Comment j'ai livré 1 300 cocons sémantiques depuis le Cambodge

Stéphane Jambu 26 mai 2026 ~6 min de lecture

En avril 2025, j'ai posé mes serveurs à Siem Reap, Cambodge. Pas pour le tourisme. Pour industrialiser ce que j'avais construit pendant 10 ans : un pipeline capable de livrer 1 300 cocons sémantiques à 650+ clients sans sacrifier la qualité.

Le déclic : 2021, ActionCoach, et la fin du modèle artisanal

En 2021, je suivais un coaching ActionCoach à Bordeaux. Le diagnostic était brutal : je vendais du temps, pas un système. Chaque cocon sémantique me prenait 3 à 5 jours de travail manuel. Recherche de mots-clés, analyse SERP, clustering, rédaction des briefs, relecture. Je facturais correctement, mais le plafond de verre était à 3 projets simultanés.

Le coach m'a posé une question qui a tout changé : "Si tu devais former quelqu'un à faire exactement ce que tu fais, combien de temps ça prendrait ?" J'ai répondu 6 mois. Il a souri. "Et si tu construisais une machine qui fait 80% du travail ?"

J'ai commencé à coder ce soir-là. Le premier prototype était un script Python qui prenait un seed keyword, scrappait les suggestions Google, et produisait une matrice de clusters. C'était moche, ça plantait toutes les 3 heures, mais ça marchait. Le throughput est passé de 1 cocon par semaine à 5.

L'architecture : RAG + n8n + équipes offshore

Aujourd'hui, le pipeline repose sur trois piliers :

RAG (Retrieval-Augmented Generation) : une base vectorielle qui contient 10 ans de mes briefs, mes analyses concurrentielles, mes templates validés. Quand un nouveau projet arrive, le RAG retrouve les patterns qui ont fonctionné sur des projets similaires et génère une structure de cocon en 12 minutes.
n8n : l'orchestrateur. Il connecte le RAG aux bases de données clients, aux APIs de recherche de mots-clés, aux outils de clustering, et aux équipes de rédaction. Un déclencheur "nouveau projet" lance une séquence de 47 étapes automatisées.
Équipes offshore (Bénin, Madagascar, Cambodge) : 12 rédacteurs et 4 chefs de projet formés à ma méthode de production. Ils reçoivent des briefs générés automatiquement, rédigent, et soumettent pour validation. Le taux de rejet est inférieur à 8%.

Le throughput réel : 50 à 100 pages par semaine par projet. Selon la complexité du secteur, un projet de 400 pages est livré en 4 à 8 semaines.

Deux exemples chiffrés

Cas 1 : un e-commerçant de prêt-à-porter. 47 clusters, 320 pages. Le client avait déjà un site avec 80 pages. Après déploiement des cocons, le trafic organique est passé de [CHIFFRE_TRAFIC_AVANT] à [CHIFFRE_TRAFIC_APRES] visites mensuelles en 6 mois. Le taux de conversion est resté stable à [CHIFFRE_CONVERSION]%.

Cas 2 : un retailer outdoor. 23 clusters, 180 pages. Spécificité : des fiches produits très techniques (matériaux, poids, usage). Le pipeline a intégré les données fournisseurs via API, généré des descriptions structurées, et les équipes ont ajouté les tests terrain. Résultat : 40% des pages en première page Google à 3 mois.

Ce que personne d'autre ne peut faire à ce volume

La différence n'est pas dans l'outil. n8n, RAG, tout le monde peut les installer. La différence est dans les 10 ans de données d'entraînement : mes briefs, mes templates, mes patterns de clustering validés par 650+ clients. Un nouvel entrant devrait passer 3 à 5 ans à accumuler ce volume de données pour atteindre le même taux de pertinence.

Et le Cambodge n'est pas un détail. Le coût d'une équipe de 12 rédacteurs formés en France serait [CHIFFRE_COUT_FRANCE] par mois. Depuis Siem Reap, avec des talents formés sur place, le coût est divisé par [CHIFFRE_RATIO_COUT]. La marge est réinvestie dans l'infrastructure RAG et la formation continue.

Ce système n'est pas parfait. Il produit des pages qui nécessitent une validation humaine. Mais il libère 80% de mon temps pour ce qui compte vraiment : la stratégie, l'analyse concurrentielle, et les ajustements de fond.

Si vous voulez comprendre comment ce pipeline s'applique à votre projet, lisez l'article sur le GEO et les citations LLM. C'est la prochaine couche que j'ai intégrée au pipeline.

In April 2025, I set up my servers in Siem Reap, Cambodia. Not for tourism. To industrialize what I had built over 10 years: a pipeline capable of delivering 1,300 semantic clusters to 650+ clients without sacrificing quality.

The trigger: 2021, ActionCoach, and the end of the artisanal model

In 2021, I was in an ActionCoach program in Bordeaux. The diagnosis was brutal: I was selling time, not a system. Each semantic cluster took me 3 to 5 days of manual work. Keyword research, SERP analysis, clustering, writing briefs, proofreading. I was billing correctly, but the glass ceiling was at 3 simultaneous projects.

The coach asked a question that changed everything: "If you had to train someone to do exactly what you do, how long would it take?" I answered 6 months. He smiled. "And if you built a machine that does 80% of the work?"

I started coding that evening. The first prototype was a Python script that took a seed keyword, scraped Google suggestions, and produced a cluster matrix. It was ugly, it crashed every 3 hours, but it worked. Throughput went from 1 cluster per week to 5.

The architecture: RAG + n8n + offshore teams

Today, the pipeline rests on three pillars:

RAG (Retrieval-Augmented Generation): a vector database containing 10 years of my briefs, competitive analyses, and validated templates. When a new project arrives, RAG retrieves patterns that worked on similar projects and generates a cluster structure in 12 minutes.
n8n: the orchestrator. It connects RAG to client databases, keyword research APIs, clustering tools, and writing teams. A "new project" trigger launches a sequence of 47 automated steps.
Offshore teams (Benin, Madagascar, Cambodia): 12 writers and 4 project managers trained in the Jambu Method. They receive auto-generated briefs, write, and submit for validation. The rejection rate is below 8%.

Real throughput: 50 to 100 pages per week per project. Depending on sector complexity, a 400-page project is delivered in 4 to 8 weeks.

Two quantified examples

Case 1: a fashion e-commerce client. 47 clusters, 320 pages. The client had an existing site with 80 pages. After cluster deployment, organic traffic went from [TRAFFIC_BEFORE] to [TRAFFIC_AFTER] monthly visits in 6 months. Conversion rate remained stable at [CONVERSION_RATE]%.

Case 2: an outdoor retailer. 23 clusters, 180 pages. Specificity: highly technical product sheets (materials, weight, usage). The pipeline integrated supplier data via API, generated structured descriptions, and teams added field tests. Result: 40% of pages on Google page 1 within 3 months.

What no one else can do at this volume

The difference is not in the tool. n8n, RAG, anyone can install them. The difference is in 10 years of training data: my briefs, templates, clustering patterns validated by 650+ clients. A new entrant would need 3 to 5 years to accumulate this volume of data to reach the same relevance rate.

And Cambodia is not a detail. The cost of a team of 12 trained writers in France would be [COST_FRANCE] per month. From Siem Reap, with locally trained talent, the cost is divided by [COST_RATIO]. The margin is reinvested in RAG infrastructure and continuous training.

This system is not perfect. It produces pages that require human validation. But it frees 80% of my time for what really matters: strategy, competitive analysis, and fundamental adjustments.

If you want to understand how this pipeline applies to your project, read the article on GEO and LLM citations. It's the next layer I've integrated into the pipeline.

Envie d'aller plus loin ?

30 minutes pour discuter de votre projet. Audit live de votre site inclus, jamais de pitch.

Réserver un appel