SEO sémantique : la pertinence lexicale mesurée par le cosinus de Salton

La pertinence lexicale d’un texte se mesure en comparant son vocabulaire à celui d’autres textes traitant du même sujet. Le cosinus de Salton est l’un des calculs les plus utilisés pour poser ce chiffre sur une base mathématique plutôt que sur une impression de lecture. Cette mesure diffère du Pagerank thématique, qui évalue la circulation de l’autorité entre les pages via leurs liens, et de la recherche sémantique au sens large, qui réunit plusieurs mécaniques à la fois : le cosinus de Salton, lui, ne regarde que la proximité de vocabulaire entre 2 textes. Cette page détaille ce qu’est le cosinus de Salton, comment il se calcule en principe, et à quoi il sert concrètement pour juger ou comparer des pages d’un cocon sémantique. Cette page complète La mesure de la pertinence sémantique : TF-IDF, cosinus de Salton et Pagerank thématique.

Qu’est-ce que le cosinus de Salton

Le cosinus de Salton mesure la similarité entre 2 textes en les représentant chacun comme un vecteur dans un espace où chaque dimension correspond à un terme présent dans l’un ou l’autre des textes. La valeur de chaque dimension dépend de la fréquence du terme correspondant. Plus l’angle entre les 2 vecteurs obtenus est petit, plus les 2 textes partagent un vocabulaire et une structure thématique proches ; un angle proche de 90 degrés, à l’inverse, signale 2 textes qui n’ont presque aucun terme en commun.

Cette mesure porte le nom de Gerard Salton, chercheur en recherche d’information qui a formalisé cette approche vectorielle du texte dès les années 1970, bien avant l’existence des moteurs de recherche modernes. Son principe reste pourtant directement applicable au SEO : comparer mathématiquement 2 pages, sans dépendre d’une lecture subjective de leur contenu. Ce calcul fonctionne aussi bien sur des textes courts que sur des pages entières, à condition de réduire d’abord le texte à sa liste de termes significatifs, en retirant les mots les plus communs d’une langue qui n’apportent rien à la comparaison.

Cette étape de nettoyage, courante dans le traitement automatique du langage, conditionne la fiabilité du cosinus obtenu : un texte mal nettoyé produit une comparaison faussée par des mots sans rapport avec le sujet.

À quoi sert le cosinus de Salton pour un cocon sémantique

Pour un cocon sémantique, cette mesure sert d’abord à comparer une page à ses principaux concurrents en position sur un mot-clé donné, afin de repérer un vocabulaire manquant ou au contraire trop éloigné du sujet attendu. Elle sert aussi, en interne, à comparer 2 pages d’un même cocon entre elles : un cosinus trop élevé entre 2 pages signale un risque de cannibalisation, les 2 pages traitant un sujet trop proche sans le différencier clairement. À l’inverse, un cosinus trop faible entre 2 pages censées appartenir au même cocon peut signaler qu’une des 2 s’est éloignée de la thématique d’ensemble, au point de ne plus vraiment partager de vocabulaire commun avec le reste du cocon.

Les outils d’optimisation sémantique du marché, YourTextGuru, 1.fr, Semji, s’appuient sur des logiques proches de ce calcul pour générer leurs scores et leurs suggestions de vocabulaire. Cette comparaison interne mérite d’être faite tôt dans la production d’un cocon, avant que plusieurs dizaines de pages n’aient été écrites. Repérer une cannibalisation sur 2 pages suffit à corriger le tir rapidement, en redéfinissant l’angle de l’une des 2 ; la découvrir après la publication d’un cocon entier demande une réécriture plus lourde, souvent sur plusieurs pages à la fois.

Les limites de cette mesure

Travailler ce rapprochement lexical, sans pour autant sacrifier la clarté du texte pour un lecteur, reste l’équilibre à viser. Cette limite explique aussi pourquoi le cosinus de Salton se combine toujours à d’autres mesures dans une méthode comme celle du cocon sémantique. Le TF-IDF repère les termes qui caractérisent un texte, le Pagerank thématique juge la circulation de l’autorité entre les pages, et le cosinus de Salton compare leur proximité lexicale : chacune de ces mesures répond à une question différente, et leur combinaison donne une image plus complète qu’un seul calcul isolé.

Un rédacteur qui retient une seule leçon de cette page peut retenir celle-ci : la pertinence lexicale se compare, elle ne se devine pas. Comparer sa page au corpus des pages concurrentes, ou à ses propres pages sœurs dans un cocon, reste plus fiable qu’une simple relecture au jugé, même pour un rédacteur expérimenté qui connaît très bien son sujet depuis plusieurs années. Un chiffre objectif, même imparfait, reste plus utile à une équipe de rédacteurs répartis sur plusieurs pages qu’une impression partagée sans aucune mesure derrière elle, surtout quand l’équipe compte plusieurs rédacteurs aux avis parfois différents sur la qualité d’un même texte encore en préparation et pas encore mis en ligne.

Cette discipline de comparaison, répétée page après page, finit par devenir un réflexe plutôt qu’une contrainte, à mesure qu’un rédacteur apprend à repérer d’un coup d’œil les textes qui s’éloignent trop, ou pas assez, du vocabulaire attendu sur un sujet donné.

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 :

• Hi-Commerce — méthode cocon sémantique
• Laurent Bourrelly — créateur du concept de cocon sémantique