross-pillar pollination compte autant que le maillage intra-cluster. 1 lien sortant sur N doit pointer vers un autre pilier pour éviter la siloïsation.

## Données requises

| Source | Description | Obligatoire |
|--------|-------------|-------------|
| Liste des URLs/articles | Titre, slug, catégorie, excerpt, mots-clés cibles | Oui |
| Contenu intégral (markdown ou HTML) | Pour détecter les opportunités contextuelles | Recommandé |
| Mots-clés piliers (3-5) | Le vocabulaire métier business du client | Recommandé |
| Pages "Do" identifiées | URLs des outils, audits, formulaires, simulateurs | Recommandé |

Minimum viable : la liste des articles avec titre + excerpt + mots-clés. Sans le contenu intégral, le skill produit l'architecture mais pas les ancres précises.

## Raisonnement de l'agent (étapes obligatoires)

L'agent DOIT suivre ces étapes dans l'ordre avant de répondre.

### Étape 1 — Classifier chaque page en intention

| Intention | Description | Exemples de signaux |
|-----------|-------------|---------------------|
| Know-Simple | Définition courte, réponse directe | titre "Qu'est-ce que", "C'est quoi" |
| Know | Guide approfondi, méthode, comparatif | titre "Comment", "Pourquoi", "Guide" |
| Do | Outil, simulateur, formulaire, démo | URL contient /outils/, /audit, /contact |

Une page peut avoir une intention dominante + une intention secondaire. Noter les deux.

### Étape 2 — Identifier les piliers

Regrouper les articles par cohérence sémantique (pas par catégorie technique). Cibler 3 à 5 piliers max. Pas plus. Pas moins de 3.

Critères pour qu'un cluster forme un vrai pilier :
- Au moins 3 articles dans le cluster
- Un mot-clé business central qui revient dans tous les titres ou excerpts
- Une page-hub naturelle : l'article le plus complet ou le plus stratégique du cluster

Si un cluster a moins de 3 articles, il devient un sous-cluster d'un pilier existant.

### Étape 3 — Désigner le hub de chaque pilier

- Article le plus complet (ou prévu pour l'être)
- Recouvre les concepts secondaires des autres articles du pilier
- Idéalement : positionné sur le mot-clé pilier exact

Le hub reçoit des liens entrants depuis tous les satellites. Il redistribue vers les satellites via des liens contextuels (pas une liste).

### Étape 4 — Cartographier les liens existants

Pour chaque article : inbound links, outbound links, click depth.
Détecter : orphan pages (0 inbound), dead-end pages (0 outbound), hub sous-maillé (moins de 5 inbound).

### Étape 5 — Sélectionner les ancres pour chaque lien proposé

Pour chaque lien Source → Cible, produire 3 propositions d'ancres classées :
1. Exact match (1 max par cible, sur la première mention)
2. Partial match (60-70% des liens entrants vers une cible)
3. Sémantique étendue (reformule la promesse sans le mot-clé)

Pour chaque ancre, vérifier les 5 critères :

| Critère | Question à se poser |
|---------|---------------------|
| Promesse de la cible | L'ancre reflète-t-elle ce que l'utilisateur va trouver ? |
| Phrase porteuse | La phrase reste-t-elle fluide à voix haute sans le lien ? |
| Diversification | Cette ancre est-elle déjà utilisée vers la même cible ? |
| Position | L'ancre porte-t-elle le verbe d'action ou le substantif central ? |
| Link context | Les 5 mots avant/après parlent-ils du sujet de la cible ? |

Si une ancre rate un critère, la rejeter.

### Étape 6 — Prioriser les liens à créer

Score = (impressions cible × poids_intention) + (gain_authority × 0.4)
- poids_intention : Do = 1.0, Know-décisionnel = 0.8, Know = 0.5, Know-Simple = 0.3
- gain_authority : 1 si la source est un hub, 0.5 si satellite mailé, 0.2 sinon

Prioriser : liens manquants Hub → Satellite, puis Know → Do, puis cross-pillar, puis vers pages orphelines.

### Étape 7 — Vérifier les règles de conservation

- Aucune page orpheline restante (chaque page reçoit ≥ 1 inbound)
- Aucune page dead-end (chaque page contient ≥ 2 outbound)
- Chaque hub reçoit ≥ 5 inbound depuis ses satellites
- Aucune cible ne reçoit la même ancre 2 fois
- Densité : 2 à 5 liens internes par 1000 mots, jamais plus

NE PAS répondre avant d'avoir complété chaque étape.

## Format de sortie OBLIGATOIRE

Bloc 1 — Architecture détectée (PILIER → HUB → Satellites avec intentions)
Bloc 2 — Audit du graphe existant (tableau Inbound/Outbound/Click depth/Statut)
Bloc 3 — Plan de liens à créer priorisé (Source, Cible, pilier, nature, passage proposé, 3 ancres, justification)
Bloc 4 — Règles de gouvernance (checklist à chaque nouvelle publication)

## Points de vigilance

- Ne pas tout automatiser. Le skill propose, l'humain décide.
- Le contexte vaut plus que l'ancre. Réécris la phrase plutôt que de plaquer une ancre.
- Le hub n'est pas figé. La structure suit le contenu, pas l'inverse.
- Cross-pillar ≠ liens hors-sujet. Vraie passerelle conceptuelle obligatoire.
- Ne jamais lier vers la home depuis le contenu. Garde le jus pour les pages business.
- Les FAQ sont une mine d'ancres. Densité haute, contexte naturel.
- Densité plafonnée. Au-delà de 5 liens / 1000 mots, dilution.

## Cas particulier — Site sans donnée GSC

Étape 4 par parsing du contenu, Étape 6 avec proxy position_business (Do=1, Know-déc=0.7, Know=0.5, Know-Simple=0.3). Plan ajusté dès que la GSC arrive.

## Cas particulier — Refonte de site existant

Chaîner avec maillage-interne-gsc : ce skill définit l'architecture, l'autre injecte la donnée comportementale. Préserver les liens existants qui marchent.

## Rappels méthode

> "Le maillage interne, c'est un système, pas une passe."
> "5 liens entrants vers la même page = 5 ancres différentes. Un seul exact match."
> "Test à voix haute : si la phrase tombe juste sans le lien, l'ancre est bonne."
> "Une page Know doit toujours pointer vers une page Do."
> "Pas de Voir aussi. Liens in-body uniquement."
> "Un hub n'est pas une catégorie. C'est l'article le plus stratégique du pilier."
> "Le contexte des 5 mots avant/après l'ancre vaut plus que l'ancre elle-même."

4 · seo-cluster-aeo

Le framework TOFU MOFU BOFU est devenu obsolète avec l'arrivée des LLM. Ce skill construit ton arborescence sur le modèle Know-Simple, Know et Do qui correspond à ce que les agents IA exécutent réellement. Il génère une architecture MECE de quinze pages minimum autour d'un mot-clé pilier, avec pour chaque page le format de landing recommandé, les données structurées Schema.org et la priorité dans le plan de production. La distribution recommandée : 20 à 30 % de pages Know-Simple pour les Position 0, 40 à 50 % de pages Know pour l'autorité thématique, 20 à 30 % de pages Do pour la génération de leads. C'est le squelette de la topical authority pensé pour l'Agentic Search.

---
name: seo-cluster-aeo
description: |
  Construction d'architecture de contenu (cluster/cocon sémantique) optimisée pour les moteurs de réponse (SGE, Perplexity, ChatGPT) et les agents IA autonomes. Utilise le framework Know-Simple/Know/Do (remplace TOFU/MOFU/BOFU) et le principe MECE. Pipeline en 5 étapes : mot-clé pilier → mapping intentions → tableau cluster (15+ pages satellites) → maillage interne → priorisation roadmap.

  TOUJOURS utiliser ce skill quand l'utilisateur dit : "cluster sémantique", "cocon SEO", "AEO", "Agentic Search", "quelles pages créer autour de [mot-clé]", "topical authority", "maillage thématique", "architecture de contenu", "cluster AEO".
---

# Skill — Clusters Sémantiques AEO / Agentic Search

## Quand déclencher

Construire une architecture de contenu optimisée pour les moteurs de réponse et les agents IA autonomes.

## Concepts clés

- AEO (Answer Engine Optimization) — optimisation pour les moteurs qui génèrent des réponses directes
- Agentic Search — agents IA autonomes qui effectuent des recherches et actions
- RRF (Reciprocal Rank Fusion) — un cluster couvrant toutes les sous-intentions améliore le score global
- Principe MECE — Mutuellement Exclusif, Collectivement Exhaustif

## Framework : Know-Simple / Know / Do (remplace TOFU/MOFU/BOFU)

| Type | Définition | Format idéal | Distribution |
|------|-----------|--------------|-------------|
| Know-Simple | Questions factuelles, réponse <50 mots | Définition, chiffre, FAQ courte | 20-30% |
| Know | Explication approfondie avec preuves | Guide, tutoriel, comparatif | 40-50% |
| Do | Micro-tâches (ou exécutables par un agent) | Calculateur, simulateur, générateur, audit | 20-30% |

## Pipeline (5 étapes)

1. Définir le mot-clé pilier — requête principale + secteur + ressources
2. Mapper les intentions selon Know-Simple / Know / Do
3. Générer le tableau du cluster — minimum 15 pages satellites
4. Définir le maillage interne — liens entrants/sortants + ancres par page
5. Prioriser et roadmap — volume + difficulté + potentiel conversion + effort

## Output obligatoire

Cluster sémantique — '[Mot-clé pilier]'

| Requête cible | Intention | Format | Schema.org | Priorité |
|---|---|---|---|---|

Maillage interne : [schéma connexions]
Roadmap : Mois 1 → Know-Simple | Mois 2 → Know | Mois 3 → Do + pilier

## Règles absolues

- Ne pas utiliser TOFU/MOFU/BOFU — obsolète pour l'AEO
- Pas deux pages sur le même angle (principe MECE)
- Pages "Do" = outils interactifs, pas du contenu textuel
- Pages Know pointent systématiquement vers une page Do
- Réviser le cluster tous les 6 mois

## Concepts liés

aeo · agentic-search · rrf · maillage-interne · topical-authority · fully-meets

5 · seo-programmatique-pseo

Le principe du SEO programmatique tient dans une équation simple : un seul template combiné à une variable génère des centaines de pages qui rankent chacune sur leur longue traîne. Ce skill conçoit la stratégie pSEO complète d'un site, depuis l'identification des modèles scalables jusqu'au plan d'exécution sur 90 jours. Il impose sept règles non négociables pour éviter le thin content, la principale étant que chaque page doit apporter de la donnée terrain qu'un concurrent ne peut pas copier. Sans données propriétaires en base, la stratégie ne fonctionne pas et le skill ne lance pas la production. Le bon ratio de réussite à viser : un taux de pages indexées supérieur à 85 % par rapport aux pages créées.

---
name: seo-programmatique-pseo
description: |
  Conception de systèmes de contenu programmatique : 1 template + 1 variable = des centaines/milliers de pages qui rankent chacune sur une longue traîne. Pipeline en 5 étapes : identifier modèles scalables (min 5) → matrice de priorisation → mots-clés par modèle → plan d'exécution 90 jours → résumé exécutif. 7 règles non-négociables (anti-thin content, données terrain, sourcing, canonical, maillage différenciant, Surprise Score, Grounding Score).

  TOUJOURS utiliser ce skill quand l'utilisateur dit : "programmatic SEO", "pSEO", "pages scalables", "template + variable", "créer des centaines de pages", "base de données + SEO", "growth engineering SEO".
---

# Skill — SEO Programmatique (pSEO)

## Quand déclencher

Concevoir des systèmes de contenu programmatique : un template + une variable = N pages organiques uniques.

## Principe fondamental

Template (fixe) + Variable (base de données) = N pages organiques uniques

Raisonner comme un ingénieur produit (data → template → pages) ET comme un SEO senior (intent → SERP → conversion).

## Input requis

- URL + description du site (3-5 phrases, positionnement, preuve sociale)
- Données disponibles en base (carburant du programmatique) : catalogue, FAQ, cas clients, données réglementaires, clusters identifiés
- Pages existantes (piliers, services, blog)
- 3-5 concurrents
- Objectifs business + persona + contraintes

## Pipeline (5 étapes)

1. Identifier les modèles scalables (minimum 5) :
   - Architecture : pattern URL + head term + modificateur + nb pages possibles + source de données
   - Template de page : H1 avec variable + sections + CTA + Schema.org
   - SEO & Intent : phase funnel + intention + 10 exemples de requêtes + compétition
   - Avantage compétitif : ce que les concurrents ne peuvent pas copier
2. Matrice de priorisation — pages possibles × effort × impact SEO × potentiel conversion × données disponibles
3. Mots-clés par modèle — 10-15 longues traînes par modèle
4. Plan d'exécution 90 jours — semaine par semaine, prérequis techniques
5. Résumé exécutif — 5 phrases + modèle #1 à lancer en premier

## 7 Règles non-négociables

1. Anti-thin content — chaque variable change le contenu réel. Max 30% texte identique entre deux pages.
2. Données terrain — zéro hallucination, zéro chiffre inventé. Placeholder : [DONNÉE À SOURCER]
3. Sourcing obligatoire — chaque chiffre = source + organisme + année
4. Canonical propre — une URL = un contenu = une canonical
5. Maillage différenciant — chaque page pointe vers un ensemble différent de pages internes
6. Surprise Score — au moins 1 élément High Surprise par section
7. Grounding Score — 1 passage ancré 150-200 mots + bloc authorship ~50 mots par page

## Variantes (cf. KB)

Sites avec offre produit/service (e-commerce, SaaS) → variante "produit/service".
Sites média/éditoriaux/communautaires → variante "non-produit" qui ajoute un Test de Substitution LLM en Étape 0 obligatoire.

## Règles absolues

- Pas deux modèles sur le même angle (anti-cannibalisation)
- Pas de modèle sans données propriétaires disponibles
- Pas de pages sans CTA vers une offre
- Prioriser : compétition faible + données propriétaires

## Concepts liés

surprise-gap · grounding-score · rrf · e-e-a-t · cannibalisation · maillage-interne · test-substitution-llm · product-led-seo

6 · seo-product-led-seo

Ce skill sert à passer du contenu passif à l'outil actif que les Quality Raters de Google notent Fully Meets. C'est la note maximale qu'une page peut décrocher, réservée aux contenus qui ne se contentent pas de répondre à la requête mais qui permettent à l'utilisateur de la résoudre directement. Le skill génère cinq concepts d'outils interactifs (calculateurs, simulateurs, scorecards, générateurs) qui dominent les requêtes Do du type calculer, simuler, auditer ou comparer. Pour chaque concept, il décrit la micro-intention ciblée, le Surprise Gap qui force la mémorisation par les modèles IA, le Confidence Score chiffré en sortie, et le workflow de conversion en lead.

---
name: seo-product-led-seo
description: |
  Conception d'outils interactifs (calculateurs, simulateurs, générateurs, audits) pour dominer les requêtes transactionnelles "Do" et obtenir la note "Fully Meets" des Quality Raters. Pipeline en 5 étapes : analyser thématique → identifier micro-intentions Do → générer 5 concepts d'outils (avec Surprise Gap + Confidence Score) → évaluer faisabilité → spécifications techniques.

  TOUJOURS utiliser ce skill quand l'utilisateur dit : "Product-Led SEO", "calculateur", "simulateur", "générateur", "outil gratuit", "créer un outil pour [thématique]", "Fully Meets", "Quality Raters", "Agentic SEO".
---

# Skill — Product-Led SEO

## Quand déclencher

Concevoir des outils interactifs pour dominer les requêtes transactionnelles "Do" et obtenir la note "Fully Meets" des Quality Raters.

## Concepts clés

- Product-Led SEO — le produit (outil, calculateur) génère lui-même du trafic et des conversions
- Fully Meets — note maximale Quality Raters Google : la page satisfait complètement l'intention sans recherche externe
- Agentic SEO — optimisation pour les agents IA autonomes qui peuvent utiliser des outils web
- Surprise Gap — donnée propriétaire unique qui force les modèles IA à mémoriser la marque

## Types de micro-intentions "Do"

| Type | Exemples |
|------|---------|
| Calculer | ROI, budget, coût, temps, économies |
| Simuler | résultat, scénario, projection, impact |
| Générer | document, checklist, template, brief |
| Auditer | score, diagnostic, analyse, benchmark |
| Comparer | options, offres, solutions, fournisseurs |
| Planifier | roadmap, calendrier, étapes, ressources |

## Pipeline (5 étapes)

1. Analyser la thématique — produit/service + données propriétaires + ressources techniques + objectif conversion
2. Identifier les micro-intentions "Do" de l'audience cible
3. Générer 5 concepts d'outils :
   | Solution Produit | Micro-intention "Do" | Surprise Gap | Confidence Score (Preuves) | Action de Conversion |
4. Évaluer la faisabilité — complexité technique + données nécessaires + temps dev + potentiel SEO + différenciation
5. Spécifications techniques — inputs + logique + output + données + stack

## Pattern de conversion obligatoire

Valeur gratuite (résultat partiel / score)
→ Gate : email pour débloquer le rapport complet
→ Upsell : audit personnalisé ou accompagnement

## Règles du Surprise Gap

- Basé sur données réelles de l'entreprise (cas clients anonymisés)
- Impossible à reproduire sans expertise terrain
- Pas de données génériques trouvables partout

## Règles absolues

- Un outil simple et utile > un outil complexe inutilisé
- Tester le MVP avec du trafic payant avant d'investir en SEO
- Prévoir une version "agent-friendly" avec API/embed pour l'Agentic SEO
- Pas d'output vague ou non chiffré (le Confidence Score doit être précis)

## Concepts liés

fully-meets · aeo · agentic-search · surprise-gap · grounding-score · e-e-a-t · test-substitution-llm

7 · seo-entites-vectorielles

Avant de rédiger une nouvelle page, ce skill cartographie l'ensemble des entités sémantiques que ton contenu doit contenir pour s'aligner avec l'intention de recherche dans l'espace vectoriel. Il génère quatre catégories : les entités techniques de base présentes chez plus de 80 % des pages du top 10, les preuves quantitatives chiffrées qui rassurent le Confidence Score, les vecteurs multimodaux attendus par l'intention, et les éléments de divergence Haute Surprise que les concurrents oublient. C'est ce qui fait monter ton Grounding Score, la similarité cosinus entre le vecteur de ta page et le vecteur de la requête.

---
name: seo-entites-vectorielles
description: |
  Cartographie des entités sémantiques nécessaires pour qu'une page s'aligne mathématiquement avec l'intention de recherche ciblée (similarité cosinus / Grounding Score). Pipeline en 4 étapes : définir requête cible → générer tableau d'entités (4 catégories : techniques, preuves quantitatives, vecteurs multimodaux, divergence/Haute Surprise) → analyser gap concurrentiel → recommandations d'implémentation par zone (H1, corps, FAQ).

  TOUJOURS utiliser ce skill quand l'utilisateur dit : "entités sémantiques", "vecteurs SEO", "Grounding Score", "similarité cosinus", "quels termes inclure dans ma page", "optimisation sémantique", "NLP SEO", "embeddings SEO".
---

# Skill — Entités Vectorielles SEO

## Quand déclencher

Cartographier les entités sémantiques nécessaires pour qu'une page s'aligne mathématiquement avec l'intention de recherche ciblée.

## Concepts clés

- Grounding Score (Similarité Cosinus) — alignement entre le vecteur de la page et le vecteur de l'intention
- Recherche vectorielle (Muvera, etc.) — les moteurs comparent sémantiquement les pages aux requêtes via embeddings
- Surprise Gap — éléments Haute Surprise qui forcent la mémorisation des modèles IA

## Pipeline (4 étapes)

1. Définir la requête cible — requête principale + type d'intention + niveau d'expertise audience
2. Générer le tableau des entités (10 termes/concepts par catégorie) :
   | Entités Techniques | Preuves Quantitatives | Vecteurs Multimodaux | Divergence (Haute Surprise) |
   | Termes obligatoires >80% top 10 | Stats sourcées [Chiffre+Unité+Contexte] | Formats attendus | Concepts présents chez <10% des concurrents |
3. Analyser le gap concurrentiel — entités manquantes / opportunités de divergence / quick wins
4. Recommandations d'implémentation — où placer chaque entité (H1, corps, FAQ, sidebar)

## Règles par catégorie

Preuves Quantitatives — format obligatoire :
- "73% des entreprises B2B" / "ROI moyen de 4,2x sur 12 mois" — OK
- "beaucoup d'entreprises" — non quantifié, refusé

Divergence (Haute Surprise) — test :
- Si un concurrent peut copier le concept en 5 min → pas de Haute Surprise

## Output obligatoire

Analyse vectorielle — Requête : "[Requête]"
Intention : [Type]

| Entités Techniques | Preuves Quantitatives | Vecteurs Multimodaux | Divergence |

Gap concurrentiel : Manquant / Opportunité / Quick win
Implémentation : H1/H2 entités techniques · Corps preuves quantitatives · FAQ divergence

## Règles absolues

- Pas d'entités listées artificiellement (keyword stuffing)
- Qualité d'intégration > quantité
- Mettre à jour régulièrement (les vecteurs évoluent)
- Toujours sourcer les preuves quantitatives

## Concepts liés

grounding-score · surprise-gap · vecteurs-semantiques · passage-ranking · e-e-a-t

8 · seo-peurs-objections

Pour écrire une page qui convertit en B2B, il faut comprendre les vraies peurs du persona plutôt que les clichés du secteur. Ce skill génère un tableau de dix lignes minimum qui isole les pain points réels, formulés dans la langue exacte que ton client expert utilise quand il raconte ses mauvaises expériences. Pour chaque pain point, le skill produit un verbatim Haute Surprise qu'aucune persona moyenne ne sortirait, et la preuve atomique qui rassure au format Sujet + Verbe + Donnée chiffrée. Les preuves doivent être vérifiables, pas des superlatifs vagues. C'est la matière première de tout copywriting bas de tunnel.

---
name: seo-peurs-objections
description: |
  Identification des freins psychologiques d'une audience B2B pour créer du contenu à haute conversion et des verbatims "Haute Surprise". Pipeline en 4 étapes : définir contexte (thématique + persona + expériences négatives) → tableau d'analyse 10 lignes (pain point + verbatim Haute Surprise + preuve atomique) → prioriser les 3 objections critiques → recommandations de contenu (format + emplacement + CTA).

  TOUJOURS utiliser ce skill quand l'utilisateur dit : "objections clients", "peurs prospects", "pain points", "freins à l'achat", "pourquoi ils n'achètent pas", "qu'est-ce qui bloque mes prospects", "comment convaincre un prospect échaudé", "verbatims B2B".
---

# Skill — Peurs & Objections B2B

## Quand déclencher

Identifier les freins psychologiques d'une audience B2B pour créer du contenu à haute conversion et des verbatims "Haute Surprise".

## Utilisation

- Avant de rédiger une page de vente ou landing page
- Pour créer du contenu de réassurance (FAQ, témoignages, garanties)
- Pour briefer une équipe commerciale
- Pour identifier les angles de différenciation face aux concurrents

## Pipeline (4 étapes)

1. Définir le contexte — thématique/produit/service + persona cible + expériences négatives connues
2. Générer le tableau d'analyse (10 lignes minimum) :
   | Micro-intention / Pain Point | Verbatim "Haute Surprise" | Preuve Atomique attendue |
   | Nom précis du frein | Citation experte et rare — zéro cliché | Donnée format Sujet + Verbe + Donnée |
3. Prioriser les 3 objections critiques — fréquence × intensité × différenciation
4. Recommandations de contenu — format idéal (case study, calculateur, FAQ) + emplacement + CTA

## Règles Verbatims "Haute Surprise"

- Frustration experte ou technique rarement verbalisée
- Vocabulaire spécifique au métier du persona
- Connaissance terrain que seul un initié possède
- Pas de clichés : "je veux du ROI", "je veux des résultats concrets"

Transformation :
- Cliché : "Je veux voir des résultats concrets"
- Verbatim Haute Surprise : "La dernière agence m'envoyait des rapports de 40 pages où le seul KPI lisible était le nombre de backlinks, sans jamais croiser ça avec mon CRM"

## Règles Preuves Atomiques

Format : Sujet + Verbe + Donnée
- "Notre méthodologie génère +47% de leads qualifiés en moyenne sur 6 mois" — OK
- "100% de nos clients ont accès à un dashboard temps réel connecté à leur CRM" — OK
- "Nous offrons un excellent accompagnement" — non vérifiable, refusé

## Règles absolues

- Pas de clichés sectoriels dans les verbatims
- Pas de preuves atomiques non vérifiables
- Ce skill génère du contenu stratégique, pas du contenu final prêt à publier
- Les preuves atomiques doivent être validées par l'entreprise avant publication

## Concepts liés

preuve-atomique · surprise-gap · e-e-a-t · grounding-score · fully-meets

9 · seo-brief-contenu

Quand tu vas rédiger une page, ce skill construit le brief éditorial complet avec une structure Hn pensée pour le Passage Ranking de Google. Il décode l'intention primaire de la requête et les intentions latentes que l'utilisateur ne formule pas. Il liste les vecteurs sémantiques attendus, identifie les micro-intentions à couvrir et impose un Gradient de Surprise sur au moins un H2 pour éviter le contenu prévisible que les LLM oublient. Il ajoute les signaux E-E-A-T et le format multimodal requis pour atteindre la note Fully Meets. On ne regarde jamais les concurrents pour copier leur structure, on les regarde pour identifier ce qu'ils n'ont pas dit.

---
name: seo-brief-contenu
description: |
  Brief éditorial complet avec structure Hn optimisée pour le Passage Ranking, basé sur les vecteurs sémantiques attendus par Google. Ne copie jamais les concurrents — au contraire identifie ce qu'ils n'ont pas dit. Pipeline en 7 étapes : décodage requête → vecteurs sémantiques → micro-intentions → structure Hn → contenu par H2 → signaux E-E-A-T → format multimodal.

  TOUJOURS utiliser ce skill quand l'utilisateur dit : "brief", "structure Hn", "plan de page", "quels H2 mettre", "plan de rédaction SEO", "brief éditorial", "structure d'article SEO".
---

# Skill — Brief de Contenu & Structure Hn

## Quand déclencher

Produire un brief éditorial complet avec structure Hn optimisée pour le Passage Ranking, basé sur les vecteurs sémantiques — sans copier les concurrents.

## Doctrine

- La structure Hn est la colonne vertébrale du ranking. Mauvais plan = mauvais contenu.
- On regarde les concurrents pour identifier ce qu'ils n'ont pas dit, pas pour copier.
- Le brief est rédigé en premier par l'humain. L'IA améliore, elle ne crée pas.
- Chaque H2 = un vecteur sémantique attendu par Google.
- Au moins 1 H2 doit générer un Surprise Gap (contre-intuitif ou différenciant).

## Input requis

| Source | Obligatoire |
|--------|-------------|
| Mot-clé principal + cluster de requêtes | Oui |
| Micro-intentions / FAQ patterns | Oui |
| Contexte E-E-A-T (cas concrets, données propriétaires) | Recommandé |
| Type de page (landing, article, pilier) | Recommandé |

## Pipeline (7 étapes)

1. Décoder la requête — intention primaire (Info/Trans/Nav/Déc) + intentions latentes
2. Lister les vecteurs sémantiques — entités, co-occurrences, vocabulaire expert
3. Identifier les micro-intentions — avant/pendant/après la décision
4. Construire la structure Hn — H1 différenciateur + H2 vecteurs + H3 micro-intentions + H2 FAQ
5. Définir le contenu par H2 — type, longueur, éléments obligatoires
6. Identifier les signaux E-E-A-T — expérience, expertise, autorité, confiance
7. Définir le format multimodal — vidéo, tableau, calculateur, template

## Output obligatoire

BRIEF — '[Mot-clé principal]'
## Intention — Primaire / Latentes
## Vecteurs sémantiques clés
## Structure Hn — H1 + différenciateur, H2 vecteur (Gradient de Surprise), H3 micro-intention, H2 FAQ décisionnelle
## Signaux E-E-A-T à injecter
## Format multimodal requis

## Règles absolues

- Ne pas copier la structure des 3 premiers résultats Google
- Pas de H2 génériques : "Introduction", "Conclusion", "Notre avis"
- Pas de plan sans FAQ ni sous-angles
- Toujours justifier chaque H2 par un vecteur sémantique identifié

## Concepts liés

vecteurs-semantiques · surprise-gap · passage-ranking · grounding-score · e-e-a-t · fully-meets

Micro-intentions et leur importance

Une requête business cache toujours plusieurs intentions. « Freelance GEO » : définition, comparatif vs SEO classique, fourchette de prix, mode de facturation, profil type, cas clients, outils utilisés, délai de résultats. Chacune est une micro-intention. La page qui ranke est celle qui les couvre toutes, pas celle qui répète le mot-clé principal. Sur Keyword Planner, « freelance GEO » donne 1 mot-clé. Avec un outil de micro-intentions, 50. On ne cherche plus le bon mot-clé, on cherche la bonne couverture.

La bascule

Avant on matchait, maintenant on construit. Optimiser, c'était chercher le bon paramètre à régler. Construire, c'est assembler un vecteur sémantique qui couvre toutes les micro-intentions de la requête.

Comment je choisis mes mots-clés · 4 piliers doctrine

Avant d'attaquer un mot-clé, je le passe au filtre de quatre questions. Si la requête échoue à l'une, je ne la prends pas. Les quatre piliers fonctionnent en série, pas en parallèle.

Pilier 1 · Surprise Gap

Test ChatGPT en deux questions. ChatGPT peut-il répondre à la requête ? Peut-il faire mieux que ce qu'on produira ? Si oui aux deux, la page sera générique et n'apportera rien à la SERP. On jette. Si non à au moins une, il y a un gap exploitable. On prend. Le vrai levier du Surprise Score, c'est la data originale. Un benchmark interne sur 200 clients, un chiffre tiré du CRM, une donnée extraite des calls jamais publiée, un retour contre-intuitif que les concurrents évitent. C'est ça qui fait diverger ton vecteur du corpus moyen. Donnée existante ailleurs = commodité. Donnée chez toi seulement = Surprise Score.

Pilier 2 · Grounding Score

Le client a-t-il la matière pour ancrer la page ? Data propriétaire, calls enregistrés, tickets support, CRM, études internes. Sans matière, le vecteur reste générique et le contenu plat. Sans grounding, on ne prend pas.

Pilier 3 · pSEO

Le mot-clé scale-t-il en template ? 1 template + N variables (ville, métier, secteur, taille d'entreprise) = des centaines de pages avec une longue traîne propre. Si oui, priorité haute, ça débloque un système entier.

Pilier 4 · AEO

Quelle intention derrière la requête ? Hiérarchie stricte : Do (transactionnel, l'utilisateur veut agir) supérieur à Know (l'utilisateur veut comprendre) supérieur à Know-Simple (l'utilisateur veut une définition courte). On privilégie Do. Toujours. C'est là que la conversion existe et que les Quality Raters notent Fully Meets.

Le contexte que j'injecte

Sans contexte client réel, ton vecteur reste générique. Même vecteur que tout le monde = nulle part dans la SERP. Le contexte fait diverger le vecteur, la divergence crée le Surprise Gap. Quatre sources alimentent ce contexte : les calls clients (verbatims, objections réelles, vocabulaire des prospects, la seule source qui donne le langage non filtré du marché), les études de marché (le grounding factuel qui ancre la page dans des données vérifiables), Reddit (les vraies questions des utilisateurs, une couche de langage que Google n'indexe pas en profondeur), et Grok mode expert (data fraîche non sourcée, signaux X et forums spécialisés en temps réel).

Étape 1 · Google Keyword Planner

Volume marché et idées de mots-clés. Seul outil qui donne les volumes de recherche réels de Google. Accès via API ou export Google Sheet. Deux modes. Mode 1, recherche par mots-clés : tu saisis 3 à 5 mots-clés seeds que le client utilise naturellement, tu filtres pays et langue, tu télécharges le CSV. Mode 2, recherche par site : tu saisis l'URL d'une page spécifique (pas le domaine, plus ciblé), tu testes 2-3 concurrents pour découvrir des angles que le client ne couvre pas.

Le Keyword Planner donne le volume, pas l'intention. Un mot-clé à 10 000 recherches/mois sans intention business = 0 lead. On filtrera avec la GSC.

Étape 2 · Google Search Console

Données réelles et quick wins. La GSC est la seule source de vérité. Elle montre ce que Google pense déjà du site : les requêtes, les pages associées, et le delta entre visibilité et résultat. Accès via MCP (un peu technique) ou export Google Sheet. Période : 3 derniers mois. Trois exports : requêtes (par impressions décroissantes), pages (toutes les pages indexées), requêtes croisé pages. Le signal clé n'est pas le volume mais le delta entre impressions et clics.

Règle d'or : on optimise l'existant AVANT de créer du nouveau. Les quick wins sont toujours la première action.

Étape 3 · Grok et Perplexity

Data fraîche X et web que personne n'a compilée. Grok est le seul LLM branché en temps réel sur X. Il récupère les données terrain, retours pratiques et débats que ni le Keyword Planner ni la GSC ne voient. Perplexity complète sur les études de marché poussées. Cinq prompts en chaîne, chaque prompt dépend du précédent. À la fin, un dataset fact-checké prêt à injecter.

Prompt 1 · Cartographier le consensus (la baseline du bruit)

Sujet : [TON SUJET]

Donne-moi le consensus actuel sur ce sujet :
- Ce que les 10 premiers résultats Google disent
- Ce que ChatGPT et Gemini répondent quand on leur pose la question
- Les chiffres et stats qui reviennent partout

Format : liste des 5-7 affirmations les plus répétées + les stats
les plus citées avec leur source d'origine.

Prompt 2 · Scanner X pour les données terrain (DeepSearch)

Active DeepSearch. Sujet : [TON SUJET]

Cherche uniquement sur X, 30 derniers jours :

1. Les chiffres concrets partagés par des praticiens (résultats A/B, % de réussite, métriques, cas clients)
2. Les retours terrain négatifs ou les échecs documentés
3. Les débats entre experts : qui dit quoi et pourquoi ils ne sont pas d'accord
4. Les questions posées qui n'obtiennent pas de bonne réponse

Pour chaque trouvaille : la donnée exacte, l'auteur du post (nom ou @handle),
la date du post, le lien. Format tableau.

Prompt 3 · Trouver les stats récentes (DeepSearch)

Sujet : [TON SUJET]

Cherche sur le web les données les plus récentes (moins de 60 jours) :

1. Études ou rapports publiés en 2025-2026 avec des chiffres précis
2. Stats qui CONTREDISENT les idées reçues listées au prompt 1
3. Données provenant de sources primaires (pas des articles qui citent d'autres articles)

Pour chaque stat : le chiffre exact, la source primaire (étude/rapport + organisme),
la date de publication, le lien direct. Exclure toute donnée de plus de 60 jours.
Format tableau.

Prompt 4 · Identifier les angles que personne ne couvre

À partir des données terrain (prompt 2) et des stats web (prompt 3), identifie :

1. Les 3 informations les plus surprenantes : celles qui contredisent le consensus du prompt 1
2. Les sujets discutés activement sur X mais absents des 10 premiers résultats Google
3. Les questions fréquentes sur X qui n'ont aucune réponse satisfaisante sur le web
4. Les données chiffrées que personne n'a encore croisées ensemble

Format : tableau [Angle | Source X | Source Web | Pourquoi c'est un gap]

Prompt 5 · Vérifier et sécuriser chaque donnée

Voici les données que j'ai récoltées pour mon article :
[COLLER LE TABLEAU DES DONNÉES DES PROMPTS 2 + 3]

Pour chaque donnée :
1. Vérifie que la source existe vraiment et que le chiffre est exact
2. Vérifie si des experts sur X ont contesté ou nuancé cette donnée récemment
3. Classe chaque donnée :
   ✅ Vérifiée : source confirmée, chiffre exact
   ⚠️ À nuancer : approximatif ou contesté, propose une reformulation prudente
   ❌ Non fiable : source introuvable ou chiffre faux, à retirer

Format tableau [Donnée | Verdict | Justification | Reformulation | Nuance X]

Consensus (1) = le bruit. Terrain X (2) = le signal. Stats web (3) = la preuve. Croisement (4) = les angles exclusifs. Fact-check (5) = la sécurité. Chaque prompt dépend du précédent.

Étape 4 · Reddit

Verbatims, pain points et angles contre-intuitifs. Reddit, c'est où les utilisateurs parlent sans filtre marketing. Vocabulaire réel, objections nues, retours négatifs, métaphores. Aucune étude ne capture ça. Double usage : identifier les sujets sur lesquels publier sur Reddit en réponse à un mot-clé business, et nourrir tes rédactions SEO avec les verbatims remontés. Huit prompts thématiques, à choisir selon ce qu'on cherche à creuser.

1 · Pain points
Trouve sur Reddit (site:reddit.com) les 20 threads les plus upvotés sur
[THÉMATIQUE] des 12 derniers mois. Pour chaque thread : URL + subreddit
+ nb upvotes, titre, le pain point exact en 1 phrase, le verbatim le plus
fort (citation textuelle). Classe par fréquence du pain point.

2 · Pourquoi ils n'achètent pas ton produit ou service
Trouve les commentaires où des utilisateurs expriment déception, méfiance
ou refus d'acheter [PRODUIT/SERVICE]. Extrais : verbatim brut, objection
sous-jacente (prix, qualité, confiance, complexité, ROI…), subreddit +
permalink. Regroupe par thème, top 5 par volume.

3 · Questions populaires mal traitées
Liste les questions sur [SUJET] avec 0 à 2 réponses mais >10 upvotes ou
>20 commentaires. Ce sont des intentions de recherche mal servies.
Format : question + URL + vues/upvotes + pourquoi c'est mal répondu.

4 · Expressions utilisées par tes futurs users
Analyse 30 threads sur [THÉMATIQUE], extrais : expressions familières /
jargon (≠ vocabulaire marketing), termes péjoratifs sur les concurrents,
métaphores récurrentes. 20 expressions avec exemple de phrase citée.

5 · Avant / Après
Trouve des témoignages décrivant une transformation liée à
[PROBLÈME/SOLUTION]. Structure : situation AVANT (verbatim), déclencheur,
action prise, résultat APRÈS (chiffres si mentionnés). Min 50 upvotes.

6 · Opinions contre-intuitives qui font débat
Cherche les opinions controversées sur [SUJET], posts "unpopular opinion",
"hot take", ou commentaires à ratio élevé. Pour chaque : thèse contre-
intuitive, argument principal, contre-argument majoritaire. Matière pour
tes inversions expertes.

7 · Comparaisons (requêtes VS)
Trouve les threads où les utilisateurs comparent [A] à [B, C, D…].
Extrais : critère de comparaison, vainqueur selon le consensus, verbatims.
Classe les critères par fréquence d'apparition.

8 · Subreddit mapping (vue d'ensemble)
Pour [THÉMATIQUE], liste les 10 subreddits les plus actifs : nb membres,
volume de posts/semaine, 3 tags/flairs les plus utilisés, intention
dominante (question, avis, rant, showcase, recommandation).

Pain points (1) = la douleur. Objections (2) = le frein. Questions mal servies (3) = la niche éditoriale. Vocabulaire (4) = le langage authentique. Avant/Après (5) = la preuve transformation. Inversions (6) = le Surprise Gap. Comparaisons (7) = la requête VS. Subreddit mapping (8) = la cartographie.

Étape 5 · Données propriétaires

L'avantage compétitif que personne ne peut copier. Les données propriétaires révèlent des mots-clés qu'aucun outil ne connaît. Trois sources : le contenu existant du client (articles, pages services, études de cas, emails prospects, posts LinkedIn), les interviews et verbatims clients (calls de découverte, témoignages, questions récurrentes), les données métier exclusives (chiffres internes, process propriétaires, cas anonymisés). Méthode : collecter 10 à 20 verbatims, repérer les formulations récurrentes (mots-clés longue traîne), croiser avec la GSC, créer du contenu pour créer la demande si la formulation n'apparaît pas encore.

Un concurrent peut copier tes mots-clés Keyword Planner. Il ne peut pas copier les verbatims de TES clients. C'est ça, l'information gain.

Étape 6 · SEO Programmatique (pSEO)

Template + variable = des centaines de pages qui rankent. Le pSEO transforme les mots-clés identifiés aux étapes 1 à 5 en système scalable. 1 template multiplié par une variable = des centaines de pages longue traîne. Pour chaque modèle, tu définis : pattern d'URL, head term fixe, modificateur variable, nombre de pages estimé, source de données. Tu pries sur 4 critères : volume total, effort de création, compétition SERP, potentiel conversion. Exécution en 3 phases : J1-J30 lancer le modèle prioritaire (meilleur ratio impact/effort), J30-J60 mesurer et lancer le 2e, J60-J90 scale et optimisation.

Chaque page générée doit apporter de la valeur unique. La variable doit créer du contenu réellement différent d'une page à l'autre (réglementations différentes, marchés différents).

Livrable · Google Sheet final

Tous les mots-clés extraits aux étapes 1 à 5 atterrissent dans un seul Google Sheet. Une ligne = un mot-clé. Cinq critères de notation :

Le tri se fait sur la combinaison Intérêt business + Difficulté inversée. Fort intérêt business + faible difficulté = priorité 1. Le volume sert d'arbitrage entre deux mots-clés équivalents, pas de critère principal.

Version resserrée sur l'audit technique et structurel. Règles de collecte : analyse des URLs du site, données issues de la GSC + recherche web Claude (qui montre qui est visible) + crawl Chrome des pages. Aucun outil payant tiers.

Budget total : 3 à 4,5 h, étalable (la Phase 3 dépend de la taille du sitemap).

Phase 0 · Audit de positionnement

Skill : aucun, collecte de données. Source : export GSC + recherche web Claude. Durée : 20-30 min.

Voici mon export GSC [période].
Et voici mes 5-10 requêtes business principales : [liste]

1. Pour chaque requête business, analyse mes données GSC :
   - Ma position moyenne
   - Mes impressions et clics
   - Mon CTR (et l'écart avec le CTR attendu pour cette position)
   - L'URL qui ranke

2. Identifie les requêtes business où je n'apparais PAS dans la GSC
   → Ce sont mes gaps critiques

3. Via recherche web, pour chaque requête business (y compris mes gaps) :
   - Quels types de résultats dominent ? (guides, outils, pages services, annuaires)
   - Y a-t-il des AI Overviews actifs sur cette requête ?
   - Quels acteurs sont visibles en top 3 ? (juste noms et URLs, pas de scrapping)

4. Depuis la GSC, identifie les requêtes à fort volume où je ranke
   mais qui ne sont PAS dans ma liste de requêtes business
   → Ce sont mes opportunités cachées

Génère un tableau de synthèse :
| Requête | Position GSC | Impressions | CTR | CTR attendu | Gap CTR | Type SERP | Priorité |

Output : tableau de positionnement, gaps (requêtes business sans présence), opportunités cachées, types de SERP par requête. Ce que ça nourrit : Phase 1 (un gap est-il une page non indexée ?), Phase 2 (pages sous-performantes = quick wins), Phase 3 (le Hn répond-il à l'intention ?), Phase 6 (les gaps alimentent l'horizon « nouvelles pages »).

Phase 1 · Audit d'indexation

Skill : indexation-check. Source : sitemap.xml + liste d'URLs (un export articles.ts / wiki.ts / urls.txt fait aussi l'affaire). Lecture seule sur le web public, aucune GSC ni Chrome requis : c'est la phase la plus accessible, à dérouler tôt. Durée : 15-25 min.

Étape 1A, inventaire des URLs : croiser les URLs du sitemap avec les URLs vues par Google dans la GSC (Phase 0), repérer les écarts. Étape 1B, lancer le skill : sur chaque URL il vérifie 9 points (statut HTTP, blocages techniques, directive noindex, sitemap avec lastmod et cohérence, maillage interne entrant, longueur de contenu, statut d'indexation Google estimé). Distinguer strictement « non indexée » et « non testable » (rate-limit Google). Aucune action de forçage. Ce que ça nourrit : Phase 2 (une page non indexée ne sera JAMAIS un quick win), Phase 6 (déblocage d'indexation = horizon Semaine 1-2).

Phase 2 · Quick Wins

Skill : seo-quick-win. Source : export GSC + Chrome. Durée : 15-20 min.

Voici mon export GSC [période]. Identifie les quick wins :

Critères :
- Pages en position 3-12
- Impressions élevées (top 20% de mes pages)
- CTR sous-performant (écart > 1.5% vs CTR attendu pour la position)

Pour chaque quick win, calcule :
- Delta CTR = CTR attendu - CTR réel
- Impact estimé = Impressions × Delta CTR = clics potentiels gagnés

Priorise par impact estimé (du plus élevé au plus bas).

Étape 2B, scrapper le contenu via Chrome : title + meta actuels, structure Hn, 300 premiers mots, présence FAQ / données structurées, liens internes, preuves atomiques, nombre de mots. Comparer title/meta vs requêtes GSC, sortir Title actuel vers Title recommandé, Meta actuelle vers Meta recommandée, actions classées par impact. Étape 2C, vérifier la présence locale : fiche Google Business Profile, sinon création prioritaire (souvent le quick win numéro 1). Ce que ça nourrit : Phase 3 (le scan Hn s'étend à tout le sitemap).

Phase 3 · Audit structurel (architecture Hn)

Skill : aucun (prompt + scrap). Source : le sitemap.xml complet (toutes les URLs, pas un échantillon) + Chrome ou curl/grep + export GSC. Durée : variable selon la taille du sitemap.

Périmètre : récupérer la liste complète des URLs depuis le sitemap (chargé en Phase 1). Le nombre de pages auditées suit le site : 50, 200, 800, pas de cap arbitraire. En terminal, volume quasi illimité et gratuit. Sur Cowork/Chrome, si le sitemap est gros, prioriser : pages avec impressions GSC + pages quick win + pages en position 4-20, puis le reste.

Étape 3A, extraire l'arborescence Hn (H1 vers H6 dans l'ordre du document). Étape 3B, 8 contrôles par page :

1. H1 unique et présent (0 H1 = critique, >1 H1 = à corriger)
2. Hiérarchie sans saut de niveau (H1 vers H3 sans H2 = arborescence cassée)
3. H1 vs intention (répond-il à la requête principale GSC, ou H1 générique / nom du site ?)
4. H2 vs micro-intentions (couvrent-ils les requêtes GSC en position 4-20 ?)
5. Hn génériques bannis (« Introduction », « Conclusion », « Pour aller plus loin »)
6. Hn sur-optimisés (mot-clé exact répété dans chaque Hn)
7. Passage Ranking (chaque H2 lisible comme une réponse autonome, citable par un LLM)
8. Pages sans structure (aucun Hn ou « div soup » = invisible au Passage Ranking)

Étape 3C, croisement : pages business avec Hn cassé ou hors-sujet en priorité haute, recouper avec la Phase 2 (page quick win dont le seul problème est le Hn = quick win structurel). Ce que ça nourrit : Phase 4 (un Hn qui se chevauche entre 2 pages = signal de cannibalisation), Phase 6 (réécritures Hn = horizon Mois 1).

Phase 4 · Détection des cannibalisations

Skill : seo-cannibalisation. Source : export GSC + Chrome. Durée : 15-20 min.

Pré-condition : combien d'URLs distinctes dans l'export GSC ? Moins de 10 URLs, skip cette phase et documenter un diagnostic de « sous-granularité » (pas assez de pages pour cannibaliser, c'est un constat en soi), passer directement à la Phase 5. Au moins 10 URLs, continuer. Détection via GSC (requêtes qui déclenchent plusieurs pages), classification (Type A même mot-clé exact, Type B même intention, Type C proximité sémantique, Triade SERP si 2+ URLs top 10), action recommandée par conflit. Vérification du contenu via Chrome pour diagnostiquer la root cause : problème de contenu (pages trop similaires) ou de maillage (Google ne comprend pas la hiérarchie).

Phase 5 · Audit du maillage interne (2 passes)

Skills : maillage-systeme (passe structurelle) + maillage-interne-gsc (passe data). Source : Chrome (crawl des liens) + export GSC. Durée : 25-40 min. La structurelle d'abord (raisonne sur l'éditorial, ne dépend pas de la GSC, tourne toujours), la data ensuite (la hiérarchie réelle vue par Google). Doctrine : architecture d'abord, donnée GSC quand elle est là.

Étape 5A, cartographier les liens existants via Chrome (URL, liens internes avec ancre et cible, position du lien). Générer la matrice, identifier orphelines, sur-linkées, sous-linkées, ancres non optimisées. Étape 5B, passe structurelle (architecture en piliers, hub/satellite, croisement avec les cannibalisations de la Phase 4). Étape 5C, passe data GSC (hiérarchie page mère / fille / petite-fille de la méthode Organikk, pages mères sous-maillées, pages fortes GSC sous-linkées, règles Know vers Do). Une page forte en impressions GSC mais orpheline structurellement = priorité absolue. Pas de GSC propre : ne lancer que 5A + 5B, la passe structurelle suffit à sortir un plan.

Phase 6 · Synthèse & plan d'action priorisé

Skill : aucun, synthèse assistée. Durée : 20-30 min.

Voici les résultats de mon audit SEO :

PHASE 0 - Positionnement : [coller synthèse]
PHASE 1 - Indexation : [coller synthèse]
PHASE 2 - Quick Wins : [coller synthèse]
PHASE 3 - Structure Hn : [coller synthèse]
PHASE 4 - Cannibalisations : [coller synthèse]
PHASE 5 - Maillage interne : [coller synthèse]

Génère le plan d'action final en 3 horizons :

SEMAINE 1-2 (Quick Wins) : actions à impact immédiat, zéro création de
contenu. Déblocage des pages non indexées, réécritures title/meta,
corrections Hn rapides, liens internes à ajouter, résolution
cannibalisation, fiche GBP.

MOIS 1 (Fondations) : optimisation des pages existantes, réécriture des
Hn hors-sujet, restructuration du maillage en piliers, résolution
structurelle des cannibalisations.

MOIS 2-3 (Croissance) : création de nouvelles pages sur les gaps
identifiés en Phase 0, outils interactifs.

Pour chaque action :
| Action | Page | Type | Impact estimé | Effort | Dépendances bloquantes |

Génère aussi : la matrice de dépendances, les actions parallélisables,
un Gantt simplifié, les KPIs de suivi par horizon.

Output : le rapport d'audit final, format client, synthèse exécutive en tête, anomalies critiques d'abord, plan d'action priorisé en 3 horizons. C'est CE livrable qui fait signer.

Checklist pré-audit

• Export GSC en CSV, 3-6 derniers mois, toutes requêtes + toutes pages
• Chrome ouvert avec l'extension Claude in Chrome connectée et testée
• URL du site + sitemap.xml accessible (liste complète des URLs)
• Liste de 5-10 requêtes business principales
• Connaissance du business model et des pages stratégiques
• Budget temps : 3 à 4,5 h pour l'audit complet, étalable

Étape 1 · Structure Hn dans la demande de brief

Quand tu lances seo-brief-contenu, tu lui demandes explicitement la structure Hn complète dans la même demande. Hn dans la demande de brief, pas en plus, pas après. Le brief sans structure Hn validée = brief incomplet. Une structure Hn valide doit contenir : couverture exhaustive des micro-intentions de la requête, hiérarchie d'intention respectée (Know-Simple en début, Know au milieu, Do en fin), un H2 dédié au passage ancré (extractible en Featured Snippet), une section FAQ à la fin (pas en milieu de page), au moins un H2 qui couvre l'angle non couvert par les concurrents (Surprise Gap). Tu valides la structure avant tout. Si elle ne te plaît pas, tu la corriges manuellement et tu réinjectes la version corrigée. Tu ne lances jamais la rédaction sur une structure faiblarde.

Étape 2 · Ajouter des idées section par section

Structure Hn validée. Avant la rédaction, tu enrichis chaque H2 avec la matière première.

La rédaction ne démarre pas d'une page blanche. Elle démarre avec une mine d'or, section par section. C'est l'étape qui distingue les articles génériques des articles qui rankent. La plupart des gens la sautent et se demandent pourquoi leur contenu reste plat.

Étape 3 · Lancer le workflow rédaction, pas plus de 50 %

Tu lances le skill rédaction, en y joignant ton ton de voix, dans la même conversation. Tu lances sur ton brief enrichi. Mais tu ne le laisses PAS porter jusqu'à 100 % du premier coup. Tu arrêtes à 40-50 %. Sur un article cible 2000-2500 mots, tu arrêtes à 1000-1200 mots.

Pourquoi cette règle. Le LLM dérive après environ 1000 mots. Il retombe dans son corpus moyen, recycle ses tournures, perd ton ton de voix. Plus tu écris d'un coup, plus la dérive s'accumule sans contrôle. Tu veux vérifier que les fondations tiennent avant de bâtir le reste. Sur ces 1000-1200 premiers mots, tu relis avec 4 questions :

1. Le ton de voix tient-il ? (compare avec ton worksheet)
2. Le Surprise Gap est-il visible dans les 300 premiers mots ?
3. Y a-t-il un tic LLM qui s'est glissé (jargon creux, méta-intro, faux enthousiasme) ?
4. Les données annoncées dans le brief sont-elles intégrées ?

Si non à l'un des quatre, tu reprends avant d'aller plus loin. Pas après.

Étape 4 · Fact-check Perplexity ou Grok sur le morceau écrit

Tu prends le morceau de 1000-1200 mots et tu le donnes à Grok ou Perplexity pour fact-check.

Rôle : Spécialiste du Fact-Checking et de la consolidation de l'autorité du contenu.

Objectif : Intégrer des sources précises (URL) ou des chiffres vérifiés directement
dans le texte d'origine, là où l'affirmation est la plus forte et nécessite une
preuve factuelle immédiate.

Ressources fournies :
Le Texte à Modifier : ([Insérer ici le texte complet d'origine])

Raisonnement : Pensez étape par étape à l'endroit optimal de chaque ajout de
source/chiffre dans le texte.

Consignes d'intégration :
Placement : Placez chaque source (URL) ou chaque chiffre là où il apporte le plus de
crédibilité ou de précision à l'affirmation la plus proche.
Formatage Strict : Vous devez encadrer uniquement l'ajout (le chiffre ou l'URL) par
des guillemets doubles français : « [Chiffre ou URL] ».
Priorité : Donnez la priorité aux chiffres précis ou aux URL des sources primaires
qui valident des faits spécifiques.

Pourquoi maintenant et pas à la fin : détecter une hallucination à 1000 mots évite d'en bâtir 1500 de plus sur des fondations fausses, les sources injectées deviennent matière supplémentaire pour la suite, et tu réinjectes le morceau fact-checké à Claude avant qu'il continue.

Garde-fou absolu : tu vérifies manuellement chaque source. Hallucinations possibles. Une URL morte ou un chiffre inventé tue plus de crédibilité qu'il n'en apporte. Tu ouvres, tu vérifies, si le doute persiste tu retires.

Étape 5 · Finir la rédaction

Tu reviens à Claude. Tu lui donnes le brief original (avec structure Hn enrichie étape 2), le ton de voix, le morceau fact-checké (avec sources « »), et la consigne : « termine l'article en respectant la structure Hn, en gardant le même ton, en utilisant les sources fact-checkées comme matière, et sans répéter ce qui a déjà été dit ». Vérifications finales avant de considérer l'article comme livré :

• Passage ancré présent dans les 300 premiers mots (150-200 mots auto-suffisants, extractible Featured Snippet)
• Bloc d'authorship (environ 50 mots) à la fin ou dans une zone extractible, conçu pour Position 0 / AI Overview
• FAQ stratégique en bas de page (micro-intentions long-tail)
• Ton de voix tenu sur l'ensemble, pas juste le début
• Mots interdits absents (relire avec ta liste noire du worksheet)

Un modèle de page de qualité, ce n'est pas un template creux à variable interchangeable où on change juste le nom de la ville. C'est une architecture éditoriale qui branche une base de données propriétaire et génère des pages uniques, utiles, denses en valeur réelle. Le principe : 1 modèle + N variables = des centaines de pages longue traîne qui captent du trafic là où personne ne se positionne.

Les 3 couches d'un bon modèle de page

Couche 1 · Base de données structurée propriétaire

Pas un fichier Excel bâclé. Une source de vérité avec champs typés : variables principales, attributs secondaires, preuves chiffrées, exemples sectoriels, limites, cas d'usage. Airtable, Notion, Supabase, peu importe le support tant que la donnée est propre et propriétaire. Si tes données viennent d'un scrap public, ton modèle est copiable, donc commodité.

Couche 2 · Logique conditionnelle

Le contenu change selon les valeurs des variables. Pas de substitution simple type [ville] devient Lyon. De la vraie ramification éditoriale : un paragraphe si le prospect est PME, un autre si c'est ETI. Un bloc technique si le cas d'usage demande de l'API, un autre si c'est no-code. Sans ramification, ta page 12 est la même que ta page 1 avec un mot changé. Google le voit.

Couche 3 · Couche éditoriale humaine ou IA supervisée

Exemples concrets, anecdotes, données chiffrées réelles, captures d'écran, témoignages. Ce qui empêche la page d'être une copie lexicale de sa voisine, et en fait une ressource à part entière.

Modèles qui marchent en B2B

Critères de priorisation d'un modèle

Avant de lancer un modèle, tu l'évalues sur 4 axes : volume total estimé (somme des volumes longue traîne de toutes les pages générables), effort de création (combien de données uniques par page ?), compétition SERP (qui est déjà positionné ?), potentiel conversion (la page mène-t-elle à une action business ?). Skill associé : seo-programmatique-pseo.

Setup et installation

Mes skills et mon historique sont dans un dossier système, comment je bosse sur deux machines ?

C'est le blocage numéro un, surtout sur Windows : Cowork stocke ses historiques et ses skills dans AppData\Local\Packages, un dossier système que ni OneDrive ni Drive ni iCloud ne synchronisent. Tu ne remappes pas ça à la main. Tu demandes à Claude de lister tous tes skills et de les copier vers un dossier synchronisé, ou tu zippes et tu déposes sur le drive. Sur Mac le problème ne se pose pas, le transfert d'une machine à l'autre se fait sans histoire.

Je n'ai que 5 skills sur 9, c'est normal ?

Non, et c'est presque toujours la même cause : tu confonds un skill « créé en local » dans /skills/ et un skill qui apparaît vraiment dans Paramètres, Capacités, Compétences. Vérifie visuellement qu'il est dans Compétences, c'est là que ça compte. Privilégie le copier-coller plutôt que le Skill Creator (il pose des questions en plus qui te déstabilisent), et pars de la version complète dès le départ, sinon tu recommences tout.

Je dois vraiment convertir des centaines de contenus en .md à la main ?

Non, et ne perds pas une journée là-dessus. Export XML WordPress puis Claude compile, ou Claude récupère directement tes contenus en ligne via le plugin Chrome. La conversion manuelle, c'est la dernière option, pas la première.

Quel modèle je prends, et comment je ne grille pas mes tokens ?

Sonnet pour l'installation et les tâches simples, Opus pour la rédaction et les workflows lourds, Haiku jamais sauf une petite tâche one-shot. Si tu grilles ta session entière en travaillant tes docs, c'est que tu étais sur Opus là où Sonnet suffisait largement.

Le mode expert de Keyword Planner n'apparaît plus, et il me demande une carte.

Le mode expert se débloque via Aide, mode expert. Google fait juste une empreinte de 10 € sans prélèvement tant que tu ne lances pas de campagne. Pas besoin de carte active pour récupérer les volumes.

Contexte et fiabilité

About, Rules, Voice : je les remplis pour moi ou pour le client ? Où je les pose ?

Pour le client. Claude adapte par projet si tu lui donnes le contexte client. Si tes champs sentent trop le personal branding alors que tu fais du B2B, c'est que tu raisonnes encore « toi » au lieu de « ton client ». Méthode rapide : tu fais remplir les trois docs par Claude, question par question à voix haute. C'est plié en quinze minutes.

Cowork perd le contexte et mélange mes clients.

Une seule conversation par projet, c'est non négociable. Tant que tu mets plusieurs clients dans le même fil, Claude ne sait plus qui lui parle et tu passes ton temps à lui redonner les docs. Un client égale une conversation, un site égale une conversation. Le contexte s'accumule, le ton se stabilise, les corrections se propagent.

Claude m'a sorti des infos archi fausses sur un brief.

Normal si tu lances un brief sans lui donner de data. La fiabilité ne vient pas du modèle, elle vient du fact-check : l'étape 4 du workflow rédaction, Perplexity ou Grok sur le morceau écrit, puis vérification manuelle de chaque source. Et tu poses une règle fondamentale du type « interdiction de XXX » dans tes rules. Détecter une hallucination à 1000 mots évite d'en bâtir 1500 de plus sur des fondations fausses.