Nous savons qu'une page qui contient les termes exactes tapés par les internautes dans la barre de recherche de Google se classe plus haut dans les pages de résultats. Mais c'est une tâche terriblement chronophage. Et qui dit tâche chronophage, dit workflow IA, enrichi des bonnes données et bien cadré, pour faire le travail à notre place.
J'ai construit une skill Claude Code open-source (mais qui fonctionne également très bien avec Codex ou Gemini par exemple) qui automatise exactement ce pipeline. Elle compare les requêtes réelles d'une URL au contenu réel de la page et classe chaque terme en quatre états. Elle score les candidats selon une grille pondérée et produit un audit avec des snippets avant/après prêts à coller. Pas de réécriture massive, pas de dépendance API obligatoire, pas de keyword stuffing. Après la lecture de cet article, vous saurez utiliser cet outil gratuit pour lancer votre premier audit en moins de cinq minutes.
Le problème : vos pages rankent sur des termes qu'elles ne contiennent pas
La Search Console vous montre exactement les requêtes sur lesquelles Google positionne déjà vos pages. Mais dans bien des cas, le terme exact n'apparaît nulle part dans votre contenu. C'est un paradoxe bien documenté. Google associe votre page à une requête par compréhension sémantique, mais l'absence du terme exact freine le passage en top 3. Vous avez la pertinence thématique. Il vous manque la correspondance littérale.
La zone la plus rentable se situe entre les positions 5 et 20. Google a déjà jugé votre contenu suffisamment pertinent pour le montrer sur ces requêtes. L'effort marginal pour remonter y est bien plus faible que pour une page invisible.
Les chiffres du CTR organique moyen en 2026 le confirment. La position 1 capte 39,8 % des clics, la position 3 descend à 10,2 %. Le top 3 concentre 68,7 % du trafic total. Passer de la position 8 à la position 3 peut multiplier votre trafic organique par 4 à 5 sur cette requête.
Le workflow manuel existe. Exporter le CSV, ouvrir chaque URL, scanner le texte pour chaque requête, décider si le terme mérite une insertion, trouver l'emplacement naturel, vérifier la cohérence éditoriale. Sur une page, c'est faisable. Sur 50 pages avec 200 requêtes chacune, personne ne le fait.
Les outils d'optimisation sémantique classique comme YourTextGuru ou ThotSEO partent d'un champ lexical construit depuis les concurrents. Pas des requêtes réelles que Google attribue déjà à votre page. La donnée la plus précieuse pour faire de l'optimisation d'un contenu existant est celle que vous possédez déjà.
Ce que fait la skill GSC-micro-content-optimizer
La skill prend les données de la Google Search Console sur une URL que vous lui indiquez et les compare mot à mot au contenu réel de la page. Elle produit un audit avec 3 à 7 micro-ajustements scorés et justifiés. Aucune réécriture de paragraphe. Aucun prompt à calibrer. Vous fournissez les données, la skill fait le diagnostic.
Deux modes d'entrée coexistent. Le premier ne demande aucune API : vous exportez le CSV depuis l'interface GSC, vous le passez à la skill, elle travaille. Le second utilise un connecteur MCP vers la Search Console pour interroger les données en direct. Le pipeline reste identique dans les deux cas.
Le traitement suit sept étapes séquentielles :
- Résoudre l'URL cible et valider qu'elle est accessible
- Récupérer les données GSC (CSV ou API MCP)
- Fetcher le contenu vivant de la page
- Construire la liste des termes candidats à partir des requêtes
- Comparer chaque terme au texte existant et attribuer un label
- Scorer et classer les candidats par priorité
- Proposer les insertions avec snippets avant/après (application optionnelle, jamais automatique)
Chaque terme reçoit l'un des quatre labels : exact_present, close_present, missing_but_relevant, missing_not_relevant. Le scoring combine sept critères pondérés pour classer les candidats par impact potentiel.
| Critère | Condition | Points |
|---|---|---|
| Impressions | >= 100 | +3 |
| Impressions | 30 à 99 | +2 |
| Impressions | 10 à 29 | +1 |
| Position moyenne | 4 à 10 | +3 |
| Position moyenne | 11 à 20 | +2 |
| Position moyenne | 21 à 30 | +1 |
| Clics | > 0 | +2 |
| Tendance | En hausse ou nouvellement visible | +2 |
| Absence exacte | Terme absent du texte | +3 |
| Variante proche | Forme fléchie ou synonyme trouvé | +1 |
| Insertion forcée | Terme casé artificiellement | -3 |
Le seuil de recommandation est fixé à 6 points. En dessous, la skill classe le terme mais ne propose pas d'insertion.
Les quatre labels qui évitent le keyword stuffing
Le label exact_present signifie que le terme figure déjà dans le texte tel quel. Aucune action requise. La skill le consigne pour que vous sachiez que cette requête est couverte.
Le label close_present détecte une variante : forme fléchie, synonyme proche, ou reformulation. Exemple : la page contient "optimiser le référencement" et la requête GSC est "optimisation référencement". La skill note la proximité et ne recommande une insertion que si le score dépasse le seuil.
Le label missing_but_relevant est le cas d'action. Le terme n'apparaît pas dans le texte, l'intention de recherche correspond au sujet de la page, et le score justifie une micro-insertion. La skill propose un emplacement précis avec le contexte avant/après.
Le label missing_not_relevant est le garde-fou le plus important. Si l'intent de la requête ne correspond pas au sujet de la page, ou si une autre URL de votre site est plus pertinente, la skill recommande zéro edit. C'est ici que la détection de cannibalisation intervient.
Prenez une page sur "optimisation sémantique" qui ranke aussi sur "audit sémantique seo". Si vous avez déjà une page dédiée aux audits sémantiques, insérer ce terme ici créerait de la cannibalisation. La skill flag le conflit au lieu d'insérer.
Cinq questions de review systématiques accompagnent chaque recommandation. Le terme correspond-il à l'intent principal de la page ? Existe-t-il une autre URL plus pertinente ? L'insertion est-elle naturelle dans le contexte ?
Le terme apporte-t-il une information que le lecteur cherche ? Le ratio effort/impact justifie-t-il la modification ? Si la réponse est non à l'une de ces questions, la skill ne recommande pas l'insertion.
Installation et premier audit en cinq minutes
L'installation tient en une commande git clone, et le premier audit ne demande qu'un export CSV et une phrase dans votre terminal. Pas de dépendance Python à installer, pas de clé API à configurer, pas de setup Docker.
git clone https://github.com/JuJu78/gsc-micro-content-optimizer.git ~/.claude/skills/gsc-micro-content-optimizer
Cette commande place la skill dans le répertoire standard des Agent Skills. Claude Code en contexte SEO la détecte automatiquement au prochain lancement. Si vous utilisez Codex CLI ou Gemini CLI, créez un symlink vers leur répertoire de skills respectif. Le format Agent Skills est compatible avec plus de 16 outils.
Pour l'export CSV, ouvrez la Search Console, allez dans Performance, filtrez par page sur l'URL cible, cliquez sur l'onglet Requêtes, et exportez. La limite de 1000 lignes n'est pas un problème en pratique : les requêtes au-delà génèrent trop peu d'impressions pour justifier une micro-optimisation.
Lancez l'audit avec une phrase naturelle dans votre CLI :
/gsc-micro-content-optimizer Voici mon export GSC pour https://example.com/ma-page. Audite cette page
La skill va chercher le contenu vivant de la page, comparer chaque requête du CSV, attribuer les labels, scorer, et produire le rapport complet. Le résultat contient le diagnostic, le tableau de priorité, et les snippets d'insertion prêts à coller.
Si vous disposez d'un connecteur MCP pour la Search Console, le mode API évite l'étape d'export. Vous pouvez connecter la Search Console via MCP et laisser la skill interroger les données en direct.
Pourquoi une skill et pas un prompt
Un bon prompt peut comparer une liste de requêtes à un texte, mais il oubliera la moitié des règles dès la deuxième utilisation. J'ai testé l'approche prompt one-shot avant de construire la skill. Le scoring variait d'une exécution à l'autre, les labels changeaient de nom. La détection de cannibalisation disparaissait quand le contexte devenait long. Aucun garde-fou ne survivait au-delà de 3000 tokens de données GSC.
Le fichier SKILL.md encode les règles dans un fichier decision-rules.md séparé. Le scoring est reproductible : mêmes données, mêmes scores, mêmes recommandations. Les cinq questions de review s'appliquent systématiquement à chaque terme candidat. La détection de cannibalisation est structurelle, pas optionnelle.
La portabilité est un avantage direct du format Agent Skills, standardisé en décembre 2025 par Anthropic. Plus de 16 outils CLI compatibles reconnaissent aujourd'hui ce format. En 2026, plus de 2000 skills publiques sont indexées dans cet écosystème. Votre investissement d'apprentissage sur cette skill se transfère à toutes les autres.
Le fichier editorial-charter.md permet d'encoder vos contraintes éditoriales spécifiques. Vouvoiement ou tutoiement, longueur maximale de phrase, termes interdits, règles de liens internes. La skill les respecte dans chaque recommandation d'insertion. Un prompt générique ne connaît pas votre charte éditoriale, sauf si vous la recollez à chaque exécution.
Le tout est open-source, sous licence MIT, à coût zéro. La skill ne dépend d'aucun service payant. Elle fonctionne avec les données que vous possédez déjà. C'est précisément le type d'outil que le SEO agentique rend possible : un workflow expert encodé une fois, exécutable à la demande.
Les limites à connaître avant de vous lancer
Cette skill ne crée pas de visibilité à partir de rien, et il serait malhonnête de prétendre qu'une micro-edit suffit à passer en position 1. Connaître les limites avant de commencer vous évitera des attentes mal calibrées.
La première condition est évidente : votre page doit déjà générer des impressions dans la Search Console. Si une URL n'apparaît sur aucune requête, la skill n'a aucune donnée pour travailler. Le point de départ est une visibilité existante, même faible.
L'export CSV est limité à 1000 lignes par l'interface GSC. Les requêtes au-delà de ce seuil ont moins de 5 impressions sur la période. Si vous avez besoin d'exhaustivité, l'API GSC monte à 5000 lignes. Les données GSC sont par ailleurs échantillonnées et décalées de 2 à 3 jours. Vous travaillez sur une approximation récente, pas sur un comptage exact en temps réel.
Une micro-insertion ne garantit pas un gain de positions. Le ranking dépend de dizaines de facteurs : autorité du domaine, qualité des backlinks, fraîcheur du contenu, expérience utilisateur. La skill optimise un levier parmi d'autres. Son avantage est que ce levier est gratuit, rapide, et mesurable dans les semaines qui suivent.
Le mode audit-only est un choix délibéré. La skill ne modifie jamais votre contenu sans validation explicite. Chaque recommandation passe par votre jugement éditorial. Ce n'est pas une limitation technique, c'est un principe de conception. Cette skill ne remplace pas une stratégie éditoriale. Elle affine des pages existantes. Créer le bon contenu sur le bon sujet reste votre travail.
Il est à noter cependant que rien ne vous empêche de modifier la skill si vous disposez d'une connexion à votre CMS depuis votre environnement de travail IA.
Passez à la pratique
Choisissez votre première page et lancez l'audit. La meilleure candidate est celle qui cumule le plus d'impressions en positions 5 à 15. C'est là que le ratio effort/impact est le plus favorable.
Trois actions pour démarrer :
- Cloner le repo :
git clone https://github.com/JuJu78/gsc-micro-content-optimizer.git ~/.claude/skills/gsc-micro-content-optimizer - Exporter le CSV de votre page cible depuis la Search Console (filtre Pages, onglet Requêtes)
- Lancer l'audit dans votre CLI avec le CSV et l'URL
Le repo est disponible sur github.com/JuJu78/gsc-micro-content-optimizer, sous licence MIT. Les contributions sont bienvenues : issues, PRs, retours d'usage. Si vous trouvez un cas où le scoring produit une recommandation aberrante, ouvrez une issue avec le CSV anonymisé. Chaque edge case corrigé rend la skill plus fiable pour tout le monde.
FAQ
La skill fonctionne-t-elle sans connexion API à la Search Console ?
Oui. Le mode CSV est le mode principal. Vous exportez vos données depuis l'interface GSC, vous les passez à la skill, elle travaille sans aucune connexion externe. Le mode API via connecteur MCP est un raccourci optionnel, pas un prérequis.
Combien de temps prend l'audit complet d'une page ?
Entre 30 secondes et 2 minutes selon le volume de requêtes et la longueur de la page. Sur un CSV de 500 lignes et une page de 2000 mots, comptez environ une minute.
La skill modifie-t-elle directement le contenu de ma page ?
Non. Le mode par défaut est audit-only. La skill produit des recommandations avec snippets avant/après, mais n'applique aucune modification sans votre validation explicite. Vous gardez le contrôle éditorial à chaque étape. Cependant, si dans votre environnement IA, vous avez la possibilité de modifier directement vos contenus via une API, rien ne vous empêche de modifier la skill pour qu'elle applique directement les modifications sur vos pages publiées.
Peut-on utiliser la skill avec Codex CLI ou Gemini CLI ?
Oui. Le format Agent Skills est un standard ouvert compatible avec plus de 16 outils CLI. Créez un symlink du répertoire de la skill vers le dossier de skills de votre outil, et elle sera détectée automatiquement au prochain lancement.
Commentaires
Aucun commentaire pour le moment. Soyez le premier à commenter !
Ajouter un commentaire