Pertinence thématique et autorité thématique : ce qui se mesure vraiment

Une page se classe quand un moteur de recherche la lit comme traitant son sujet, pas comme le mentionnant. Tous les guides sur la question disent la même chose : couvrez votre thématique, construisez un cocon sémantique, obtenez des liens pertinents. Aucun ne dit ce qu’un moteur compterait réellement. Nous mesurons la pertinence thématique des pages clients avant de les écrire et après les avoir publiées, et voici la méthode, l’arithmétique, et la partie que nous ne pouvons pas prouver.

Ce que la pertinence thématique recouvre vraiment

La pertinence thématique, que les anglophones appellent topical relevance, est le degré de correspondance entre le vocabulaire d’une page et le vocabulaire qu’un moteur de recherche associe à un sujet. Cette définition est volontairement étroite. Elle ne dit rien sur la qualité rédactionnelle, rien sur la confiance, rien sur votre ancienneté. Elle décrit une seule chose : est-ce que les mots de la page la situent à l’intérieur du sujet ou à l’extérieur.

Une page de chirurgie oculoplastique qui emploie blépharoplastie, ptôsis, orbite, canthus, muscle releveur et œdème postopératoire se situe à l’intérieur du sujet. Une page qui répète neuf fois « chirurgie des paupières » sans rien d’autre reste à l’extérieur, quel que soit le nombre de répétitions. La répétition ne rapproche pas une page d’un sujet. Le vocabulaire, oui.

Plusieurs noms circulent pour la même idée. Optimisation sémantique, référencement sémantique, SEO sémantique, pertinence thématique, pertinence sémantique : l’usage les traite comme des synonymes. Les anglophones parlent de topical relevance et de topical authority, et une partie du marché français a repris ces termes tels quels. Les périmètres diffèrent plus que les définitions. La pertinence d’un mot clé demande si une page répond à une requête. La pertinence thématique demande si elle couvre un sujet, c’est-à-dire un ensemble de termes et de sous-thèmes plutôt qu’une chaîne de caractères.

La pertinence est une propriété de page, pas une promesse de thématique

La plupart des textes sur le sujet glissent entre deux affirmations différentes sans le signaler. La première : une page est pertinente pour une requête. La seconde : un site est pertinent pour une thématique. Ce sont deux mesures aux entrées différentes, et les confondre explique pourquoi tant de conseils en la matière restent inapplicables.

La pertinence d’une page se compte aujourd’hui. Vous ouvrez la page, vous extrayez les termes que le sujet exige, vous comptez combien apparaissent et à quelle fréquence. La pertinence d’un site ne se compte pas de votre côté, parce qu’elle dépend de la façon dont un moteur a vectorisé l’ensemble de votre domaine, et cela vous est invisible.

Pertinence thématique et autorité thématique

La pertinence est une mesure. L’autorité est une réputation.

La pertinence répond à une question sur une page : ce texte appartient-il à ce sujet? L’autorité répond à une question sur un site : cette source est-elle celle qu’on cite sur ce sujet? Une page bien construite établit la première en une après-midi. L’autorité thématique s’accumule sur des mois, à partir de la couverture, des citations, des recherches de marque et des liens, et aucune page seule ne la crée.

Les deux échouent différemment. Une page pertinente sur un site sans autorité se positionne sur des formulations précises et plafonne sur le terme principal. Un site faisant autorité positionne une page mince sur un terme principal : c’est exactement ce que fait Ahrefs, dont une fiche de glossaire de 359 mots occupe la deuxième position sur topical relevance. Son texte ne porte presque aucun vocabulaire thématique. Son domaine porte tout.

La pertinence est donc nécessaire et insuffisante. C’est une chose inconfortable à publier pour une agence, et c’est vrai.

Comment un moteur peut calculer la pertinence

Nous ne pouvons pas observer les systèmes de classement de Google. Nous pouvons observer ce que ses propres documents décrivent, ce que ses publications de recherche disent, et quelles propriétés mesurables d’une page corrèlent avec la position. C’est toute la base de preuve disponible.

Les plongements vectoriels transforment une page en position

Les systèmes de recherche d’information modernes représentent le texte sous forme de vecteurs. Un modèle lit un document et produit une liste de nombres qui le situe dans un espace à grande dimension où les documents traitant de choses proches se retrouvent voisins. Google décrit cette approche dans sa recherche depuis des années. Hummingbird a amorcé le passage au-delà de la correspondance de chaînes en 2013, et BERT, RankBrain et MUM opèrent tous sur des représentations de ce type.

Ce qui compte pour la pertinence découle de cette conception. Si une page est une position dans un espace, les mots qui l’y placent sont ceux qui portent du sens, et répéter l’un d’eux ne déplace pas beaucoup cette position. Ajouter un mot que le sujet exige et que la page n’a pas la déplace nettement. L’étendue du vocabulaire change les coordonnées. La fréquence, très peu.

C’est un mécanisme, pas une preuve. Il explique tout de même pourquoi chaque étude de corrélation menée depuis dix ans retrouve la même forme.

Ce que la fuite de 2024 a nommé : siteFocusScore et siteRadius

En mai 2024, un large corpus de documentation interne de l’API Google est devenu public. Deux noms d’attributs y touchent directement au sujet de cette page.

siteFocusScore est décrit par l’analyse communautaire comme une mesure de la concentration du contenu d’un site sur une thématique unique. siteRadius mesure l’écart entre le contenu d’une page donnée et le thème central du site. À côté d’eux figure site2vecEmbedding, qui contient des plongements vectoriels d’un site entier plutôt que d’une page.

Lus ensemble, ces trois noms décrivent un système qui vectorise les pages, vectorise les sites, et mesure la distance entre les deux. C’est de la pertinence thématique à l’échelle du site, calculée.

Indépendamment de la fuite, Google détient un brevet sur l’évaluation de qualité à l’échelle du site (US9031929B1) et a déclaré publiquement que plusieurs de ses systèmes de classement centraux sont appris par machine plutôt qu’écrits à la main. Rien de tout cela ne nous dit le poids que chacun porte.

Ce que la fuite ne dit pas

La documentation nomme des attributs. Elle ne dit pas comment ils sont calculés, s’ils servent au classement en production, quel poids ils portent, ni si leurs valeurs ont changé depuis. Tout article qui vous explique avec assurance « comment fonctionne le siteFocusScore » extrapole.

Ces noms nous donnent la forme du problème que Google résout, et rien sur son ampleur. Nous traitons donc la fuite comme une confirmation que la concentration thématique est mesurée sous une forme ou une autre, et nous ne construisons aucun score dessus.

Une correction à la lecture courante : un score de concentration élevé n’est pas un score de qualité. Le Monde est un site de qualité avec presque aucune concentration thématique. Concentration et qualité sont deux évaluations distinctes.

Le vide de mesure dans les pages qui se positionnent

Nous avons mesuré les pages qui se positionnent en anglais sur topical relevance avec une liste unique de 151 termes et le même script sur chacune. Le résultat vaut d’être rapporté.

Sur les cinq pages comparables, ces termes apparaissent zéro fois : plongements vectoriels, siteFocusScore, siteRadius, éclatement de requête, AI Overviews, ChatGPT, Perplexity, graphe de connaissances, E-E-A-T, BERT, RankBrain, corrélation, référence de comparaison, étendue, termes distincts.

Les positions ci-dessous sont un relevé Semrush de septembre 2026 et non une vérification en direct : elles décrivent l’état de la SERP à cette date.

Chacune de ces pages affirme que les moteurs évaluent la pertinence. Aucune n’explique ce qu’un moteur pourrait compter, et aucune ne propose de vérifier si une page donnée en possède.

La densité va à rebours de la position sur cette SERP. Les deux pages les plus denses de l’échantillon occupent les huitième et dixième rangs. Sur cette requête précise, les indicateurs textuels ne départagent pas les gagnants : la force du domaine le fait. Nous préférons le dire plutôt que prétendre que nos propres chiffres expliquent un résultat qu’ils n’expliquent pas.

Cela fait de la mesure un plancher plutôt qu’un levier. Être la page mince d’une SERP est une façon de perdre. Être la page dense n’est pas en soi une façon de gagner.

La densité contextuelle : la pertinence exprimée en nombre

Il fallait un nombre pour la pertinence, parce qu’on ne compare pas ce qu’on ne compte pas. La densité contextuelle est ce que ProStar SEO a construit, et la démonstration complète vit sur notre page dédiée.

La formule

Densité contextuelle (DC) = (Σ(VMC) + Σ(EP) + Σ(LSI)) / (MT − MV) × 100

• Σ(VMC) : toutes les occurrences de variations du mot clé, morphologiques, syntaxiques et sémantiques.
• Σ(EP) : toutes les occurrences d’entités pertinentes, soit les noms propres, organisations, produits, normes et concepts nommés que le sujet implique.
• Σ(LSI) : toutes les occurrences de termes contextuellement co-occurrents, le vocabulaire qui entoure le sujet sans en être une variante.
• MT : le nombre total de mots du corps de texte, hors balisage et métadonnées.
• MV : le nombre de mots vides, ces mots outils à charge sémantique minimale.

Le résultat est le pourcentage de mots porteurs qui font un travail thématique. Ce n’est pas la densité de mots clés. La densité de mots clés compte une chaîne. La densité contextuelle compte tout le vocabulaire d’un sujet, et le mot clé exact n’en représente qu’une fraction.

Les trois catégories qui composent une liste de termes

Les variations de mot clé sont les façons de dire le sujet lui-même : singulier et pluriel, verbe et nom, abréviation et forme développée, et les extensions de longue traîne réellement saisies. « Optimisation sémantique », « référencement sémantique », « SEO sémantique » et « pertinence thématique » sont quatre variations d’une même idée, et une page qui les emploie toutes couvre plus de requêtes qu’une page qui en répète une quatre fois.

Les entités nommées sont les choses que le sujet implique : organisations, produits, outils, normes, personnes, lieux. Google les résout contre son graphe de connaissances plutôt que comme des chaînes, et la couverture d’entités sur l’ensemble de la page est le signal le plus fort de notre lecture de corrélation 2026. Le rôle des entités est détaillé dans notre page sur le SEO sémantique et les entités.

Les termes LSI sont le vocabulaire qui entoure fidèlement le sujet sans en être une variante ni une entité. Le nom est un accident historique, puisque l’indexation sémantique latente désigne une technique précise des années 1980 qui n’est pas ce que fait la recherche moderne, mais la catégorie qu’il désigne est réelle : les mots co-occurrents qu’un praticien du domaine emploie sans y penser.

Une liste de termes est l’union des trois, extraite des pages déjà positionnées. Elle ne s’écrit jamais à partir de votre propre brouillon, parce qu’une liste écrite depuis votre brouillon notera toujours bien votre brouillon.

La densité contextuelle unique, parce que les occurrences mentent

La DC additionne les occurrences, et c’est une vraie faiblesse : un terme employé cinq fois compte cinq. Une page peut donc afficher une DC élevée en répétant un vocabulaire restreint plutôt qu’en couvrant le sujet, ce que la mesure est précisément censée détecter. Nous mesurons donc un second nombre, qui compte chaque terme une seule fois quelle que soit sa récurrence.

Densité contextuelle unique (DCU) = (U(VMC) + U(EP) + U(LSI)) / (MT − MV) × 100

Seul le numérateur change. U(VMC) compte les variations distinctes présentes, U(EP) les entités distinctes, U(LSI) les termes co-occurrents distincts. Même dénominateur, même page, question différente. La DC demande combien de travail thématique le texte accomplit. La DCU demande quelle part du sujet le texte a touchée.

L’indice de répétition

Indice de répétition = DC ÷ DCU

Prenez une page de 1 000 mots utiles où les termes du sujet apparaissent 90 fois. Sa DC est de 9 %. Si ces 90 occurrences proviennent de 30 termes distincts seulement, sa DCU est de 3 % et l’indice de répétition vaut 3 : chaque terme couvert revient trois fois en moyenne.

Un indice autour de 2 ou 3 décrit une page qui introduit du vocabulaire nouveau au fil du texte. Un indice de 5 ou 6 décrit une page qui revient sans cesse sur un petit ensemble de termes. Deux pages peuvent afficher une DC identique en y étant arrivées par des chemins opposés, et l’indice de répétition est le seul des trois nombres qui les distingue.

Dans le tableau plus haut, img.courses atteint la densité la plus élevée de l’échantillon avec un indice de 4,87, tandis que marketmuse atteint une densité inférieure avec un indice de 3,07 sur une page deux tiers plus courte. Ce sont deux stratégies éditoriales différentes, et aucune n’est un verdict. Une page bien positionnée fait par définition quelque chose de juste.

La DCU a sa propre faiblesse, symétrique de celle de la DC : son dénominateur est la longueur, donc elle favorise les pages courtes. Une page de 400 mots plaçant 17 termes distincts affichera une DCU supérieure à une page de 4 000 mots en plaçant 118, alors que la seconde couvre environ sept fois plus du sujet.

Étendue multipliée par densité

L’étendue est la part du vocabulaire du sujet que la page emploie, ce que compte le numérateur de la DCU. La densité est la part de la page faite de ce vocabulaire. La relation entre les deux est multiplicative plutôt qu’additive, parce qu’une page proche de zéro sur l’une n’est pas sauvée par l’autre.

Large sans être dense : une page qui mentionne tout une fois dans quarante mille mots de remplissage. Dense sans être large : une page qui répète six termes jusqu’à ce que le pourcentage paraisse respectable. Le produit est faible dans les deux cas, et cela reste une approximation : elle décrit ce à quoi les pages pertinentes ressemblent quand on les mesure, pas une métrique dont Google nous aurait annoncé le calcul.

Ce que dix-huit mois de corrélation disent

Nous avons mené la même analyse en mars 2025 puis en août 2026. Les données viennent de Cora, d’études de corrélation publiées, et de nos propres scripts de mesure exécutés sur des pages concurrentes en production. Un coefficient négatif indique un lien avec de meilleures positions.

Trois des quatre premiers facteurs de la lecture 2026 mesurent l’étendue du vocabulaire employé. Le quatrième mesure la part de ce vocabulaire partagée avec les pages déjà positionnées, et c’est désormais le facteur le plus fort du tableau.

Une baisse mérite d’être nommée plutôt que lissée. Les entités dans la balise title passent de −0,25 à −0,18, le plus grand mouvement de tous les facteurs mesurés dans les deux exports. La couverture d’entités sur l’ensemble de la page passe devant, et le placement en title descend au bas des facteurs on-page. Les balises title n’ont pas cessé de compter. Y empiler toutes les entités possibles était une mauvaise leçon tirée du chiffre de 2025.

Ce que le nombre de mots fait dans ce tableau

Le nombre de mots apparaît à −0,21 et nous le rapportons parce qu’il figure dans l’export. Nous ne l’acceptons pas comme facteur de positionnement.

Couvrir un sujet exige un certain nombre de termes contextuels, d’entités et de variations, et placer ces termes dans des phrases lisibles prend des mots. La longueur d’un texte est donc le résidu de sa couverture sémantique plutôt que la raison de son positionnement, ce qui explique pourquoi la corrélation est réelle mais moyenne, et pourquoi gonfler une page mince pour atteindre un objectif de mots ne produit rien : les mots arrivent sans les termes.

Les limites honnêtes d’un tableau de corrélation

Le jeu de données de Cora est construit à partir des requêtes que ses propres utilisateurs lancent, ce qui penche fortement vers le web anglophone américain. Ce n’est pas un recensement d’internet, et aucun outil de corrélation n’en possède un.

Google modifie par ailleurs ses systèmes en continu. Sur la dernière année pour laquelle il a publié des chiffres complets, il rapporte 3 234 lancements sur 654 680 expérimentations, soit environ neuf changements par jour. Face à cela, un coefficient qui bouge de quelques centièmes entre deux relevés espacés de dix-huit mois est le résultat attendu.

Ce qui a survécu aux deux lectures, c’est l’ordre des catégories plutôt que la précision des nombres. Variation sémantique, couverture d’entités et densité contextuelle sont en tête dans les deux. Le nombre brut de backlinks est loin derrière dans les deux.

Pertinence et autorité thématique face à la recherche générative

Les moteurs de réponse ont changé la moitié du problème qui compte, et la plupart des stratégies de contenu écrites avant 2025 n’ont pas suivi. Generative engine optimization est le nom que le secteur a retenu, et la mécanique ci-dessous explique pourquoi la pertinence thématique y pèse plus que dans la recherche organique classique.

L’éclatement de requête récompense l’étendue du vocabulaire

Un moteur de réponse à qui l’on soumet une question ne lance pas une recherche. Il décompose la question en plusieurs sous-requêtes, interroge pour chacune, puis synthétise. Google décrit ce comportement pour les AI Overviews, et on l’observe dans les traces de recherche de ChatGPT et de Perplexity.

La conséquence est directe. Une page qui couvre un sujet avec une seule formulation peut être rappelée par une sous-requête. Une page qui le couvre avec vingt-quatre formulations distinctes, les entités du domaine et le vocabulaire qui l’entoure devient éligible à beaucoup d’entre elles. L’éclatement multiplie la valeur de l’étendue d’une façon que le classement classique ne faisait pas, puisqu’il n’offrait qu’une chance par requête.

Pourquoi un moteur de réponse cite une page dense

Être rappelé fait considérer la page. Être cité exige autre chose : le passage que le modèle extrait doit répondre à la sous-requête seul, sans le reste de la page.

Une page à forte étendue et faible densité mentionne chaque terme une fois en passant, donc tout passage contenant un terme est un passage qui ne l’explique pas. Une page qui a les deux couvre le terme et en dit quelque chose de précis dans les mêmes trois phrases. C’est la seconde qui est citée, parce que c’est elle qui est citable.

Nous observons ce comportement sur nos propres propriétés et chez des clients, et nous suivons la visibilité IA de nos comptes plutôt que de la déduire. Le motif est assez constant pour agir dessus, et nous ne l’avons pas isolé des autres changements apportés à ces pages : nous le tenons donc pour une observation opérationnelle et non pour un résultat mesuré.

La notoriété de marque échappe au travail on-page

La documentation de 2024 a exposé un attribut siteAuthority appliqué dans le système de classement Q* de Google, et un attribut chromeInTotal enregistrant les vues Chrome à l’échelle du site. La première recommandation de Rand Fishkin après lecture de ces documents était de construire une marque reconnaissable en dehors de la recherche Google.

Les données extérieures vont dans le même sens. Une étude Ahrefs portant sur 75 000 marques, publiée en mai 2025, trouve les mentions de marque corrélées à 0,664 avec la visibilité dans les AI Overviews et le volume de recherche de marque à 0,392, contre 0,218 pour les backlinks.

La pertinence vous fait rappeler, la marque vous fait choisir, et aucune quantité de travail sur le vocabulaire ne remplace la seconde.

Construire la pertinence, dans l’ordre qui fonctionne

Partir du vocabulaire de la SERP, pas du vôtre

Le facteur le plus fort des données 2026 est le nombre de facteurs qu’une page partage avec celles déjà positionnées. Cela signifie que la référence de votre page est le vocabulaire employé par le haut des résultats, et qu’il est extractible.

Prenez les cinq pages comparables les mieux positionnées sur votre requête. Extrayez toutes les variations, entités et termes co-occurrents, fusionnez en une liste, comptez combien des cinq emploient chaque terme. Les termes employés par les cinq sont des obligations. Ceux employés par une ou deux sont des occasions. Ceux qu’aucune n’emploie et que le sujet exige vraiment sont l’endroit où une page se distingue.

La recherche de mots clés vient d’abord, avec un rôle différent de l’habitude : vous ne cherchez pas une requête à viser, vous cartographiez le sujet autour de celle que vous avez déjà. Partez du mot clé racine, tirez les rapports d’expression et de questions, et lisez la longue traîne pour les sous-questions qu’elle révèle plutôt que pour son volume individuel. La Search Console vous dira sur quelles requêtes vos pages remontent déjà, ce qui constitue l’analyse d’écart de contenu la plus rapide à votre disposition. Semrush, Ahrefs et Moz se contredisent sur presque tous les chiffres qu’ils publient, alors traitez toute valeur isolée comme une estimation et la direction comme le constat.

Le nombre de termes justes est fixé par le marché, pas par une règle. Une requête commerciale concurrentielle peut exiger 180 termes, une requête locale étroite 60. Aucun seuil n’a jamais été trouvé, et nous avons cherché.

Le cocon sémantique est la moitié qui se joue à l’échelle du site

Une page pertinente reste seule. Un ensemble de pages dit au moteur que le sujet est ce à quoi votre site sert, ce qui est la moitié siteFocusScore de la mesure.

Construisez une page pilier qui couvre largement le sujet, et des pages de soutien qui en traitent les composantes en profondeur. La page pilier pointe vers chaque page de soutien, chaque page de soutien remonte vers la page pilier, et les pages de soutien apparentées se lient entre elles là où le lien est réel plutôt que fabriqué. C’est la logique du maillage interne en silo, que la tradition SEO francophone appelle cocon sémantique.

Deux échecs reviennent assez souvent pour être nommés. Le premier est un ensemble de pages qui couvrent les mêmes sous-thèmes en mots légèrement différents, ce qui produit de la cannibalisation plutôt que de la couverture. Le second est une page pilier dont les pages de soutien ne remontent jamais, laissant le contenu de soutien orphelin de la structure qu’il devait renforcer.

Les ancres portent le sujet

Les variations dans l’ancre des liens corrèlent à −0,22, au-dessus du nombre de mots. L’ancre est l’un des rares endroits où vous énoncez, avec vos mots, de quoi traite une page, et les ancres génériques gaspillent cela entièrement.

Écrivez des ancres qui nomment le sujet de la page de destination. Gardez la profondeur de clic des pages importantes à trois ou moins depuis l’accueil. Repérez les pages orphelines, parce qu’une page vers laquelle rien ne pointe est une page dont votre site ne se porte pas garant. La structure d’URL, les balises de titre, la meta description et les données structurées disent la même chose sous d’autres formes : aucune ne dépasse le vocabulaire, toutes sont peu coûteuses.

Le hors-sujet dilue, il ne se contente pas de ne rien rapporter

C’est la partie que la plupart des équipes prennent à l’envers, et siteRadius en est la raison.

Si un moteur mesure l’écart de chaque page au thème central d’un site, alors publier une page hors de ce thème ne se contente pas de ne rien rapporter. Cela déplace la moyenne. Un couvreur bien positionné sur « meilleurs bars en terrasse » a un chiffre de trafic et un problème de pertinence, et le trafic est la raison pour laquelle personne ne corrige.

Le test que nous utilisons : la personne qui lit cette page vous embaucherait-elle un jour, ou votre propre équipe l’enverrait-elle à un prospect? Si ni l’un ni l’autre, la page appartient ailleurs. Un audit de contenu se mène avec les données que vous avez déjà : sortez vos pages les plus vues sur douze mois, posez le trafic organique à côté des conversions, et décidez page par page de réécrire vers le sujet que vous vendez réellement, de rediriger, ou de supprimer. Supprimer est la décision à laquelle les équipes résistent le plus, parce que le chiffre de trafic ressemble à un actif.

Une limite à nommer : nous ne savons pas où s’arrête la frontière de la pertinence thématique. Citer Molière dans un article sur la rédaction web paraît pertinent à un humain et peut être lu comme du bruit par l’algorithme. Certains termes contextuels soigneusement choisis diluent probablement au lieu d’aider, et nous ne pouvons pas dire lesquels.

Mesurer une page que vous avez déjà

Rien dans cette méthode n’exige un abonnement. Elle exige de compter.

1. Prenez les cinq pages les mieux positionnées sur votre requête qui sont du même type que la vôtre. Écartez annuaires, listes et contenus d’utilisateurs, qui se positionnent sur la plateforme plutôt que sur le texte.
2. Extrayez de ces cinq pages toutes les variations, entités et termes co-occurrents. Fusionnez en une liste. Notez combien des cinq emploient chaque terme.
3. Comptez les mots du corps de chaque page concurrente, hors navigation, pied de page et balisage. Soustrayez les mots vides.
4. Comptez les occurrences de chaque terme de la liste dans chaque page. Divisez par le nombre de mots hors mots vides, multipliez par 100. C’est la densité contextuelle de chaque concurrent contre une liste commune.
5. Comptez combien de termes distincts chaque page emploie au moins une fois. C’est son étendue. Divisez la densité par la densité unique pour obtenir l’indice de répétition.
6. Faites tourner le même comptage sur votre page contre la même liste. La comparaison n’est valable que si la liste et la méthode sont identiques pour toutes les pages mesurées, la vôtre comprise.

Votre page doit dépasser le meilleur concurrent mesuré sur la densité et sur l’étendue. Comblez un écart de densité en ajoutant un terme absent, jamais en répétant un terme déjà placé : la répétition élève la densité, laisse l’étendue immobile et ne déplace rien de ce que les corrélations relient au classement.

La version publiée de cette méthode, avec la démonstration complète et les pondérations, est l’Indice de densité contextuelle.

Ce que la pertinence thématique ne fera pas

Elle ne compense pas une page qu’un moteur peine à explorer, indexer ou afficher. Indexation, canonicalisation, Core Web Vitals, rendu mobile, HTTPS et profondeur de clic sont des prérequis, et le travail sémantique sur des fondations cassées ne rapporte rien.

Elle ne fournit pas la notoriété, et les données sur les AI Overviews plus haut suggèrent que la marque est désormais le signal le plus lourd pour être cité dans les réponses générées.

Elle ne remplace pas l’expertise. L’E-E-A-T est vaguement défini et reste au moins le cadre de Google lui-même, et sa part de fiabilité vient de qui a écrit la page, de ce que cette personne a fait, et de qui le dit ailleurs. Nous ne raisonnons pas non plus à partir des scores d’autorité des éditeurs d’outils : chacun invente le sien, ils se contredisent, et l’un d’eux prend le trafic organique en entrée, ce qui rend circulaire l’explication d’un mauvais positionnement par un score faible.

Elle ne survit pas au contact des signaux d’engagement. Les documents fuités décrivent NavBoost, un système fondé sur les clics et le temps passé, et aucun vocabulaire ne rend bonne à ses yeux une page que les gens quittent aussitôt.

Et c’est un indicateur indirect. Tout ce qui précède décrit ce à quoi les pages pertinentes ressemblent quand on les mesure, validé sur environ 80 % des mises en œuvre clients où nous l’avons appliqué et où la fondation technique était saine. C’est une observation opérationnelle tirée de notre propre parc de clients, pas une étude contrôlée, et nous l’énonçons comme telle.

Questions fréquentes

Qu’est-ce que la pertinence thématique en une phrase?

La pertinence thématique est le degré de correspondance entre le vocabulaire d’une page et le vocabulaire qu’un moteur de recherche associe au sujet que cette page prétend traiter.

Pertinence thématique et autorité thématique, quelle différence?

La pertinence thématique est une propriété mesurable d’une page, établie par les termes qu’elle emploie. L’autorité thématique est une réputation à l’échelle du site, bâtie dans le temps par la couverture, les citations, les liens et les recherches de marque. Une page pertinente sur un site neuf se positionne sur des formulations précises et plafonne sur les termes principaux, parce que ce sont eux que l’autorité porte.

La pertinence thématique est-elle un facteur de positionnement Google?

Google n’a jamais publié de facteur portant ce nom. Ce que les preuves soutiennent est plus étroit : la fuite documentaire de 2024 nomme des attributs mesurant la concentration thématique, les systèmes de recherche de Google opèrent sur des représentations sémantiques plutôt que sur des chaînes, et l’étendue du vocabulaire d’une page corrèle avec la position plus fortement que toute autre propriété on-page que nous mesurons. C’est un indice fort, ce n’est pas une preuve.

En quoi cela diffère-t-il de la densité de mots clés?

La densité de mots clés compte les occurrences d’une chaîne rapportées au total des mots. La pertinence thématique concerne tout le vocabulaire d’un sujet, dont le mot clé exact n’est qu’une fraction. Le terme exact doit rester présent dans le title, le H1 et le corps, et sa fréquence au-delà corrèle faiblement. Les variations distinctes corrèlent plus fortement que la répétition du terme central.

Combien de mots faut-il à une page pertinente?

Aucun objectif de mots. Le nombre de termes contextuels que le sujet exige est fixé par ce que les pages positionnées couvrent déjà, et la longueur est ce qu’il faut pour placer ces termes dans des phrases lisibles.

Cocon sémantique et pertinence thématique, est-ce la même chose?

Non, et la confusion est courante en français. Le cocon sémantique décrit une architecture de maillage interne, donc la façon dont les pages se relient. La pertinence thématique décrit le vocabulaire à l’intérieur d’une page. Un cocon parfaitement construit fait de pages au vocabulaire mince reste un cocon de pages minces.

Le hors-sujet nuit-il vraiment à mes autres pages?

L’attribut siteRadius décrit une mesure de l’écart de chaque page au thème central du site, ce qui implique une moyenne que les pages hors-sujet déplacent. Nous n’avons pas isolé l’effet expérimentalement et personne hors de Google ne l’a fait. Notre position est qu’un contenu attirant un trafic qui ne deviendra jamais client mérite d’être retiré pour des raisons commerciales, que la dilution algorithmique soit réelle ou non.

Cela compte-t-il pour ChatGPT et les AI Overviews?

Davantage que pour le classement classique. Les moteurs de réponse décomposent une question en plusieurs sous-requêtes et interrogent pour chacune, donc une page qui couvre son sujet avec de nombreuses formulations distinctes devient éligible à bien plus de rappels. Être cité exige ensuite des passages qui répondent seuls à une sous-requête, ce qui demande de la densité autant que de l’étendue.

Mesurez vos pages avant de les réécrire

La plupart des pages qui sous-performent ne sont pas mal écrites. Elles sont étroites, et personne n’a compté à quel point. ProStar SEO mesure la densité contextuelle et l’étendue de chaque page que nous touchons, contre les pages actuellement positionnées, avant qu’un mot ne change.

Pour savoir où vos pages se situent face au marché, écrivez-nous et nous ferons la mesure sur trois d’entre elles.