Février 2025. Benjamin Hermitte, notre dirigeant, réunit l’équipe autour d’un constat simple : nos clients attendent plus de livrables, plus de contenus, plus de reporting, et nous produisons encore tout à la main. Il ne s’agissait pas de remplacer qui que ce soit, mais de trouver comment absorber ce volume sans sacrifier la qualité.
Dix-huit mois plus tard, l’IA fait partie de notre quotidien. Voici le chemin réel, avec les erreurs de parcours.
Étape 1 : ChatGPT et le mur des limites
Nous avons commencé par le plus évident : la version la plus complète de ChatGPT, pour toute l’équipe. Les premières semaines ont été enthousiasmantes. Les suivantes, beaucoup moins :
- consommation de la totalité des unités API en quelques jours,
- livrables incohérents d’une session à l’autre,
- mélange des informations entre les clients et les contextes
- impossibilité de capitaliser sur un historique de travail.
Chat GPT est utile pour produire un texte ou livrable isolé mais insuffisant pour industrialiser une production d’agence.
Étape 2 : Le tour du marché
Nous avons testé les alternatives, avec méthode et sans a priori.
| Outil testé | Usage visé | Verdict |
|---|---|---|
| Gemini | Production de contenus et analyses | Résultats non concluants sur nos cas d’usage |
| Grok | Analyses, création de livrables et rédaction | Non concluant |
| Whatagraph | Reporting client automatisé | Fonctionnel, mais pas assez personnalisable pour nos formats |
Un outil de reporting packagé impose son cadre. Nos rapports sont un livrable de conseil, pas un export de données. Nous avions besoin de garder la main sur la structure, la hiérarchie de l’information et l’interprétation.Il a donc fallu envisager d’autres alternatives
Étape 3 : Claude devient le socle technique
C’est en testant Claude que la mécanique s’est débloquée, pour une raison précise : la capacité à créer un espace de travail par client, avec une mémoire persistante du contexte. Ce que nous avons construit à partir de là :
Un projet par client. Historique, brief, contraintes, arborescence, positionnement. L’IA ne repart plus de zéro à chaque demande.
Des connexions MCP à nos outils. Semrush, Search Console, Analytics, Screaming Frog. Les données ne sont plus copiées-collées à la main : elles sont croisées. C’est ce croisement qui change la nature de l’analyse, parce qu’un problème de crawl prend un sens différent quand on le lit à côté des impressions Search Console et du volume de recherche.
Des templates d’audit. Sémantique, popularité, technique. La structure, les tableaux, les seuils d’alerte et le format de restitution sont figés une fois pour toutes. Chaque nouvel audit part d’un cadre stable.
De la génération de pages et de fonctionnalités web. Des templates HTML et des blocs déployables rapidement, y compris sur des volumes importants en SEO programmatique.
Étape 4 : la rédaction et le reporting
Sur la production éditoriale, nous avons d’abord essayé Wisewand et le résultat n’a pas été concluant en raison d’un manque de contextualisation pour la génération des contenus.
Nous sommes alors passés à une automatisation via Make, articulée avec Claude. Le pipeline de contenu est cadré en amont par nos consignes, notre structure et nos exigences de fond, puis exécuté à la chaîne.
Côté reporting, les connexions MCP nous permettent aujourd’hui de produire des rapports mensuels réellement personnalisés par client, avec les indicateurs qui comptent pour lui, et non un dashboard générique.
Où nous en sommes aujourd’hui ?
La répartition s’est faite naturellement :
- ChatGPT 5 pour les besoins simples et ponctuels,
- Claude dès qu’il faut du contexte, de la donnée croisée, un livrable structuré ou une production en série.
L’IA nous a pris toutes les phases chronophages : recherche de chiffres, listings, tâches répétitives sans valeur ajoutée, mise en forme. C’est un gain de temps massif sur l’opérationnel.
Ce que l’IA ne sait toujours pas faire
Nous sommes très clairs sur ce point, parce que c’est là que se joue la qualité de ce que reçoit un client.
- Elle n’a pas de recul sur l’expertise. Elle intègre encore mal les contextes fins d’un marché, d’une entreprise, d’une concurrence locale.
- Elle ne connaît pas vos valeurs ajoutées. Ce qui vous différencie réellement de vos concurrents n’est écrit nulle part dans ses données.
- Ses contenus restent génériques. Ils demandent systématiquement une relecture et une réécriture pour être différenciants.
- Ses conseils restent génériques. Et elle manque d’esprit critique sur ses propres préconisations : elle produit rarement un doute sur ce qu’elle vient de recommander.
Concrètement, l’expert SEO reste indispensable pour :
- identifier un backlink à obtenir sur un site réellement pertinent,
- produire un contenu qui se distingue et met en avant vos forces,
- interpréter correctement les données,
- trancher entre un problème technique grave et une alerte cosmétique,
- valider des sujets de contenus qui tiennent la route, ceux proposés par l’IA manquant souvent de pertinence et d’originalité.
L’IA ne remplace pas la créativité ni le recul sur les chiffres. Elle aide à produire plus vite, à condition qu’on lui donne les bonnes indications.
Notre approche, celle que nous proposons à nos clients
C’est exactement ce modèle que nous appliquons sur vos projets :
- L’IA pour l’opérationnel. Volume, vitesse, données, tâches répétitives.
- L’humain pour la stratégie. Votre expert SEO oriente les décisions, garantit la qualité des livrables et vous accompagne dans l’application concrète des préconisations, semaine après semaine.
Nous n’avons pas remplacé nos experts par des outils. Nous avons libéré leur temps pour ce qu’ils font mieux que n’importe quel modèle : comprendre votre marché et décider. Vous voulez savoir ce que cette organisation change concrètement sur votre visibilité ? Parlons-en.
