Le paysage du web — et notre manière d’y naviguer et d’y être trouvés — a profondément évolué depuis les débuts du SEO et l’apparition des moteurs de recherche dans les années 90. Ce qui était alors une technologie mystérieuse est devenu, en l’espace de quelques décennies, un composant indispensable de la vie quotidienne pour une grande partie de la planète. Pour replacer ce phénomène dans son contexte temporel, regardez cette discussion entre Bill Gates et David Letterman :

À l’époque, l’ampleur et les usages possibles d’Internet étaient mal appréhendés. Aujourd’hui, l’arrivée massive de l’IA dans nos usages suscite une attention différente, parfois teintée d’inquiétude : nous pensons mieux cerner son évolution et anticipons des impacts concrets.

Cette mutation n’est pas seulement une question de compétences individuelles qui se transforment : il s’agit d’un changement profond des technologies et des canaux qui s’articulent autour de ces compétences. Ces technologies bougent vite, et leur rythme provoque des interrogations légitimes : les compétences historiques des spécialistes en SEO seront-elles encore pertinentes dans cet écosystème de recherche en pleine redéfinition ?

La course effrénée des innovations technologiques

On a parfois l’impression qu’un nouvel outil ou une nouveauté apparaît chaque jour, et il devient complexe de prioriser où poser son attention. Cette phase d’innovation rapide — que certains qualifient de “far west” technologique — devrait continuer encore quelques années le temps que les usages et les règles se stabilisent.

Ces transformations affectent presque toutes les tâches liées à la responsabilité d’un praticien du SEO, de la technique aux contenus en passant par la mesure de la performance. La difficulté réside aussi dans la nécessité d’expliquer ces changements à des parties prenantes qui n’ont pas toujours le même niveau de compréhension technique.

Mais il est important de retenir une chose : évolution ne signifie pas disparition. Ce qui change, ce sont principalement les environnements et les outils autour des pratiques historiques, tandis que les fondations de la discipline restent, pour l’essentiel, valables.

Les fondamentaux demeurent pertinents

Les principaux acteurs du secteur, y compris Google et Bing, rappellent régulièrement que les principes centraux du SEO doivent rester au cœur de nos démarches. Danny Sullivan, ancien responsable des relations recherche chez Google, a aussi insisté sur ces points lors d’une intervention récente :

Les messages récurrents peuvent se résumer ainsi :

• Créer des sites bien optimisés et techniquement performants.
• Structurer clairement les informations via des données structurées et des graphes de connaissances centrés sur les entités.
• Consolider la perception et la réputation de la marque.
• Produire un contenu unique, utile et conçu pour des personnes.

Une difficulté contemporaine est que certains contenus semblent davantage pensés pour des **agents** automatisés que pour des utilisateurs humains. Si tel est le cas, cela modifie la valeur et l’impact de ce que l’on publie — et il convient d’en comprendre les conséquences.

Le web se fractionne : humains vs agents

La disruption la plus marquée touche l’open web, où certains modèles économiques tirent désormais parti de la redistribution de connaissances « résolues » directement dans leurs plateformes, au détriment du trafic humain qui auparavant alimentait leurs revenus.

On observe ainsi une polarisation croissante entre deux usages : un web orienté vers l’« expérience humaine » et un web conçu pour l’« interaction agentique ». Ces deux dimensions coexistent et pèsent différemment selon les sites et les objectifs. Les praticiens du SEO doivent désormais penser les deux cibles et adapter leurs optimisations en conséquence — une compétence qui valorise encore davantage leur expertise.

Un cas concret : l’intégration d’options d’achat pilotées par des agents. Par exemple, OpenAI a présenté « Buy it in ChatGPT » (l’annonce) et a rendu publique la technologie sous-jacente via le Agentic Commerce Protocol (ACP). Des plateformes de commerce, comme Shopify, adoptent déjà ces approches. Cela montre bien que l’optimisation pour des interactions agentiques sera bientôt aussi stratégique que l’optimisation pour des visiteurs humains.

Dans ce contexte, le format et la concision du contenu prennent une importance accrue. Les systèmes d’IA ne se contentent pas de “lire” une page : ils la traitent, la segmentent et la « tokenisent ». Les agents privilégient des textes bien structurés, facilement exploitables — ce que j’appelle l’évitement du « spam de tokenisation » : du contenu creux qui occupe des tokens sans apporter de valeur.

Les promesses de « gains rapides » sentent le black hat

Toute période de changement attire des personnes qui promettent des « solutions miracles » pour profiter d’un effet de levier immédiat. Il est utile de se souvenir des leçons passées : avant les grandes mises à jour comme Panda ou Penguin, les techniques de black hat étaient souvent plus efficaces. Ces mises à jour ont ensuite fermé les failles.

Il est raisonnable d’attendre que les plateformes d’assistance et les modèles d’IA progresseront rapidement en capacité à détecter et pénaliser les tactiques malhonnêtes. Plutôt que chercher des raccourcis, la voie solide consiste à consolider les pratiques pérennes et à privilégier la qualité et l’intégrité des données et du contenu.

Les indicateurs évolueront, pas forcément les leviers d’action

En réalité, les principes techniques et éditoriaux du SEO restent largement inchangés, même au gré des bouleversements : pensons au passage du desktop au mobile, ou à l’émergence de la recherche vocale avec des assistants comme Alexa ou Google Home. Ces transitions ont modifié les comportements, mais n’ont pas enterré les fondamentaux.

L’IA va modifier certaines métriques et la manière dont les résultats sont présentés, mais ne rendra pas obsolète l’ensemble des compétences SEO. La technique SEO garde son rôle : performance, crawlabilité, indexabilité, structure des pages, balisage sémantique, etc. De même, le travail autour de la marque — autorité, pertinence, point de vue — conserve toute son importance.

Cependant, il faut admettre que certaines métriques traditionnelles ont perdu de leur granularité ces dernières années : la disparition de mots-clés organiques détaillés, la dépréciation d’outils de référence comme Alexa Rank ou PageRank, et d’autres évolutions ont déjà modifié la façon dont nous mesurons le succès. L’essor des modèles de langage va accentuer ces glissements, rendant les comparaisons annuelles moins directement exploitables sans adaptation méthodologique.

Repenser vos métriques de réussite

Les indicateurs pertinents doivent désormais dépasser la simple position dans la SERP pour embrasser la visibilité et la découvrabilité multi‑canal. Il existe aujourd’hui des outils qui commencent à fournir des mesures orientées vers l’IA et la façon dont les modèles interprètent une marque ou un site. Par exemple, des solutions comme Yoast AI Brand Insights permettent d’obtenir des éclairages sur la manière dont une marque est perçue par des LLMs.

Pour les profils plus techniques, des standards émergent pour relier des modèles d’IA à des données externes de manière structurée. Le Model Context Protocol (MCP) est un exemple : une norme open-source qui permet aux applications d’IA de se connecter à des systèmes externes (bases de données, outils, workflows) via une interface unifiée. On peut le voir comme un port d’interaction standardisé pour l’IA, facilitant l’accès à des sources et l’exécution de tâches en langage naturel.

Il devient pertinent de combiner ces approches techniques avec des outils d’analyse et de visualisation qui exploitent les sorties des MCP ou des APIs d’IA. Par exemple, des environnements de reporting alimentés par des modèles types Claude Code peuvent orchestrer plusieurs serveurs MCP pour extraire des données pertinentes, générer des graphiques interactifs et fournir une interprétation compréhensible par des décideurs non techniques.

Concrètement, voici quelques catégories de métriques à surveiller et à enrichir :

• Visibilité agentique : présence et qualité des réponses fournies par des assistants/moteurs conversationnels.
• Interopérabilité des données : capacité des systèmes à exposer des API, sitemaps et schémas compatibles avec des MCPs ou équivalents.
• Structure et qualité du contenu : évaluation de la granularité, de la structuration en sections, d’un balisage sémantique clair et de l’originalité.
• Signal de marque : fréquence et contextes d’apparition de la marque dans des corpus indexés par des modèles de langage.
• Engagement réel : métriques utilisateurs traditionnelles adaptées (ex. temps utile passé, taux de satisfaction) plutôt que de simples chiffres d’impression.

Ces dimensions permettent de mieux suivre l’impact réel d’une stratégie dans un univers où la visibilité peut se matérialiser par d’autres vecteurs que le simple clic sur une page de résultats.

Adapter la production de contenu pour deux audiences

Face à la bifurcation du web, il est utile d’adopter une démarche duale lors de la conception du contenu :

• Optimiser les pages pour les visiteurs humains : clarté, profondeur, expérience utilisateur, navigation, et valeurs ajoutées contextuelles.
• Structurer les mêmes pages pour une consommation optimale par des agents : données structurées précises, titres explicites, résumés clairs et fragmentés pour faciliter la tokenisation.

Un exemple opérationnel : proposer une section “résumé” ou “faits clés” en haut d’un article. Ce bloc, succinct et bien structuré, aide les agents à saisir rapidement l’essentiel, tout en restant utile à l’utilisateur humain pressé. De plus, la mise en oeuvre cohérente de données structurées (schema.org, JSON-LD) reste un levier majeur pour améliorer la découvrabilité, tant pour les moteurs de recherche classiques que pour les systèmes d’IA qui s’appuient sur ces signaux.

Techniques et gouvernance : rester rigoureux

La solidité technique d’un site demeure un prérequis. Parmi les axes à prioriser :

• Performance et temps de chargement : un élément critique pour l’expérience utilisateur et pour l’interprétation des pages par des outils automatisés.
• Qualité du crawl et indexabilité : sitemaps à jour, robots.txt maîtrisé, réponses HTTP correctes.
• Balisage sémantique et données structurées : fournir des contextes et des entités clairs pour aider l’analyse sémantique des modèles.
• Inventaire des points d’intégration : APIs, flux de données, protocoles utilisés par les partenaires et les plateformes d’IA.
• Gouvernance des contenus : revue éditoriale, politique de mise à jour et processus de validation des informations.

La gouvernance prend une dimension supplémentaire : il est désormais utile d’anticiper comment les données et les contenus seront consommés par des systèmes tiers, et d’ouvrir des canaux techniques clairs (APIs, endpoints) pour permettre une intégration contrôlée plutôt que de laisser des agents extraire des informations de manière non structurée.

Éthique, transparence et qualité

L’ascension des modèles de langage et des interfaces conversationnelles met en lumière la nécessité d’assurer la qualité et la transparence des sources. Les risques liés à la propagation d’informations non vérifiées ou au détournement de contenus augmentent lorsque des systèmes automatisés reprennent et résument des pages sans contexte suffisant.

Des pratiques recommandées incluent :

• Rendre explicites les auteurs et les sources des informations publiées.
• Maintenir un historique des modifications pour permettre la traçabilité.
• Fournir des métadonnées claires (date de publication, version, contexte géographique/linguistique).
• Définir et documenter des politiques de modération pour les contenus générés ou adaptés par des agents.

Ces pratiques ne sont pas seulement morales : elles augmentent la confiance des utilisateurs et facilitent la tâche des algorithmes d’analyse en fournissant un contexte fiable et vérifiable.

Accompagnement des parties prenantes : clarification des nouveaux risques

Dans un paysage technologique en mutation, la communication avec les décideurs et les parties prenantes doit être claire et factuelle. Plutôt que d’annoncer des changements dramatiques, il est préférable d’expliquer : quelles métriques se déprécient, pourquoi les indicateurs classiques doivent être complétés, et comment la stratégie va évoluer pour maintenir la visibilité.

Expliquer simplement la différence entre visibilité humaine et visibilité agentique, illustrer par des exemples concrets (e‑commerce, FAQ enrichies, pages produits structurées) et proposer des scénarios mesurables d’adaptation aide à aligner les attentes et à prioriser les investissements.

Un point de vue pragmatique pour le long terme

Pour résumer :

• Les principes fondamentaux du SEO restent pertinents : technique, contenu utile, structuration et marque.
• La forme et les canaux de visibilité évoluent : il faut désormais optimiser pour des interactions agentiques tout en garantissant une expérience humaine de qualité.
• Les métriques doivent se diversifier : suivre la découvrabilité multi‑canal, l’empreinte de la marque dans des LLMs et la qualité des intégrations techniques.
• La rigueur technique, la gouvernance et la transparence deviennent des atouts compétitifs.

Ce rééquilibrage des priorités n’indique pas la fin d’une discipline, mais plutôt son adaptation à un environnement plus riche et plus fragmenté. Les compétences historiques des spécialistes du SEO restent une base précieuse ; il s’agit maintenant d’étendre ces capacités avec une compréhension des agents, des protocoles d’intégration et des nouvelles métriques de visibilité.

Ressources complémentaires

Pour approfondir certains aspects techniques ou stratégiques évoqués ci‑dessus, il est utile de consulter les liens publiés par les grandes plateformes et les standards émergents, notamment :

• Interventions et annonces de Google
• Guides de Bing sur la découvrabilité en contexte IA
• Présentation d’initiatives d’achat pilotées par des agents
• Spécifications de l’Agentic Commerce Protocol
• Exemples d’intégrations e‑commerce
• Documentation sur le Model Context Protocol (MCP)

Featured Image: Vallabh Soni/Shutterstock