L'intention de recherche en SEO : tout comprendre pour mieux y répondre

Un libraire écoute la question d’une cliente et hésite entre lui donner une carte, un manuel ou un objet à acheter.
Illustration au crayon pour julien-gourdon.fr.
Me suivre sur Google

Découvrez les points clés de cette définition en cliquant sur une question :

Posez directement votre question sur cette définition. Entrée pour envoyer, Maj + Entrée pour aller à la ligne.

Votre question et la réponse sont enregistrées pour améliorer cette définition et peuvent être supprimées par l’administrateur. Ne saisissez aucune donnée personnelle.

    L'Essentiel :
    L'intention de recherche désigne ce que l'internaute veut obtenir en tapant sa requête : s'informer, comparer, acheter ou rejoindre un site précis. KScorer évalue d'abord les sens possibles de la requête, puis les confronte aux pages déjà trouvées pendant l'assemblage des résultats. Pour estimer la forme de réponse attendue, Intent Brain distingue 19 intentions et prévoit une valeur « inconnue ». Orbit range chaque page de l'index dans 86 catégories. Une page alignée sur ces trois décisions part avec un avantage net. Seule réserve, ces schémas internes décryptés par RESONEO disent ce que Google mesure, sans révéler combien pèse chaque signal dans le classement final.

    L'intention de recherche (ou search intent) correspond à l'objectif réel d'un internaute lorsqu'il saisit une requête dans Google ou dans un moteur IA comme ChatGPT. Derrière les mots tapés, il attend un sens précis, un format de réponse adapté et un type de source légitime. Une page qui se trompe sur l'un de ces points concourt pour une intention que la SERP a déjà écartée, et ses chances d'atteindre la première page deviennent minces, quelle que soit la qualité de sa rédaction.

    Pendant des années, j'ai expliqué ce mécanisme avec RankBrain, BERT et beaucoup d'observation des pages de résultats. À l'automne 2026, RESONEO a publié une série d'analyses intitulée « Comprendre Google », fondée sur des schémas internes du moteur, ces fichiers qui décrivent champ par champ les données manipulées par ses systèmes, souvent avec les commentaires de ses ingénieurs. J'ai réécrit cette définition à partir de ces travaux, avec un lien vers l'article concerné à chaque fois qu'une information en vient. Les listes complètes de critères et de catégories qu'ils décrivent s'ouvrent dans des fenêtres dédiées, que vous pouvez copier en un clic.

    Les différents types d'intention de recherche

    Le métier du SEO classe les requêtes en quatre grandes intentions : informationnelle, commerciale, transactionnelle et navigationnelle. Le tableau les relie à l'objectif de l'internaute, à sa position dans le parcours d'achat et à des requêtes types.

    Type d'intentionObjectif de l'internauteÉtape du parcoursExemples de requêtes
    InformationnelleComprendre un sujetHaut du parcours« qu'est-ce que le SEO ? », « pourquoi le ciel est bleu ? »
    CommercialeComparer avant d'acheterMilieu du parcours« meilleur logiciel SEO », « comparatif voiture électrique »
    TransactionnelleAgir : acheter, s'abonner, téléchargerBas du parcours« acheter abonnement Ahrefs », « télécharger logiciel »
    NavigationnelleAccéder à un site ou à une marqueTout au long du parcours« Google Search Console login », « Julien Gourdon SEO »
    Remarque :
    chaque intention correspond à un stade du funnel de conversion (l'entonnoir marketing). L'informationnelle se situe en haut du parcours, la transactionnelle en marque la fin. La navigationnelle le traverse de part en part : on tape le nom d'une marque pour la découvrir comme pour se connecter à son espace client.

    Dix-neuf grandes intentions et 86 catégories de pages chez Google

    Ces quatre familles existent bien chez Google, avec un niveau de détail que le métier n'imaginait pas. L'article de RESONEO consacré à Intent Brain et Orbit, les deux systèmes qui associent les pages à l'intention de recherche, décrit deux nomenclatures internes qui se répondent :

    • Intent Brain distingue 19 grandes intentions, les « broad intents ». Elles couvrent notamment les images, la vidéo, le local, le shopping, l'actualité, la fraîcheur, l'expérience vécue et les discussions entre internautes. Neuf d'entre elles déclenchent un élément visible de la SERP, comme un onglet mis en avant ou le filtre Forums. Une valeur supplémentaire, UNKNOWN, indique que l'intention reste indéterminée.
    • Six de ces intentions désignent la source attendue par l'internaute : administration, encyclopédie, éditeur de presse, marchand, contenus d'utilisateurs ou autre source.
    • Orbit attribue à chaque page de l'index un score de 0 à 100 pour 86 catégories cumulables, qui décrivent ce que la page permet de faire (réserver, se connecter), sa forme (tutoriel, test, forum) et son éditeur. Un comparatif d'assurances auto publié par un assureur est ainsi à la fois un comparatif, une page de marchand et un contenu YMYL financier.

    Le détail le plus parlant pour un SEO tient dans ces catégories : les quatre intentions du métier y figurent. LOGIN, CONTACT_PAGE ou REGISTER couvrent le navigationnel, TUTORIAL, MANUAL ou STUDY_GUIDE l'informationnel, PRODUCT_REVIEW, PRODUCT_COMPARISON ou PRODUCT_TOPN le commercial, SHOPPING_MERCHANT_PRODUCT, RESERVATION ou JOB_POSTING le transactionnel. Même constat pour la méthode des « 3 C » popularisée par Ahrefs : Orbit nomme le type de contenu et son format, et laisse l'angle éditorial au rédacteur. J'y vois la validation de plusieurs années de lecture manuelle des SERP. Nos cases de travail correspondent aux étiquettes internes de Google, découpées plus finement.

    Quelle est la répartition des intentions de recherche ?

    Les définitions ne disent rien du poids réel de chaque intention dans les recherches. Deux jeux de données apportent des ordres de grandeur, l'un pour Google, l'autre pour ChatGPT.

    Distribution des intentions sur Google

    SparkToro et Datos (Semrush) ont analysé 332 millions de requêtes Google entre janvier 2023 et septembre 2024. Leur répartition par intention est la suivante :

    • 52,65 % des requêtes sont informationnelles,
    • 32,15 % sont navigationnelles,
    • 14,51 % sont commerciales,
    • 0,69 % seulement sont transactionnelles.

    La majorité des recherches vise donc à s'informer ou à rejoindre un site déjà connu. Les requêtes d'achat immédiat pèsent peu en volume, ce qui ne dit rien de leur valeur : ce sont souvent elles qui convertissent.

    Répartition par intention de recherche des 332 millions de requêtes Google analysées par SparkToro et Datos
    Source du graphique : l'étude de SparkToro sur 332 millions de requêtes Google

    Distribution des intentions sur ChatGPT

    L’étude de Semrush sur ChatGPT s’appuie sur des données de navigation recueillies aux États-Unis. La répartition ci-dessous porte sur les prompts observés en octobre et novembre 2024.

    • Semrush classe environ 70 % des prompts dans la catégorie « intention inconnue » (unknown). Les demandes de rédaction ou de brainstorming en sont des exemples possibles. Leur part exacte dans cette catégorie reste inconnue.
    • Sur l'ensemble des prompts de l'échantillon, 15,7 % sont classés comme informationnels, 10,3 % comme navigationnels, 2,3 % comme transactionnels et 1,8 % comme commerciaux. Ces quatre parts arrondies totalisent 30,1 %.
    Répartition des intentions de recherche des prompts ChatGPT comparée à Google, d'après les données clickstream de Semrush
    Source du graphique : l'analyse de SparkToro comparant les volumes de recherche de Google et de ChatGPT

    Google reste l'outil privilégié pour chercher des informations factuelles, des marques et des produits. Mais ChatGPT, Gemini, Perplexity et l'AI Mode de Google progressent vite, et leurs usages évoluent avec chaque nouveau modèle. Pour une marque, travailler sa visibilité dans ces moteurs (le GEO, pour Generative Engine Optimization) devient un chantier à part entière, à mener en parallèle du SEO.

    Pourquoi l'intention de recherche est-elle essentielle en SEO ?

    Longtemps, le SEO a consisté à positionner des pages sur des expressions cibles, souvent sans se demander si elles répondaient à ce que l'internaute cherchait. Cette approche a perdu en efficacité à mesure que Google a appris à comprendre le langage.

    RankBrain, lancé en 2015, est le premier système de deep learning de Google Search, conçu pour interpréter les requêtes rares ou inédites. BERT lit chaque mot dans le contexte de toute la phrase : « vole » n'a pas le même sens dans « un oiseau vole dans le ciel » et dans « il vole son banquier ». Les deux reposent sur l'apprentissage automatique et le traitement du langage naturel. Détail moins connu, documenté par l'analyse de RESONEO sur les twiddlers qui retouchent les résultats après le ranking : une partie de ce que produit RankBrain s'applique dans Superroot, sur une liste de résultats déjà notée.

    Sur « avocat », Google peut envisager le juriste comme le fruit dès la lecture de la requête. Les premières pages trouvées fournissent ensuite à KScorer des indices pour départager ces deux sens. Quand un pack local de cabinets suivi d'annuaires apparaît en tête sur google.fr, c'est le sens juridique qui domine. Un guide sur la maturité du fruit a alors peu de chances d'y trouver sa place.

    Comment Google détermine l'intention de recherche des utilisateurs ?

    La série de RESONEO décrit cinq systèmes qui contribuent à interpréter la requête et à composer la page de résultats. Le tableau résume le rôle de chacun et le moment où il agit.

    SystèmeMoment d'actionRôle principalRepère chiffré
    NavBoost et GlueEn continu, et sur les dernières 24 heures pour Instant GlueMémoriser les clics et la satisfaction sur chaque résultat et chaque bloc de la SERP34 familles de signaux par résultat, 13 mois d'historique
    OrbitÀ l'indexation pour les pagesClasser les pages par action, format et éditeur. La requête porte aussi sa propre catégorie Orbit.86 catégories notées de 0 à 100
    KScorerAvant l'arrivée des résultats, puis pendant l'assemblage de la SERPDépartager les sens possibles et élire l'interprétation dominante56 signaux, 12 familles, 2 votes
    Intent BrainPendant la compréhension de la requêteEstimer la forme de réponse et le type de source attendus pour une requête, une langue et un pays19 intentions identifiées, plus la valeur UNKNOWN
    SuperrootJuste avant l'affichageAssembler la SERP, après le passage des twiddlersLiens, blocs d'images, pack local, vidéos

    Une précision de méthode avant d'entrer dans le détail. Ces schémas décrivent les données que manipulent les systèmes de Google et les commentaires de leurs ingénieurs. Ils ne livrent pas le poids de chaque signal dans le classement final, et RESONEO qualifie lui-même certaines lectures de probables. Je m'en sers comme d'une carte des mécanismes, à confronter aux SERP réelles.

    KScorer tranche entre les sens possibles

    « Jaguar vitesse » peut viser la vitesse du félin comme celle de la voiture. KScorer, le système qui choisit le sens d'une recherche, note chaque interprétation candidate avec 56 signaux répartis en 12 familles. Il vote deux fois : sur la requête seule d'abord (11 signaux, étape PRE_RESULTS_VOTING), puis une fois les résultats trouvés (41 signaux, étape PACKER_VOTING, pendant l'assemblage de la SERP). L'interprétation qui l'emporte nettement reçoit le rang 0. Elle oriente toute la page de résultats et permet même d'envoyer le premier bloc de la SERP avant que le reste soit prêt, grâce au mécanisme First Result Out.

    Les clics pèsent à plusieurs étapes. Pendant les votes, user_interaction_relevance_score estime la pertinence d'une interprétation à partir des logs d'interactions. Pour décider de l'affichage d'un encadré, user_interaction_score va plus loin et transforme les clics en prédiction de la note de satisfaction (Information Satisfaction) que donneraient les quality raters de Google. Ces évaluateurs humains ne voient qu'une petite partie des requêtes, les clics prennent le relais pour toutes les autres.

    Intent Brain choisit la forme de la réponse

    Intent Brain calcule, pour chaque requête, chaque langue et chaque pays, la probabilité des 19 grandes intentions à partir des clics comptés par Glue. « Mercure planète » appelle des vidéos, des images et une encyclopédie, « hôtel mercure lyon » un pack d'hôtels et des pages de réservation, « thermomètre au mercure cassé » des forums et des sites de questions-réponses. Une requête trop rare pour avoir ses propres statistiques emprunte celles de requêtes voisines qui partagent ses termes caractéristiques, une technique que les schémas appellent smearing.

    NavBoost et Glue, la mémoire des clics

    Derrière KScorer et Intent Brain se tient la mémoire comportementale de Google. NavBoost conserve l'historique des clics de chaque couple requête-document, et Glue étend cette mémoire à tous les blocs de la SERP : vidéos, pack local, « Autres questions posées », AI Overviews. L'analyse de RESONEO sur ce que NavBoost et Glue retiennent de chaque recherche montre qu'un clic n'est jamais compté seul. Google enregistre le temps pendant lequel chaque résultat reste visible à l'écran, les survols du pointeur, les clics courts suivis d'un retour rapide à la SERP, les reformulations, et le dernier clic, le plus long, celui qui conclut la recherche.

    Comment identifier l'intention de recherche ?

    Au début de ma carrière, j'ai passé des soirées entières devant des fichiers de 3 000 mots-clés, les yeux rougis par l'écran, à cocher presque au hasard « commercial » ou « transactionnel » faute de méthode. Avec le temps, j'ai compris que l'exercice est bien plus accessible qu'il n'y paraît, et l'IA générative l'a encore accéléré. J'utilise aujourd'hui deux méthodes complémentaires, la lecture de la SERP à la main et la pré-catégorisation par un modèle de langue.

    Lire la SERP de Google comme un relevé de mesures

    Personne ne connaît mieux l'intention d'un internaute que Google, et sa page de résultats traduit ce que les clics ont validé, requête par requête et pays par pays. Quatre indices s'y lisent directement :

    • Le vote du top 10 d'abord. Dans KScorer, chaque résultat vote pour le sens dont il parle, avec un poids égal à 1/rang : le premier pèse dix fois plus que le dixième (signal refres_question_rank). Si la plupart des pages bien placées parlent du félin, l'interprétation animale l'emporte.
    • Viennent ensuite les blocs et l'ordre des filtres sous la barre de recherche. Un pack d'hôtels, des vidéos courtes ou des résultats de forums traduisent les grandes intentions d'Intent Brain. Passer à l'onglet Images, Maps ou Shopping compte aussi comme une réponse, si bien que Google sait si une requête se satisfait d'un bloc dans la page ou si les gens préfèrent l'onglet complet.
    • Regardez aussi le format et l'éditeur des pages en tête. Comparatifs, listes, fiches marchandes, forums, sites officiels ou encyclopédies : les catégories d'Orbit qui dominent le top 10 indiquent le type de page attendu.
    • Dernier indice, l'âge des dates affichées dans les snippets. Intent Brain mesure le besoin de fraîcheur (la grande intention FRESH) en ventilant la satisfaction selon l'âge de cette date, sur cinq paliers allant de 1 à 365 jours. Sur « mercure rétrograde 2026 », sept snippets sur dix affichaient une date de l'année.

    Concrètement, des sites e-commerce et un bloc de produits signalent une requête transactionnelle. Un tableau comparatif en featured snippet ou des vidéos de tests trahissent une intention commerciale. Une fiche Wikipédia et des « Autres questions posées » orientent vers l'informationnel. Un site officiel en tête, avec sa page de connexion ou son espace client, signe une requête navigationnelle.

    La page de résultats de Google pour la requête « quel portable choisir ? » ne laisse pas de place au doute : l'intention de recherche de l'internaute est avant tout commerciale.
    La page de résultats de Google pour la requête « quel portable choisir ? » ne laisse pas de place au doute : l'intention de recherche de l'internaute est avant tout commerciale.

    Pré-classer des milliers de mots-clés avec un LLM

    Quand la liste dépasse quelques centaines de mots-clés, je confie la pré-catégorisation à un modèle de langue (ChatGPT, Claude ou Gemini), avec un prompt qui précise le rôle, l'objectif, le contexte et la grille de classement. Le gain de temps est considérable, à condition de vérifier les résultats à la main, car l'erreur est… LLM.

    Avec un bon prompt, ChatGPT peut déterminer efficacement l'intention de recherche d'une liste de mots-clés.
    Avec un bon prompt, ChatGPT peut déterminer efficacement l'intention de recherche d'une liste de mots-clés.

    Un LLM seul a pourtant un angle mort. Il ne voit ni l'historique des clics de Glue ni les arbitrages de KScorer dans votre pays, et il classe les mots-clés d'après ce qu'il sait du langage. La méthode la plus fiable couple l'IA à une récupération du top 10 réel (titres, types de pages, dates affichées, blocs visibles), pour que le modèle déduise l'intention que Google a validée sur votre marché au lieu de la deviner.

    Comment optimiser son contenu selon l'intention de recherche ?

    Identifier l'intention ne sert à rien si la page ne suit pas. L'objectif est d'envoyer à Orbit, à KScorer et à Glue des signaux cohérents avec ce que la SERP attend. Le tableau croise chaque intention avec les catégories d'Orbit qui lui correspondent et l'indicateur à suivre.

    IntentionObjectifCatégories Orbit correspondantesKPI à suivre
    InformationnelleInstruire, répondreTUTORIAL, MANUAL, STUDY_GUIDE, REPAIR, RECIPES, INFORMATION_SOURCE_ENCYCLOPEDIATemps de lecture, CTR organique, retours rapides à la SERP
    CommercialeComparer, conseillerPRODUCT_REVIEW, PRODUCT_COMPARISON, PRODUCT_BUYING_GUIDE, PRODUCT_TOPN, SPECSClics vers les offres ou le CTA
    TransactionnelleConvertirSHOPPING_MERCHANT_PRODUCT, RESERVATION, COUPON, RENT, REAL_ESTATE_LISTING, JOB_POSTINGTaux de conversion
    NavigationnelleOrienter vers l'entitéLOGIN, REGISTER, CONTACT_PAGE, CUSTOMER_SUPPORTCTR sur les requêtes de marque

    Cinq leviers rendent une page compatible avec les systèmes d'intention de Google. Ils découlent tous des mécanismes décrits plus haut :

    • Choisissez la catégorie de page avant d'écrire. Test, comparatif, guide d'achat, top N et fiche marchande sont cinq catégories distinctes, que Google peut filtrer et qu'il mesure chacune à part. Si la SERP affiche surtout des listes ou des discussions de forum, un guide théorique part battu. Sur une requête qui appelle une source officielle, comme « mercure dans le poisson », où Orbit range les pages en tête parmi les sites gouvernementaux et les contenus YMYL santé, une page marchande n'a pas sa place.
    • Travaillez les termes saillants. KScorer compare par similarité cosinus, une mesure de proximité sémantique, les termes prédits pour la requête, ceux de l'interprétation et ceux des pages du top 10. Pour la voiture Jaguar, on attend « moteur », « chevaux » ou « 0 à 100 km/h », pour le félin « prédateur », « forêt » ou « proie ». Ces mots doivent figurer en bonne place dans la page.
    • Levez toute ambiguïté sur les entités. QRef, le système qui reconnaît les entités de la requête, combine leurs confiances par une moyenne harmonique : une seule entité douteuse tire toute l'interprétation vers le bas (0,9 et 0,2 donnent 0,33, contre 0,55 en moyenne arithmétique). Côté page, nommez marques, modèles et lieux comme le Knowledge Graph les connaît, et reliez-les à leur entité avec des données structurées Schema.org et la propriété sameAs.
    • Affichez une date réelle quand la fraîcheur compte. Sur une requête sensible au temps (catégorie TIME_SENSITIVITY, grande intention FRESH), une page sans date visible sort des compteurs de satisfaction liés à l'âge des snippets. La mise à jour doit être réelle, car les twiddlers de fraîcheur lisent aussi la date que Google estime pour le contenu à partir du texte, des ancres et des pages liées.
    • Soignez l'accueil pour éviter le clic court. Glue lit un retour rapide à la SERP comme une déception et attribue la recherche au dernier clic, le plus long. Livrez la réponse promise dès le haut de page, puis accompagnez l'internaute vers les sous-questions qui suivent. Dans vos statistiques, repérez les pages d'arrivée dont une part anormale des visites venues de Google s'arrête avant même la lecture.

    Questions fréquemment posées sur l'intention de recherche

    Une requête peut-elle avoir plusieurs intentions de recherche ?

    Oui, c'est même le cas le plus fréquent. « Chaussures Adidas » est navigationnelle puisque la marque est nommée, transactionnelle si l'internaute veut acheter une paire, commerciale s'il compare des modèles, et informationnelle s'il s'intéresse à l'histoire de la marque. KScorer note chaque interprétation candidate et les classe. Quand l'une domine nettement, elle prend le rang 0 et impose ses blocs à la SERP. KScorer consulte aussi Orbit (signal orbit_results_trusted) pour juger si les pages du top 10 sont assez fiables pour écarter une interprétation. Pour viser un sens secondaire, ciblez une requête qui le nomme, comme « Jaguar F-Type vitesse maximale » plutôt que « jaguar vitesse ».

    L'intention de recherche d'une requête peut-elle varier avec le temps ?

    Oui, avec l'actualité comme avec les saisons. « Coupe du monde de rugby » est plutôt transactionnelle avant le tournoi, quand on cherche des billets, puis informationnelle pendant l'événement (résultats, interviews d'après-match). Google suit ces bascules de deux façons. Instant Glue tient les mêmes compteurs que Glue sur les dernières 24 heures : un document interne de 2018, cité lors du procès antitrust américain, raconte comment la requête « nice pictures » est devenue une requête d'actualité le jour de l'attentat de Nice. KScorer fait aussi passer ses scores par des twiddlers. Un boost de fraîcheur y avantage le sens qui fait l'actualité (le jour où Jaguar présente un nouveau modèle, la voiture peut passer devant l'animal), un boost de périodicité celui qui revient à date fixe, comme les soldes ou un tournoi annuel.

    Les intentions de recherche sont-elles les mêmes d'un pays et d'un moteur à l'autre ?

    Non. Intent Brain calcule ses probabilités séparément pour chaque requête, chaque langue et chaque pays. Le relevé publié par RESONEO le montre : le 28 octobre 2026, le top 10 de « mercure » sur google.fr votait à 50 % pour la planète, quand celui de « mercury » sur google.com renvoyait à 82 % vers une fintech américaine. KScorer intègre aussi la distance en mètres entre l'internaute et les lieux de l'interprétation (user_entity_distance), et des signaux multilingues (CLIR, pour Cross-Language Information Retrieval) qui laissent des pages en d'autres langues voter pour le sens d'une requête peu couverte localement. Les moteurs IA ajoutent leur propre couche en décomposant souvent la demande en sous-requêtes, à l'image du query fan-out de Google. Vérifiez donc la SERP de chaque marché, et le comportement de chaque moteur qui compte pour vous, avant de rédiger.

    Quel lien entre l'intention de recherche et le Knowledge Panel d'une marque ?

    Dans KScorer, l'affichage d'un knowledge panel correspond à une intention implicite, ShowEntity : la requête nomme une chose sans rien demander à son sujet. Une étape dédiée, CARD_UTILITY, décide si l'encadré mérite d'être affiché à partir de six signaux. Quatre viennent des clics, un de la note moyenne que les quality raters donnent aux knowledge panels, le dernier de la confiance dans la reconnaissance des entités. Un score de clics devient fiable à 50 % après 20 impressions et à 83 % après 100, selon la formule N / (20 + N). Pour une marque, le knowledge panel tient tant que les internautes y trouvent des informations justes, sur le site officiel, dans la fiche Google Business Profile et dans Wikidata.

    Quels outils peuvent m'aider à identifier les intentions de recherche ?

    La SERP reste le premier outil, gratuit et toujours à jour. La Search Console complète la lecture en montrant les requêtes sur lesquelles vos pages apparaissent déjà, et Semrush ou Ahrefs attribuent une intention à chaque mot-clé, utile pour trier un gros fichier à condition de la recouper avec la SERP. Pour aller plus loin, j'ai développé AI Search Intent, qui récupère les pages classées sur une requête et en extrait le corpus (termes, entités nommées, questions, balises) pour comparer votre contenu à ce que Google a validé. RESONEO trace d'ailleurs trois chantiers pour les outils de suivi de positions : afficher le nombre de snippets datés et l'âge moyen de leurs dates, classer chaque résultat du top 10 dans les catégories d'Orbit, et rapprocher les blocs affichés des grandes intentions d'Intent Brain, pays par pays. Tant qu'aucun outil ne les affiche, la lecture manuelle de la SERP garde toute son utilité.

    Commentaires

    Aucun commentaire pour le moment. Soyez le premier à commenter !

    Ajouter un commentaire

    Prêt à passer à la vitesse supérieure ?

    Contactez-moi dès aujourd'hui pour discuter de votre projet et commencer à optimiser votre présence en ligne.

    Commencer l'optimisation