Storyboard d’un outil de veille d’influenceurs SEO sur Twitter et Linkedin

En bref

• Une liste de 28 « experts AI search » publiée par un blog a été confrontée aux citations réelles entre ses membres, sur trente jours, sur X puis sur LinkedIn.
• 2 514 posts analysés (1 980 sur X, 534 sur LinkedIn) pour 1,665 $ de données au total.
• Le compte le plus relayé par ces experts ne figure pas dans la liste : 125 citations, par 13 des 20 comptes actifs.
• LinkedIn ne permet pas de classer qui que ce soit par citations, mais il réhabilite deux personnes que X faisait passer pour inactives.
• La décision la plus rentable n’était pas technique : « aucun paramètre chiffré en dur ». Elle a révélé un calcul faux en dix minutes.

Article fil rouge — dernière mise à jour : 12 octobre 2026 · statut : mesure faite, automatisation mensuelle à câbler. Ce qui a changé : première publication.

Pourquoi j'ai refusé de croire une liste d'experts

Bon, je vais être direct : une liste de « X experts à suivre », ça mesure la notoriété de ceux qui y figurent, et c’est à peu près tout. Ça ne dit pas qui est réellement lu par ses pairs, ni qui publie de l’information plutôt que sa propre promotion.

Le point de départ, c’est un article d’iloveseo.net qui liste 28 spécialistes de la recherche par IA. Je voulais en ajouter quelques-uns à ma liste de veille, mais seulement ceux qui diffusent de l’actualité substantielle. Deux critères donc, à croiser : être cité par les autres, et publier autre chose que soi-même.

Plutôt que de trancher à l’intuition, on a mesuré. Je vais raconter ici comment, avec les chiffres, et surtout avec les trois endroits où la méthode s’est trompée avant de se corriger. Parce que c’est là que ça devient intéressant.

Une liste d'experts mesure la notoriété, jamais si leurs pairs les citent vraiment

Le premier réflexe, c’est de poser la question correctement. La liste donne 28 noms, dans l’ordre alphabétique, sans critère. Ce qu’on veut savoir, c’est qui cite qui, qui publie de l’actu, et qui s’auto-promeut.

Ce qui s’est dit — Moi : regarde ces 28 personnes, dis-moi lesquelles sont les plus citées entre elles. Claude : il faut d’abord retrouver leurs comptes, puis compter les citations réelles sur trente jours.

Pour faire simple : avant de compter quoi que ce soit, il faut un corpus. Trente jours de publications pour chacun des 28, et une définition claire de ce qu’on appelle une citation.

Sur 28 experts annoncés, seuls vingt ont un compte X vivant

Première surprise, avant même d’analyser quoi que ce soit : retrouver les comptes. La liste était bâtie sur LinkedIn, pas sur X. Une sonde automatisée à six millièmes de dollar sur 24 hypothèses de pseudos, puis onze recherches web pour les cas difficiles, et voilà le bilan : 25 comptes trouvés, 3 personnes sans aucun compte, 5 comptes abandonnés depuis des mois.

Ce qui s’est dit — Moi : cherche-les sur X et analyse leurs trente derniers jours. Claude : vingt-cinq comptes trouvés, trois introuvables, cinq dormants, le plus récent depuis janvier 2025.

À noter que l’un des experts a deux comptes, le sien et celui de son agence. Il a fallu les fusionner pour le comptage, sinon il aurait été compté deux fois, ou pas du tout.

Répondre à quelqu'un ajoute son nom automatiquement : ce n'est pas une citation

C’est le piège classique des comptages de mentions. Sur X, quand vous répondez à quelqu’un, son nom est inséré automatiquement dans votre message. Deux personnes qui discutent beaucoup gonflent donc leur score mutuel sans qu’aucune des deux n’ait décidé de citer l’autre.

On a donc séparé deux choses : les mentions éditoriales, celles d’un post original, d’un repartage ou d’une citation, et les réponses, où le nom est ajouté par la plateforme. Et on a ajouté un deuxième compteur, le nombre de pairs distincts : dix citations par dix personnes différentes valent plus que dix citations par une seule.

Ce qui s’est dit — Moi : je veux ceux qui balancent de l’actu intéressante, pas seulement de l’auto-promotion. Claude : alors on compte aussi les pairs distincts.

Le corpus X : 1 980 posts sur trente jours, du 12 septembre au 12 octobre 2026, pour 0,297 $. Le classement qui en sort est net, avec une vraie séparation en tête : 59 citations pour la première, puis 32, puis 28.

Le compte le plus relayé par ces experts ne figure pas dans la liste

Et voilà le résultat qui justifie tout le reste. Treize des vingt comptes actifs relaient la même personne, et cette personne n’est pas dans la liste des 28. Cent vingt-cinq citations, contre 59 pour la mieux classée de la liste.

Ce qu’il faut retenir, c’est que les experts de la liste commentent l’information. Quelqu’un d’autre la produit. Si vous ne deviez ajouter qu’un compte à votre veille, ce serait celui-là, et aucune liste ne vous l’aurait donné.

Ce qui s’est dit — Moi : l’idée est de les ajouter à ma liste de veille. Claude : alors commence par celui qu’ils relaient tous, et qui n’est pas dans la liste de départ.

Les mentions LinkedIn sont nombreuses, mais elles sortent du groupe étudié

La liste de départ venait de LinkedIn, donc logique d’y refaire la mesure. On s’attendait au même graphe de citations. Ça n’a pas marché, et c’est une vraie leçon.

Les mentions y sont denses, 403 pour 399 posts, mais elles pointent massivement vers l’extérieur du groupe. Entre les 28, le graphe plafonne à sept citations, avec neuf personnes à zéro. Impossible de classer qui que ce soit là-dessus. Pour faire simple, X est une clique, LinkedIn est un réseau ouvert.

Ce qui s’est dit — Moi : analyse aussi leurs profils LinkedIn, la liste vient de là. Claude : testé, les mentions sont denses mais dispersées, donc LinkedIn servira à autre chose.

Décision : deux classements, jamais fusionnés. X trié par citations reçues, LinkedIn par engagement. Un score composite aurait additionné deux signaux qui n’ont rien à voir.

Deux experts jugés inactifs sur X sont parmi les plus actifs sur LinkedIn

C’est l’autre apport de LinkedIn, et il est concret. Une personne n’avait rien publié sur X depuis janvier 2025 ; sur LinkedIn, elle relaie 74 comptes par mois, ce qui en fait le premier capteur de sources neuves du groupe. Une autre, elle aussi silencieuse sur X, obtient le meilleur engagement des 28 sur LinkedIn.

Une analyse mono-plateforme les jugeait sur un terrain qu’elles avaient quitté. Vous me direz que c’est évident une fois écrit. Ça ne l’était pas avant la mesure.

Ce qui s’est dit — Moi : après tout, la liste de départ vient de LinkedIn, logique d’y mesurer leur pertinence. Claude : tu avais raison, deux profils changent complètement de verdict.

Au passage, une source neuve est apparue : citée par cinq membres distincts, soit plus que n’importe quel membre de la liste. Avec une nuance honnête, deux des cinq sont ses collègues.

Aucun paramètre chiffré en dur : tout se recalcule, sinon la mesure ment

On arrive au moment le plus instructif. Pour passer de « combien de citations » à « quel engagement, quelle portée », il faut des seuils. La première version les posait en dur : tel pourcentage, telle valeur. J’ai refusé. Ce qui est vrai d’un domaine ne l’est pas d’un autre, donc tout doit être recalculé sur les données du mois, ou déclaré comme valeur importée avec sa provenance.

Appliquer cette règle a immédiatement révélé un calcul défaillant. L’estimation de l’âge auquel les interactions d’un post se stabilisent renvoyait « un jour ». Plausible. Faux. Une coupe transversale sur des posts différents ne peut pas mesurer une accumulation : la variance entre posts écrase tout. Et ce chiffre faux avait changé en silence un tiers du corpus analysé, 571 posts jugés exploitables au lieu de 429.

Ce qui s’est dit — Moi : aucun paramètre en dur. Claude : appliqué, et ça a attrapé un calcul faux mais plausible que rien ne signalait.

Un paramètre dérivé mais faux est pire qu’une constante en dur, parce qu’il ne se voit pas. Depuis, chaque dérivation automatique porte un test de validité et un repli déclaré. C’est écrit dans la spec, et c’est transférable bien au-delà du SEO.

Repondérer les interactions ne déplace pas le classement : conclusion, on ne le fait pas

Une autre idée séduisante : pondérer chaque type d’interaction par sa rareté, plutôt que d’utiliser des poids simples de 1, 3 et 5. Les poids dérivés sortent deux à quatre fois plus élevés. Et le classement des personnes ne bouge pas : corrélation de 0,96 sur X et 0,985 sur LinkedIn entre les deux variantes.

Ce qui s’est dit — Moi : compare la variante dérivée aux poids simples. Claude : les poids n’ont aucun effet utile sur le classement.

Les trois types d’interaction sont trop corrélés pour que la pondération compte. Donc on ne change rien, et l’idée est rangée ailleurs : qualifier la forme de l’engagement d’un post, pas classer des personnes. Une expérience qui conclut « ne touchez à rien » est une bonne expérience.

Sept zones de la page se rafraîchissent chaque mois sans toucher au texte

Une mesure faite une fois vieillit vite. La page de veille qui en est sortie est donc conçue pour être rafraîchie chaque mois : les tableaux, les scores et les sources émergentes vivent dans sept zones balisées qu’un automate remplace. Le texte rédigé, lui, reste figé.

Le piège, c’est l’ordre. Si les sections par personne étaient rangées par rang, le texte contredirait les tableaux dès la deuxième mise à jour. Elles sont donc rangées par palier de verdict, jamais par position.

Ce qui s’est dit — Moi : ça pourrait être une page dynamique mise à jour chaque mois ? Claude : oui, et le piège est l’ordre du texte, à découpler de celui des données.

Deux mille cinq cents posts analysés sur deux plateformes pour moins de deux dollars

Le coût total du passage : 1,665 $. Dans le détail, 0,006 $ pour résoudre les comptes, 0,297 $ pour les 1 980 posts X, 0,002 $ pour vérifier les comptes dormants, 0,180 $ pour le test LinkedIn, 1,068 $ pour les 534 posts LinkedIn, et 0,112 $ pour les abonnés. Mesuré le 12 octobre 2026.

Ce que ça produit : un classement par citations sur X, des scores d’engagement sur les deux plateformes, et surtout onze sources hors liste que les listes d’experts ne donnent jamais. Repérer une source avant qu’elle soit sur les listes, c’est exactement le différenciateur d’un service de veille.

Ce qui s’est dit — Moi : à terme, cette page pourra renvoyer vers mon service de veille d’influenceurs. Claude : c’est exactement le différenciateur.

Ce qu'il faut retenir

• Une liste d’experts n’est pas une mesure. Les citations croisées réelles disent qui produit l’information, et la réponse peut être hors de la liste.
• Un paramètre dérivé automatiquement est plus dangereux qu’une constante en dur quand il est faux mais plausible : il déplace tout en silence. Chaque dérivation mérite un test de validité.
• Le graphe de citations ne se transpose pas d’une plateforme à l’autre. X est une clique, LinkedIn un réseau ouvert : mesurez chaque plateforme pour ce qu’elle sait dire.
• « Qui on lit » n’est pas « qui on observe ». Les comptes les moins intéressants à suivre sont souvent les meilleurs capteurs de sources neuves.

Questions fréquentes

Pourquoi ne pas simplement compter les mentions ?

Parce qu’une réponse sur X insère le nom de l’interlocuteur automatiquement. Compter toutes les mentions revient à mesurer qui discute avec qui, pas qui cite qui.

Pourquoi deux classements au lieu d'un score unique ?

Parce que les deux plateformes ne mesurent pas la même chose. Sur X, le graphe de citations est dense et séparant. Sur LinkedIn, il est trop clairsemé pour classer, mais l’engagement y est riche. Additionner les deux aurait fabriqué un chiffre sans signification.

Combien ça coûte de refaire la mesure ?

1,665 $ par passage pour 28 personnes sur deux plateformes, données d’octobre 2026. Les posts sont achetés à l’unité auprès de scrapers du Store Apify.

Peut-on appliquer ça à une autre liste, dans un autre secteur ?

Oui, c’est précisément pour ça qu’aucun paramètre n’est écrit en dur : seuils et quantiles se recalculent sur le corpus du mois.

Est-ce que ça remplace le jugement éditorial ?

Non. La mesure dit qui est relayé et qui publie de l’actualité. Décider qui mérite votre attention reste votre affaire, avec de meilleures cartes en main.

Et maintenant ?

La mesure est faite, la page de veille existe en brouillon, et il reste à câbler l’automatisation mensuelle qui remplacera les sept zones. Cet article suivra : à chaque étape franchie, une ligne datée en tête dira ce qui a changé.