JEV et SEO : les limites que Sylvain Deauré rappelle aux SD Days 2026

Avec un sujet qui s’est invité dans sa présentation : JEV, dont on parle beaucoup ces derniers jours sur les réseaux.

L’outil promet de simplifier la classification. Mais une réponse rapide, accompagnée d’un score de confiance, suffit-elle pour prendre une bonne décision SEO ? Sylvain décortique plusieurs limites très concrètes. En voici quelques-unes, sans refaire toute la conférence.

Un classifieur ne voit pas votre site comme Google

Le principe présenté est assez simple : on fournit à JEV un texte, des critères et plusieurs réponses possibles. Il choisit parmi ces réponses et renvoie un score de confiance. Un peu comme un QCM.

L’intérêt est réel : on peut commencer sans entraîner soi-même un modèle spécifique. Sylvain reconnaît cette facilité d’utilisation, tout comme les gains de vitesse et de coût.

La difficulté commence avec la définition des catégories. Ce que JEV comprend d’une classe ne correspond pas forcément à ce que vous attendez, ni à la manière dont Google traite une requête.

Sylvain prend notamment l’exemple du maillage interne. Demander à un outil si deux pages méritent un lien peut produire une réponse convaincante. Cela ne prouve pas qu’il dispose des données nécessaires pour juger de la valeur de ce lien pour Google.

Même limite avec l’intention de recherche : une requête isolée ne contient pas toujours assez d’informations pour trancher. Le modèle peut pourtant vous renvoyer une catégorie. À nous de distinguer une réponse exploitable d’une réponse simplement disponible.

Atelier TEKnSEO : définir les catégories et leurs frontières reste une responsabilité humaine.

Un score de confiance élevé peut accompagner une erreur

C’est l’un des exemples les plus parlants de l’atelier.

Sur la requête « tarif menu Buffalo Grill », Sylvain montre une réponse qui reste incorrecte par rapport à la référence utilisée dans son test. Après modification des consignes, le score de confiance passe pourtant de 63 % à 94 %, sans corriger la classification.

L’outil est plus confiant. La réponse, elle, n’est pas meilleure.

Cette nuance compte dès qu’on veut automatiser des décisions. Un score peut aider à repérer les cas à vérifier, mais il ne constitue pas, à lui seul, une preuve que la réponse est juste.

Sylvain précise aussi que l’outil utilisé comme référence pour ses classifications n’est pas parfait. Les résultats mesurent donc un accord avec cette référence, pas un accès direct à une vérité incontestable de Google.

Changer les critères peut améliorer les résultats… et déplacer les erreurs

Autre point soulevé pendant la conférence : selon les essais présentés, l’ordre des options peut modifier les réponses de JEV. Ajouter une option qui ne sera jamais retenue peut également perturber le résultat.

La formulation des critères demande donc du travail. Et ce travail doit être testé sur des exemples que l’on n’a pas utilisés pour ajuster les consignes.

Sylvain en donne une démonstration : après plusieurs ajustements assistés par un LLM, il obtient 99 % sur le jeu utilisé pour régler les critères. Avec ces mêmes critères appliqués à un jeu de contrôle distinct, le résultat retombe à 88 %.

Ces chiffres concernent son expérience, pas une performance universelle de JEV. Ils montrent surtout le risque de fabriquer des règles très efficaces sur les exemples déjà vus, mais moins fiables sur de nouvelles requêtes.

Il conseille également de regarder les résultats catégorie par catégorie. Une bonne moyenne peut masquer une catégorie minoritaire que le modèle classe systématiquement mal.

Aux SD Days 2026, les ateliers TEKnSEO confrontent les promesses des outils aux contraintes du métier.

Le travail métier reste à faire

L’atelier présente aussi une autre voie : entraîner de petits classifieurs adaptés à ses propres besoins, notamment avec des embeddings, des représentations numériques des textes, et un SVM, un algorithme de classification.

Sans entrer ici dans la technique, l’idée est de construire un modèle autour de catégories clairement définies et d’exemples représentatifs du travail réel.

Cela ne conduit pas forcément à écarter JEV. Sylvain montre même qu’associer ses résultats à ceux de son propre modèle peut améliorer la classification dans ses essais. L’outil peut donc être une brique utile, à condition de savoir ce qu’on lui demande et comment on le contrôle.

Le point à retenir de cet atelier : la facilité d’accès au modèle ne dispense pas de définir ce qu’est une bonne réponse.

Choisir les catégories, traiter les cas ambigus, constituer des exemples fiables et vérifier les erreurs : c’est là que se trouve une grande partie du savoir-faire. Pour le SEO comme pour les autres usages professionnels de l’IA, ce travail reste entre nos mains.

Source : atelier de Sylvain Deauré, TEKnSEO, SD Days 2026. Exemples et résultats rapportés d’après la transcription fournie, notamment les passages sur les scores de confiance et les tests de généralisation. Photos prises sur place et fournies par Johan.