Audit SEO sans données : mesurer la couverture sémantique d’un site en aveugle

La plupart des audits SEO s’appuient sur Google Search Console, BigQuery ou des suites SEO complètes. Mais que faire quand vous n’avez accès à rien de tout ça ?

Cette situation arrive plus souvent qu’on ne le pense :

• Vous prospectez un nouveau client qui n’a pas encore donné les accès,
• Vous analysez un site concurrent ou une marketplace que vous ne gérez pas,
• On vous demande des insights stratégiques rapides avec des ressources limitées.

Dans ces cas, il faut simuler un audit de couverture sémantique avec uniquement des outils publics et un crawler. C’est exactement ce que permet la méthode développée par Adriano Maggi, SEO Team Leader chez WMR Group, sur le blog de Screaming Frog.

Le framework en 5 étapes

1. Définir les clusters de mots-clés et les mapper aux URLs

Avant d’écrire une ligne de code ou de lancer un crawl, posez-vous la question : que devrait cibler chaque page ?

Partez de Google Keyword Planner (ou tout outil donnant le volume de recherche mensuel). Construisez des clusters sémantiques en regroupant les mots-clés qui partagent la même intention ou le même sous-thème. Évitez de mélanger trop d’intentions différentes, gardez les clusters serrés et focus.

L’IA peut accélérer cette tâche. Avec une recherche de mots-clés propre et des intentions clairement définies, vous pouvez rapidement associer les keywords aux clusters via un prompt bien construit ou un script Python simple.

Associez enfin chaque cluster à une URL canonique unique. C’est votre page cible, celle qui devrait couvrir exhaustivement les sujets du cluster.

Exemple : /medicaments.html → [« médicaments sans ordonnance », « automédication », « médicaments en libre accès », etc.]

Ce mapping devient votre matrice de référence : il indique à Screaming Frog ce qu’il faut chercher et vous aide à calculer la couverture plus tard.

2. Utiliser Screaming Frog et du JavaScript custom pour vérifier la couverture

Une fois vos clusters mappés aux URLs, testez dans quelle mesure chaque page reflète réellement ses requêtes cibles.

Screaming Frog permet d’exécuter des extracteurs JavaScript personnalisés, une fonctionnalité puissante mais souvent négligée. Au lieu d’extraire des données statiques (meta descriptions et canonical tags), vous écrivez un script qui insère votre liste de mots-clés définie et vérifie si ces termes apparaissent dans le title, H1, meta description et body content de l’URL cible.

Vous transformez ainsi Screaming Frog en moteur d’audit de contenu basique, qui compare l’intention (votre cluster) avec la réalité (les éléments réellement présents sur la page).

Le script :

1. Lit le cluster de mots-clés associé (manuellement intégré selon l’URL, ex : si l’URL contient /medicaments.html, associer une liste prédéfinie).
2. Scanne les éléments clés de la page (title, H1, meta et body text) depuis le HTML rendu.
3. Calcule le pourcentage de mots-clés du cluster effectivement utilisés sur la page.
4. Liste les mots-clés manquants.

Dans votre export Screaming Frog, vous obtenez deux colonnes utiles : Keyword Coverage % et Missing Keywords.

Ces champs donnent une vue quantifiable et actionnable de l’alignement de votre contenu avec le sujet qu’il est censé couvrir, même sans données de trafic.

La beauté de cette méthode : elle scale facilement avec autant de mots-clés que vous voulez. C’est important, car le SEO moderne concerne moins le ciblage d’un mot-clé unique que la couverture complète de clusters sémantiques entiers.

3. Enrichir le dataset avec les volumes de recherche dans Google Sheets

La couverture seule vous dit ce qui est présent ou absent, mais pas à quel point c’est important. Sans données de trafic de Search Console, le proxy le plus pratique pour mesurer l’opportunité business est le volume de recherche.

C’est là qu’intervient Google Keyword Planner. Il fournit la couche quantitative nécessaire pour prioriser les gaps.

Process :

1. Retournez à Google Keyword Planner et téléchargez les volumes de recherche mensuels pour chaque mot-clé.
2. Préparez les données dans Sheets : nettoyez et organisez votre liste avec les volumes correspondants.
3. Mappez les volumes à l’output de Screaming Frog avec VLOOKUP() ou INDEX() + MATCH().

Ce que vous pouvez maintenant calculer :

• Volume total du cluster : la demande globale autour du sujet que votre page doit couvrir. C’est votre marché adressable du point de vue SEO.
• Volume couvert vs. volume manqué : combien de cette demande vous adressez déjà, et combien reste inexploité.
• % d’opportunité manquée : un KPI simple mais puissant pour comparer les pages et identifier quels clusters souffrent des plus gros gaps de contenu.
• Score de priorité d’optimisation : en pondérant l’opportunité par l’importance stratégique de chaque URL, vous construisez une roadmap d’optimisation data-driven, même sans métriques de trafic.

4. Évaluer la saisonnalité

Comprendre quand votre audience recherche est aussi important que ce qu’elle recherche. Google Keyword Planner fournit des données de tendance mensuelles granulaires qui révèlent la saisonnalité réelle de vos clusters de mots-clés.

Comment utiliser les données de saisonnalité :

• Identifier les mois de pic de demande : décomposez le volume de recherche mensuel pour chaque mot-clé du cluster et sommez-le. Vous visualisez quels mois génèrent systématiquement le plus d’intérêt.
• Planifier les rafraîchissements de contenu stratégiquement : mappez votre calendrier d’optimisation en conséquence. Si les mots-clés manquants atteignent leur pic en novembre-décembre, vous savez exactement quand prioriser les révisions de contenu.

Exemple pratique :

Supposons que les mots-clés manquants pour votre page /medicaments.html, comme « médicaments rhume sans ordonnance » ou « remèdes grippe », connaissent un pic significatif en décembre. Cette augmentation saisonnière corrèle probablement avec les problèmes de santé hivernaux.

Cette insight change déjà votre roadmap SEO. Au lieu de traiter ce cluster comme du contenu evergreen, vous savez maintenant qu’il a une fenêtre saisonnière critique :

• Commencez à rafraîchir et optimiser le contenu fin Q3 (septembre), laissant assez de temps pour l’indexation.
• Programmez les campagnes de link-building début Q4, en vous assurant que les signaux d’autorité sont en place avant la montée du trafic.
• Si vous lancez des campagnes payantes, alignez budgets et messaging sur ce timing.

5. Évaluer le coût de ne pas ranker

Une fois que vous avez mappé les mots-clés que vos pages ne ciblent pas et lié ces gaps à des volumes de recherche concrets, vous pouvez commencer à chiffrer vos opportunités manquées.

La question n’est plus « sommes-nous optimisés ? » mais plutôt :

• Quelle demande de recherche laissons-nous actuellement sur la table ?
• Quelle valeur business pourrions-nous débloquer en améliorant notre couverture ?

Ce type d’insight déplace la conversation. Il vous permet de passer de recommandations SEO vagues à un impact quantifié. C’est idéal pour les réunions avec les stakeholders, les discussions budgétaires ou les pitchs consulting.

Dans les contextes où les données first-party ne sont pas (encore) disponibles, cela fournit une façon convaincante de démontrer une valeur précoce et une direction stratégique.

Conclusion

Cette approche ne remplace pas la précision de Google Search Console ni la profondeur des outils analytics. Elle comble un gap critique : pour les petits sites, les projets SEO early-stage ou les audits avec accès limité aux données, cette méthode offre une façon pratique et scalable d’évaluer l’alignement sémantique au niveau page.

Elle vous donne :

• Un framework rapide pour évaluer l’alignement contenu-sujet.
• Une visibilité précoce sur les gaps d’optimisation liés à la demande de recherche.
• Une roadmap data-backed pour guider les actions SEO tactiques, même avant que les données de performance soient disponibles.

En combinant les capacités de Custom JS de Screaming Frog, les données de volume et tendance de Google Keyword Planner et la flexibilité de Google Sheets, vous débloquez un workflow léger mais puissant.

Imaginez maintenant la valeur de cette analyse une fois que vous pourrez fusionner vos insights de clusters de mots-clés avec les vraies données de performance de Google Search Console, ou même des données transactionnelles BI. Cela ouvre la porte à des cas d’usage bien plus avancés : modèles prédictifs, forecasting, et nouvelles façons de définir la présence SEO dans cette nouvelle ère de recherche façonnée par les résultats IA, les AI Overviews et bientôt l’AI Mode.

On ne fait qu’effleurer la surface.