La salience, pas la densité

Le fossile de la densité

Le cas d'école se répète lors de chaque onboarding technique. Une page « à propos » ou une landing page stratégique martèle le nom du client trente fois. Le rédacteur a consciencieusement respecté ses quotas de mots-clés. Pourtant, lorsque l'on passe ce texte dans un extracteur d'entités standard, le nœud principal qui en ressort est un concurrent. Ce dernier n'est cité qu'une seule fois, mais il figure dans la proposition principale qui définit la catégorie du marché. La densité de mots-clés a perdu ; la salience d'entité a gagné.

La densité est un fossile algorithmique. Compter les occurrences d'une chaîne de caractères présuppose que les moteurs de recherche et les modèles de langage traitent le texte comme un simple sac de mots (bag-of-words). Or, les architectures basées sur les transformeurs ne comptent pas : elles modélisent des relations. Elles décomposent la syntaxe, cartographient les dépendances grammaticales et attribuent un poids sémantique en fonction de la position structurelle d'un terme. Répéter un mot-clé dans des balises alt ou des fins de paragraphes isolées ne modifie en rien l'architecture sémantique perçue.

S'obstiner à mesurer des pourcentages d'occurrence aveugle les équipes de production sur la véritable lecture de la machine. Abandonner ce métrique obsolète permet de cesser la répétition mécanique pour se concentrer sur l'ingénierie de la phrase, garantissant que l'entité visée contrôle réellement le propos.

Ce qu'un extracteur appelle « le sujet »

La salience mesure la centralité d'une entité au sein de la structure d'un texte. C'est une traduction mathématique de la dominance grammaticale. Une entité qui agit comme sujet d'un verbe d'action, ou qui sert de racine à un arbre de dépendances complexes, accumule un score de salience élevé. L'extracteur identifie que le passage gravite autour de ce nœud précis, indépendamment de sa fréquence brute.

À l'inverse, la fréquence n'est qu'un sous-produit, souvent trompeur. Si le nom de votre client est systématiquement enfoui dans des propositions subordonnées, des incises ou des tournures passives, son score de salience s'effondre. Le modèle d'attention d'un LLM accordera toujours plus de poids au sujet actif de la phrase principale. C'est ici qu'il devient critique de se demander si l'entité est cité, oui — mais dans quel rôle au sein de la structure syntaxique.

La salience n'est pas une question de volume, mais de géométrie : c'est la position de l'entité dans l'arbre syntaxique qui définit son autorité.

Comprendre que les modèles extraient le sens à travers ces arbres syntaxiques transforme radicalement le brief de rédaction. Le bénéfice est immédiat : une correspondance stricte entre l'intention de communication du client et le sujet formellement reconnu par l'algorithme.

Quand votre page sacre un concurrent

La conséquence la plus destructrice de l'ignorance de la salience se joue directement sur les actifs owned du client. Dans une volonté de positionner une marque face aux leaders du marché, les rédacteurs construisent souvent des paragraphes comparatifs où le concurrent occupe la fonction grammaticale centrale. Le concurrent devient l'étalon, l'agent actif, tandis que le client est relégué en position d'objet ou de complément.

Lorsqu'un LLM ingère cette structure, il attribue mathématiquement la plus forte salience au rival. Le client finance ainsi la production d'un contenu qui renforce la dominance sémantique de son adversaire. Sans une analyse rigoureuse, il est facile de laisser passer le concurrent que le modèle invente ou magnifie à partir de vos propres textes.

Identifier ces anomalies exige de scanner l'intégralité du corpus pour cartographier quelles entités dominent réellement les vecteurs sémantiques. Purger ces intrus protège l'autorité thématique du client et assure que son budget de production sert exclusivement son propre graphe de connaissances.

Auditer au niveau du passage

Il est impossible d'auditer la salience en traitant une page de deux mille mots comme un bloc monolithique. Les LLMs et les architectures de recherche modernes (RAG) récupèrent et traitent l'information au niveau du passage. L'audit sémantique doit impérativement s'aligner sur cette granularité pour rester pertinent.

La méthode Sonar applique une vérification stricte au niveau du chunk. Pour chaque bloc de texte, nous extrayons l'entité principale et testons si les affirmations environnantes consolident son autorité ou ne font que la mentionner au passage. Cette mécanique est la seule capable de trancher si le nœud est cité ou corroboré par le contexte immédiat.

• Découpage du texte en passages sémantiquement autonomes (chunks).
• Extraction des dépendances syntaxiques pour chaque bloc isolé.
• Calcul du score de centralité de l'entité cible par rapport aux entités concurrentes.

En isolant l'analyse au passage, vous localisez exactement où le focus sémantique dérive. Ce diagnostic granulaire permet aux agences de prescrire des corrections chirurgicales plutôt que des refontes complètes, optimisant ainsi les coûts de maintenance tout en maximisant la précision du signal sémantique.

Réécrire pour la centralité

Corriger un déficit de salience relève de la restructuration syntaxique, pas de l'ajout de mots. Il s'agit de repositionner systématiquement le nœud client comme le sujet grammatical et le référent principal des affirmations clés du passage. La voix passive doit être traquée et inversée ; les comparaisons doivent placer le client en agent de l'action.

Si la phrase originale indique « Contrairement à l'outil X, notre plateforme permet une intégration rapide », le concurrent X est le pivot. La réécriture doit basculer la charge : « La plateforme déploie une intégration rapide, redéfinissant les standards fixés par les outils historiques ». L'entité cible récupère la racine de l'arbre de dépendance. C'est la base absolue pour écrire des passages citables par une IA générative.

Cette ingénierie garantit que l'extracteur d'entités attribue le score de confiance maximal à la marque visée. Maîtriser ce pivot syntaxique transforme un contenu passif en un actif sémantique robuste, assurant au client de dicter les termes de son propre narratif face aux modèles.