La mesure de la pertinence sémantique : TF-IDF, cosinus de Salton et Pagerank thématique

Un cocon sémantique ne se juge pas à l’œil nu. Depuis les origines du concept, Laurent Bourrelly s’appuie sur des mesures précises de pertinence pour expliquer pourquoi une architecture de contenu fonctionne mieux qu’une autre : le TF-IDF, le cosinus de Salton et le Pagerank thématique. La formation de Stéphane Jambu sur le cocon sémantique reprend ces mêmes algorithmes comme fondations mathématiques de la méthode. Cette page rassemble 5 pages existantes sur hi-commerce.fr qui détaillent chacune une facette de cette mesure : la pertinence lexicale et le cosinus de Salton, le Pagerank thématique, la recherche sémantique et ses algorithmes associés, pourquoi elle compte, et l’algorithme TF-IDF en détail. Cette page complète Comprendre le SEO sémantique : la base avant un cocon sémantique.

TF-IDF et cosinus de Salton : mesurer si un texte parle vraiment de son sujet

Le TF-IDF, pour Term Frequency, Inverse Document Frequency, calcule l’importance d’un mot dans un document en croisant 2 mesures : sa fréquence dans ce document précis, et sa rareté dans l’ensemble du corpus analysé. Un mot très fréquent dans une page mais rare ailleurs dans le corpus obtient un score élevé, car il caractérise probablement le sujet spécifique de cette page plutôt qu’un mot générique partagé par tous les documents, comme les articles ou les mots de liaison. Le cosinus de Salton, lui, mesure la similarité entre 2 textes en les représentant chacun comme un vecteur dans un espace où chaque dimension correspond à un terme.

Plus l’angle entre les 2 vecteurs est petit, plus les 2 textes partagent un vocabulaire et une structure thématique proches. Cette mesure aide à comparer objectivement 2 pages d’un même cocon, ou à comparer une page à ses principaux concurrents en position sur un mot-clé donné. Ensemble, ces 2 calculs forment une base statistique solide pour juger de la pertinence d’un contenu sans s’en remettre à une impression subjective.

La formation Cocon sémantique de Stéphane Jambu cite explicitement ces 2 algorithmes, aux côtés du Pagerank thématique, comme les fondations mathématiques du concept. Les outils d’optimisation sémantique du marché, comme YourTextGuru, 1.fr ou Semji, s’appuient sur des logiques proches pour calculer un score de contenu et suggérer un vocabulaire complémentaire à intégrer dans une page. Ces 2 calculs ne doivent toutefois pas être confondus avec une recette magique : un texte qui obtient un bon score TF-IDF sur un mot-clé donné, mais qui reste mal écrit ou peu utile au lecteur, continue de mal performer, car la pertinence mesurée mathématiquement ne remplace jamais la qualité éditoriale perçue par un vrai lecteur, ni les autres signaux que Google croise avec cette mesure.

Le Pagerank thématique : quand la popularité se mesure par thème

Le Pagerank classique évalue la popularité d’une page à partir du nombre et de la qualité des liens qui pointent vers elle, sans tenir compte du sujet de ces liens. Le Pagerank thématique affine ce principe en pondérant chaque lien selon sa proximité thématique avec la page qui le reçoit : un lien venant d’une page qui traite exactement du même sujet pèse davantage qu’un lien générique venant d’une page sans rapport. Cette nuance explique en grande partie pourquoi un cocon sémantique fonctionne : en reliant des dizaines de pages qui traitent toutes, à des niveaux différents, du même champ thématique, la structure concentre un maillage thématiquement cohérent vers les pages stratégiques, ce qui renforce leur Pagerank thématique bien au-delà de ce qu’obtiendrait la même page isolée, avec le même nombre de liens entrants mais venant de sources sans rapport avec son sujet.

C’est précisément ce principe que l’outil Gephi rend visible lorsqu’il modélise le maillage interne d’un site : un bon maillage concentre le PageRank vers les pages stratégiques, et la comparaison avant-après d’un remaillage montre concrètement ce déplacement d’autorité. La page dédiée au Pagerank thématique sur hi-commerce.fr développe cette mécanique avec davantage de détails techniques, et la page sur la recherche sémantique et ses algorithmes associés élargit la focale aux autres signaux croisés par Google. Cette logique de concentration de l’autorité explique aussi pourquoi un cocon mal maillé, même rempli de contenu de qualité, n’obtient pas les mêmes résultats qu’un cocon équivalent mais correctement relié : le Pagerank thématique ne récompense pas le volume de contenu produit, il récompense la structure de liens qui dirige cette autorité vers les pages qui en ont le plus besoin, typiquement la page cible porteuse de l’objectif commercial.

Pourquoi ces mesures ont façonné la méthode du cocon sémantique

L’article fondateur de Laurent Bourrelly, Le cocon sémantique, l’arme fatale du SEO, pose la question centrale de la méthode : de quoi faut-il parler pour être intéressant autour d’un sujet ? Pour y répondre, il s’appuie explicitement sur le Pagerank thématique, le TF-IDF, le cosinus de Salton et les chaînes de Markov, 4 notions mathématiques qui, ensemble, donnent un cadre rigoureux à une question qui pourrait sembler purement éditoriale. Cette rigueur mathématique distingue le cocon sémantique d’une simple arborescence de contenu construite au hasard des idées de rédaction.

Un cocon pensé selon ces mesures cherche d’abord à couvrir un champ lexical cohérent, mesurable par TF-IDF et cosinus de Salton, puis à organiser le maillage de façon à concentrer l’autorité thématique sur les pages qui comptent le plus, mesurable par le Pagerank thématique. Cette approche explique aussi pourquoi Bourrelly insiste sur le fait qu’un cocon bien fait ne risque pas de pénalité Google : la structure ne manipule rien, elle organise le contenu exactement selon les logiques que Google lui-même utilise pour évaluer la pertinence d’un site. Plutôt qu’une tentative de contourner l’algorithme, le cocon sémantique applique, à l’échelle d’un site entier, les mêmes principes mathématiques que Google utilise pour juger une page isolée.

Cette lecture explique aussi pourquoi Bourrelly reconnaît avoir longtemps manqué de clarté sur sa propre méthode : une mécanique aussi mathématique peut sembler austère à présenter simplement, alors qu’elle répond en réalité à une question très concrète pour n’importe quel éditeur de site, celle de savoir quoi écrire ensuite pour rester pertinent sur un sujet donné.

De la mesure académique à la pratique quotidienne

Un rédacteur n’a pas besoin de calculer lui-même un score TF-IDF ou un cosinus de Salton pour produire une page de qualité, mais comprendre ce que ces mesures évaluent aide à juger un brief, un contenu, ou un outil d’optimisation avec plus de recul. Les outils du marché comme YourTextGuru, Cocon.se, 1.fr ou Semji génèrent des guides sémantiques ou des scores de contenu qui s’appuient sur des logiques proches de ces algorithmes, en comparant automatiquement un texte au corpus des pages les mieux positionnées sur le mot-clé visé. Dans la méthode de production en 9 étapes d’un cocon sémantique, l’étape 6.1 consiste justement à optimiser la sémantique du contenu avant publication, et l’étape 9bis prévoit de ré-optimiser les contenus plusieurs mois après leur mise en ligne, lorsque leur score de pertinence reste en dessous d’un seuil jugé satisfaisant, fixé à 80 chez Semji selon la formation de référence.

Cette logique de mesure et de ré-optimisation n’a de sens que parce qu’elle s’appuie sur des calculs reproductibles, pas sur une appréciation purement qualitative. Les 5 pages détaillées regroupées sous ce chapeau, pertinence lexicale et cosinus de Salton, Pagerank thématique, recherche sémantique et algorithmes associés, pourquoi elle compte, TF-IDF, développent chacune sa propre mesure avec davantage de profondeur technique et d’exemples appliqués. Un rédacteur qui débute sur un cocon gagne à se familiariser avec un seul de ces outils plutôt que d’essayer de maîtriser toute la théorie mathématique sous-jacente dès le premier brief : l’essentiel, à ce stade, consiste à comprendre que le score affiché traduit une mesure réelle de proximité avec les pages qui positionnent déjà bien, pas un simple chiffre arbitraire à atteindre coûte que coûte.

Questions fréquentes

Testez vos connaissances

Stéphane Jambu LinkedIn ↗

Consultant e-commerce / visibilité / IA, fondateur de Hi-Commerce. Praticien du cocon sémantique depuis 2012, auteur de cette page dans le cadre du méta-cocon de référence Hi-Commerce sur le sujet.

Sources :

• Laurent Bourrelly, blog/1631.php (article fondateur, PageRank thématique, TF-IDF, Cosinus de Salton, chaînes de Markov)
• Laurent Bourrelly, blog/54761.php, 28/03/2019 (absence de pénalité Google)
• Formation Stéphane Jambu, Cocon sémantique V1.3 (PDF 72 slides), 10/01/2020
• hi-commerce.fr, pages existantes