Claude traducteur SEO : 4 500 pages en 10 langues

Trois agences nous ont chiffré la localisation de skillproof.dev en 10 langues européennes. Les devis allaient de 14 000 à 22 000 dollars, pour un délai de six à dix semaines — surtout parce que le site n'est pas statique : plus de 30 articles de blog, 106 fiches de skills au catalogue dont le verdict change à chaque nouveau test, des pages de catégories, et chaque chaîne d'interface du site. Une agence facture ça comme un projet ponctuel. Nous, il nous fallait que ça tienne un mardi où l'on publie trois nouveaux tests de skills et où l'on en corrige deux anciens.

Nous n'avons donc pas embauché d'agence. Nous avons lancé des agents Claude en parallèle, un par langue, avec le même jeu d'instructions, et localisé environ 4 500 pages en une journée. Cet article, c'est ce jeu d'instructions : les six règles qui font la différence entre un texte qui sonne comme une traduction et un texte qui sonne comme s'il avait été écrit par quelqu'un du métier sur ce marché, plus les coûts réels et les deux façons dont ça a mal tourné avant qu'on ne corrige le tir.

Le problème avec la traduction d'un site vivant

La traduction automatique a réglé le problème mécanique il y a des années. Google Translate vous sort de l'allemand grammaticalement correct pour n'importe quelle phrase anglaise que vous lui collez. Le problème n'a jamais été la grammaire. Ce sont trois choses que les outils de traduction ne touchent pas :

Les mots-clés SEO ne se traduisent pas mot à mot. « How to install Claude skills » ne devient pas une requête de recherche allemande en passant par un dictionnaire ; les développeurs allemands tapent « Claude Skills installieren », verbe à la fin, nom du produit intact. Ratez ça, et votre page allemande est fluide et invisible.

Le registre est une décision de marché, pas une règle de langue. L'allemand a « du » et « Sie », le français a « tu » et « vous », et le choix qu'une marque d'outils dev fait entre les deux relève du positionnement, pas de la grammaire. Un traducteur d'agence sans contexte de marque part par défaut sur le formel, ce qui sonne raide à côté du site allemand de Linear ou de celui de Stripe.

Et un site n'est pas un document. Ce sont 4 500 pages qui changent chaque semaine. Une livraison de traduction ponctuelle est périmée en un mois, et rebriefer une agence à chaque mise à jour, ce n'est pas un workflow, c'est un abonnement dont vous ne voulez pas.

Nous avons transformé notre méthode de travail en skill, seo-translator, hébergé dans notre dépôt de skills — les mêmes instructions que celles décrites dans cet article, libres à exécuter sur votre propre site.

Comment nous l'avons mis en place

Le mécanisme est simple : un agent Claude par langue cible, chacun avec l'intégralité du contenu source et le même jeu de règles, tournant en parallèle plutôt qu'en séquence. Dix langues, ça veut dire dix agents qui travaillent en même temps, au lieu d'un traducteur qui vide une file d'attente pendant deux mois.

Chaque agent a reçu un brief autonome : le markdown source, la liste des éléments à ne jamais traduire, le registre par défaut du marché concerné, et les limites de caractères pour le titre et la meta description de la page. Aucun agent n'a eu besoin de nous poser une question en cours de route — un détail qui a compté plus qu'on ne le pensait. On y revient plus bas.

Les six règles

1. Des mots-clés tels que le marché les recherche vraiment

Chaque article et chaque fiche de skill porte un mot-clé cible. La consigne n'est pas « traduisez le mot-clé », c'est « trouvez comment les développeurs de ce marché formulent cette recherche ». Pour notre guide « how to install Claude skills », la traduction allemande littérale est grammaticalement correcte et inutile. La requête tapée dans la barre de recherche, c'est « Claude Skills installieren ». Même chose en français : pas une traduction de manuel scolaire, mais « installer les skills Claude », tel que les blogs de développeurs francophones le formulent réellement. Nous avons demandé aux agents de vérifier la formulation par rapport à la façon dont le terme apparaît sur les forums de développeurs et les sites de documentation de chaque langue, avant de la valider — pas seulement de faire passer le mot-clé anglais dans un dictionnaire.

2. Un registre par marché, décidé à l'avance

Nous n'avons pas laissé chaque agent deviner un ton. Nous avons fixé un tableau, et chaque agent l'a suivi :

Marché	Registre	Référence
Allemand (de)	du	Linear, Vercel
Français (fr)	vous	Stripe, Notion
Espagnol (es)	tú	La plupart des sites d'outils dev
Italien (it)	tu	Convention informelle dans le dev
Portugais (pt)	você	Norme des outils dev brésiliens
Néerlandais (nl)	je	Standard pour le SaaS
Polonais (pl)	formel (Pan/Pani évité, formulation neutre)	Convention SaaS B2B
Japonais (ja)	です/ます, sans keigo	Registre poli standard des affaires
Coréen (ko)	해요체	Standard SaaS, pas le formel 합쇼체
Suédois (sv)	du	Universel en suédois, même en B2B

Le duo allemand-français est celui qui piège le plus la traduction automatique par défaut, puisque les deux basculent en formel par défaut, alors que nos deux marques de référence prouvent que c'est un vrai choix de marché, pas une coquetterie de style.

3. Une liste stricte de ce qu'on ne traduit jamais

Chaque agent a reçu la même liste d'exclusions, vérifiée avant d'accepter la sortie : blocs de code et code en ligne, commandes CLI, noms de produits et de marques (Claude, Claude Code, SkillProof, Anthropic), chemins de fichiers, et tout jeton {placeholder} dans les chaînes d'interface. Ça paraît évident, jusqu'au jour où l'on voit une première traduction transformer npm install en une locution verbale traduite, ou renommer discrètement SKILL.md. Nous avons traité ça comme un point de contrôle, pas comme une suggestion : toute sortie contenant un bloc de code traduit ou un placeholder modifié échouait automatiquement et repartait pour un nouveau passage.

4. Le passage anti-IA

Le premier jet de toute traduction par LLM porte des marques révélatrices : des calques (structure de phrase anglaise habillée de mots de la langue cible), des tournures IA passe-partout traduites telles quelles (« dans le monde actuel en constante évolution » a son équivalent dans chaque langue, et il est tout aussi éculé), et une platitude qu'un lecteur natif repère dès le premier paragraphe. Nous avons fait tourner un second passage dédié, par langue, dont le seul travail était de traquer ça — restructurer les phrases qui portaient de façon évidente une syntaxe anglaise habillée de vocabulaire allemand, remplacer le remplissage traduit par la façon dont un rédacteur tech natif ouvrirait vraiment ce paragraphe. C'est ce passage qui fait qu'un texte sonne comme écrit par quelqu'un du marché, et non comme un document bien traduit.

5. La discipline des tokens

C'est ce qui rend l'ensemble abordable, et pas seulement possible. Un seul passage par langue, pas de brouillon-puis-révision-puis-polissage. Pas de reformulation du texte source avant de le traduire — une habitude qui double discrètement la dépense en tokens sans le moindre gain de qualité. Et un traitement par lots : les fiches du catalogue se traduisent par lots plutôt qu'en un appel API par fiche, parce que la surcharge par appel sur 106 fiches courtes s'accumule vite.

6. Des limites de caractères appliquées par langue, jamais supposées

Des balises de titre à 60 caractères et des meta descriptions à 155, c'est une convention pensée pour l'anglais qui ne tient plus une fois en allemand, où les noms composés s'allongent vite, ou en japonais, où le compte de caractères ne signifie pas du tout la même chose qu'en alphabet latin. Nous avons donné à chaque agent la limite comme contrainte stricte, vérifiée sur la chaîne réellement produite et non sur la longueur de la source anglaise, pour que les titres allemands ne dépassent pas les 60 caractères juste parce que le nom allemand pour « traducteur » est fâcheusement long.

Ce que ça a vraiment coûté

Nous avons enregistré la dépense en tokens sur l'ensemble du run. Ce sont de vrais chiffres tirés de notre propre usage de Sonnet, pas des estimations :

Type de contenu	Tokens par langue	Remarques
Article de blog d'environ 2 500 mots	120 000–160 000	Source + traduction + passage anti-IA
106 fiches de skills au catalogue (par lots)	150 000–170 000	Fiches courtes, mais 106 d'entre elles, ça s'accumule
Chaînes de catégories et d'interface	Moins de 20 000	Petit volume, surtout statique

Sur 10 langues, la localisation complète du site est revenue à quelques dollars de dépense API, contre les plus de 14 000 dollars qu'on nous avait chiffrés pour une livraison plus lente et vite périmée. L'ensemble du run — plus de 30 articles, 106 fiches, des pages de catégories et des chaînes d'interface, sur 10 langues — a pris environ une journée d'agents tournant en parallèle, la plupart du temps sans surveillance une fois les briefs posés. C'est ce chiffre-là qui change vraiment le calcul : ce n'est pas que la traduction par IA coûte moins cher qu'une agence, c'est qu'elle coûte assez peu pour qu'on puisse la relancer à chaque changement du contenu source — ce qu'une livraison d'agence ponctuelle ne pourra jamais offrir.

Ce qui a mal tourné

Deux modes de défaillance valaient la peine d'être repérés avant la mise en ligne, et aucun des deux ne serait apparu sans validation.

Le premier, c'étaient des agents qui rapportaient être « en attente » au lieu de produire un résultat — généralement parce qu'un brief faisait référence à quelque chose hors du contexte propre à l'agent, comme « reprenez la même formulation que la version allemande » adressé à un agent qui n'avait aucun accès à la sortie allemande. La correction a consisté à rendre chaque brief entièrement autonome : aucune référence croisée entre agents, aucun « vérifiez avec l'autre run », tout ce dont l'agent avait besoin pour finir la tâche fourni dès le départ.

Le second, c'était un incident de suppression d'accents sur un lot de fiches polonaises du catalogue, où une étape de formatage quelque part dans le pipeline avait discrètement fait sauter les diacritiques sur une sortie qui semblait correcte dans un terminal mais fausse sur la page. Nous l'avons repéré parce qu'on valide en comptant, pas en lisant les rapports des agents : chaque fichier traduit est vérifié par rapport à la source sur la cohérence du nombre de caractères, le nombre de titres, et un diff des tokens censés rester intacts (blocs de code, placeholders, noms de produits). Un agent qui vous dit « traduction terminée » n'est pas une preuve. Un fichier qui a le même nombre de titres que la source, les mêmes blocs de code intacts, et un titre sous la limite de caractères du marché — ça, c'est une preuve.

Les balises hreflang, c'est ce qui fait que 10 versions linguistiques fonctionnent comme un seul site indexable, et non comme dix sites qui se font concurrence. Chaque version linguistique a besoin de liens hreflang réciproques pointant vers toutes les autres versions, plus elle-même, sinon les moteurs de recherche classeront tranquillement la page dans la mauvaise langue pour une requête donnée. C'est mécanique une fois la structure d'URL posée, mais c'est aussi l'étape que la plupart des projets de traduction faits maison sautent — et ça vaut le coup de la faire correctement avant de publier votre première page localisée. Notre guide d'installation couvre le volet installation des skills si vous montez ça comme un skill réutilisable plutôt que comme un script à usage unique.

Ce qu'on dirait à une équipe qui démarre lundi

Ne traduisez pas tout le site le premier jour. Choisissez vos deux ou trois pages les plus visitées, passez-les dans les 10 langues, et faites vérifier le résultat par un locuteur natif avant de passer à l'échelle sur le reste. Les règles ci-dessus, on les a apprises en se plantant d'abord ; sautez cette étape, et vous les réapprendrez sur 4 500 pages plutôt que sur trois.

Rédigez le tableau des registres avant d'écrire le moindre mot traduit. C'est une décision business, pas une décision linguistique, et il est bien moins coûteux d'en débattre au départ que de tout corriger après coup, une fois que 106 fiches utilisent le mauvais pronom.

Validez en comptant, pas en demandant. Si votre pipeline ne peut pas vous dire, mécaniquement, qu'un fichier traduit a le bon nombre de titres et des blocs de code intacts, vous n'avez pas un pipeline de traduction, vous avez un espoir.

Et si vous faites ça pour un site à fort volume de contenu plutôt que pour une poignée de pages statiques, la même discipline qui garde une stratégie de contenu cohérente sur des dizaines d'articles est celle qui garde un run de traduction cohérent sur des dizaines de langues : un seul jeu d'instructions, appliqué systématiquement, vérifié contre la source à chaque fois. Nous avons détaillé comment on se tient à cette même exigence dans comment nous testons les skills Claude.

Si vous voulez tester l'étape de localisation des mots-clés sur une seule page avant de vous engager sur un run complet, notre convertisseur SEO mettra le résultat en forme ; notre page des meilleurs skills d'écriture classe les skills testés à associer, dont SEO Audit pour repérer ce qu'un simple passage de traduction ne verra pas, comme des liens internes cassés entre les versions linguistiques.

FAQ

Claude peut-il vraiment traduire un site entier, pas seulement des pages isolées ?

Oui, mais pas comme un seul prompt géant. Ce qui a marché pour nous, c'est de découper le site en agents par langue tournant en parallèle, chacun avec un brief autonome couvrant l'ensemble des règles : localisation des mots-clés, registre, liste des éléments à ne jamais traduire, et limites de caractères. Un agent unique qui essaie de tenir 10 langues dans un même contexte perd vite en cohérence ; 10 agents, chacun tenant une seule langue, sont restés cohérents parce que c'est le brief, et non la mémoire de l'agent, qui portait les règles.

La traduction par IA suffit-elle pour le SEO, ou faut-il un passage humain ?

Pour du contenu technique et marketing, un run Claude bien briefé s'approche suffisamment du résultat pour qu'une vérification ponctuelle par un locuteur natif soit le bon niveau d'implication humaine, plutôt qu'une retraduction complète. Le risque spécifique au SEO, ce n'est pas la grammaire, c'est la formulation des mots-clés : un agent qui traduit littéralement au lieu de localiser la requête de recherche produira des pages fluides et introuvables. C'est pour ça que la première règle de cet article porte sur la formulation de recherche, pas sur la grammaire.

Combien coûte la traduction d'un site en plusieurs langues avec Claude ?

D'après notre propre run : un article de 2 500 mots coûte environ 120 000 à 160 000 tokens par langue sur Sonnet, et 106 fiches courtes du catalogue coûtent environ 150 000 à 170 000 tokens par langue en traitement par lots. Sur 10 langues, la localisation complète du site est revenue à quelques dollars en tout de dépense API. Le vrai coût n'est pas dans les tokens, il est dans le temps de mise en place du jeu de règles et des points de contrôle — un temps qu'on paie une fois et qu'on réutilise à chaque future mise à jour.

Quelle est la plus grosse erreur des équipes qui localisent avec l'IA ?

Sauter la validation et faire confiance au rapport « terminé » de l'agent. Nous n'avons repéré le bug de suppression d'accents et le problème d'agent bloqué que parce qu'on vérifie mécaniquement la sortie traduite par rapport à la source — nombre de titres, blocs de code intacts, limites de caractères — plutôt qu'en lisant ce que l'agent prétend avoir fait. Traitez chaque run de traduction comme exigeant le même sas de validation qu'un changement de code : vérifiez l'artefact, pas le rapport.