Un prompt peut-il remplacer WriterZen ?

Construis un outil de regroupement de mots-clés utilisant le chevauchement de SERP, pas la similarité sémantique. Aucun modèle de langage requis nulle part dans la boucle centrale.

Entrée : une liste de mots-clés, importée en CSV ou collée, avec un pays cible, une langue et un appareil par projet.

Collecte : pour chaque mot-clé, récupère les 10 meilleures URL de résultat organique via une API SERP commerciale derrière un module fournisseur interchangeable, jamais par scraping. Stocke l’ensemble d’URL avec sa date de récupération. Mets en cache par mot-clé plus locale plus jour et ne re-récupère jamais dans la même journée.

Coût, rendu incontournable avant d’être dépensé : regrouper N mots-clés coûte N appels SERP, donc montre l’arithmétique — le nombre de mots-clés multiplié par le tarif du fournisseur — et exige une confirmation avant que la collecte ne commence. Impose un budget strict qui met en pause plutôt que de dépasser. Un utilisateur qui importe 5 000 mots-clés sans voir la facture d’abord a été trahi par l’outil.

Regroupement, qui est l’intérêt de ce projet :

1. Normalise chaque URL de résultat — retire le schéma, enlève les paramètres de suivi, mets l’hôte en minuscules, retire une barre oblique finale — pour que la même page comptée deux fois ne casse pas la comparaison.
2. Deux mots-clés sont connectés quand leurs ensembles de résultats partagent au moins K URL, avec K configurable et par défaut à 3.
3. Construis le graphe de ces connexions et extrais les groupes. Propose deux modes : composantes connexes (groupes lâches, plus grands) et un mode plus strict exigeant que chaque paire à l’intérieur d’un groupe atteigne le seuil. Montre les deux et laisse l’utilisateur comparer — le bon seuil est un jugement sur combien de consolidation de contenu il veut, pas un fait.
4. Nomme chaque groupe d’après le mot-clé avec le plus de connexions à l’intérieur, ce qui est une meilleure étiquette que le mot-clé au plus haut volume et ne nécessite aucune donnée de volume.

Pourquoi ça plutôt que des embeddings, indiqué dans le README : deux mots-clés peuvent se lire presque identiquement et retourner des résultats entièrement différents, et deux qui ne se ressemblent pas du tout peuvent retourner la même page. Le chevauchement de résultats de recherche est une mesure directe de comment un moteur de recherche traite la paire ; la similarité sémantique est une supposition à ce sujet.

Inspection : pour tout groupe, montre les URL partagées et combien de mots-clés chacune couvre. Pour toute paire, montre les deux ensembles de résultats côte à côte avec le chevauchement surligné. Un groupe que tu ne peux pas inspecter est un groupe auquel tu ne peux pas faire confiance pour justifier la fusion de deux articles.

Sorties : groupes en CSV (mot-clé, identifiant de groupe, nom de groupe, nombre de connexions), un brief par groupe listant ses mots-clés et URL partagées à étudier, et un export JSON complet.

Re-regroupement : change le seuil ou le mode et regroupe à nouveau depuis les SERP en cache, instantanément et sans coût. L’expérimentation de seuil est la principale façon dont cet outil est utilisé, donc elle doit être gratuite après la collecte.

Hors périmètre : la découverte de mots-clés ou le volume de recherche de quelque source que ce soit, la rédaction de contenu, la vérification de plagiat, et le suivi de classement.