Vérificateur de citabilité IA

La citabilité est la propriété d’un passage que l’on peut extraire de votre page et déposer dans une réponse sans qu’il se casse. Un moteur qui génère une réponse ne cite pas des pages, il cite des fragments. Si un fragment n’a de sens que dans le contexte des trois paragraphes qui le précèdent, il ne peut pas voyager, et le moteur paraphrasera un concurrent à la place.

C’est pourquoi la citabilité n’est pas la qualité. Un essai brillant écrit comme une argumentation continue peut être presque impossible à citer, tandis qu’une page plus sobre organisée en sections autonomes se fait citer régulièrement. L’outil mesure les propriétés structurelles qui permettent à un fragment de tenir seul, pas la qualité de l’écriture.

Parce que c’est le défaut qui empêche le plus souvent des pages par ailleurs solides d’être citées, et qu’il est quasiment invisible pour celui qui les a écrites. Une section dont la première phrase commence par il, cela, cependant ou donc dépend de ce qui précède. Extraite seule, elle est inutilisable.

Nous l’avons découvert sur nos propres pages avant de construire cet outil. Une convention maison plaçait l’enseignement en fin de section, ce qui se lit très bien pour un humain qui descend la page et ne laisse rien à saisir au moteur là où il regarde en premier. Déplacer l’affirmation en ouverture de section ne change rien pour vos lecteurs et tout pour l’extraction, d’où les vingt-cinq points sur cent que porte ce signal.

Au-dessus de quatre-vingts, la page est confortablement exploitable par un moteur. Entre cinquante-cinq et quatre-vingts, il reste généralement un problème structurel à corriger, le plus souvent des sections qui ouvrent sur une phrase dépendante ou une absence de listes et de tableaux. En dessous de cinquante-cinq, la page sera résumée plutôt que citée, ce qui signifie qu’un concurrent récupère la citation.

Ne cherchez pas le cent. Les derniers points viennent souvent d’ajouter des chiffres ou un bloc de questions dont la page n’a pas réellement besoin, et gonfler une page pour satisfaire un vérificateur est précisément ce qui dégrade un contenu. Lisez le score comme un diagnostic qui désigne une faiblesse précise, pas comme une cible à optimiser.

Non. La citabilité est une condition nécessaire, pas suffisante. Elle rend votre page exploitable par un moteur qui a déjà décidé de vous considérer. Qu’il vous considère ou non dépend de choses que cet outil ne voit pas : l’autorité de votre domaine sur le sujet, les sites qui vous référencent, et la correspondance entre votre page et la question posée.

La lecture honnête du score consiste à y voir la suppression d’une excuse. Une page qui atteint quatre-vingt-dix sans être citée a un problème de visibilité et non de structure, et c’est utile à savoir parce que les deux appellent des travaux entièrement différents.

L’outil compte les chiffres, pourcentages, dates et montants présents dans le corps rédactionnel, puis les rapporte à cent mots. Une page qui dépasse un peu plus d’un chiffre pour cent mots porte assez de matière vérifiable pour être citée plutôt que paraphrasée.

Le raisonnement est qu’un moteur a le choix quand il utilise votre page : reproduire votre phrase ou reformuler votre idée avec ses mots. Il reproduit la phrase quand elle contient quelque chose qu’il ne peut pas reformuler sans risque, et un chiffre précis est exactement cela. Les affirmations vagues sont absorbées et attribuées à personne. Les affirmations précises sont citées et vous sont attribuées.

L’outil isole d’abord le corps rédactionnel, en utilisant l’élément main ou article quand la page en fournit un, et se rabat sinon sur le body débarrassé de la navigation, de l’en-tête, du pied de page et des colonnes latérales. Sans cette étape, le nombre de mots, les statistiques de paragraphes et la structure des titres seraient tous faussés par le gabarit plutôt que par le contenu.

Il retire aussi les scripts et les styles avant tout comptage. Ce point compte plus qu’il n’y paraît : un analyseur naïf qui compte le HTML brut trouve des titres et des liens dans les données applicatives sérialisées et rapporte une structure qu’aucun lecteur ne voit. Tous les chiffres rapportés proviennent de ce qui est réellement rendu en texte.