Par Elisha Bajemon | Publié le 17 octobre 2026

Calibrer un score par intervention : comment les poids du score ont été choisis

En bref

Le score GEO utilise des poids ajustés sur des modifications contrôlées du texte ; cinq tests départagent ensuite les familles de calcul. Dans Scoring Without the Engine, déposé par Bajemon et Rochet le 7 septembre 2026, cette méthode remplace un ajustement sur 39 pages qui résistait mal à la validation croisée. Chaque modification est comparée à un ajout neutre de même longueur. Parmi les familles nouvellement ajustées, seule celle en racine carrée réussit les cinq tests. La page méthodologique de Citead décrit la version v5, en production depuis juin 2026. Le score évalue des propriétés du contenu sans prédire le choix d’une source par un moteur.

Points clés

Les résultats suivants viennent de Bajemon et Rochet, septembre 2026 :

• L’ancien ajustement sur 39 pages passe d’une corrélation de Spearman de 0,90 sur son échantillon à environ 0,20 en validation croisée.
• La comparaison des familles repose sur 500 sources anglaises, réparties entre 250 sources d’ajustement et 250 de confirmation.
• Cinq interventions servent d’ancres pour onze poids : les auteurs ne revendiquent aucun vecteur de poids optimal unique.
• Les poids publiés les plus élevés sont ceux de l’entropie de Shannon, à 0,246, de la densité d’information, à 0,244, et des passages citables, à 0,124.

La formule documentée par Citead pour la version v5, en production depuis juin 2026, combine ensuite 92 % de contenu et 8 % de fraîcheur.

Pourquoi les anciens poids ont-ils été abandonnés ?

L’ancien ajustement perdait l’essentiel de sa corrélation lorsqu’il était évalué hors de son échantillon d’apprentissage. Selon Bajemon et Rochet, septembre 2026, les poids avaient été réglés sur 39 pages, à partir du nombre de citations observées dans trois moteurs commerciaux.

La validation croisée consistait à retirer successivement une page de l’ajustement pour l’évaluer séparément. La corrélation de Spearman tombait alors de 0,90 à environ 0,20. Les corrélations individuelles les plus fortes avaient, elles, été mesurées sur 20 pages au plus.

Avec onze poids et moins de 40 observations bruitées, les auteurs diagnostiquent un surajustement : la pondération épouse trop étroitement les particularités du petit échantillon. Pour expliquer la note à un client, nous recommandons donc de distinguer l’accord obtenu pendant l’ajustement de celui mesuré sur des données tenues à l’écart.

Qu’est-ce qu’une calibration par intervention ?

La calibration par intervention désigne ici le réglage des poids à partir de la réaction du score à des modifications contrôlées. Le protocole de Bajemon et Rochet, septembre 2026 compare chaque texte modifié à une version enrichie d’un bloc neutre de même longueur.

Cette comparaison vise à isoler ce que change le contenu ajouté. Sans contrôle du volume, une sous-mesure sensible à la longueur pourrait récompenser tous les ajouts. Les auteurs font explicitement de cette séparation entre contenu et longueur une hypothèse de leur méthode.

Ils observent ensuite comment chacune des onze sous-mesures réagit aux interventions. Les poids sont ajustés pour rapprocher le profil de ces réponses des effets publiés qui servent d’ancres. L’ajustement utilise 250 sources anglaises de GEO-Bench ; les 250 autres servent à confirmer le résultat. Les tests qui départagent les familles sont calculés sur la partie d’apprentissage avant cette confirmation.

Une pénalisation maintient aussi une proximité avec les anciens poids. Elle évite de supprimer des sous-mesures sans motif dans les nouvelles observations. L’ancienne pondération reste ainsi un point de départ encadré dans le calcul.

Quelles ancres ont servi, et que valent-elles aujourd’hui ?

Les ancres sont les gains historiques que les auteurs cherchent à retrouver dans les réactions relatives du score. Bajemon et Rochet, septembre 2026 reprennent les résultats GEO d’Aggarwal et ses coauteurs, obtenus sur les moteurs de 2023. Leur tableau donne les gains relatifs de PAWC, le nombre de mots ajusté selon leur position dans la réponse.

Ces valeurs servent de références historiques. Dans les essais contrôlés de 2026 portant sur dix familles de moteurs, les trois leviers historiquement les plus forts ne déplacent plus la citation dans le sens publié. Le protocole présente aux moteurs un ensemble de sources présélectionnées ; sa portée reste celle de ce cadre expérimental.

Les auteurs rattachent donc la valeur actuelle de la calibration aux propriétés imposées par les tests. Deux articles accompagnent cette lecture : L’étude GEO de 2023 (Aggarwal et al., KDD 2024) : ce qu’elle a mesuré et comment la relire avec les moteurs actuels et Les trois leviers GEO de 2023 ne déplacent plus la citation sur les dix familles de moteurs testées.

Comment les portes ont-elles départagé les pondérations ?

Une « porte » est un test dont l’échec élimine une famille candidate. Dans Bajemon et Rochet, septembre 2026, ces contraintes portent sur le comportement du score quand le texte est modifié :

• Le contrôle négatif vérifie que le bourrage de mots-clés ne donne pas une note supérieure à celle obtenue avec l’ajout neutre de même longueur.
• La réponse à la dose vérifie qu’augmenter un ajout ne provoque pas de baisse importante de sa réponse contrôlée.
• La saturation limite l’amplification obtenue en répétant un même levier.
• Le test de duplication limite le gain obtenu en recopiant le texte entier.
• Le contrôle de longueur limite la corrélation entre la note et le logarithme de la longueur du texte.

Les auteurs comparent des agrégations linéaires, en racine carrée et par quantiles. Deux candidates linéaires sont mieux alignées sur les ancres que la famille retenue, mais échouent au test de dose. La racine carrée est la seule famille nouvellement ajustée à franchir les cinq portes. L’ancienne pondération observationnelle les franchit aussi, avec un alignement historique plus faible.

Le seuil décisif autorise une baisse maximale de 0,5 point entre doses successives. Le choix reste identique pour un seuil supérieur à -0,69 et inférieur ou égal à -0,36 point. Cette plage rend visible la sensibilité de la sélection au réglage du test.

Les articles Scoring Without the Engine expliqué : ce que valide un score de contenu calculé sans interroger les moteurs et Un attaquant peut-il gonfler un score de contenu ? Le test sur 500 sources modifiées complètent le parcours.

Quels poids ont été retenus ?

Les onze coefficients ci-dessous sont ceux du tableau publié par Bajemon et Rochet, septembre 2026. Ils pondèrent les sous-mesures après leur transformation en racine carrée.

L’addition de ces coefficients arrondis donne 1,001 ; la formule définit des poids dont la somme vaut un. La plus forte hausse concerne la densité de passages citables, passée de zéro à 0,124. Cette sous-mesure répond aux phrases de définition et aux citations attribuées.

La transformation en racine carrée réduit le rendement marginal d’une sous-mesure poussée vers son plafond. Le contenu obtenu compte ensuite pour 92 % de la note finale, la fraîcheur pour 8 %. Des plafonds limitent aussi la note des textes très courts. Pour la formule et les parts par critère, la référence reste la méthodologie de Citead.

Que veut dire « poids faiblement identifié » ?

Un poids est faiblement identifié lorsque les observations autorisent une large plage de valeurs sans départager nettement les solutions. Bajemon et Rochet, septembre 2026 soulignent qu’avec cinq ancres pour onze poids, plusieurs combinaisons peuvent donner le même alignement.

La densité de passages citables est étroitement encadrée : son intervalle admissible va de 0,12 à 0,16 sur la grille testée. L’autonomie des paragraphes, la diversité des blocs, la qualité de la structure des titres et la diversité entre blocs admettent chacune des valeurs de zéro à 0,50. Ces intervalles s’obtiennent en fixant un coefficient puis en réajustant les autres ; leurs extrémités ne se combinent pas librement.

Les justifications varient donc selon la sous-mesure. Certaines portent les réponses aux ancres ; la famille de l’entropie porte la détection du bourrage ; d’autres conservent une valeur héritée de l’ancienne pondération. Un coefficient publié décrit une configuration retenue avec ces contraintes. Sa précision décimale ne prouve pas qu’il soit l’unique valeur possible.

Quelles limites faut-il garder en tête ?

Ces poids définissent un outil d’évaluation du contenu dont les limites sont documentées par Bajemon et Rochet, septembre 2026. L’entropie de Shannon atteint déjà son plafond de 100 sur 84 % des sources de base de GEO-Bench. Son rôle dans la réaction au bourrage reste distinct de sa capacité à différencier les textes initiaux.

La fraîcheur repose sur un appui observationnel : son ajout est associé à un supplément de corrélation de Spearman de +0,018 dans l’analyse des sept moteurs initiaux. Cette corrélation compare, pour une même requête, le score des sources à leur part de visibilité dans la réponse. Aucune intervention du protocole ne teste l’effet causal de la fraîcheur.

Pour présenter le score, nous recommandons d’indiquer sa version et les propriétés du texte qui expliquent la note. Les évolutions de citation demandent une mesure séparée. Le poids d’un critère ne se convertit pas en gain de visibilité.

Pour aller plus loin

• Entropie de Shannon et densité d’information : ce que mesure le premier poids du score.
• Pourquoi un score calculé sur le seul texte ne prédit pas le choix des sources par les moteurs.

Pour expliquer une note et retrouver sa formule de référence, consultez Comment le score GEO est calculé.