Moteur de contenu IA multilingue : recherché, traduit et vérifié avant publication

Étude de cas

Moteur de contenu IA multilingue : recherché, traduit et vérifié avant publication

Toutes les études de cas

J'ai conçu le moteur de contenu de vaiibe.com, un site publié en français, en anglais et en arabe. Il recherche un sujet grâce à une recherche web en direct, rédige un article structuré à partir de ces notes, le traduit section par section et prépare les champs SEO de chaque langue. Des contrôles automatiques repèrent les pages non traduites et les écarts de style, et rien n'est mis en ligne avant ma relecture.

3
Langues par article
5
Étapes de la recherche au SEO
4
Défauts de traduction détectés automatiquement
100%
Modifications sauvegardées avant écriture

Le problème

Publier en trois langues triple le travail d'écriture, et les raccourcis habituels aggravent souvent la situation.

  • Les traductions prennent du retard. Les pages en français et en arabe restent à moitié en anglais ou remplies de textes provisoires, et les moteurs de recherche les indexent quand même.
  • Le texte IA générique abîme la confiance. Il affirme des faits que personne n'a vérifiés et porte des tics reconnaissables que les lecteurs repèrent tout de suite.
  • La recherche par IA change ce qui est cité. Des assistants comme ChatGPT, Perplexity ou les AI Overviews de Google citent les pages qui offrent une réponse courte et autonome et des affirmations vérifiables, ce qu'un article de blog classique propose rarement.
  • Les modifications en masse sont risquées. Un seul script mal lancé peut écraser des dizaines de pages sans retour possible.

L'approche

J'ai conçu le moteur comme une chaîne où chaque étape a une seule mission et où chaque écriture peut être annulée.

La recherche d'abord, la rédaction ensuite

Un article passe par cinq étapes : recherche, brouillon, humanisation, traduction et compléments SEO. L'étape de recherche s'appuie sur Google Search en direct et renvoie des notes avec leurs sources. La rédaction n'écrit ensuite qu'à partir de ces notes, avec une règle explicite : si un fait n'est pas dans le dossier de recherche, il n'est pas affirmé. Le moteur peut aussi produire une image de couverture et une version audio de l'article.

Pensé pour être cité par la recherche IA

Chaque article contient un paragraphe de réponse de 40 à 60 mots qui se suffit à lui-même, ainsi que trois à huit affirmations vérifiables reliées à leurs sources. Les entrées de glossaire, les comparatifs et les réponses de FAQ ont leur propre générateur avec la même structure.

Une traduction vérifiable

Le français et l'arabe sont traduits une langue par appel au modèle, ce qui garde un HTML propre sur les textes longs. Une règle unique et partagée décide si une page est considérée comme traduite, et le sitemap, les pages publiques et l'outil de traitement par lots l'utilisent tous. Elle détecte quatre défauts : un texte provisoire, un champ vide, un texte identique à l'anglais et de l'anglais collé dans la version arabe. Une page qui échoue reste automatiquement hors du sitemap.

Des garde-fous avant toute écriture

Les modifications de contenu passent par un outil de patch qui audite d'abord, affiche le diff complet, puis écrit. Il refuse les tirets longs, signale une voix d'entreprise au pluriel, bloque les champs protégés comme les slugs et le statut de publication, et sauvegarde chaque document avant d'y toucher, pour que chaque exécution puisse être restaurée.

Résultat

Le moteur produit et entretient aujourd'hui le contenu multilingue de vaiibe.com.

  • Un article, trois langues : chaque contenu sort en français, en anglais et en arabe, avec des champs SEO pour chaque langue.
  • Aucune page à moitié traduite dans les résultats : les versions non traduites restent hors du sitemap par construction.
  • Chaque modification est réversible : chaque édition en masse est sauvegardée et peut être restaurée par son identifiant d'exécution.
  • L'humain reste l'éditeur : le moteur prépare les brouillons, et c'est moi qui décide de ce qui est publié.

Le moteur tourne sur un modèle Gemini léger, ce qui garde un coût par article assez bas pour entretenir du contenu en trois langues en continu. Il fait partie du projet VAIIBE.

Stack technique

Genkit
Gemini
Google Search grounding
Next.js
Firestore
TypeScript

Services associés