Agent SEO Next.js.
L’agent SEO Next.js crawle un site, vérifie quarante-sept signaux On-Page, valide les Schema.org, contrôle llms.txt et estime la AI Overviews readiness. Le code est publié sur GitHub et tourne en local sans inscription.
Le pipeline
Comment ça marche, étape par étape.
- 01
Crawl headless.
L’agent lance Playwright en headless pour récupérer le HTML rendu avec JavaScript exécuté. Cette étape capture aussi les balises injectées par Next.js côté client (metadata API, dynamic imports). Vingt à trente pages par minute en pratique.
- 02
Vérification On-Page.
Quarante-sept checks par page : présence et longueur du title, présence et longueur de la description, canonical, hreflang, hiérarchie H1/H2/H3 sans saut, ratio texte/HTML, alt sur toutes les images, balisage des liens internes, noindex involontaires.
- 03
Validation Schema.org.
Toutes les balises JSON-LD trouvées sont parsées et validées contre la spec Schema.org. L’agent détecte les types présents (Article, Person, Organization, FAQPage, BreadcrumbList) et signale les propriétés requises manquantes par type.
- 04
Contrôle llms.txt.
Présence du fichier llms.txt à la racine, structure conforme aux propositions de Jeremy Howard, présence d’un llms-full.txt si pertinent. C’est un signal clé pour la AI Overviews readiness.
- 05
AI Overviews readiness.
Score composite basé sur la présence de définitions claires en début de page, de listes structurées, de FAQ schema, de chiffres avec sources citées, et de chunks de cent à trois cents mots cohérents en isolation. Ces signaux corrèlent fortement avec les citations par ChatGPT, Perplexity et Google AI Overviews.
- 06
Sortie JSON et Markdown.
L’agent produit deux artefacts : un JSON exhaustif (pour la CI) et un rapport Markdown lisible (pour le commit message ou la pull request). Le rapport hiérarchise les priorités : bloquant, important, cosmétique.
À retenir
Quatre-vingts pour cent des problèmes SEO de sites Next.js trouvés en pratique sont des oublis basiques : canonical manquant, hreflang mal configuré, ou H1 doublé par le template.
Le score AI Overviews readiness moyen mesuré sur un échantillon de cent sites SaaS français en 2026 est de quarante-deux sur cent. La marge de progression est immense.
L’agent en local, gratuit, fait quatre-vingt-dix pour cent de ce qu’un Ahrefs à quatre cents euros par mois fait pour ce périmètre précis. Il ne remplace pas Ahrefs sur la partie backlinks et concurrence.
Intégré en CI sur une pull request, l’agent évite les régressions SEO silencieuses introduites par un refacto front.
FAQ
Les questions qu’on me pose.
Faut-il un compte pour utiliser l’agent ?
Non. Le code tourne en local avec Node.js dix-huit ou plus. Aucune clé API requise pour les checks SEO classiques. Une clé Anthropic est optionnelle pour la rédaction de recommandations en français par Claude.
Quelle est la différence avec Sk:vr ?
Sk:vr est une application hébergée qui sert un rapport prêt à lire à un fondateur ou un client. L’agent SEO Next.js est un script développeur, configurable, intégrable en CI, sans interface. Même cœur, deux usages.
Le code est-il open source ?
Oui, sous licence MIT sur GitHub. Pull requests bienvenues. La logique de scoring AI Overviews est documentée pour pouvoir être contestée ou améliorée.
Combien de pages peut-on auditer en une seule passe ?
En pratique, jusqu’à cinq cents pages avec une RAM raisonnable. Au-delà, il faut configurer le throttling Playwright ou découper l’audit par section du sitemap.
L’agent gère-t-il les sites en plusieurs langues ?
Oui, l’agent suit les hreflang et audite chaque variante de langue séparément. Les checks sont identiques par variante, le rapport agrège ensuite par langue.
Aller plus loin