Un exemple, avant tout, parce qu’il résume mieux le sujet que n’importe quelle théorie. Un agent IA chargé de la partie technique d’un audit SEO a produit une synthèse annonçant une baisse de visibilité de 6 points. Les données réelles, celles collectées en direct sur le site, en montraient 4. Le chiffre de l’IA était plausible, bien formulé, cohérent avec le reste du rapport — et faux.
Cet exemple vient d’un article publié le 18 août 2026 par Eugen Ullrich, consultant en visibilité IA, qui documente en détail le système d’agents qu’il utilise pour automatiser ses audits SEO clients. C’est un cas d’usage concret, daté, avec une architecture précise — pas une prédiction vague sur « l’IA qui va changer le SEO ». Et il tombe à un bon moment : c’est exactement la question qu’on doit se poser avant de confier un audit PrestaShop à une IA, la sienne ou celle d’un prestataire.
Une équipe d’agents, chacun avec un rôle fixe
Le système décrit n’est pas un unique agent auquel on demande « audite ce site ». C’est une équipe de plusieurs agents spécialisés, chacun avec un rôle et des outils propres : un agent pilote la répartition des tâches, un autre s’occupe exclusivement du technique (crawl, données structurées, accès des robots, robots.txt), un autre du contenu, un autre va chercher les données brutes dans les outils connectés (Search Console, outils tiers via MCP), et un dernier fait uniquement de la vérification qualité.
Cette séparation des rôles n’est pas un détail d’architecture — c’est ce qui rend le système auditable. Un agent qui collecte des données et un agent qui les vérifie ne sont pas le même agent avec la même tendance à se croire lui-même.
Le vrai problème n’est pas de collecter les données
C’est le point le plus honnête de l’article, et il mérite d’être cité : « Collecter des données n’est plus le problème, il y a plus d’outils pour ça que je n’ai de temps pour les lire. La vraie question, c’est ce que ça signifie. C’est là que l’IA est la plus faible. Elle présente une corrélation comme une causalité. Elle comble les trous avec une logique plausible qui n’était jamais dans les données. Le texte est propre, le chiffre semble juste, et c’est quand même faux. »
C’est exactement ce qui s’est passé avec le chiffre de 6 points contre 4. Rien dans le texte généré ne permettait de deviner l’erreur — la phrase était bien construite, cohérente avec le reste de l’analyse. Seule une vérification contre la donnée réelle l’a révélée.
Trois filtres, pas un seul
Ullrich décrit trois couches de protection avant qu’un audit généré par IA n’atteigne un client :
- Des règles strictes — chaque agent travaille contre une spécification précise, sans marge d’interprétation.
- Une contre-vérification factuelle — un agent dédié rejoue chaque affirmation contre la source réelle : une requête HTTP fraîche, le vrai HTML de la page, jamais la connaissance générale du modèle. Trois issues possibles pour chaque ligne : elle reste si elle est prouvée, elle est corrigée si elle est fausse, elle est coupée si la preuve manque.
- Une validation humaine finale et non négociable — aucun rapport ne part sans une relecture personnelle de la stratégie, des conclusions et de la formulation.
Le point le plus important de tout l’article tient en une phrase : « Toute affirmation sans source directe n’est qu’une hypothèse. Traitez-la comme non confirmée. »
Pourquoi ça me parle directement
En lisant cet article, j’y ai reconnu exactement la logique que je viens d’appliquer en construisant l’outil d’audit SEO pour PrestaShop que nous avons développé chez Genisoft — publié cette semaine en open source sous le nom prestashop-seo-audit.
Le principe est le même que la « couche 2 » d’Ullrich, appliqué spécifiquement à PrestaShop : plutôt que de laisser une IA résumer une page et risquer qu’elle invente ou approxime une longueur de balise, un état de canonical ou un type de données structurées, l’outil extrait ces signaux avec un script déterministe — le vrai texte du titre, la vraie longueur exacte de la meta description, le vrai contenu du robots.txt, les vrais types JSON-LD présents sur la page. L’IA ne fait le travail d’analyse et de priorisation qu’après, sur des faits vérifiés, jamais sur un résumé de ce qu’elle croit avoir vu.
C’est une nuance qui compte concrètement. Sur un test réel, ce script a par exemple remonté une meta description de 177 caractères contenant une entité HTML mal échappée (" affiché littéralement) — un vrai bug de template, invisible si on se contente de demander à une IA « comment est le SEO de cette page » sans lui donner le HTML brut à analyser.
Ce que ça change pour votre boutique
Si un prestataire — humain assisté par IA, ou service entièrement automatisé — vous livre un audit SEO PrestaShop, la question à poser n’est plus « avez-vous utilisé l’IA » (la réponse sera presque toujours oui, et ce n’est pas un problème en soi). La bonne question est : qu’est-ce qui a été vérifié contre la donnée réelle, et par qui ? Un audit qui cite un titre de 73 caractères précis vaut plus qu’un audit qui affirme vaguement que « le titre est trop long ». Un audit qui indique explicitement qu’une donnée n’a pas pu être vérifiée vaut plus qu’un audit qui remplit tous les champs avec assurance.
L’IA a rendu la collecte de données quasi gratuite. Ce qui reste rare, et qui continue de justifier un expert plutôt qu’un outil livré seul, c’est exactement ce que l’article décrit : trancher ce qui est vraiment prioritaire pour votre boutique, et vérifier que ce que l’IA affirme est vrai avant de vous le livrer.
Pour aller plus loin :
- Audit SEO PrestaShop : Checklist et Outils IA
- PrestaShop et MCP : connecter une IA à sa boutique sans exposer son API
- Gemini 3.7 Flash : Google vise les agents IA et casse les prix de moitié
