17 actions SEO à mettre en place pour passer TOP 2 sur « balle de golf »

1 Ne partez pas du mot-clé

La première erreur consiste à ouvrir un outil SEO, taper une requête et regarder son volume.

C'est souvent comme ça que commence un mauvais plan SEO :

Le problème, c'est qu'un volume de recherche ne dit pas grand-chose sur la valeur réelle d'une requête pour votre business.

Une requête peut faire énormément de recherches et n'amener quasiment aucun client.

À l'inverse, une requête avec peu de recherches peut être directement liée à une décision d'achat.

Pour notre stratégie, le point de départ était donc la verticale.

On cherche d'abord à comprendre le marché, les produits, les usages, les problèmes et surtout les situations dans lesquelles les gens ont besoin d'une réponse.

Ensuite seulement, on regarde Google.

C'est un changement assez important.

On ne demande plus :

« Quels mots-clés pouvons-nous prendre ? »

Mais :

2 Lire Google comme une source de données

Google Search Console est probablement l'une des meilleures sources de données disponibles pour comprendre ce qui se passe réellement sur un site.

Pas parce qu'elle nous donne « les bons mots-clés ».

Mais parce qu'elle nous montre les recherches pour lesquelles Google commence déjà à nous associer.

C'est une différence énorme.

Une page peut être visible sur une requête que nous n'avions jamais ciblée.

Une autre peut apparaître sur plusieurs variantes d'un même besoin.

Une page peut également progresser rapidement alors qu'elle n'était pas considérée comme prioritaire.

Ces signaux sont beaucoup plus intéressants que de simples listes de mots-clés.

Il faut donc regarder :

• les requêtes qui apparaissent ;
• les requêtes qui progressent ;
• les pages qui gagnent de la visibilité ;
• les impressions qui augmentent ;
• les positions qui se rapprochent de la première page ;
• les requêtes sur lesquelles plusieurs pages apparaissent ;
• les requêtes qui génèrent déjà des clics.

L'objectif n'est pas de regarder un dashboard.

L'objectif est de trouver des signaux.

3 Les données propriétaires changent ce qu'on peut produire

C'est ici que notre système de travail devient important.

On a travaillé sur dix, vingt, cinquante projets.

On a accumulé des calls clients, des objections, des analyses, des process, des tests, des erreurs, des résultats.

Toute cette expérience existe quelque part.

Mais elle est rarement organisée de façon à pouvoir être réutilisée.

C'est probablement l'un des plus gros problèmes que l'IA peut nous aider à résoudre :

Pour cela, on peut utiliser Obsidian comme espace central.

Pas pour faire joli.

Pas pour construire une usine à gaz.

Mais pour conserver ce que l'on apprend et permettre à l'IA de le retrouver.

On sépare notamment :

• raw/ : les informations originales, comme les calls, documents, études, interviews et exports ;
• wiki/ : les connaissances que l'on a déjà structurées et que l'on veut pouvoir réutiliser.

Un call reste une source.

Une observation qui revient plusieurs fois peut devenir une connaissance.

Un process qui fonctionne devient une méthode.

Un test qui échoue devient également une information utile.

Chaque projet doit laisser quelque chose au système.

C'est là que la mémoire devient intéressante pour le SEO.

Parce que l'IA ne travaille plus uniquement avec ce qu'elle connaît déjà.

Elle peut aussi travailler avec ce que nous avons appris.

4 Construire une vraie donnée propriétaire

Pour être cité ou ranker, il faut apporter quelque chose qui n'est pas déjà présent partout.

Et c'est là que beaucoup de stratégies de contenu passent à côté du problème.

Ajouter 2 000 mots à un article qui répète les mêmes informations que les dix premiers résultats ne crée pas forcément beaucoup de valeur.

En revanche, une étude, un résultat, une observation terrain, une base de données, un comparatif ou une expérience originale peut apporter quelque chose de nouveau.

C'est pour cela que j'aime beaucoup le principe des data directories.

L'idée est simple :

prendre une donnée que l'entreprise possède déjà, la structurer et en faire une ressource réellement exploitable.

Cela peut être :

• des données clients ;
• des résultats ;
• des statistiques ;
• des observations ;
• des études de cas ;
• des comparaisons ;
• des données de marché ;
• des résultats d'expériences.

Ces données peuvent ensuite alimenter les contenus.

Et surtout, elles donnent à l'IA une matière qu'elle ne peut pas simplement retrouver dans une recherche Google.

Plus notre système accumule de bonnes données propriétaires, plus il devient capable de produire quelque chose de spécifique.

C'est donc un cercle vertueux :

5 Revenir à « balle de golf »

C'est à ce moment-là que l'on peut revenir à notre requête.

« Balle de golf » n'est pas simplement un mot-clé.

Derrière ces trois mots, il y a énormément de situations possibles.

Quelqu'un peut chercher à :

• comprendre quelle balle choisir ;
• comparer plusieurs modèles ;
• trouver une balle adaptée à son niveau ;
• comprendre les différences entre plusieurs types de balles ;
• acheter ;
• résoudre un problème précis avec son matériel.

Et ces intentions ne méritent pas nécessairement la même page.

C'est pour cela qu'il faut arrêter de considérer un mot-clé comme une page.

Une requête est le signal d'un besoin.

Notre travail consiste ensuite à comprendre ce besoin.

6 Comprendre les micro-intentions

Une même requête peut cacher plusieurs intentions.

C'est particulièrement important lorsqu'on travaille sur des requêtes génériques.

Google nous donne alors un matériau extrêmement intéressant : les requêtes associées et les résultats qui apparaissent réellement.

On peut regarder les formulations utilisées.

Puis les regrouper par intention.

Par exemple :

Balle de golf
│
├── Choisir
│
├── Comparer
│
├── Acheter
│
├── Comprendre
│
└── Résoudre un problème

On ne cherche pas à créer cinq articles simplement parce qu'il existe cinq branches.

On cherche à comprendre quelle expérience Google attend réellement pour chaque besoin.

C'est ce travail qui permet d'éviter le contenu artificiellement découpé.

7 Know, Know-Simple et Do

J'utilise aussi une distinction très simple pour comprendre l'intention.

Know-Simple

L'utilisateur veut une information simple.

Know

Il veut comprendre un sujet plus en profondeur.

Do

Il veut faire quelque chose.

Et cette distinction devient particulièrement intéressante avec l'arrivée des moteurs de réponse.

Une IA peut répondre très facilement à beaucoup de requêtes de type Know.

Elle peut expliquer.

Résumer.

Définir.

Comparer rapidement.

En revanche, certaines requêtes Do nécessitent davantage qu'une réponse générique.

L'utilisateur peut avoir besoin de :

• calculer ;
• comparer plusieurs options ;
• configurer ;
• simuler ;
• filtrer ;
• utiliser une base de données ;
• prendre une décision.

C'est pour cela que je considère les requêtes avec une vraie intention d'action comme particulièrement intéressantes.

Il faut construire l'expérience qui permet de faire ce que l'utilisateur est venu faire.

8 Ne pas créer 30 sujets : en choisir 5

Une fois que l'on a croisé :

• les besoins du marché ;
• les données propriétaires ;
• les données Google ;
• les intentions ;
• la valeur business ;

on peut commencer à faire des choix.

Et c'est là qu'il faut être beaucoup plus radical.

On retient les sujets qui ont une vraie importance pour le business.

Pas nécessairement ceux qui ont le plus gros volume.

Et surtout, on ne choisit pas cinq mots-clés isolés.

On choisit cinq territoires à construire.

Chaque territoire devient ensuite un cluster cohérent.

9 Construire les clusters autour des intentions

Une fois le sujet principal choisi, on regarde toutes les questions et intentions qui gravitent autour.

L'objectif n'est pas de produire une dizaine de pages qui se ressemblent.

Il faut que chaque page ait une raison d'exister.

On peut avoir :

                    Sujet principal
                          │
          ┌───────────────┼───────────────┐
          ↓               ↓               ↓
       Intention A     Intention B     Intention C
          │               │               │
        Page A           Page B           Page C

Chaque page répond à un besoin différent.

Et l'ensemble permet de couvrir le sujet beaucoup plus proprement.

C'est ici que la stratégie de topic cluster devient utile.

On ne cherche pas seulement à créer beaucoup de pages.

On cherche à construire une couverture cohérente d'un sujet.

10 Construire une page qui mérite sa position

Une fois le cluster défini, il reste le plus important :

la page.

Et c'est ici que je pense qu'il faut arrêter de demander à l'IA :

« Rédige-moi un article sur X. »

Cette méthode produit très facilement quelque chose de correct.

Mais « correct » n'est pas suffisant pour prendre une position occupée par quelqu'un d'autre.

Il faut partir des données que nous avons accumulées.

Les informations de la base.

Les observations terrain.

Les résultats.

Les cas concrets.

Les études.

Les données originales.

Puis utiliser l'IA pour accélérer la recherche, structurer l'information, challenger le raisonnement et aider à produire.

L'IA ne doit pas être la source de l'expertise.

Elle doit travailler à partir de notre expertise.

11 Le contenu doit apporter quelque chose

J'utilise cinq filtres très simples.

1. Surprise gap

Qu'est-ce que l'on peut apporter que les autres ne donnent pas ?

2. Ancrage terrain

Quelles données, expériences ou observations pouvons-nous apporter ?

3. Sources d'autorité

Quelles études ou sources fiables permettent de soutenir ce que nous affirmons ?

4. Inversion du consensus

Y a-t-il une idée généralement admise que notre expérience permet de nuancer ou de contredire ?

5. Micro-intentions

Quelles petites questions l'utilisateur se pose réellement et qui ne sont pas correctement traitées ?

Ces cinq éléments permettent de sortir du simple résumé de la SERP.

Et c'est précisément ce que l'on cherche.

Ne pas mieux reformuler ce qui existe déjà.

Ajouter quelque chose.

12 Utiliser l'IA pour exécuter, pas pour penser à notre place

C'est probablement la règle la plus importante.

Claude peut être extrêmement puissant pour :

• analyser beaucoup de documents ;
• comparer des pages ;
• regrouper des requêtes ;
• identifier des patterns ;
• préparer une structure ;
• analyser un corpus ;
• proposer des liens internes ;
• auditer des éléments techniques ;
• générer des données structurées ;
• préparer des corrections ;
• vérifier une exécution.

Mais il faut éviter l'inverse :

laisser Claude décider de la stratégie parce qu'il est capable d'exécuter rapidement.

Le consultant doit rester celui qui choisit :

• quoi faire ;
• pourquoi le faire ;
• dans quel ordre ;
• avec quel niveau de risque ;
• comment mesurer le résultat.

Claude peut ensuite prendre en charge une grande partie du travail.

Vous restez l'orchestrateur.

13 Le maillage interne devient une vraie question stratégique

Plus un site grandit, plus il devient difficile de maintenir mentalement toutes les relations entre les pages.

C'est exactement le type de problème pour lequel l'IA devient intéressante.

On peut lui donner l'ensemble des pages du site et lui demander d'identifier :

• les pages qui parlent de sujets proches ;
• les relations entre les clusters ;
• les pages qui devraient se transmettre de l'autorité ;
• les pages qui n'ont quasiment aucun lien interne ;
• les ancres déjà utilisées ;
• les liens manquants ;
• les pages qui se cannibalisent.

Mais là encore, le but n'est pas de générer automatiquement 500 liens.

Le but est de comprendre la structure du site.

Une règle que j'aime particulièrement :

Know → Do.

Une page informative peut donc transmettre son trafic et son contexte vers une page commerciale, un outil, un audit, une démo ou une autre expérience utile.

Le maillage devient alors un élément de la stratégie business, pas simplement une tâche technique.

14 Le SEO technique doit devenir une couche d'exécution

Il y a énormément de tâches SEO qui sont nécessaires mais qui ne méritent pas forcément votre temps.

C'est là que l'IA peut prendre une place importante.

Elle peut notamment aider à :

1. Auditer un site de A à Z.
2. Identifier les problèmes techniques.
3. Détecter les URLs inutiles.
4. Repérer les cannibalisations.
5. Analyser le maillage.
6. Générer des données structurées.
7. Préparer les corrections.
8. Vérifier leur mise en place.
9. Contrôler les problèmes qui reviennent.

Mais il y a une différence entre automatiser l'exécution et automatiser la décision.

Je veux automatiser la première.

Je veux garder la seconde sous contrôle.

15 Mesurer ce qui se passe réellement

Une stratégie SEO ne s'arrête pas à la publication.

Il faut regarder ce qui se passe ensuite.

Google Search Console permet notamment de suivre :

• les impressions ;
• les clics ;
• le CTR ;
• les positions ;
• les requêtes ;
• les pages ;
• leur évolution dans le temps.

Mais il faut aller plus loin que :

« Notre trafic a augmenté. »

La vraie question est :

Une page commence à apparaître sur une nouvelle intention ?

→ On le documente.

Une page passe de la deuxième page à la première ?

→ On regarde ce qui a changé.

Une page perd ses positions après une modification ?

→ On conserve l'information.

Une nouvelle structure fonctionne ?

→ On peut la reproduire.

Le système commence alors à accumuler une chose extrêmement précieuse :

16 La boucle qui fait progresser le système

C'est probablement la partie la plus importante de toute la stratégie.

On commence avec : des données.

On en tire : une décision.

On produit : une page ou une expérience.

On observe : un résultat.

Puis on transforme ce résultat en : nouvelle connaissance.

Et cette connaissance revient dans le système.

Données
↓
Analyse
↓
Décision
↓
Exécution
↓
Résultat
↓
Apprentissage
↓
Nouvelles données
↓
Nouvelle décision

C'est cette boucle qui permet au système de s'améliorer.

Et c'est aussi pour cela que la mémoire est importante.

Si chaque projet est isolé, on recommence.

Si les apprentissages remontent dans une mémoire commune, le projet suivant commence avec davantage de connaissances que le précédent.

17 La stratégie à copier-coller

Si je devais réduire toute cette méthode à quelques étapes, je ferais donc ceci :

1. Partir du business

Comprendre ce que l'on vend et les situations dans lesquelles les clients ont besoin de cette solution.

2. Accumuler la bonne donnée

Calls, clients, résultats, études, observations, données internes.

Pas pour remplir une base.

Pour avoir de la matière réellement utile.

3. Construire une mémoire

Organiser cette connaissance dans un système que l'IA peut consulter et enrichir.

4. Lire Google

Utiliser Search Console pour comprendre les requêtes, les pages et les évolutions réelles du site.

5. Identifier les intentions

Comprendre ce que les utilisateurs cherchent réellement à faire.

6. Choisir quelques sujets prioritaires

Pas besoin de partir dans tous les sens.

Cinq sujets importants peuvent suffire pour commencer.

7. Construire les clusters

Une page par intention lorsque cela est nécessaire, avec une vraie logique entre les pages.

8. Apporter quelque chose d'unique

Données propriétaires, expérience, résultats, analyses, outils, bases, comparatifs ou observations.

9. Utiliser l'IA pour accélérer

Recherche, analyse, rédaction, maillage, technique, contrôle.

Mais en gardant les décisions stratégiques humaines.

10. Mesurer et documenter

Regarder ce qui fonctionne, ce qui échoue et pourquoi.

Puis conserver ces apprentissages.

Le vrai changement

Au départ, je pensais que l'intérêt principal de l'IA était de pouvoir produire plus vite.

Je pense aujourd'hui que ce n'est pas le plus intéressant.

Le vrai changement, c'est qu'on peut enfin construire un système qui se souvient de notre travail.

On ne repart plus de zéro avec chaque client.

On ne cherche plus pendant une heure ce qu'on avait déjà appris trois semaines auparavant.

On ne demande plus à Claude de reconstruire notre méthode à chaque nouveau projet.

On lui donne accès à notre historique.

À nos données.

À nos décisions.

À nos résultats.

Et progressivement, chaque projet peut améliorer le suivant.

C'est particulièrement puissant en SEO parce que le travail produit énormément de données :

requêtes, pages, intentions, résultats, tests, modifications, positions, clics, conversions.

Tout cela peut être conservé.

Tout cela peut être relié.

Tout cela peut être réutilisé.

Et c'est finalement ce que je cherche avec cette approche.

Pas produire davantage de contenu.

Pas automatiser 100 % du SEO.

Pas remplacer le consultant.

Construire un système qui devient meilleur à mesure qu'on travaille.

Et pour le cas « balle de golf », c'est exactement la logique :

La différence, c'est que la prochaine fois, on ne recommence pas vraiment.

On commence avec tout ce qu'on a déjà appris.