Peut-on faire de l'IA agentique pour le SEO et le GEO ? 5 cas d'usage concrets

L'IA conversationnelle, tout le monde l'utilise. Ouvrir ChatGPT ou Claude, taper un prompt, lire la réponse, itérer. C'est utile, mais c'est un travail manuel qui a ses limites : un humain derrière son écran, une conversation à la fois, des copier-coller entre outils.

L'IA agentique, c'est autre chose. On ne parle plus à une IA : on construit un système où plusieurs agents lisent vos données, exécutent des tâches, appellent des outils externes et produisent des livrables. En parallèle, en continu, sans friction.

Dans un live co-animé avec Digidop, Thibaut Legrand (co-fondateur Vydera) et Florian Bodelot (co-fondateur Digidop) ont démontré en direct 5 workflows agentiques qu'on utilise au quotidien chez Vydera pour le SEO et le GEO. Cet article reprend les points clés du live, avec plus de profondeur sur la méthode et le stack.

Pourquoi l'agentique change la donne pour le SEO et le GEO

Le SEO et le GEO ont toujours été des métiers à deux vitesses : beaucoup de tâches répétitives (auditer, suivre des positions, vérifier des balises, rédiger des variantes, mettre à jour des contenus), et quelques décisions stratégiques à fort impact (positionnement, priorisation éditoriale, architecture de clusters).

L'IA conversationnelle a permis d'accélérer certaines tâches. L'IA agentique permet de les déléguer complètement à des systèmes automatisés, en gardant l'humain sur la stratégie. Ce n'est pas un gadget : c'est un changement de logique de production.

Concrètement, ça veut dire qu'un audit technique qui prenait une demi-journée tient en 13 minutes. Une recherche de mots-clés croisée avec la Search Console se fait pendant qu'un autre agent tracke votre visibilité sur ChatGPT, et qu'un troisième rédige un article dans votre CMS. Le tout, sans que vous ayez à être devant votre écran.

Pour le contexte sur ce qui change côté moteurs, on détaille l'évolution dans notre article SEO vs GEO : ce qui change vraiment.

Le stack qu'on utilise chez Vydera

Avant de parler workflows, il faut comprendre la boîte à outils. L'IA agentique, ce n'est pas une interface web magique : c'est une stack de briques qu'on assemble.

Claude Code

Au lieu de discuter avec Claude dans un navigateur, on travaille avec Claude Code, qui vit dans le terminal de l'ordinateur. Il peut lire et écrire des fichiers localement, exécuter du code, appeler des outils externes. C'est comme avoir un consultant disponible en permanence, qui a accès à votre environnement de travail.

Le passage du navigateur au terminal peut intimider. Mais une fois franchi, le gain est immense : Claude Code n'est plus limité à ce que vous lui copiez-collez dans le chat. Il peut agir sur votre projet en autonomie.

Le fichier CLAUDE.md : la mémoire du projet

Première brique essentielle : un fichier CLAUDE.md à la racine du projet. C'est un simple fichier markdown qui décrit qui vous êtes, ce que fait votre entreprise, les conventions à respecter, les outils disponibles, les livrables attendus.

À chaque conversation, Claude lit ce fichier. Vous n'avez pas à réexpliquer votre contexte à chaque prompt. Deux bénéfices : les résultats sont plus cohérents d'une session à l'autre, et vous consommez moins de tokens puisque Claude n'a pas à reconstruire le contexte à chaque fois.

Les skills : l'expertise spécialisée

Les skills sont des fichiers markdown qui encodent une expertise précise. Un skill geo-audit décrit par exemple : comment analyser une page pour sa citabilité par les IA, quelles données structurées vérifier, quel format de livrable produire.

Quand vous invoquez ce skill avec une commande comme /geo-audit https://exemple.com, Claude exécute les instructions du skill plutôt que de répondre de façon générique. C'est là que l'expertise humaine entre en jeu : la qualité des skills que vous écrivez détermine la qualité des résultats. Des bibliothèques de skills existent sur GitHub, mais pour des cas précis, il faut les construire soi-même.

Les MCPs : connecter Claude aux outils externes

Les MCPs (Model Context Protocol) permettent à Claude de parler directement à des services tiers. Pour le SEO et le GEO, on en utilise principalement quatre :

• Firecrawl : pour scraper des pages web et récupérer leur contenu
• DataForSEO : pour les volumes de recherche, la difficulté des mots-clés, les données SERP
• Google Search Console : pour accéder aux impressions, clics et positions réelles du site
• Webflow : pour lire et écrire directement dans le CMS

Passer par des APIs via MCP coûte une fraction du prix des SaaS SEO traditionnels. C'est une des raisons pour lesquelles ce modèle remet en cause la logique économique du secteur. On en parle plus en détail dans notre article sur les outils GEO pour suivre sa visibilité IA.

Les 5 cas d'usage démontrés en live

1. Audit technique SEO et GEO complet

L'objectif : à partir d'une simple URL, produire un diagnostic structuré de la santé SEO et GEO d'un site.

Le déroulé : l'agent principal (un orchestrateur) reçoit la commande /geo-audit avec une URL. Il délègue à des sous-agents spécialisés : geo-ai-visibility, geo-platform-analysis, geo-technical, geo-content, geo-schema. Chaque sous-agent examine une dimension et renvoie ses données. L'orchestrateur agrège, priorise et produit un rapport HTML.

Ce qu'on a vu en direct sur le site webflow-formation.fr : un score global par catégorie, la détection d'un attribut lang="en" sur un site francophone, l'absence de llms.txt, des données structurées incomplètes, des problèmes de hiérarchie H1 sur certaines pages. Temps de traitement : 13 minutes. Consommation : 58 000 tokens.

L'insight : un audit technique exhaustif, livré avec un plan d'action priorisé, sans supervision humaine pendant l'exécution. L'humain intervient en amont (design du skill, choix des critères) et en aval (validation et exécution des corrections).

2. Keyword research croisé DataForSEO et Search Console

L'objectif : identifier les mots-clés à pousser, les gaps à combler et les positions à défendre, en croisant les données de marché et vos performances réelles.

Le déroulé : on donne à l'agent une URL et une thématique. Il interroge DataForSEO pour récupérer des mots-clés candidats avec volumes et keyword difficulty. Il croise avec les données Search Console du site (impressions, clics, positions moyennes). Il produit un livrable structuré : quick wins, gaps, positions à défendre.

Ce qu'on a vu : un rapport identifiant des opportunités précises (par exemple, un mot-clé à 90 recherches mensuelles avec une keyword difficulty faible), des requêtes sur lesquelles le site se positionnait en moyenne en 1.4 (à protéger), et des thématiques entières non couvertes (à développer).

L'insight : la vraie valeur n'est pas dans les données brutes, mais dans le croisement entre marché et performance réelle. Un mot-clé à fort volume qui génère déjà des impressions sans clics est un problème différent d'un mot-clé à fort volume où vous êtes absent. L'agent fait ce croisement automatiquement.

3. Tracking de visibilité IA (GEO/AEO)

L'objectif : mesurer la présence d'une marque dans les réponses des IA génératives, sur un panel de prompts représentatifs.

Le déroulé : on donne à l'agent une thématique et les marques à tracker (la vôtre et vos concurrents). Il génère automatiquement 10 prompts réalistes, les envoie à ChatGPT via l'API OpenAI en mode recherche web activée, puis analyse chaque réponse : votre marque est-elle citée ? Quelles sources sont utilisées ? Quelles requêtes web le modèle a-t-il effectuées pour construire sa réponse ?

Ce qu'on a vu : un rapport prompt par prompt, avec les sources citées, les query fan-out détectées (les sous-requêtes que l'IA a lancées en interne), et une synthèse du positionnement. Pour aller plus loin sur ce mécanisme, notre article sur le query fan-out explique comment les LLM décomposent les recherches.

L'insight : il y a rarement un coupable unique si votre marque n'est pas citée. C'est la combinaison de facteurs; couverture thématique, structure du contenu, présence sur des sources tierces; qui détermine votre citabilité. L'agent vous donne le diagnostic ; à vous de choisir le levier.

4. Rédaction d'article complet dans Webflow

L'objectif : passer de l'audit à l'exécution. À partir d'un mot-clé principal, rédiger un article complet et le créer en draft dans le CMS Webflow.

Le déroulé : l'agent identifie le site Webflow, la collection Blog, récupère le sitemap pour détecter des opportunités de maillage interne. Il rédige l'article, crée l'item dans le CMS avec tous les champs remplis (title, slug, meta description, contenu, FAQ, données structurées), et le laisse en draft pour validation humaine.

Ce qu'on a vu : un article rédigé de zéro, maillé automatiquement avec des pages existantes pertinentes, intégré directement dans le CMS. Le temps de copier-coller entre un outil de rédaction et le CMS est éliminé.

L'insight : l'agent fait 80 % du travail. Les 20 % restants; la finition éditoriale, la validation factuelle, l'adaptation au ton de marque; restent humains. C'est ce qui fait la différence entre un article correct et un article qui performe. Notre article sur l'optimisation de contenu pour les citations IA détaille cette étape de finition.

5. Refresh de contenu existant

L'objectif : mettre à jour un article existant (enrichissement, ajout de FAQ, correction des données structurées, ajustement du maillage interne) sans casser le SEO existant.

Le déroulé : on donne l'URL de l'article à rafraîchir. L'agent scrape le contenu, identifie les faiblesses (intro manquante, FAQ absente, données non citables, maillage pauvre), puis met à jour l'item Webflow correspondant en conservant le slug et la structure.

L'insight et ce qui a raté en live : la première tentative a créé un doublon plutôt que d'updater l'article existant. C'est un bon rappel que l'IA agentique fait des erreurs, et que les garde-fous (validation humaine avant publication, skills précis, commandes spécifiques) restent indispensables. Une deuxième itération avec une consigne explicite a corrigé le problème.

Les enseignements du live

Les agents en parallèle changent la productivité

Lancer trois audits en parallèle, c'est possible. Un audit technique, une recherche de mots-clés, un tracking de visibilité IA peuvent tourner simultanément. Vous n'attendez plus : vous décidez sur quoi concentrer votre attention pendant que les agents travaillent.

La gestion des tokens est le vrai nerf de la guerre

À l'échelle professionnelle, même les plans Claude Pro Max ont des limites. Plusieurs pratiques aident : un CLAUDE.md bien écrit réduit la reconstruction de contexte ; des skills précis évitent les détours ; la commande /compact résume une conversation trop longue ; et une conversation = une tâche, plutôt que de tout enchaîner dans le même chat.

Must-have vs nice-to-have

L'IA agentique rend la création facile. Trop facile. Il est tentant de construire des agents pour tout, même pour des tâches qu'on fait rarement. La discipline consiste à distinguer ce qui change votre façon de travailler de ce qui est juste amusant à développer. Les agents qui comptent sont ceux que vous utilisez plusieurs fois par semaine.

La stratégie reste humaine

C'est le cœur de la méthode Vydera. L'IA est une workforce : elle exécute à l'échelle. Les experts humains définissent la stratégie, cadrent les skills, valident les livrables. Sans ce cadrage, les agents produisent vite; mais pas forcément bien.

Ce que ça veut dire pour votre marque

Trois implications concrètes.

Les SaaS généralistes sont challengés. Payer plusieurs centaines d'euros par mois pour un outil dont vous n'utilisez que 20 % des fonctionnalités devient moins pertinent quand vous pouvez construire un agent sur-mesure qui fait exactement ce dont vous avez besoin, pour une fraction du coût.

L'exécution redevient un différenciateur. Tout le monde peut auditer. Très peu peuvent publier 30 articles qualitatifs par mois dans deux langues avec maillage interne propre et données structurées. L'agentique rend ce volume atteignable.

Le gap entre experts et non-experts se creuse. Un expert SEO qui passe trois mois à cadrer ses agents sera beaucoup plus performant qu'un expert SEO qui continue à travailler à l'ancienne. Et il sera aussi plus performant qu'un non-expert qui configure ses agents sans stratégie de fond.

C'est exactement le modèle qu'on opère chez Vydera : pilotage humain, AI workforce, résultats mesurables dès 90 jours. Si vous voulez voir ce que ça donne sur votre site, parlons de votre contexte.