Au cours de l’année qui précède, le LLM GPT-4 et le chatbot ChatGPT ont connu un gain de popularité considérable. Mais OpenAI n’est pas la seule société à offrir des solutions aux professionnels du secteur du référencement à la recherche d’outils pour automatiser certaines tâches spécifiques. Dans un article publié sur Search Engine Land, Lazarina Stoy compare les performances de GPT-4 et des API d’apprentissage automatique de Google Cloud sur plusieurs tâches SEO courantes qui peuvent profiter des avantages de l’automatisation.
Ce qu'il faut retenir :
- Bien que privilégié par beaucoup, GPT-4 n'est pas le seul outil en mesure d'aider les SEO à automatiser leurs tâches
- Sur certaines tâches spécifiques, les APIs de Google Cloud se révèlent bien plus compétentes
- Il est conseillé de s'appuyer sur plusieurs outils pour tirer le meilleur de chacun
Méthodologie utilisée
Comme le précise l’autrice en préambule de son article, son objectif est moins de déterminer quel est le meilleur service que de pousser les SEO à utiliser plusieurs outils différents en fonction de leurs besoins spécifiques en matière d’automatisation. Elle a ainsi comparé 9 tâches SEO, avec GPT-4 et l’API de Google Cloud, en utilisant les mêmes textes, données et documents, afin de déterminer quelle est la plus compétente dans chaque domaine.
Trois résultats possibles :
- L’API est capable de réaliser cette tâche, mais avec quelques limitations ;
- Elle est incapable de la réaliser ;
- Elle s’illustre avec brio dans cette tâche !
Compréhension de texte
Les premiers tests concernent la compréhension de texte, et plus spécifiquement la reconnaissance des entités nommées et l’analyse syntaxique. Ces deux approches sont utilisées par les SEO pour l’analyse de SERP, la recherche de mots-clés, les audits de liens internes, l’analyse du contenu des concurrents ou encore l’analyse des commentaires sur les réseaux sociaux.
L’API de Google Cloud se distingue d’entrée de jeu en présentant de vrais atouts en matière de compréhension de texte avec une excellente reconnaissance des entités, l’analyse des sentiments des entités en contexte et la possibilité de l’utiliser avec de multiples intégrations. Seule limitation identifiée : une surcharge d’entités reconnues, par exemple, avec les formes singulières et plurielles.
Si GPT-4 est loin d’exceller en matière d’analyse de texte, la solution d’OpenAI se défend bien en ce qui concerne la reconnaissance d’entités. En revanche, il en va autrement de l’analyse syntaxique où l’API est sujette aux hallucinations.
Groupement de texte
Utilisés pour l’analyse SEO et l’exécution de différentes tâches à grande échelle, le clustering et la classification sont au cœur des autres tests réalisés par Lazarina Stoy.
Encore une fois, l’API de Google Cloud tire son épingle du jeu, cette fois-ci dans le cadre des tâches de classification, avec notamment plus de 700 catégories prêtes à l’emploi, de la précision, du contrôle et la possibilité de traiter un grand volume de longs documents. En revanche, l’histoire est bien différente dès lors qu’il s’agit de réaliser des tâches en lien avec des clustering. Dans ce cas précis, l’API de Google Cloud s’avère incapable de faire le job.
Bien que GPT-4 ne brille pas particulièrement en matière de classification, l’API est au moins capable de réaliser des tâches de clustering. Elle présente toutefois pas mal de limitations qui peuvent compliquer son utilisation. On privilégiera son utilisation pour les petits projets.
Légendage d’images
Alors que la génération d’images est dominée par DALL-E d’Open AI et n’a pas d’équivalent chez Google, le légendage est une tâche qui peut être confiée à plusieurs API. Important pour le référencement, l’ajout de légendes aux images permet aux sites de gagner en accessibilité, d’améliorer le classement des images dans les SERP et faciliter la compréhension du contenu des sites par les robots d’indexation.
Sur ce plan, GPT-4V (accessible via ChatGPT) et les API Vertex et Vision de Google Vision jouent à peu près dans la même catégorie. La seule différence notable qui pourrait faire pencher la balance est qu’il est plus facile d’intégrer Vertex AI de Google Cloud dans un projet et l’exécuter pour sous-titrer de très nombreuses images, ce qui n’est pas encore possible avec GPT-4V.
Transformation de contenu
La transformation de contenu concerne à la fois la transformation d’un contenu en texte adoptant un format ou un style différent, mais aussi la transformation de texte en audio, ou encore la transcription audio ou vidéo en texte. Elle est particulièrement utilisée dans le cadre de l’amélioration de l’accessibilité des sites.
Malgré quelques limitations, notamment le manque de scalabilité, GPT-4 est le plus compétent pour transformer un texte dans un style ou un contenu d'une longueur différente. Une tâche qu’est également capable de réaliser Vertex AI de Google Cloud, mais avec moins de versatilité.
En ce qui concerne la transcription vidéo/audio et la transformation de texte en audio, GPT-4 se révèle tout simplement incapable de réaliser ces tâches, tandis que l’API Text-to-speech de Google Cloud excelle dans les deux domaines, malgré des coûts potentiellement élevés en fonction du volume à traiter.
Traduction de contenu
Bien que la traduction automatique puisse grandement aider à réduire les coûts et accélérer le déploiement des sites de taille moyenne ou de grande taille, la location de contenu par des experts reste essentielle pour l’optimisation SEO et l’expérience utilisateur dans les marchés cibles.
Dans ce domaine, l’API de traduction de Google Cloud et GPT-4 se montrent aussi compétentes l’une que l’autre, même s’il faut toutefois noter quelques points négatifs. Ainsi, Google est parfois amené à changer la signification d’une phrase, manque de créativité ou fait de grosses erreurs, en particulier avec les structures complexes. De son côté, l’API GPT-4 commet des erreurs moins importantes, mais de façon plus récurrente. Elle éprouve également des difficultés à traduire des contenus aux structures complexes, et est globalement plus lente que l'API concurrente.
En conclusion, Lazarina Stoy conseille de ne pas se reposer sur un unique modèle pour réaliser l’ensemble des tâches SEO qui peuvent être automatisées. Bien que GPT-4 ait tendance à être privilégié, l’utilisation des outils spécifiques de Google Cloud peut être bien plus avantageuse pour certaines tâches.