Agents AI dans le référencement: ce que vous devez savoir

Vous avez probablement beaucoup entendu parler des agents de l'IA ces derniers temps – que ce soit dans vos conversations en milieu de travail ou à faire défiler vos flux sociaux (j'espère les deux).

Bien que les articles ne manquent pas de leurs avantages généraux, il y a étonnamment peu de couverture sur ce qu'ils signifient spécifiquement pour le référencement – où leur impact n'est pas seulement significatif, mais amplifié.

Avant de plonger dans les deux raisons clés des agents d'IA est si important pour les SEO de comprendre (et oui, vous les utilisez probablement déjà – même si vous ne le réalisez pas), allons d'abord clairement ce que sont réellement les agents de l'IA.

Que sont les agents de l'IA?

À la base, les agents de l'IA sont des systèmes autonomes équipés d'un accès à des outils externes, des données, des fonctions, etc.

Ils fonctionnent avec une compréhension claire d'un objectif final et reçoivent les ressources nécessaires pour y parvenir.

Dans certains cas, on leur donne également des instructions sur la façon d'utiliser ces outils. Dans d'autres, ils sont laissés pour le découvrir par eux-mêmes.

Plutôt que de plonger dans un graphique ou un diagramme technique d'un système d'agent d'échantillon, je pense qu'une illustration plus simple – et étonnamment précise – peut être trouvée dans l'une des formes de vie les plus complexes mais les plus négligées de la nature: l'humble fourmi.

Imaginez une colonie de fourmis: la reine, tout comme un algorithme de maître IA, fixe l'objectif global. Les fourmis de travailleurs – chacune équipées de leurs propres outils spécialisés – sont les agents individuels chargés de fonctions spécifiques.

Considérez les parallèles:

• Reine = opérateur d'agent: Dirige et ajuste la stratégie globale.
• Fourmis de travailleur = sous-agents: Chacun a un outil ou une fonction spécialisé, qu'il s'agisse de collecter des données, d'analyser le contenu ou de communiquer les résultats.
• Efficacité de la colonie = optimisation du système: Alors que les fourmis fonctionnent ensemble, le système optimise les ressources et le flux d'informations, reflétant la façon dont les agents de l'IA se coordonnent pour atteindre des tâches complexes.

La reine communique l'objectif à chaque «outil», que chaque fourmi essaie ensuite d'accomplir.

Ils reviennent avec leur ressource demandée, communiquent et évaluent leur statut, partagent des informations pour atteindre leur objectif macro plus rapidement et signalent.

Un statut global est signalé à la reine, qui communique les commandes ajustées à ses outils.

Ce n'est pas si différent d'un agent d'IA, à part être généralement plus sophistiqué (mais pas aussi impressionnant pour nous, que il ne soutient qu'une espèce et ne fait pas automatiquement un échange de bourse 56 nanosecondes plus rapidement après avoir pris une nouvelle tendance et appliqué le sentiment comme positif).

Je vais mal parallèlement à cela aux agents de l'IA ci-dessous.

Mais avant de faire cela, permettez-moi de répondre pourquoi une de mes affirmations ci-dessus est vraie.

Pourquoi l'impact des agents de l'IA en SEO est multiplié à plusieurs reprises sur la plupart des autres professions

Je ne peux pas penser à une industrie qui ne sera pas touchée par des agents, du moins indirectement.

• Les avocats utiliseront des agents pour rechercher et résumer les jugements et analyser les lacunes utilisées pour leurs clients.
• Les ingénieurs logiciels les utiliseront pour aider à développer du code et des systèmes, faisant référence à leurs documents, reposs et connaissances externes internes.
• Les boulangers recevront leurs ingrédients par des expéditeurs coordonnés à l'aide d'agents.
• Les SEO les utiliseront comme outils pour faire leur travail plus rapidement et mieux – comme je vais illustrer ci-dessous.

En plus de cela, nous devons également apprendre et nous adapter au marketing dans des systèmes agents.

L'optimisation générative du moteur (GEO) est entrée en scène il n'y a pas si longtemps.

Mais ce qu'il évolue est quelque chose de différent – quelque chose de bien plus puissant.

Quelque chose qui nous fait passer pour optimiser pour un algorithme, même un moteur par un LLM comme les aperçus de l'IA ou le chatppt, et dans l'optimisation des agents, de leurs fonctions et de leurs outils.

Nous voyons cette évolution au cours de ses années de tout-petits en ce moment, et si vous êtes au rez-de-chaussée, c'est un endroit idéal.

Bien qu'il existe des exceptions, pour la plupart, les moteurs génératifs fonctionnent beaucoup comme les moteurs de recherche dans leur présentation de solutions.

• L'utilisateur entre dans une requête.
• L'utilisateur reçoit une réponse.
• Cette réponse pourrait y avoir quelques liens.

Bien sûr, le système peut vérifier le Web pour des références supplémentaires en dehors de sa base de connaissances actuelle, mais rien de révolutionnaire.

Encore une fois, il fonctionne beaucoup comme la recherche traditionnelle avec une meilleure expérience utilisateur.

Je m'attends à ce que les prochaines étapes de cette évolution soient progressives, car des outils comme Google et Chatgpt ajoutent de nouvelles capacités – comme la fonctionnalité récemment annoncée où un système axé sur l'IA peut appeler un magasin pour recueillir des informations supplémentaires pour vous.

Cependant, de nouvelles pièces se mettront progressivement en place jusqu'à ce que nous atteignions un point où fournir à votre agent un aperçu de vos objectifs ou de vos besoins déclenchera des actions d'une manière que nous ne pouvons probablement pas encore comprendre.

Voici un exemple simple.

Vous donnez à l'agent Google (par exemple) votre objectif, votre besoin ou votre besoin.

Disons que vous avez besoin de nouvelles chaussures pour un mariage. L'agent peut alors:

• Vérifiez votre calendrier pour la date du mariage.
• Vérifiez la météo dans cette ville à cette date, ou la météo probablement en fonction de la période de l'année si les détails ne sont pas disponibles.
• Demandez ce que vous porterez.
• Connaître votre taille, votre style général et vos marques et magasins préférés – Options de source qui arriveront à temps pour le mariage.
• Source et stocker une sauvegarde locale, dans le cas où quelque chose ne va pas avec la livraison ou l'ajustement, pour que ces informations soient prêtes au cas où elles détecteront un problème.
• Demandez si vous souhaitez voir les options:
  • Si oui, envoyez-les à un affichage de votre choix.
  • Sinon, passez à l'étape suivante.
• Une fois la chaussure sélectionnée, complétez la commande.
• Vérifiez quels autres articles courants pourraient être nécessaires pour les mariages, en fonction de votre statut (invité, meilleure personne, mariée ou marié, etc.), et envoyez éventuellement une liste de diffusion de ceux-ci s'il n'a pas de preuves qui sont terminées.

Imaginer ce monde, j'ai quelques questions pour vous:

• Comment attribuez-vous cela à Google?
• Est-ce que leur robot a fait surface les informations? Quel type d'optimisation cela prend-il avec les LLM?
• Était-ce un flux de produits via Google Merchant Center?
• Ont-ils utilisé un opérateur pour naviguer sur votre site pour y accéder? Y a-t-il une optimisation que vous devez appliquer aux filtres pour simplifier cela?
• Si vous vendez des parapluies, comment vous assurez-vous que vous faites partie de ces suggestions envoyées par e-mail plus tôt dans le cas où il va pleuvoir.
• Oh, et comment obtenez-vous même l'attribution pour cela?

Cet exemple simple met en évidence l'immense complexité de ce qui nous attend.

Les nouvelles technologies émergeront que les entreprises et les équipes devront adopter et optimiser.

De plus, avec le développement de nouveaux protocoles comme le protocole de contexte modèle d'Anthropic (MCP), l'ajout de flux de votre magasin à un marché – ou même de créer vos propres outils pour les autres agents – deviendra beaucoup plus facile.

Cela ouvre la porte à une plus grande distribution, bien qu'elle puisse s'accompagner de défis tels que l'attribution difficile et l'efficacité non testée.

La question est:

• Voulez-vous vraiment attendre et voir si vos concurrents plongent en premier, ou allez-vous saisir l'opportunité maintenant?

Bien que je ne puisse pas prédire la forme exacte du monde du marketing au cours des deux prochaines semaines, sans parler d'une année, je peux dire en toute confiance que nous sommes déjà entrés dans l'ère agentique.

Le taux d'adoption et de développement dans cet espace est différent de tout ce que j'ai vu en plus de deux décennies de marketing en ligne.

C'est encore plus perturbateur que les modifications apportées aux mises à jour de Google Panda et Penguin.

---

Les SEO et GEOS utilisent également une IA agentique

Et de l'autre côté de la médaille, nous avons également des SEO utilisant leurs propres systèmes agentiques.

À titre d'exemple, je partagerai un système d'agent que j'ai créé pour aider à générer des compensations d'articles pour les auteurs à des poids et des biais.

Ce qui a commencé comme un simple remplacement pour un script que j'avais précédemment écrit pour la même tâche a depuis évolué.

Je vais également mettre en évidence quelques extensions à venir pour mieux illustrer le potentiel des agents de l'IA.

Ce système agentique commence par demander à l'utilisateur cinq choses:

• La phrase principale pour laquelle ils espèrent se classer avec un article.
• Tous les termes secondaires.
• Le type d'article qu'ils écrivaient.
• Le titre (s'ils en ont un en tête).
• L'auteur.

Il utilise ces informations pour informer les autres agents du système quoi faire et quelles données accéder.

J'ai créé plusieurs agents et sources de données pour que l'agent accéder.

Les principaux (dont quelques-uns sont toujours terminés après certains tests) sont:

Un agent de recherche

Cet agent a accès à Google Search et supprime les plateformes sociales, qui ont tendance à bloquer nos grattoirs Web.

Un agent d'analyse

Cet agent fait quelques choses:

• Extrait les entités des pages à l'aide de l'API en langage naturel de Google.
• Résume le contenu.
• Extrait les questions du contenu.

Je les séparerai probablement en leurs propres agents au fur et à mesure que j'élargis les capacités, mais les combiner fonctionne bien dans l'itération actuelle.

Une boutique de données d'exemples

Pour chaque auteur, j'ai créé un dossier avec 10 fichiers Markdown qui incluent:

• Les entrées qu'ils ont fournies (phrase principale, termes secondaires, titre, etc.).
• Les contours générés par le système.
• Les découvertes finales que j'ai remises après l'édition manuelle.
• Les premiers paragraphes des articles publiés, sur la base de mes critères sur la façon dont les intros de la section devraient lire.

Cette collection forme le système agentique pour comprendre la structure et le ton préférées de chaque auteur. Il aide également à suggérer les premiers paragraphes qui s'alignent sur leur style d'écriture.

Je enregistre tout cela – entrées, entités extraites, questions et contours – pour tisser W&B pour surveiller les performances et guider les améliorations.

Un agent de ligne

Cet agent prend les informations de l'utilisateur, les résultats de recherche, les entités, les questions et les résumés et génère un aperçu de l'article.

À venir

Certains agents que j'ajoute actuellement sont:

• Un agent de mot-clé Cela aura accès à l'API Google Ads pour obtenir des idées de mots clés supplémentaires et des volumes de recherche.
• Un agent d'écoute social Cela surveillera les canaux sociaux pour les sujets tendances et les généreuses et les décrits automatiquement lorsque l'on franchit un seuil d'une importance probable.
• Un agent mou / e-mail: Lorsqu'un plan d'article est généré automatiquement, le système agentique m'informe – y compris une liste de personnes notables parlant du sujet et d'un résumé.
• Un agent concurrent Cela vérifiera si des concurrents connus se classent pour le contenu et me les envoient avec le plan.

Je suis sûr qu'il y a plus à venir. (J'ai envisagé d'attendre que tout soit terminé avant d'écrire ceci, mais de nouvelles idées continuent de surgir, et cet article ne serait jamais écrit.)

Vous devriez (et pouvez) construire des agents aussi

Je ne suis pas seul dans les agents en développement, et bien que certains outils de référencement prétendent être agentiques, je n'ai pas encore trouvé la peine d'être payé.

Le véritable avantage des agents de construction est qu'ils m'aident à comprendre l'environnement dans lequel je commercialise.

Si vous voulez essayer de développer un, j'ai utilisé obot.ai, ce qui est simple et idéal pour créer des agents de base et utiles pour diverses tâches.

Un grand merci à Marc Sirkin, PDG de Third Door Media, de m'avoir présenté.

À tout le moins, cela vous donnera une idée du fonctionnement des agents, ce qui est un grand avantage sur les concurrents qui ne comprennent pas ce qui se passe dans les coulisses.