Description : Produire énormément de textes avec l’IA ne signifie pas obtenir des lecteurs. Comment mesurer équitablement la sélection manuelle de sujets et la découverte automatique ?
102 articles multipliés par 12 langues donnent 1 224 versions. On dirait une rédaction qui s’est clonée pendant la nuit. Pourtant, rédiger, enregistrer, publier et recevoir des visites sont quatre étapes distinctes.
Que recouvrent les 102 articles ?
Un lot illustratif comporte 23 sujets sur les services d’IA, 23 sur les bugs et mises à jour, 21 sur des mèmes, 21 sur des questions de fans et 14 guides de jeux. Cela fait 102 sujets et potentiellement 1 224 versions linguistiques. Le calcul ne prouve ni leur publication ni leur indexation. Une version révisée ne doit pas être comptée comme un nouveau sujet.
Qui a trouvé l’idée ?
Si une personne remarque un mème de chien sur X puis fait écrire l’article par une IA, la découverte est humaine. Si l’IA détecte et sélectionne elle-même la tendance, c’est un groupe expérimental différent. Présenter un succès manuel ancien comme le résultat de l’automatisation lancée hier reviendrait à maquiller les chiffres.
L’horloge démarre à la mise en ligne
Chaque article doit garder un identifiant, l’origine de son sujet, son mode de rédaction, sa langue, son URL et une date de première publication vérifiée. Le jour du dépôt GitHub ne vaut pas preuve de mise en ligne. Les différentes langues peuvent même paraître à des dates distinctes. Il faut observer les 7, 14 et 28 premiers jours de chaque page.
Au-delà des pages vues
Les tests du propriétaire peuvent gonfler les PV. Séparons impressions de recherche, clics, indexation et sources d’arrivée. En divisant par le nombre d’articles vraiment publiés, on peut comparer la part ayant obtenu au moins un clic de recherche, celle dépassant dix vues, la médiane et la concentration des visites sur quelques gagnants. Zéro après deux semaines peut encore refléter une découverte tardive.
Mesurer avant de multiplier les essais
Ajouter sans cesse de nouveaux genres empêche de savoir ce qui fonctionne. Laissons le pipeline existant produire et tracer ses résultats, puis analysons-les. Une usine impressionne par ses brouillons ; un site réussit quand ses pages utiles trouvent des lecteurs. Il faut vérifier la sortie du tapis roulant.
Sources : Google sur le contenu utile et les dates de publication. Les nombres sont un exemple de production, pas de publication vérifiée.
