Système SEO + Claude + Obsidian

(les 5 règles à respecter)

juil. 21, 2026

Entre les agences GEO qui, du coup, ne font pas de SEO…

Les vendeurs de formations SEO qui ne vendaient pas de formations… et qui ont sauté sur l’opportunité IA…

Ceux qu’ont entend sur linkedin, Youtube et autres conférences SEO, mais dont on n’a pas vu un seul site client…

Ça devient n’importe quoi.

Mais le truc que vous devez éviter à tout prix, c’est de faire votre SEO en utilisant ChatGPT ou Claude comme le ferait n’importe qui demandant à Claude de lui corriger son e-mail ou de réécrire une lettre de motivation.

Bref, j’espère que vous profitez bien de l’été :)

De mon côté, je suis en train de développer des extensions SEO et d’essayer de les faire ranker sur Google. L’intérêt ? Je vous l’expliquerai si ça fonctionne :)

Mais c’est quoi le problème, du coup, à converser avec l’IA sans créer de système ?

Faire du SEO avec ChatGPT ou Claude sans système, c’est demander à un outil qui n’a aucune donnée sur vous de produire des réponses.

Ces réponses seront, par définition, génériques.

Les IA génériques, c’est une anomalie. Ça ne devrait pas exister, puisque l’intérêt d’une IA, c’est de pouvoir être entraînée sur un corpus de données dédié. Dans notre cas, ce sont les données SEO.

Et on commence déjà à le voir : Claude, c’est plutôt pour le B2B, Perplexity pour la recherche documentaire, etc.

On commence à voir apparaître de la spécialisation sur le marché. Et c’est une très bonne chose.

Mais c’est aussi la raison pour laquelle vous ne devriez pas tester tous ces outils qui vous promettent un SEO en mode automatique.

Ou encore utiliser une IA simplement en créant des mini ChatGPT ou Gems.

Vous obtiendrez un résultat moyen.
Et nous, on veut faire mieux que la moyenne, donc on jette ça et on va remettre tout au propre. (C’est simple, il suffit de suivre une étape après l’autre.)

Voici les six règles pour passer d’une réponse IA moyenne à une réponse exceptionnelle :

récolter vos propres données,
les stocker en local,
brancher votre Terminal sur Obsidian,
appliquer la structure Wiki/Raw de Karpathy,
auditer votre système une fois par mois,
créer des boucles d’apprentissage.

Je vais développer chaque règle (je te promets que ce n’est pas si technique, et quand bien même ça le serait, je te conseille fortement de t’y mettre si tu ne veux pas te faire manger, toi ou ton site).

Avant, voici les questions qui me reviennent tout le temps autour du SEO IA

Je prends pas mal de calls avec des consultants SEO. Voici les questions qu’on me pose quasiment à chaque fois :

Peut-on vraiment faire du SEO avec ChatGPT ou Claude ?
Oui, mais la réponse sera moyenne. Pire, vous ne construisez rien : vous repartez de zéro sur chaque nouveau projet. Donc, malgré tout ce que vous pouvez entendre, la réponse est non.

C’est quoi de la donnée propriétaire en SEO, et où est-ce que je la trouve ?
Tout le monde en a. Ça peut être des e-mails, des calls clients, des cas clients, etc. Ce n’est pas compliqué à trouver. Et même si vous n’en avez pas, vous pouvez commencer dès maintenant à en récolter.

Pourquoi garder mes données en local plutôt que dans ChatGPT ?
Parce qu’on veut être souverain sur ce que l’on produit et ne pas confier ça à n’importe qui. Et si demain ChatGPT dit : « On ferme l’accès à notre modèle en France », vous êtes cuits.

Qu’est-ce que ça change concrètement de brancher le Terminal sur Obsidian ?
L’IA va apprendre à chaque nouveau document ajouté et s’améliorer dans le temps. Vous construisez un actif.

Faut-il savoir coder pour mettre ça en place ?
Pas du tout. C’est la même chose que parler à un chatbot classique.

Comment je sais que mon contenu sort de MA connaissance et pas de la moyenne du web ?
Bonne question. Je dirais : quand vous commencez à ranker sur Google :)

Les 5 règles pour créer un système qui sera là les 5 prochaines années

Règle 1 : récolter de la data propriétaire

La data propriétaire, c’est tout ce que l’IA ne peut trouver nulle part ailleurs : vos exports Search Console (vos impressions, vos clics, vos positions réelles), vos résultats clients, vos tests, vos stratégies… Bref, je le répète assez souvent.

Votre data vous permet : 1. de trouver des mots-clés basés sur ce que vos prospects disent, et 2. de faire ressortir les vrais besoins de votre cible. Plus besoin d’aller sur un outil SEO classique qui vous sort toujours les mêmes mots-clés.

Au lieu de créer des cocons sémantiques classiques, on va construire des corpus qui regroupent toutes ces données en les clusterisant, comme on le ferait avec une page mère, des pages filles et des pages petites-filles. Sauf que, cette fois, ce sont vos données qui constituent les différents niveaux.

Dans la majorité des études de référence sur le GEO, citer des sources, apporter des statistiques et s’appuyer sur des sources d’autorité augmente la reprise par les moteurs génératifs de 30 à 41 %. C’est évidemment énorme.

Règle 2 : la stocker en local

Dans ChatGPT ou Claude, votre data ne vous appartient pas.

D’ailleurs, il est très discutable, d’un point de vue RGPD, de stocker les données de vos clients sur un modèle américain.

En local, votre contenu vous appartient. Vous pouvez changer de modèle comme bon vous semble.

Mais surtout, cette data devient un actif que vous pouvez soit vendre à vos clients, soit utiliser pour construire vos propres projets.

Vous construisez une base de connaissances qui s’améliore avec le temps.

Règle 3 : la structure Wiki/Raw de Karpathy

C’est clairement le cœur du système, et ce qui fait toute la différence.

Karpathy est un ancien d’OpenAI. Une référence dans le domaine de l’IA.

Et Andrej a une méthode. Elle permet notamment de structurer votre Obsidian en Wiki et Raw.

Concrètement, Claude Code tourne dans votre Terminal. Il lit et écrit des fichiers Markdown. Obsidian lit ces mêmes fichiers, mais crée aussi des liens entre eux. Ce sont ces connexions qui vont permettre d’entraîner votre système.

La vue en graphe ci-dessus montre les connexions entre toutes mes notes depuis presque 5 mois.

Pas besoin d’être développeur pour ça. Vous déposez une source dans un dossier, vous demandez au modèle de l’ingérer, et Obsidian va classer et mailler la nouvelle note. Très simple.

Le modèle est ensuite capable de corriger, d’ajouter des notes et d’en créer. Bref, ça change tout.

Règle 4 : auditer votre système une fois par mois

Un système IA, ça s’améliore. Pas de débat là-dessus. Vos données vieillissent, des contradictions peuvent apparaître, etc. L’objectif est de perturber le moins possible le système en place afin d’obtenir les meilleures réponses.

L’audit mensuel, c’est simplement un contrôle régulier de votre base de connaissances. Chaque mois, vous vérifiez trois points :

Les affirmations non vérifiées : tout ce que le système présente comme vrai sans source fiable. Vous validez ou vous supprimez.
Les contradictions : lorsque deux pages donnent des informations différentes. Vous corrigez la donnée à la source, pas seulement la réponse générée.
Les pages orphelines ou obsolètes : les contenus qui ne sont plus reliés au reste de la base ou dont les informations ne sont plus à jour.

Règle 5 : ne pas créer de boucles d’apprentissage

C’est la règle la moins comprise parce qu’on nous a appris qu’une chose et répété qu’une chose depuis des années : il faut apprendre à prompter. Oui mais, ça va, ca fait 5 ans. Il faut passer aux boucles maintenant.

1. Ce qu’est une boucle d’apprentissage

Une boucle d’apprentissage apparaît quand un système se nourrit de ce qu’il a lui-même produit. L’IA génère du contenu, puis réutilise ce contenu comme source lors des traitements suivants.

2.Pourquoi c’est un problème

À force de relire ses propres textes, le modèle s’éloigne de la réalité. Il renforce ses habitudes d’écriture, recycle les mêmes formulations et finit par produire un contenu de plus en plus uniforme. Ce qui faisait la singularité de votre matière disparaît progressivement.

3. ok, je te donne un exemple

Vous demandez à Claude de rédiger cinquante pages pour votre site. Vous les publiez. Un mois plus tard, vous lui demandez d’analyser ces pages et de les améliorer. Il prend ses propres textes comme référence, reproduit les mêmes tournures et les mêmes raisonnements.

Après quelques cycles, toutes les pages se ressemblent. Le site perd sa personnalité parce que l’IA ne travaille plus sur votre expertise, mais sur ses propres productions.

Le phénomène est réel, et c’est un vrai problème de l’IA. Une étude présentée à l’ACM Web Conference 2026 (When AI Pollutes the Web) montre qu’à partir d’un certain niveau de contenu généré par IA sur le web, les modèles finissent majoritairement par s’appuyer sur des textes synthétiques. Le même phénomène peut apparaître dans votre propre base de connaissances si vous laissez l’IA se nourrir de ce qu’elle a déjà écrit.

La structure Wiki/Raw règle le problème par construction. Il faut quand même toujours vérifier, ne jamais faire confiance à une IA.

Chargement...

`🎉 Plus de 184 consultants ont testé Qadence. Et toi, c'est pour quand ? (+ nouvelles fonctionnalités)`

Faire un audit complet de mon site

⇢ Tu as apprécié cette édition de revue de presse et le format te plaît ? Like 💙 la newsletter pour que je puisse rédiger sur des sujets similaires.