Un algorithme d’aide à la décision éditoriale qui a survécu à sa mission

TL;DR

Chez Melty, site média dont l’économie repose sur l’audience quotidienne, une migration profonde a fait disparaître plusieurs des outils d’aide à la décision qui priorisait les publications. La capacité a été reconstruite à partir des données, avec un algorithme de scoring agrégé sur des indicateurs de performance (KPI) SEO et de fréquentation, dans un outil que Melty a utilisé pendant plusieurs mois. L’audience a été maintenue à son plein potentiel, et l’outil a survécu à la mission qui l’avait financé. C’est la preuve d’un système évolutif, qui a su devenir une plateforme réutilisée sur plus de 10 sites clients.

Situation à mon arrivée

Un site média vit de son audience quotidienne, qui porte ses recettes publicitaires. La force de Melty tenait à sa capacité à décider tôt et juste où investir l’effort éditorial, sur des milliers de pages, grâce à des outils d’aide à la décision qui ordonnaient les publications jour après jour. Après une migration profonde, qui a réécrit le front-end et le back office, plusieurs de ces outils ont été perdus et n’ont pas pu être migrés.

Le dirigeant voulait un outil d’aide à la décision pour piloter la mise à jour d’environ 6000 pages de tags éditorialisées, les dossiers qui rassemblent les actualités d’un même sujet. Trois contraintes pesaient : aucun outil de décision survivant à réactiver, une audience à ne pas laisser fléchir pendant les travaux, et un modèle économique qui ne tolérait aucun mauvais ordre de priorité.

Le diagnostic

Le fait que l’équipe éditoriale décide simplement quoi mettre à jour constituait le symptôme. La cause réelle était plus profonde : les outils qui rendaient ce jugement cohérent et rapide avaient disparu, et une décision à l’instinct ne tient pas quand le volume augmente. L’effort se portait sur les mauvaises pages au mauvais moment. C’était un problème de données et d’ordonnancement.

Le plan d’actions

Le choix de partir des données a été fait et annoncé d’emblée : ce serait un processus de R&D appuyé sur les KPI SEO et d’audience. Cela écartait les voies apparemment plus sûres que sont la reconstitution de mémoire des outils perdus ou confier la priorisation à l’intuition des équipes, que les contraintes rendaient inaccessibles : aucun outil survivant, pas de renfort d’effectif possible. La démarche reprend la même conception R&D guidée par les données que celle utilisée pour un algorithme de détection de fraude.

Deux choix ont rendu cette voie peu coûteuse et rapide. D’une part, l’algorithme de scoring agrégé a été conçu sur les KPI SEO et ceux de l’audience stratégique, sans équipe dédiée à qui confier la construction. D’autre part, le travail s’est fait avec le dirigeant, d’égal à égal : ingénieur de formation, il a choisi de construire lui-même la récupération des données en direct par API plutôt que de mobiliser les équipes techniques de Melty.

Mise en œuvre

• Les données. Une extraction statistique complète sur la performance des dossiers, à partir de cinq ans de données internes agrégées, croisée avec 12 mois d’analytics et de SEO collectés avec Screaming Frog SEO et des connecteurs API, dont Ahrefs.
• La preuve de concept. Une matrice sur les 100 dossiers phares du moment, croisée avec les principaux mots-clés et les grandes thématiques et verticales par audience et par recettes publicitaires.
• L’algorithme. Un scoring agrégé pondérant plusieurs KPI SEO et d’audience stratégique. L’anatomie de la formule de notation fait l’objet d’un article technique dédié.
• La matrice de décision. Construite par itérations, au fil de réunions d’alignement quotidiennes, puis présentée au responsable éditorial et aux chefs de rubrique.
• L’outil bêta. Des exports statiques dans un Google Sheet, complétés par les données en direct rafraîchies par les appels API du dirigeant.

Des difficultés réelles

L’outil a été livré en bêta sur une architecture volontairement provisoire, faite d’exports statiques complétés de données en direct : pas encore un produit finalisé. Les premières semaines de R&D se sont déroulées discrètement, avant que la coordination ne s’engage, avec un vrai risque de construire dans la mauvaise direction. Et la migration avait effacé plusieurs des outils d’aide à la décision précédents. Il a donc fallu travailler sans rien tenir pour acquis.

Résultat

• Les équipes de Melty ont exploité la bêta pendant plusieurs mois pour piloter la maintenance SEO stratégique de leurs dossiers, en maintenant l’audience à son plein potentiel aux côtés du flux d’actualités quotidien.
• L’audience sécurisée a contribué à permettre au dirigeant, mandaté par son investisseur pour trouver un acquéreur, de conclure la vente : Melty a été vendu à un groupe média majeur spécialisé dans les people et le divertissement.
• L’algorithme, financé par la R&D d’un client, est devenu ma plateforme de priorisation éditoriale , ses algorithmes de scoring améliorés et mis à disposition de plus de 10 sites clients. Parmi ces utilisateurs, le siteCréActifs a pu faire évoluer sa stratégie de contenu et son planning éditorial. Quant au système développé pour Melty, il a survécu à la mission qui l’avait financé et a continué de fonctionner après mon départ.

Vos arbitrages éditoriaux reposent sur l’intuition de quelques personnes ? Parlons-en.