Ce que Google dit, ce que Google montre
Pour commencer, clarifions un point essentiel qui structure toute la discussion. L’annonce d’OKF avance l’idée d’un partage de connaissances entre divers groupes et organisations. À première vue, cela évoque un format d’échange de données : je génère un lot d’informations que vous pouvez utiliser, et ainsi le savoir circule.
Cependant, en examinant plus en détail les exemples fournis par Google dans son dépôt, comme les ensembles de données GA4, Stack Overflow, ou Bitcoin, ainsi que l’agent d’enrichissement, une autre réalité se dessine. Chaque concept décrit une table BigQuery : son schéma, la signification des colonnes, les chemins de jointure, et un champ resource pointant vers l’emplacement des données qui ne sont jamais déplacées.
Autrement dit, un concept décrivant une table devient en pratique une compétence. Il agit comme une métadonnée, un moyen de lecture pour un agent ayant déjà accès à l’entrepôt de données. Le lot de référence devient une couche d’annotation, un habillage pour une compétence posée sur des données conservées par le producteur.
Bien que cet usage soit légitime, il se situe à un pas de la promesse initiale. Le discours promet le « partage des connaissances », tandis que la démonstration se limite à « décrire mes tables privées pour des agents ». Le pointeur sous-entend que le lecteur peut suivre le chemin.
Par ailleurs, OKF n’est pas un outil de recherche, ni une nouvelle sorte de llms.txt à intégrer à votre site pour séduire les IA. Ce point a été approfondi ailleurs (Article LinkedIn en anglais) et ne sera pas réitéré ici. Cependant, il est crucial de le rappeler pour éviter les raccourcis.
Une question subsiste cependant, que les exemples n’abordent pas : que faire si le lecteur ne peut pas accéder à votre entrepôt, et si le savoir qui mérite d’être partagé est le résultat déjà calculé ?
Là où on se situe
Marie Haynes, dans son article sur OKF, propose d’aller au-delà de la simple conversion de pages. Elle évoque la possibilité de vendre des lots de savoir expert. Un avocat, un comptable, un consultant pourrait empaqueter ses processus exclusifs dans un bundle qu’une autre organisation intégrerait.
C’est exactement ce que nous faisons, concrètement.
Trois idées circulent actuellement autour des bundles OKF :
- Convertir ses pages en Markdown OKF, une approche GEO qui va à l’encontre même du concept OKF. Ce n’est pas l’objectif.
- Construire le sien, selon Haynes, à partir de ses propres documents. Un principe validé à petite échelle.
- Vendre un bundle de données + expertise. C’est là que se situe notre preuve de concept.
Voici deux précisions sur nos bundles qui font la différence.
D’abord, un bundle contient un extrait de notre donnée Discover enrichie : vos articles, vos entités clés, vos pipelines de distribution, ainsi que ceux de vos concurrents, calculés à partir de données que vous ne pourriez produire vous-même.
Ensuite, nous intégrons à la fois l’expertise et la donnée. Les playbooks (comment lire et interroger le bundle) voyagent avec l’ensemble de données. Connaissance, expertise et données dans un même artefact.
Comment un bundle est fabriqué
Un producteur déterministe (un script, sans LLM dans la boucle, donc reproductible et vérifiable) traite notre réplique analytique et sérialise l’empreinte Discover d’un site sur une période, dans un bundle autonome. Quelques choix assumés qui sont aussi nos limites :
- Capture, pas trafic. Nos chiffres proviennent d’un échantillon de capture. Ils ne représentent pas des volumes de trafic, d’audience ou de revenus. Nous comparons des positions relatives (parts, scores), jamais des volumes absolus. Nous ne prétendons pas avoir des données parfaites ; nous avons des données comparables.
- La performance se mesure en score et en jours. Le score (0 à 100) évalue le meilleur jour d’un article par rapport au meilleur article du système ce jour-là. Les jours en feed mesurent la persistance. Ces deux indicateurs apportent de la nuance.
- Les entités d’abord, les sujets à titre indicatif. Les thèmes auto-classés sont souvent bruyants (un portrait peut se retrouver sous « humour »). Nous nous appuyons sur les entités et nous confrontons toujours aux titres avant de conclure.
Ces règles ne sont pas reléguées en simple note de bas de page : elles voyagent dans le bundle, dans un concept GUARDRAILS que l’agent lit en premier. La grille de lecture fait partie de la livraison.
Ce qu’on peut réellement en tirer
Un bundle n’est pas qu’une simple donnée : il inclut les recettes pour l’interpréter. L’agent du client choisit le playbook adapté à sa question et génère l’analyse de manière autonome. Voici le menu :
- pipeline-profile : quels mécanismes du feed vous soutiennent, et quel profil d’éditeur vous êtes.
- content-footprint : sur quoi vous êtes visible, et ce qui provoque vos pics.
- pipeline-evolution : comment ce mix évolue dans le temps.
Si vous fournissez à votre agent non seulement votre bundle, mais aussi celui d’un ou plusieurs concurrents, vous débloquez des playbooks bonus :
- content-gap : où un concurrent est en avance, et quoi publier pour rattraper.
- content-fit : ce que ses succès ont de transposable chez vous, avec des idées de titres dans votre propre style.
- pipeline-conquest : quels pipelines menés par un concurrent vous pouvez raisonnablement conquérir.
Aucun de ces playbooks ne nécessite de revenir vers nous.
Deux façons de récupérer cette intelligence
Reste une question pratique : comment vous livrons-nous tout cela ? Deux modèles, qui ne s’opposent pas.
Le premier, c’est le rapport clé en main, produit à la demande depuis un moment, et que les clients nous redemandent. Nos données, notre extraction, nos agrégats et nos tops, avec un raisonnement par-dessus, et un rapport personnalisé, assisté par IA, à partir d’un gabarit. Vous voulez la réponse, déjà faite, avec notre lecture : ce modèle est pour vous. Le résultat est dense, le plus complet possible, technique.
Le second, c’est le bundle OKF que vous conservez. Données enrichies, agrégées, pré-filtrées, qui demeurent chez vous. Vous posez vos propres questions, vous itérez, vous comparez plusieurs bundles, vous ajoutez vos propres données (comme la Search Console), vous poussez vos tests plus loin. Vous voulez posséder les données et continuer à les interroger : c’est ce modèle qui vous convient.
Ce qu’on ne prétend pas
Pour terminer, et parce que l’honnêteté fait partie de notre approche : Google n’a pas illustré cet usage, ses exemples décrivent des tables d’entrepôt. Nous avons tout simplement expérimenté : nous avons poussé à l’extrême le pari « l’agent sait lire » et intégré nos données enrichies à l’intérieur du bundle. Ce que l’agent en retire, comme le montrent les deux exemples précédents, va au-delà de ce que nous attendions d’un format aussi simple. C’est tout ce que nous revendiquons, ni plus ni moins.
Le format est mince. Ce que nous y intégrons, et la manière de le lire, font tout. Le reste, les questions que vous posez, les comparaisons, les arbitrages éditoriaux, c’est vous qui les menez. Comme tout bon capitaine, c’est en naviguant dans vos propres données que vous ferez vos meilleures découvertes.
Pour davantage d’informations, consultez l’article de référence complet sur 1492.
