AI SEO In Detail

AI SEO In Detail › Module C · Demande et recherche de mots-clés › Épisode 21

Épisode 21 · 5:32 · gratuit

Classer l'intention de recherche à grande échelle avec l'IA

Classez des milliers de mots-clés par intention de recherche : des règles pour les cas évidents, puis un classifieur IA à labels fixes, et vérifiez avant de créer des pages.

La lecture de la vidéo la charge depuis YouTube (mode privacy-enhanced). La vidéo est en anglais, avec des sous-titres dans votre langue.

Kit gratuit

Intent Classifier Kit : règles, prompt, validation et feuille d'échantillon

Une liste de règles, un prompt de classification avec cinq labels fixes et un format de réponse JSON, intent_kit.py pour appliquer les règles, écrire les lots, valider chaque réponse et stocker le résultat dans SQLite, et une feuille d'échantillon qui indique votre taux d'accord et la frontière qui pose problème. Le script n'appelle aucune API.

  • Des règles pour les cas évidents — Des motifs sur mots entiers étiquettent les mots-clés qui contiennent un modificateur clair. Un mot-clé qui correspond à deux labels est un conflit et passe à l'étape suivante, comme tout mot-clé sans modificateur.
  • Un classifieur à labels fixes pour le reste — Cinq labels dont unclear, trois exemples par label, une ligne JSON par mot-clé, des lots d'environ cent. Chaque réponse est validée ; tout ce qui échoue est renvoyé.
  • Vérifier, puis faire confiance — Étiquetez vous-même un échantillon aléatoire de cinquante mots-clés sans regarder la réponse du modèle. Repérez la frontière qui pose problème, corrigez-la, relancez uniquement les lignes incertaines et consignez le taux d'accord avec la version du prompt.
Télécharger le kit du classifieur (zip)

Python 3.9+ · prompt · fichier de règles · feuille Excel · sans clé, sans inscription

Les fichiers sont en anglais.

Transcription complète (traduite)

912 mots · traduction de la narration de l’épisode.

Introduction

Vous avez huit mille mots-clés pour une boutique d'équipements café. Certains veulent apprendre. D'autres comparent. Certains sont prêts à acheter. Et chaque groupe a besoin d'un type de page différent.

Les étiqueter à la main prendrait des jours. Sans étiquettes, vous créerez les mauvaises pages pour la moitié.

Dans cet épisode je montre une méthode en deux étapes : règles simples pour les cas évidents, puis un classificateur IA avec des labels fixes pour le reste. C'est rapide, peu coûteux, et honnête sur ce qu'il ignore.

Ce qu'est l'intention, et quels labels utiliser

L'intention de recherche est la raison derrière une recherche. Que veut accomplir cette personne ?

J'utilise quatre labels. Informationnel : ils veulent apprendre quelque chose. Commercial : ils comparent avant d'acheter. Transactionnel : ils veulent acheter ou agir maintenant. Et navigationnel : ils veulent un site ou une marque spécifique.

Vous pouvez en ajouter, comme local, si nécessaire. Mais gardez l'ensemble petit et fixe. Chaque label ajouté rend les frontières floues, et les labels flous rendent le dataset moins utile.

Encore une chose. Classifier d'après le texte est une supposition. La vraie preuve est la page de résultats : quel type de pages Google classe réellement. On verra ça dans l'épisode trente. Aujourd'hui c'est le premier passage rapide, pour savoir où chercher.

Étape 1 : des règles pour les cas évidents

Commencez par les règles. Beaucoup de mots-clés ont un modificateur.

Les mots question comme comment, quoi et pourquoi sont informationnels. Meilleur, versus, avis ou top signifient qu'on compare. Acheter, prix, pas cher, coupon ou "près de moi" signalent l'action. Et les noms de marque, la vôtre ou un concurrent, sont navigationnels.

Un court script avec une liste de motifs gère ça en secondes. Deux détails comptent. Mots entiers, pour éviter "acheter" dans "guide". Et si un mot-clé correspond à deux règles, comme "meilleur prix", marquez-le comme conflit et envoyez-le à l'étape deux.

D'après mon expérience, les règles couvrent une bonne partie. Le reste n'a pas de modificateur clair. "Moulin à café" seul peut avoir trois intentions. C'est là qu'intervient le classificateur.

Étape 2 : un classifieur IA avec des labels fixes

Pour les mots-clés restants j'utilise un modèle, via Claude Code. Votre configuration décide si le résultat est utile ou du bruit.

Donnez-lui un ensemble de labels fixes. Les quatre labels exacts, chacun avec une définition d'une ligne. Plus un label de secours : "incertain". Le modèle doit choisir dans cette liste et rien d'autre.

Donnez des exemples. Trois courts exemples par label, de votre liste, valent plus qu'une longue explication.

Demandez une sortie structurée. Une ligne par mot-clé : le mot-clé, le label, et une confiance haute, moyenne ou basse. Une sortie structurée peut être vérifiée par script. Pas le texte libre.

Envoyez les mots-clés par lots, environ cent à la fois. Puis validez chaque réponse automatiquement. Le label est-il l'un des cinq ? Chaque mot-clé du lot est-il retourné, exactement une fois ? Tout ce qui échoue est renvoyé. Stockez le résultat dans votre base avec le label, la confiance et la provenance : règle ou modèle.

Vérifier le classifieur

Ne faites jamais confiance sans vérifier. Prenez un échantillon aléatoire, cinquante lignes suffisent, et étiquetez-les vous-même sans regarder la réponse du modèle. Comparez.

Si vous êtes d'accord sur la plupart, bien. Puis regardez où vous divergez. Ce n'est presque jamais aléatoire. Habituellement c'est une frontière, souvent commercial versus transactionnel. Corrigez la définition ou ajoutez un exemple pour cette frontière, et relancez seulement les lignes incertaines. Notez le taux d'accord avec la date et la version du prompt. C'est votre référence qualité pour la prochaine fois.

Et respectez "incertain". Ce n'est pas un échec. Un mot-clé que le modèle ne peut classifier du texte seul est exactement celui à vérifier sur la page de résultats. Ceux-là vont directement sur votre liste SERP.

Rendre le processus reproductible

Une classification non répétable n'est pas fiable. Donc trois habitudes.

Versionnez le prompt. Gardez les définitions et exemples dans un fichier, avec un numéro, et stockez ce numéro avec chaque label. Quand vous changez une définition, vous savez quelles lignes ont été étiquetées sous l'ancienne.

Étiquetez seulement le nouveau. Le mois prochain votre liste grandit. Lancez les règles et le classificateur sur les nouvelles lignes seulement. Ne réétiquetez pas tout, ou vos chiffres changeront pour des raisons sans lien avec le marché.

Et autorisez un label par mot-clé. Certains ont vraiment deux intentions. "Moulin à café" peut être une comparaison ou un achat. C'est tentant d'autoriser deux labels. Mais pour planifier des pages, un label principal est plus facile à utiliser. Si le modèle dit qu'il ne peut choisir, c'est "incertain", et la page de résultats le confirmera plus tard.

Que faire des labels

Maintenant vous pouvez grouper. L'intention correspond au type de page. Les mots-clés informationnels veulent des guides. Les commerciaux veulent des comparaisons et avis. Les transactionnels veulent des pages produit ou catégorie. Les navigationnels vous les laissez sauf si la marque est la vôtre.

Ça donne une première carte des types de pages demandées. Et c'est une hypothèse, pas un verdict. Avant de construire, vous confirmez contre la SERP. Un label du texte dit où chercher. La page de résultats dit ce qui est vrai.

Un dernier conseil : certains outils, dont DataForSEO Labs, offrent leurs propres labels. Utile comme second avis. Mais vous ne pouvez voir ou changer leurs définitions, donc je garde mes propres labels comme colonne principale.

Pour conclure

Règles pour l'évident, classificateur à labels fixes pour le reste, un échantillon pour vérifier, et la SERP comme juge final. La liste de règles et le prompt sont dans la description. Prochain épisode : utiliser le coût par clic pour classer par valeur. À bientôt.