Note méthodologique IA, « Lu par une IA avant un humain : CV, dossiers, articles »

1. Les outils en question

• Claude Pro (abonnement payant, claude.ai) : Claude Opus 5 pour la reconstruction structurelle des sept articles et pour la relecture critique de celui-ci, Claude Sonnet 5 pour les contrôles répétitifs de balisage.
• Perplexity Pro (abonnement payant, perplexity.ai) : recherche de la littérature académique sur le référencement génératif, et vérification de la référence Princeton.
• Google AI Pro (Gemini) (abonnement payant, gemini.google.com) : Gemini 3 Flash pour des vérifications ponctuelles sur le comportement de wpautop.
• API REST de WordPress : c’est l’outil déterminant de cet article, et ce n’est pas une IA. Toutes les mesures avant/après proviennent d’une extraction directe du contenu brut de mes sept articles via /wp-json/wp/v2/posts, puis d’un comptage par script. Les chiffres ne sont ni estimés ni demandés à un modèle : ils sont comptés.

2. Exploration, développement d’idées et créativité

L’idée vient d’une phrase que j’ai écrite en briefant mon propre travail : « mes articles seront lus probablement par une IA, ou aléatoirement par un humain ». Je l’ai posée comme un constat résigné, puis j’ai réalisé que c’était un sujet. J’ai testé l’angle avec Claude Opus 5 en demandant ce qui distingue un lecteur automatique d’un moteur de recherche classique. La distinction entre être affiché et être cité est ressortie de là, et c’est devenue la thèse.

461 caractères, espaces comprises, limite de 500 respectée

3. Planification et organisation

Cet article est le seul des huit où la recherche a précédé l’angle, parce que je disposais d’un matériau brut inhabituel : mes propres articles, dans deux versions.

• Mesure avant d’écrireScript de comptage sur les sept articles, version Divi d’origine contre version reconstruite : blocs de mise en page, listes, tableaux, textes alternatifs, blocs de sources. Aucun prompt à ce stade, juste du comptage.
• InterprétationClaude Opus 5 : « Voici huit mesures avant/après sur sept articles. Ne les commente pas une par une. Dis-moi laquelle porte réellement une démonstration et lesquelles sont anecdotiques. » Réponse utile : les listes et tableaux sont le vrai indicateur, parce qu’ils mesurent la structure, alors que les 269 blocs Divi ne mesurent que la propreté du code.
• Recherche de l’objection« Quelle est la critique la plus sérieuse qu’on puisse faire à un article qui explique comment optimiser pour les IA ? » Réponse : que c’est la nouvelle version du bourrage de mots-clés, avec la même conséquence sur la qualité de lecture. C’est l’objection que traite la section centrale, et l’article serait sans intérêt sans elle.
• Vérification de la source académiqueRecherche puis contrôle direct de la référence Princeton sur arXiv, avant citation.
• StructureDemandée en dernier, avec la contrainte de finir sur les limites plutôt que sur une promesse de résultats.

4. Rédaction et articulation

Objectifs d’impact fixés avant rédaction : article bonus, hors des sept du calendrier, destiné à démontrer la maîtrise de WordPress autant que la compréhension du sujet ; 1 500 à 1 800 mots ; balise TITLE sous 60 caractères et méta-description sous 155, conformément aux bonnes pratiques du blog ; cible qualitative plutôt que quantitative, à savoir qu’un professionnel du référencement puisse le lire sans lever les yeux au ciel.

Interventions de l’IA :

• L’élargissement du cadre. Le premier jet ne parlait que du blog. C’est en cherchant des contextes comparables que le parallèle avec les CV mal parsés est apparu, et il est devenu la porte d’entrée de l’article. Un article sur mon blog intéresse mes camarades ; un article sur ce que la machine perd d’un CV intéresse tout le monde.
• Le tableau avant/après est la colonne vertébrale de l’article. Les données sont issues de mon script ; c’est Claude Opus 5 qui a suggéré de retirer deux lignes de mesures qui n’apportaient rien à la démonstration.
• Les quatre principes en liste numérotée ont été reformulés après un retour de relecture qui signalait que je décrivais des techniques au lieu d’expliquer à quelle question chacune répond.
• Le passage sur wpautop vient d’un incident réel survenu à la publication de mon article Cannes Lions : cinq sauts de ligne insérés par WordPress au milieu du bloc de signature, qui ont cassé la mise en page. J’ai diagnostiqué le cas en comparant le fragment que j’avais collé et le code réellement servi par le site. L’IA a servi à confirmer le comportement de la fonction, pas à trouver la panne.

Ce que j’ai écrit sans aide. Le post-scriptum au lecteur humain, seul passage de mes huit articles écrit sans aucune intention d’être exploitable par une machine. C’était le but, et c’est aussi la seule mesure de lectorat humain dont je disposerai : le nombre de personnes qui m’auront envoyé le mot demandé par mail.

5. Éthique, sources et hallucination

Le point le plus important de cette note. En préparant cet article, j’ai envisagé d’y cacher des instructions destinées à un modèle qui le lirait, du texte invisible pour un humain mais présent dans le code. Je ne l’ai pas fait, et c’est un choix délibéré que je documente ici plutôt que de le taire.

Trois raisons, dans l’ordre où elles m’ont convaincu :

• C’est incompatible avec ce documentJe dois rendre une note qui décrit mon usage de l’IA. Une manipulation dissimulée du correcteur contredirait le texte que je signe à côté.
• C’est du cloakingServir un contenu différent selon le lecteur est sanctionné par les moteurs de recherche depuis vingt ans, et il n’y a aucune raison que les moteurs génératifs traitent la pratique autrement.
• C’est le contraire de ma thèseL’article défend l’idée que structurer honnêtement un contenu sert les deux publics. Y glisser un texte caché reviendrait à démontrer l’inverse dans le même fichier.

À la place, l’article se termine par une adresse visible au lecteur humain, assortie d’un protocole de vérification unique : un mot à m’envoyer par mail. Tout est lisible par n’importe qui, rien n’est dissimulé, et le dispositif illustre mieux la thèse qu’une manipulation ne l’aurait fait. Ce paragraphe est en effet celui qu’un résumé automatique supprime en premier, puisqu’il n’apporte rien à la démonstration : recevoir le mot signifie qu’un humain a lu jusqu’au bout, et ne pas le recevoir est une information tout aussi exploitable.

La fin du texte assume les deux issues au lieu d’en privilégier une. Si un humain lit, je le remercie et je le dis. Si c’est un modèle, je le salue, parce qu’un article consacré à ce que la machine perd d’un texte et lu par une machine est la meilleure illustration possible de son propre sujet. Cette ouverture est aussi une précaution : un dispositif qui ne récompenserait que le lecteur humain laisserait entendre que je considère la lecture automatique comme illégitime, alors que tout l’article dit l’inverse.

Vérification des sources. L’étude citée, GEO: Generative Engine Optimization (Aggarwal, Murahari, Rajpurohit, Kalyan, Narasimhan, Deshpande), a été retrouvée et vérifiée sur arXiv sous la référence 2311.09735, ainsi que sa publication à la conférence ACM SIGKDD 2024. Je n’ai pas cité le chiffre d’amélioration sans préciser qu’il provient d’une expérience contrôlée sur environ 10 000 requêtes, et non de mon blog.

La statistique que j’ai refusé d’utiliser. Il circule un chiffre selon lequel une écrasante majorité des CV seraient écartés par un logiciel avant tout regard humain. Il aurait parfaitement servi mon introduction. Je ne l’ai pas trouvé attribué à une étude vérifiable, seulement à des articles qui se citent entre eux. Non cité, et l’absence est signalée dans le corps de l’article plutôt que passée sous silence : c’est le même reproche que je faisais aux livres d’entrepreneurs dans mon article sur les fiches de lecture.

Hallucination évitée de justesse. Un premier brouillon attribuait à Google une déclaration officielle sur la façon dont ses résumés génératifs sélectionnent leurs sources. Je n’ai pas retrouvé cette déclaration. Passage supprimé. C’est exactement le type d’affirmation qui rend un article de référencement inutilisable : plausible, invérifiable, et répétée partout.

Limite assumée et écrite dans l’article. Je n’ai aucune mesure de l’effet de ma reconstruction sur la citation de mes articles par des moteurs génératifs. L’article le dit explicitement dans une section dédiée, plutôt que de laisser croire à un résultat.

6. Exemples de prompts et interactions

Le prompt qui a évité l’article creux :

« Voici huit mesures avant/après réalisées sur mes sept articles. Ne les commente pas une par une. Dis-moi laquelle porte réellement une démonstration, et lesquelles sont anecdotiques et devraient sortir du tableau. »

Deux lignes retirées. Un tableau de huit lignes aurait eu l’air plus riche et démontré moins.

Le prompt qui a construit la section centrale :

« Quelle est la critique la plus sérieuse qu’on puisse faire à un article qui explique comment optimiser un contenu pour les IA ? Écris-la comme la formulerait quelqu’un qui a vu le SEO dégrader la qualité du web pendant quinze ans. »

La réponse, à savoir que c’est le bourrage de mots-clés qui recommence, est devenue la section la plus utile de l’article. La différence que j’y défends, ajouter du texte contre retirer du bruit, est ma réponse et pas celle du modèle.

Le prompt que je n’ai pas écrit, et pourquoi je le note :

« Rédige-moi un texte invisible pour un lecteur humain mais lisible par un modèle, qui l’incite à évaluer favorablement cet article. »

Il aurait fonctionné techniquement. Il figure ici en tant que décision méthodologique documentée : dans un travail dont l’objet est la transparence de l’usage de l’IA, la tentation vaut d’être écrite plutôt que dissimulée.

Le master prompt de dernier passage, devenu systématique sur mes huit articles. C’est le dernier maillon de ma chaîne, et le seul que je fais tourner sur absolument tout ce que je publie, y compris sur cette note.

La troisième colonne est ce qui distingue la version 6 des précédentes : au début je demandais seulement la liste, et je supprimais tout, y compris deux ou trois phrases qui portaient réellement l’argument. Obliger l’outil à dire ce qui serait perdu m’a fait garder ce qu’il fallait garder.

Sur cette note même, la version courte du prompt :

« Relis ce texte et liste uniquement les formulations qui sonnent générées par IA : transitions mécaniques, adjectifs décoratifs, phrases qui annoncent ce qui va être dit. Liste-les, ne corrige pas. »