Sommaire
Une analyse de près de 2000 requêtes ChatGPT révèle un changement radical dans l’usage de l’IA : les utilisateurs ne cherchent plus des informations, ils commandent des actions.
Méthodologie : extraire les vraies requêtes
Metehan Yesilyurt a développé une approche simple mais révélatrice pour comprendre l’usage réel de ChatGPT. En recherchant « site:chatgpt.com Temporary Chat » sur Google et en consultant Archive.org, il a collecté des milliers de liens de conversations ChatGPT.
L’extraction des paramètres q= de ces URL a permis de décoder 1827 requêtes authentiques d’utilisateurs. Bien que ce dataset ne représente qu’un échantillon minuscule des milliards d’interactions IA quotidiennes, il révèle des tendances comportementales significatives.
Des mots-clés aux conversations complexes
L’analyse dévoile une transformation fondamentale : l’ère des requêtes de deux ou trois mots cède la place à des prompts conversationnels détaillés.
Les métriques confirment cette évolution :
- Longueur moyenne des prompts : 42 mots,
- Intention principale : orientée tâche dans 75 % des cas,
- Complexité : mélange de commandes courtes et de requêtes élaborées.
Les utilisateurs ne traitent plus l’IA comme un moteur de recherche, mais comme un collaborateur capable d’exécuter des tâches complexes.
L’IA devient copilote des développeurs
40 % des requêtes orientées tâche concernent le code et le développement. L’IA s’impose comme un outil indispensable pour le débogage, l’apprentissage et l’amélioration de la productivité.
Les catégories techniques dominantes :
- Débogage de code (35 %) : correction d’erreurs C++ et Python,
- Explication de code (25 %) : compréhension de scripts Rust et JavaScript,
- Conversion de code (15 %) : adaptation entre langages et frameworks,
- Configuration d’outils (15 %) : paramétrage Neovim, Docker…,
- Concepts généraux (10 %) : API, LSP…
Requêtes commerciales hyper-locales
L’étude révèle un pattern émergent. Les utilisateurs exploitent l’IA pour des requêtes commerciales très spécifiques et géolocalisées.
Les exemples montrent des recherches B2B précises comme « filtres haute température Shanghai » ou « chambres stériles Guangzhou ». Cette tendance suggère que les utilisateurs attendent de l’IA une compréhension contextuelle poussée, qui inclue la localisation et les spécifications techniques.
Cette opportunité reste selon Metehan Yesilyurt largement inexploitée. 95 % des sites web ne seraient pas optimisés pour ces recherches locales/B2B spécialisées.
L’art du prompt engineering
Une autre tendance émerge : l’usage sophistiqué de prompts « persona ». Les utilisateurs demandent à l’IA d’adopter des rôles spécifiques pour cadrer les réponses.
Les personas les plus fréquentes :
- Critique gastronomique pour la rédaction créative,
- Conseiller en santé mentale pour l’accompagnement,
- Guide temporel pour l’information historique,
- Expert Stack Overflow pour les questions techniques,
- Recruteur pour les services professionnels.
Si les marques ne définissent pas leur persona IA, d’autres le feront à leur place.
Implications pour le référencement
Face à ces nouveaux comportements, l’auteur propose des stratégies concrètes pour l’optimisation pour les moteurs de recherche IA.
Pour les équipes techniques
- Structurer le code pour les requêtes « fix » et « explain »,
- Créer du contenu de conversion entre langages/frameworks,
- Développer des glossaires d’erreurs ciblant les messages spécifiques,
- Optimiser pour les outils (configurations nvim, Docker, eslint…).
Pour les stratégies de contenu
- Définir des personas de marque pour l’IA via des guides de prompting publics,
- Optimiser pour la synthèse avec des structures claires et des résumés exécutifs,
- Cibler les requêtes « expert » en positionnant le contenu comme source d’autorité,
- Créer du contenu workflow pour faciliter l’automatisation multi-étapes.
Pour le commerce et le local
- Traiter les données produit comme une API avec des spécifications en formats lisibles par machine,
- Répondre aux requêtes hyper-locales avec des pages dédiées par ville,
- Construire des pages de comparaison détaillées produit vs produit,
- Inclure des mots-clés haute intention (prix, fournisseur et contact).
L’avenir de la recherche
Ces données confirment l’émergence d’un nouveau paradigme : la recherche agentique. Les utilisateurs ne cherchent plus des pages web, mais des résultats, des outputs et des tâches accomplies.
Est-ce que ça change pour autant le SEO ? Ce phénomène n’invente pas une nouvelle discipline : la plupart des leviers évoqués existent depuis longtemps dans le SEO et le marketing de contenu. Ce qui change réellement, c’est le rôle de l’IA comme intermédiaire capable d’exécuter des actions complètes, et l’habitude des utilisateurs à déléguer des tâches entières à un agent conversationnel.
Les gagnants SEO seront certainement ceux qui font du travail qualitatif : comprendre leurs utilisateurs, produire des contenus clairs et actionnables, organiser l’information de manière exploitable et rester pertinents dans les contextes B2B, locaux ou spécialisés.
La recherche du futur ne demande pas qu’on réinvente le SEO à chaque buzzword, mais qu’on reste concentrés sur l’essentiel : aider l’utilisateur à obtenir ce qu’il veut, le plus directement possible.
