Comment fonctionne Redax : l'IA derrière ton SaaS SEO+GEO

La plupart des SaaS IA jouent la carte du mystère. Un bouton, une magie, un article. Tu ne sais pas ce qui se passe entre les deux — et c'est souvent voulu. Chez Redax, on a fait le choix inverse : transparence radicale. Voici exactement ce qui se passe sous le capot quand tu cliques sur « Générer ».

Redax, ce n'est pas une boîte noire

Beaucoup d'outils IA pour le SEO fonctionnent comme des boîtes noires : tu entres un mot-clé, tu obtiens un texte, sans jamais comprendre pourquoi il est structuré ainsi, quels modèles l'ont produit, ni combien ça coûte réellement à générer.

Ce manque de transparence crée un problème de confiance — surtout quand tu publies ce contenu sous ton nom ou celui de tes clients.

Redax a été conçu différemment. Chaque étape du pipeline de génération est documentée, chaque modèle IA est nommé, chaque critère de scoring est visible. Tu sais exactement ce que tu utilises, pourquoi, et ce que ça coûte.

L'architecture en 4 étapes : de ton brief à l'article publié

Étape 1 — Analyse du brief et du contexte client

Quand tu soumets un brief, Redax ne se contente pas de lire ton mot-clé. Le système analyse :

• Le mot-clé principal et les intentions de recherche associées

• Le ton éditorial que tu as défini dans ton profil client

• Les règles de style personnalisées (vocabulaire, structure, exemples types)

• Les pages déjà publiées sur ton site pour éviter la cannibalisation

Cette phase dure quelques secondes. Elle conditionne tout ce qui suit.

Étape 2 — Sélection du contexte via RAG et crawl

C'est ici que Redax se distingue vraiment. Avant de générer une seule ligne, le système va chercher le bon contexte pour enrichir l'article.

Deux sources sont mobilisées en parallèle :

• Le RAG (Retrieval-Augmented Generation) : tes documents uploadés (PDFs, briefs, guides internes) sont transformés en vecteurs sémantiques via le modèle text-embedding-3-small d'OpenAI. Le système récupère les passages les plus pertinents pour le sujet traité.

• Le crawl web : Redax peut analyser des URLs de référence pour ancrer l'article dans des sources actuelles et vérifiables.

Résultat : l'IA n'invente pas. Elle s'appuie sur ton contexte, pas sur des généralités hallucinations.

Étape 3 — Génération avec Claude Sonnet 4.6 (~30 secondes)

La génération du texte est confiée à Claude Sonnet 4.6 d'Anthropic. Pourquoi ce modèle ? Trois raisons :

• Qualité rédactionnelle : Claude excelle dans les textes longs, structurés et nuancés — exactement ce que demande le SEO éditorial.

• Respect des instructions complexes : ton éditorial, règles de style, contraintes de structure — Claude les suit avec une précision supérieure aux alternatives testées.

• Rapport qualité/coût : Sonnet 4.6 offre un niveau de qualité proche des modèles premium pour un coût API significativement inférieur.

La génération complète d'un article de 1 200 mots prend environ 30 secondes. Pas de file d'attente, pas de délai artificiel.

Étape 4 — Scoring automatique sur 17 critères

Dès que l'article est généré, un moteur de scoring s'active immédiatement. Il évalue le contenu sur 17 critères SEO et GEO en temps réel, directement dans le navigateur (JavaScript pur, aucun appel serveur supplémentaire).

Les critères couvrent notamment :

• Présence et densité du mot-clé principal (cible : 1 à 2 %)

• Structure des titres (H1, H2, H3)

• Longueur de l'article et des paragraphes

• Présence d'une FAQ (signal GEO fort pour les IA generatives)

• Lisibilité et score Flesch adapté au français

• Balises méta et méta-description

Le score se met à jour en direct pendant que tu édites. Tu vois immédiatement l'impact de chaque modification.

Les modèles IA utilisés — sans détour

Redax n'utilise pas un seul modèle IA. Chaque tâche est confiée au modèle le mieux adapté :

• Claude Sonnet 4.6 (Anthropic) — génération du texte, réécriture, optimisation

• Gemini 2.0 Flash (Google) — génération des images d'illustration pour les articles

• text-embedding-3-small (OpenAI) — vectorisation des documents pour le RAG

Pourquoi Gemini pour les images ? Parce qu'au moment de l'intégration, Gemini Flash offrait le meilleur rapport vitesse/qualité/coût pour la génération d'images contextuelles. Et parce que diversifier les fournisseurs IA réduit la dépendance à un seul acteur.

La bibliothèque RAG : comment tes PDFs deviennent du contexte

C'est l'une des fonctionnalités les plus puissantes — et les moins comprises — de Redax.

Quand tu uploades un document dans ta bibliothèque (guide produit, étude de marché, charte éditoriale, brief client), voici ce qui se passe :

1. Le document est découpé en chunks (fragments de texte de taille optimale)

2. Chaque chunk est transformé en un vecteur numérique via text-embedding-3-small

3. Ces vecteurs sont stockés dans une base de données vectorielle sécurisée

4. À chaque génération, Redax effectue une recherche sémantique pour récupérer les chunks les plus pertinents pour le sujet traité

5. Ces chunks sont injectés dans le prompt de Claude comme contexte prioritaire

Concrètement : si tu as uploadé la documentation technique de ton produit SaaS, Redax s'en servira pour rédiger des articles précis, avec tes propres données — sans hallucination.

Le scoring temps réel : 17 critères, zéro serveur

Le moteur de scoring de Redax est entièrement côté client. Pourquoi ? Pour deux raisons :

• Vitesse : pas d'aller-retour serveur, le score se calcule en quelques millisecondes

• Confidentialité : ton contenu ne quitte pas ton navigateur pour être évalué

Le score global est affiché sous forme de jauge visuelle, avec le détail de chaque critère. Tu sais exactement pourquoi ton article obtient 78/100 et quoi corriger pour atteindre 90+.

Le bouton « Optimiser avec l'IA » : la réécriture ciblée

Tu as un article qui score 72/100. Le scoring identifie trois points faibles : densité du mot-clé insuffisante, FAQ absente, introduction trop longue.

Un clic sur « Optimiser avec l'IA » envoie l'article à Claude Sonnet 4.6 avec des instructions précises basées sur les critères en échec. Claude réécrit uniquement les sections concernées — pas l'article entier. Résultat : un article amélioré en 15 à 20 secondes, sans perdre ta voix éditoriale.

Le module Audit — nouveau en mai 2026

Lancé en mai 2026, le module Audit permet d'analyser n'importe quelle URL existante — la tienne ou celle d'un concurrent — selon plus de 50 critères répartis en 5 catégories :

• SEO technique : balises, vitesse, structure

• Contenu éditorial : qualité, profondeur, originalité

• Optimisation GEO : citabilité par les IA, structure de réponse directe

• Expérience utilisateur : lisibilité, structure visuelle

• Données structurées : schema.org, rich snippets

Le rapport d'audit génère automatiquement un plan d'action priorisé. Et si tu veux réécrire l'article audité depuis Redax, un seul clic suffit pour importer le contenu et lancer l'optimisation.

Les coûts API en toute transparence

Voici quelque chose que peu de SaaS osent publier : ce que coûte réellement un article à produire.

Pour un article standard de 1 200 mots avec RAG et image :

• Claude Sonnet 4.6 (génération + optimisation) : ~0,18 $

• text-embedding-3-small (vectorisation RAG) : ~0,02 $

• Gemini Flash (image) : ~0,08 $

• Total coût API : ~0,28 $ par article

Le prix public de Redax intègre ces coûts API, l'infrastructure, le support et le développement continu. La marge opérationnelle se situe autour de 90 % — ce qui nous permet d'investir massivement dans les nouvelles fonctionnalités sans lever de fonds.

Pourquoi publier ça ? Parce que si tu comprends notre modèle économique, tu comprends aussi pourquoi Redax peut rester accessible et continuer à évoluer rapidement.

Sécurité et conformité RGPD

Toutes les données utilisateurs de Redax sont hébergées sur Supabase EU (Ireland) — dans l'Union Européenne, sous juridiction RGPD.

Points clés :

• Les embeddings (vecteurs de tes documents) sont stockés en Europe

• Les appels aux APIs externes (Anthropic, OpenAI, Google) ne transmettent que le contenu nécessaire à la génération — jamais de données personnelles identifiantes

• Aucun contenu généré n'est utilisé pour entraîner les modèles tiers (conformément aux CGU des fournisseurs)

• Tu peux supprimer l'intégralité de tes données depuis ton tableau de bord

Pour aller plus loin

Tu veux voir tout ça en action ? Crée ton compte Redax gratuitement et génère ton premier article en moins de 2 minutes. Ou retourne sur la page d'accueil pour comprendre ce que Redax peut faire pour ta stratégie de contenu.

FAQ — Les questions qu'on nous pose le plus

Pourquoi avoir choisi Claude plutôt que GPT-4 ou Gemini pour la génération de texte ?

On a testé les trois en conditions réelles sur des centaines d'articles. Claude Sonnet 4.6 produit des textes plus nuancés, respecte mieux les instructions complexes (ton éditorial, règles de style) et hallucine moins sur les sujets techniques. Pour du contenu SEO long format, c'est le meilleur rapport qualité/coût disponible en 2026.

Pourquoi Gemini pour les images et pas DALL-E ou Midjourney ?

Gemini 2.0 Flash génère des images contextuellement cohérentes avec le texte plus rapidement et à moindre coût que les alternatives. Pour des illustrations de blog (pas des œuvres d'art), c'est le bon outil. On réévalue régulièrement ce choix au fil des mises à jour des modèles.

Mes documents uploadés dans le RAG sont-ils accessibles par d'autres utilisateurs ?

Non. Chaque bibliothèque RAG est strictement isolée par compte utilisateur au niveau de la base de données. Tes documents n'influencent jamais les articles générés par d'autres comptes.

Est-ce que Redax peut générer du contenu dans d'autres langues que le français ?

Redax est optimisé pour le français — c'est notre marché principal et nos critères de scoring sont calibrés pour la langue française. La génération en anglais ou espagnol est techniquement possible, mais le scoring sera moins précis. Une version multilingue est en développement.

Comment le scoring GEO est-il calculé — c'est quoi exactement ?

Le scoring GEO mesure la probabilité qu'un article soit cité par les moteurs IA (ChatGPT, Perplexity, Google AI Overviews). Les critères incluent : présence d'une FAQ structurée, réponses directes aux questions (format question/réponse), données chiffrées citables, structure en listes, et balises schema.org. Ces critères sont issus de l'analyse des patterns de citation des LLMs en 2026.