Les chaînes de Markov : le modèle probabiliste derrière le cocon sémantique

Parmi les notions mathématiques citées par Laurent Bourrelly dans son article fondateur sur le cocon sémantique figurent les chaînes de Markov, aux côtés du Pagerank thématique, du TF-IDF et du cosinus de Salton. Moins connu du grand public que ces 3 autres notions, ce modèle probabiliste explique pourtant une partie du raisonnement derrière le PageRank lui-même, et donc derrière la logique de maillage qui irrigue tout cocon sémantique. Cette page détaille ce qu’est une chaîne de Markov, son lien avec le modèle du surfeur aléatoire qui a inspiré le PageRank, et ce que cette logique implique concrètement pour l’architecture d’un cocon. Cette page complète Les algorithmes Google liés au sens : du Knowledge Graph au Neural Matching, le socle du SEO sémantique.

Qu’est-ce qu’une chaîne de Markov, en langage simple

Appliqué à la navigation web, ce même principe sert à modéliser le parcours d’un internaute, ou d’un robot d’exploration, qui se déplace de page en page via des liens, en estimant à chaque étape la probabilité de cliquer sur tel ou tel lien disponible sur la page en cours, sans tenir compte du chemin emprunté pour y arriver. Cette simplification mathématique n’enlève rien à la puissance du modèle : elle rend au contraire possible le calcul, sur un graphe de liens comportant des milliers voire des millions de pages, de probabilités stables de présence sur chaque page après un grand nombre de déplacements, ce qui est exactement le principe de calcul derrière le PageRank originel de Google. Cette simplicité de principe explique aussi pourquoi le modèle a été retenu dès les débuts de la recherche web, à une époque où la puissance de calcul disponible restait limitée : un modèle markovien reste nettement moins coûteux à calculer qu’un modèle qui devrait conserver la mémoire complète de chaque parcours possible sur un graphe de la taille du web.

Le lien avec le PageRank : le modèle du surfeur aléatoire

Le PageRank, décrit dans l’article fondateur de ses créateurs, modélise la popularité d’une page comme la probabilité qu’un surfeur aléatoire, qui clique au hasard sur les liens disponibles d’une page à l’autre, se trouve sur cette page après un grand nombre de clics. Ce surfeur aléatoire suit exactement la logique d’une chaîne de Markov : à chaque étape, il choisit son prochain lien uniquement en fonction des liens présents sur la page où il se trouve, sans mémoire de son parcours précédent. Cette modélisation explique pourquoi la structure du maillage interne d’un site pèse autant dans le calcul de l’autorité d’une page : plus une page reçoit de liens depuis des pages elles-mêmes bien reliées, plus la probabilité que le surfeur aléatoire finisse par s’y trouver augmente, et donc plus son PageRank calculé est élevé.

Un cocon sémantique, en organisant un maillage dense et cohérent entre des dizaines de pages reliées à un sujet commun, construit mécaniquement un réseau de probabilités de déplacement qui concentre l’attention statistique du surfeur aléatoire vers les pages stratégiques du cocon, typiquement la page cible qui porte l’intention commerciale. C’est cette même logique, appliquée non plus à l’ensemble du web mais à un sous-ensemble thématiquement cohérent de pages, qui sous-tend le Pagerank thématique détaillé dans la page dédiée à la mesure de la pertinence sémantique. Cette image du surfeur aléatoire aide aussi à comprendre une erreur fréquente dans la construction d’un cocon : multiplier les liens sortants sur une même page sans hiérarchie claire dilue la probabilité que le surfeur statistique choisisse précisément le lien qui mène vers la page stratégique, exactement comme un plan de métro surchargé de correspondances rendrait plus difficile d’arriver rapidement à la bonne station.

Pourquoi Laurent Bourrelly cite les chaînes de Markov dans son article fondateur

Dans Le cocon sémantique, l’arme fatale du SEO, Laurent Bourrelly pose la question centrale de sa méthode : de quoi faut-il parler pour être intéressant autour d’un sujet ? Pour y répondre avec rigueur plutôt qu’avec une simple intuition éditoriale, il s’appuie sur 4 notions mathématiques complémentaires : le Pagerank thématique, le TF-IDF, le cosinus de Salton, et les chaînes de Markov. Si les 3 premières notions mesurent la pertinence d’un contenu ou l’autorité d’une page, les chaînes de Markov apportent une dimension différente et complémentaire : elles modélisent le déplacement, c’est-à-dire la façon dont l’autorité et l’attention circulent d’une page à l’autre via les liens.

Cette dimension dynamique justifie l’importance que Bourrelly accorde au maillage dans ses 3 mécaniques fondatrices du cocon, le siloing, qui organise les silos thématiques, les strates de contenu, qui déclinent les niveaux de profondeur, et surtout le glissement sémantique, qui relie logiquement les contenus entre eux. Sans cette logique de circulation modélisée par les chaînes de Markov, un cocon sémantique ne serait qu’une simple liste de pages bien écrites sans réelle architecture. C’est précisément la circulation pensée du lien, page après page, qui transforme un ensemble de contenus isolés en un cocon capable de concentrer l’autorité vers une page cible précise.

Cette rigueur mathématique distingue aussi la méthode de Bourrelly d’une simple recommandation de bon sens du type relier ses pages entre elles : elle justifie pourquoi certains liens comptent davantage que d’autres, pourquoi leur emplacement dans le texte a une influence, et pourquoi un maillage pensé en amont, plutôt que corrigé après coup, construit un cocon plus efficace dès sa première publication.

Ce que ça change concrètement pour l’architecture d’un cocon

Puisque la probabilité de circulation d’une page à l’autre dépend uniquement de l’état présent, la page sur laquelle se trouve le surfeur, qu’il soit humain ou robot, chaque page d’un cocon doit proposer des liens sortants cohérents et bien choisis, sans compter sur un hypothétique parcours antérieur pour orienter la suite de la navigation. C’est la raison pratique qui justifie le gabarit précis des 3 typologies de pages d’un cocon, la page cible, la page mixte et la page complémentaire, chacune avec des liens sortants définis selon sa position dans l’architecture. Un rédacteur qui comprend cette logique markovienne voit différemment l’importance d’un lien bien placé en plein milieu d’un paragraphe : ce lien est, à cet instant précis du parcours, l’une des quelques options disponibles pour orienter la suite de la navigation, indépendamment de la page d’où vient le visiteur.

Soigner ce choix à chaque étape du cocon, plutôt que de se reposer sur un hypothétique parcours global cohérent, construit progressivement une circulation d’autorité qui converge naturellement vers les pages stratégiques. Cette logique complète directement celle exposée dans la page sur le Pagerank thématique et dans celle consacrée à l’application pratique du maillage au sein des mécaniques internes d’un cocon sémantique. En pratique, cela se traduit par une règle simple à appliquer lors de la rédaction d’un brief : chaque page doit indiquer explicitement vers quelle page sœur ou vers quelle page de niveau supérieur ou inférieur elle doit créer un lien, plutôt que de laisser cette décision au hasard de la rédaction, afin que la circulation d’autorité corresponde réellement à l’architecture voulue pour le cocon.

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, citation explicite des chaînes de Markov)
• Connaissances générales vérifiables : modèle du surfeur aléatoire et PageRank (Brin et Page)