Quand le SEO rencontre l’IA : l’analyse de Metehan sur l’algorithme RRF utilisé par ChatGPT

Metehan, expert en référencement naturel et passionné par les nouvelles technologies, s’est récemment penché sur le fonctionnement interne de ChatGPT, avec un intérêt particulier pour la manière dont l’intelligence artificielle exploite les résultats de recherche. En explorant la console de développement de ChatGPT via Chrome, il a identifié un fragment de code révélateur : celui-ci fait référence à la méthode de fusion de rangs réciproques (RRF), une technique bien connue dans le domaine de la récupération d’informations.

🔍 La méthode RRF, décodée par Metehan

La fusion de rangs réciproques (Reciprocal Rank Fusion) est une méthode utilisée depuis 2009 pour combiner plusieurs listes de résultats en un classement unifié. Metehan rappelle que cette approche repose sur une formule simple :

• Score RRF = 1 / (60 + rang de la page)
• Rang #1 = 1 / (60 + 1) = 0,0164
• Rang #5 = 1 / (60 + 5) = 0,0154
• Rang #10 = 1 / (60 + 10) = 0,0143

Si une même page apparaît dans plusieurs listes à différents rangs, ses scores s’additionnent, ce qui renforce sa pertinence finale. Le paramètre “60” est utilisé par défaut pour atténuer les écarts entre positions.

🤖 Pourquoi ChatGPT (et d’autres LLMs) effectuent plusieurs recherches

D’après l’analyse de Metehan, les modèles d’IA comme ChatGPT, Perplexity ou même Google Search Generative Experience ne se limitent pas à une seule requête lorsqu’ils répondent à une question. Ils lancent en réalité plusieurs requêtes complémentaires, comme :

• “meilleures machines à café”
• “comment choisir une machine à café”
• “avis sur les machines à café pour la maison”
• “appareils de brassage de café”

Les résultats de toutes ces recherches sont ensuite fusionnés à l’aide de la méthode RRF, ce qui explique pourquoi les réponses fournies par l’IA sont souvent plus riches et nuancées qu’un simple résultat Google classique.

🧬 Le code source inspecté par Metehan

Dans le code exploré, Metehan a identifié plusieurs éléments techniques confirmant l’utilisation de RRF par ChatGPT :

rrf\_alpha: 1, rrfinputthreshold: 0, ranking\_model: null

Ces paramètres montrent que ChatGPT utilise une implémentation standard de la RRF, sans surcouche de modèle d’apprentissage supervisé (d’où ranking\_model: null), ce qui renforce l’idée d’un système de classement multi-requêtes.

📈 Ce que cela change pour le SEO

Metehan en tire une conclusion cruciale pour les stratèges SEO : dans un environnement où les IA croisent plusieurs requêtes pour fournir une réponse, l’autorité thématique et les clusters de contenus deviennent essentiels.

Une page isolée optimisée sur un seul mot-clé est bien moins puissante qu’un ensemble cohérent de contenus interconnectés.

Par exemple :

• Page A : ciblée uniquement sur “machine à café”
• Page B : incluse dans un cluster complet (“types de machines”, “comment choisir”, “entretien”, “comparatif”, etc.)

👉 La page B aura plus de chances d’apparaître dans plusieurs requêtes croisées et de bénéficier d’un score RRF cumulé supérieur.

🧠 Les recommandations de Metehan pour intégrer la RRF à votre stratégie SEO

• Cartographier tout votre univers sémantique
• Créer des clusters de contenus thématiques forts
• Optimiser pour la variété de requêtes et non une seule expression
• Analyser la couverture de vos pages plutôt que leur seul positionnement

✅ En résumé

Grâce à cette analyse, Metehan met en lumière une évolution majeure dans la recherche d’information pilotée par IA : les résultats ne sont plus simplement linéaires, mais combinés et pondérés mathématiquement via la RRF.

Comprendre cette mécanique, c’est anticiper les critères de pertinence des moteurs de demain — et adapter sa stratégie SEO en conséquence avec mes 7 astuces pour maîtriser le moteur de recherche par IA.