Découvrez les termes et concepts essentiels du SEO moderne, de l'intelligence artificielle et des algorithmes de recherche.
Système logiciel conçu pour poursuivre des objectifs, prendre des décisions indépendantes et accomplir des tâches complexes (génération d'actions) plutôt que de simplement générer du texte. Le projet MLE-STAR de Google en est un exemple.
Tendance systémique des modèles de langage (LLM) comme GPT-4 ou LLaMA-3 à favoriser les contenus avec des horodatages récents (réels ou artificiels), pouvant déplacer les résultats du Top-10 vers des dates plus récentes (1 à 5 ans) au détriment de contenus plus anciens mais faisant autorité.
Phénomène observé dans le reranking par IA où les contenus récents montent systématiquement dans le Top 40, tandis que les contenus plus anciens chutent dans le classement (Bottom 60), créant un point de pivot au milieu de la SERP.
Framework théorique unifiant l'optimisation en ligne, la mémoire associative et la conception architecturale des modèles de séquence comme Titans.
Nouvel algorithme de Google (système neuronal) qui remplace la correspondance de mots-clés par la compréhension du sens global et de l'intention via des vecteurs proches du mot-clé principal.
Module de mémoire à long terme dans l'architecture Titans qui stocke les faits marquants en fonction de leur "gradient de surprise".
Score de qualité sémantique d'une page calculé non seulement sur sa position pour un mot-clé, mais sur sa force cumulée sur un ensemble de requêtes proches (cluster). La formule est souvent 1 / (60 + position).
Nouvelle architecture technique de modèle capable de gérer des contextes énormes (> 2 millions de tokens) et utilisant une mémoire à long terme basée sur la surprise.
Concept définissant les trois étapes critiques du classement à l'ère de l'IA : 1. Document Ranking (signaux macro), 2. Passage Ranking (SEO de précision), 3. Passage Generation (réponse IA).
Métrique de probabilité (validation en aval) intervenant après la génération d'un brouillon par l'IA. Elle vérifie si les faits du brouillon sont corroborés par des preuves solides (supportive search results) dans le contenu source. Si ce score est trop bas, la réponse est rejetée.
Critère évaluant la qualité intrinsèque du contenu basé sur l'effort, l'originalité, le talent/compétence et l'exactitude. Il vise à récompenser le contenu à forte valeur ajoutée et pénaliser le contenu à faible effort.
Score de similarité cosinus (sélection en amont) entre le vecteur de la requête utilisateur et le vecteur d'un segment de contenu. Il détermine si un document est mathématiquement assez pertinent pour être injecté dans le contexte du LLM.
Mécanisme utilisé par les modèles (comme Titans) pour décider de mémoriser une information. Si une information est inattendue ou brise un pattern (High Surprise), elle est encodée ; si elle est prévisible (Low Surprise), elle est oubliée (Weight Decay).
Critère d'évaluation Google mesurant l'adéquation entre le résultat proposé et l'intention de l'utilisateur (Fully Meets, Highly Meets, etc.).
Stratégie visant à optimiser le contenu pour qu'il soit affiché directement comme réponse unique dans les moteurs conversationnels ou assistants vocaux.
Approche consistant à traiter des requêtes conversationnelles et construire des méga-FAQ pour répondre aux questions en langage naturel, en prévision des assistants vocaux et agents.
Processus de déconstruction d'une requête pour révéler ses vecteurs sémantiques et multimodaux profonds afin d'atteindre un score "Highly Meets" ou "Fully Meets".
Découpage d'une thématique ou d'une tâche complexe en sous-intentions précises (souvent orientées action ou décision) plutôt que de viser des mots-clés génériques.
Technique consistant à aligner un passage spécifique de contenu avec les vecteurs numériques (embeddings) proches du mot-clé principal pour influencer la réponse de l'IA.
Stratégie SEO focalisée sur les résultats rapides : priorité aux landing pages décisionnelles, écriture manuelle/experte, et validation d'un angle d'attaque spécifique avant de produire du volume.
La plus petite unité d'information vérifiable (Schéma : Sujet + Relation + Entité/Valeur) qu'une IA peut isoler. Maximiser la densité de preuves atomiques augmente le Confidence Score.
Représentation vectorielle de différents formats (texte, image, vidéo, audio) pour une même intention de recherche, essentiels pour les requêtes compétitives.
Acronyme pour Expérience, Expertise, Autorité, Trust (Confiance). Pilier d'évaluation de la qualité, impliquant des preuves d'expérience terrain et une transparence éditoriale.
Note attribuée à un résultat qui satisfait entièrement et immédiatement l'intention de l'utilisateur (ex: trouver un site précis ou une réponse factuelle unique).
Note pour un résultat très utile couvrant l'intention dominante de la requête.
Intention de recherche où l'utilisateur cherche un lieu physique proche (catégorie ou établissement).
Sujets sensibles (santé, finance, société) exigeant une rigueur factuelle et une expertise renforcées.
Ce glossaire évolue avec les nouvelles avancées en SEO et IA.