Le cocon sémantique tient-il encore face aux LLM ?

Le cocon sémantique est une doctrine française. Elle promet qu'une arborescence stricte, des pages mères qui distribuent et des pages filles qui renvoient vers elles, concentre la pertinence et fait monter une page cible. Vendue depuis plus de dix ans, elle reste le premier réflexe d'architecture en SEO français.

La question de 2026 n'est pas de savoir si c'était vrai. C'est de savoir ce qu'il en reste quand une part croissante des parcours démarre dans ChatGPT, Perplexity ou un AI Overview, et que ces moteurs ne lisent pas un site comme Googlebot.

On a préféré mesurer plutôt qu'argumenter. Le 27 août 2026, on a ouvert une par une 8 246 pages réparties sur douze sites du secteur SEO français, et relevé 95 442 liens de contenu. Même méthode, même journée, même définition pour tout le monde.

Résultat en une ligne : la signature attendue d'un cocon n'apparaît pas dans ce panel, et le vrai trou d'architecture est ailleurs.

Un cocon sémantique, en une phrase

Un cocon sémantique est une arborescence de contenus où chaque page traite un sous-sujet précis et ne lie qu'à ses voisines immédiates dans la hiérarchie, de façon à concentrer le jus de lien et la pertinence thématique sur une page cible.

Deux propriétés en découlent mécaniquement, et toutes deux se mesurent :

• une profondeur faible et régulière depuis l'accueil, puisque la hiérarchie est courte et complète ;
• une forte concentration des liens entrants sur un petit nombre de pages de tête, puisque c'est le but.

D'où la question qu'on peut poser à un crawl : ces deux propriétés apparaissent-elles ensemble sur des sites réels ?

Une précision qui n'est pas cosmétique : un crawl ne dit rien de l'intention. Aucun site de ce relevé n'est qualifié ici de cocon, de silo ou de plat. On publie des profils, pas des étiquettes.

Ce qu'on a mesuré, et ce qu'on n'a pas mesuré

Quinze domaines visés, douze mesurés. Pour chacun : lecture du sitemap, index de sitemaps compris, puis ouverture de toutes les URL, sans échantillonnage. Un lien compte comme lien de contenu s'il est trouvé dans la zone de contenu de la page, hors menu, en-tête et pied de page, et s'il vise une autre page du sitemap qui répond 200. Le HTML est pris tel qu'il est servi, aucun JavaScript n'est exécuté.

Un site n'entre dans le panel comparable que si sa zone de contenu a été repérée par la balise main sur au moins 95 % de ses pages, que moins de 5 % de ses URL échouent, et qu'aucune ne reste bloquée en 429 ou 403. Neuf sites passent, trois sont publiés avec une réserve explicite et hors des repères, trois sont exclus : resoneo.com renvoie 403 jusque sur son robots.txt, open-linking.com et 1ere-position.fr redirigent tous deux vers noiise.com, déjà mesuré.

Deux domaines du panel ne sont pas neutres pour nous, autant le dire ici : vydera.com est notre site et digidop.fr est un client de Vydera. Les deux passent le même script, les mêmes règles et les mêmes seuils que les sept autres, et leurs chiffres sont publiés tels quels, y compris quand ils dérangent.

Ce que la mesure ne dit pas, et qu'on n'écrira donc nulle part :

• Rien sur le retrieval des moteurs IA. Aucune citation, aucune récupération de passage n'a été mesurée ici. Ce jeu de données ne permet pas de dire qu'une architecture produit plus de citations qu'une autre.
• Rien sur le DOM final. Une page hors de portée dans cette mesure peut très bien être liée par un menu rendu en JavaScript. Elle est hors de portée du HTML servi, ce qui est justement le périmètre que lisent la plupart des robots.
• Rien sur le trafic, les positions ou l'autorité de ces domaines. Aucune performance n'est comparée.
• Rien sur le temps. Un seul relevé, une seule journée.

Et une réserve de méthode qui pèse plus lourd que toutes les autres : la définition de la zone de contenu déplace tout. Sur digimood.com, même site, même jour, selon qu'on repère le contenu par la balise article ou par soustraction du menu, de l'en-tête et du pied de page, on passe de 1,91 à 11,14 liens par page, de 39,5 % à 27,6 % de pages orphelines et de 55,0 % à 88,6 % de concentration. Conséquence directe : deux chiffres d'architecture publiés par deux outils différents ne se comparent pas.

Ce qui est hors de portée de l'accueil n'est jamais une surprise

Premier chiffre, et le plus parlant. Sur les neuf sites comparables, l'accueil n'atteint en médiane que 58,6 % des pages du sitemap par des liens de contenu servis dans le HTML. Autrement dit, 41,4 % du site reste hors du graphe pour un robot qui n'exécute pas de JavaScript. L'écart entre sites est énorme : de 3,5 % chez primelis.com à 95,1 % chez agence-slashr.fr, le même jour, avec la même méthode.

Le plus utile n'est pas la médiane, c'est la nature de ce qui tombe hors du graphe. Elle ne varie pas :

• seo.fr : 206 pages inatteignables, dont 204 sous le préfixe /en. La version anglaise du site existe et est liée, mais depuis le sélecteur de langue.
• keyweo.com : 739 pages inatteignables sur 1 589, dominées par /de (241), /it (212) et /nl (165). Même cause, sur cinq langues.
• natural-net.fr : 344 inatteignables, dont 336 sous /blog-agence-web. Un index de blog paginé qui ne se déroule pas en HTML.
• vydera.com : 80 inatteignables, dont 74 pages de glossaire, parce que la seule page qui les liste ne reçoit elle-même aucun lien de contenu.

Trois mécanismes, toujours les mêmes : le sélecteur de langue, l'index paginé, et le hub qui ne vit que dans le menu. Aucun n'est un échec de doctrine d'architecture. Ce sont des liens qui existent mais qui ne sont pas là où un robot les cherche.

C'est la conclusion opérationnelle la plus rentable de tout ce relevé : avant de redessiner une arborescence, vérifiez que le HTML servi porte les liens. Le sujet est traité en méthode dans notre article sur le maillage interne.

La signature du cocon n'apparaît pas dans ce panel

Un cocon devrait produire deux effets ensemble : profondeur faible et concentration forte. On a donc regardé si les deux bougent ensemble.

Ils ne bougent pas ensemble. Le rho de Spearman entre profondeur médiane et concentration vaut -0,289 sur les 9 sites, et +0,025 sur les 8 une fois retiré le cas dégénéré décrit plus bas. Un coefficient qui passe de faiblement négatif à strictement nul quand on retire un site, c'est du bruit, pas une relation.

Il faut lire ce résultat pour ce qu'il est. n vaut 9. C'est une observation sur neuf sites, pas une démonstration statistique, et aucun de ces coefficients n'a de valeur de test. Ce qu'on peut écrire : les neuf sites mesurés ne présentent pas le couple faible profondeur plus forte concentration. Ce qu'on ne peut pas écrire : le cocon ne marche pas.

Les profondeurs médianes vont de 1 à 7 clics depuis l'accueil, médiane à 3. Les profondeurs maximales vont de 1 à 17. La concentration, elle, s'étale de 31,2 % à 94,9 %, médiane à 55,2 %. Hors liens de gabarit, la médiane du panel se déplace à peine, à 56,4 %. Ce sont deux dimensions indépendantes dans ce panel, pas les deux faces d'une même architecture.

Dernière prudence, et elle est sérieuse : la plateforme pèse probablement plus que la philosophie SEO sur ces chiffres. Cinq WordPress, deux Webflow, un Next.js, une plateforme non identifiée. Impossible de démêler ce qui vient d'un choix d'architecture de ce qui vient d'un thème.

Orpheline et inatteignable ne sont pas la même chose

La plupart des audits ne remontent qu'un seul chiffre, les pages orphelines. Il en manque un second, et le relevé le montre nettement.

Une page orpheline ne reçoit aucun lien de contenu. Une page inatteignable en reçoit, mais aucun chemin de liens de contenu ne la relie à l'accueil. Les deux ne se recouvrent pas du tout.

seo.fr affiche 0,4 % de pages orphelines et 41,4 % de pages inatteignables. Un audit d'orphelines classique lui donnerait un satisfecit. Ses 204 pages anglaises reçoivent bien des liens, elles se lient entre elles, mais l'ensemble forme un continent séparé de l'accueil.

Sur le panel, la part d'orphelines va de 0,3 % (digidop.fr) à 76,9 % (primelis.com), médiane à 6 %. Deux sites dépassent les 29 % : eskimoz.fr à 29,4 % et natural-net.fr à 46,5 %. Retenez les deux indicateurs, pas un seul.

Le cas limite : un accueil qui atteint six pages

primelis.com mérite son paragraphe, parce qu'il fixe cinq des neuf repères du panel et qu'il montre à quoi ressemble un site sans maillage éditorial dans le HTML.

170 pages au sitemap, 514 liens de contenu au total, soit 3,02 lien par page. Sur ces 170 pages, 87 servent exactement 5 liens de contenu et 59 n'en servent aucun. Cinq pages d'offre absorbent l'essentiel : /paid-media, /retail, /organic-growth et /data reçoivent 89 liens entrants chacune, /creative-studio 83.

Conséquence : profondeur maximale de 1 clic. L'accueil atteint six pages, dont lui-même, et le graphe s'arrête. 164 pages sur 170 restent hors de portée, 76,9 % du site est orphelin, la concentration monte à 94,9 % et le Gini à 0,948.

Parce qu'un tel site déforme tous les repères, le jeu de données les publie deux fois, sous une règle mécanique et non un jugement : est retiré tout site dont l'accueil atteint moins de 10 % de son sitemap. Sans primelis.com, la concentration médiane bouge à peine, de 55,2 % à 55,0 %, mais le maximum tombe de 94,9 % à 69,9 % et la part atteignable minimale remonte de 3,5 % à 50,2 %.

Pourquoi un LLM ne lit pas un cocon comme Googlebot le lit

Ce qui suit est un raisonnement sur le mécanisme, pas une mesure. Rien dans ce relevé ne porte sur ce qu'un moteur IA va chercher ou citer. On l'écrit parce que la question se pose, pas parce qu'on l'a mesurée.

Un moteur de recherche classique parcourt un graphe. Il suit des liens, propage de l'autorité de page en page, et l'architecture agit sur cette propagation : c'est exactement ce qu'un cocon cherche à orchestrer.

Un moteur génératif procède autrement. Il découpe le web en passages, les indexe, puis, face à une demande, il fabrique plusieurs sous-requêtes et va chercher les passages les plus proches de chacune. Ce mécanisme d'éclatement est décrit en détail dans notre article sur le query fan-out. À l'instant de la récupération, ce qui est comparé est un passage, pas une position dans une hiérarchie.

Deux conséquences suivent de ce seul mécanisme. La première : une page profonde n'est pas pénalisée par sa profondeur au moment où un passage est récupéré, à condition qu'elle ait été indexée. La seconde : l'architecture redevient décisive en amont, parce qu'une page qu'aucun robot n'atteint dans le HTML servi n'entre jamais dans l'index qui sera interrogé.

C'est là que le résultat mesuré plus haut reprend tout son poids. Le sujet n'est pas la forme de l'arborescence, c'est de savoir si les pages existent pour un robot qui ne rend rien. La façon de déclarer son périmètre aux moteurs IA est traitée dans notre guide llms.txt, et l'approche complète sur notre page architecture pour l'AI Search.

Nos chiffres à nous, y compris les mauvais

vydera.com est dans le panel, mesuré exactement comme les autres, et il n'en sort pas grandi partout.

• 52,7 % de pages atteignables depuis l'accueil, contre 58,6 % de médiane. On est sous la médiane du panel.
• 8,47 liens de contenu par page, contre 8,74 de médiane. Juste en dessous, là encore.
• 74 pages de glossaire hors de portée, 37 en français et 37 en anglais, parce que la page qui les liste ne reçoit aucun lien de contenu. C'est notre sélecteur de langue à nous, en pire : le hub est dans le menu.
• Deux chiffres à notre avantage : 4,8 % de pages orphelines et une concentration de 40,8 %, deuxième valeur la plus basse du panel derrière agence-slashr.fr.

Un contrôle a été passé sur le périmètre /fr seul : 52,4 % d'atteignables contre 52,7 % en site entier, 4,8 % d'orphelines dans les deux lectures. Le relevé localisé raconte la même architecture que le relevé global.

Une troisième lecture, faite le même jour avec un script antérieur, comptait 825 liens sur le périmètre /fr là où le nouveau en compte 699. La différence tient à une seule règle : le nouveau script retire les menus imbriqués à l'intérieur de la balise main, l'ancien non. Même site, même journée, 126 liens d'écart. C'est la démonstration la plus courte de la réserve énoncée plus haut.

Situer votre site, et refaire la mesure

Les repères ci-dessous sont ceux des neuf sites comparables. Ils placent un ordre de grandeur, ils ne notent pas un site.

La mesure se rejoue sans compte ni outil payant, sur du HTML public : lecture du sitemap, ouverture de chaque URL, extraction des liens de la zone de contenu, parcours en largeur depuis l'accueil. Trois précautions valent d'être reprises telles quelles.

1. Ne crawlez pas à moitié. Une page paraît orpheline dès qu'on n'a pas ouvert la page qui la lie. Au-delà d'un plafond, un site doit sortir de la comparaison plutôt qu'être mesuré partiellement. Trois sites du panel frôlent le nôtre, fixé à 1 600 URL : keyweo.com à 1 589, digidop.fr à 1 438, uplix.fr à 1 285.
2. Surveillez les codes 429. natural-net.fr a limité le débit au premier passage, à trois requêtes en parallèle. Toute la mesure a été reprise à une requête toutes les 1,5 seconde, et c'est ce second relevé qui donne les 691 pages, 46,5 % d'orphelines et 7,26 liens par page publiés ici. Le premier passage n'est pas publié : il ne décrivait pas un site, il décrivait un débit. Une grappe de 429 n'est pas une architecture, c'est un site qu'on n'a pas mesuré.
3. Publiez votre définition de la zone de contenu. Sans elle, votre chiffre n'est comparable à rien, pas même au vôtre du mois précédent.

Dernier repère : les liens visant une page absente du sitemap vont de 41 chez vydera.com à 1 507 chez digidop.fr. Ils sortent du graphe, ce qui surestime un peu les culs-de-sac sur les sitemaps incomplets.

Alors, le cocon tient-il ?

Rien ici ne condamne le cocon sémantique, et rien ne le sauve. Ce que neuf sites mesurés le même jour montrent, c'est que sa signature ne se lit pas dans le HTML du secteur qui le vend, et que le problème d'architecture qui saute aux yeux est bien plus banal : des pans entiers de site que l'accueil n'atteint pas, parce que le lien vit dans un menu.

Quatre choses à faire avant de redessiner quoi que ce soit :

1. Mesurer la part de pages que l'accueil atteint par des liens de contenu, HTML servi, sans JavaScript.
2. Séparer les orphelines des inatteignables. Ce sont deux pannes différentes, avec deux correctifs différents.
3. Regarder ce que contient le lot des inatteignables. Dans ce panel, c'est presque toujours une langue, un index paginé ou un hub qui ne vit que dans le menu.
4. Sortir un lien de contenu vers chacun de ces lots, depuis une page déjà atteignable. C'est une correction d'une demi-journée, pas une refonte.

Pour les définitions : maillage interne et crawl.