Sommaire
Une expérience menée avec ChatGPT, Claude et Gemini montre que leurs recommandations évoluent lorsque le contexte métier fourni dans le brief devient plus précis. Les trois modèles conservent leur manière de structurer la réponse, mais convergent davantage sur les priorités à mesure que les informations sur l’entreprise, ses objectifs et ses contraintes s’enrichissent.
Toby Brissett, contributeur de Search Engine Land spécialisé dans les usages de l’IA appliqués au marketing, a comparé les réponses de ChatGPT, Claude et Gemini à une même mission stratégique. Son objectif était d’observer comment les recommandations évoluent lorsque davantage d’informations sont ajoutées au brief.
Un même brief, trois interprétations différentes
La première version de la demande concernait une entreprise disposant déjà d’un site bien établi et investissant dans le SEO depuis plusieurs années. Sa direction cherchait à savoir ce qui devait éventuellement changer face au développement des réponses générées par l’IA.
Le brief demandait notamment d’identifier les informations manquantes, les opportunités à étudier, les hypothèses à vérifier et les étapes à mener avant toute création de contenu.
Les trois modèles ont fourni des réponses complètes, mais leurs interprétations divergeaient nettement.
- Claude a traité la demande comme le début d’une mission de découverte.
- Gemini l’a davantage abordée comme un sujet d’optimisation AI Search.
- ChatGPT a construit un cadre plus formalisé autour de la gouvernance, de la mesure et d’un déploiement progressif.
Selon Toby Brissett, le problème commercial à résoudre n’avait pas encore été suffisamment défini pour orienter les trois modèles dans la même direction.
Un contexte plus précis recentre les réponses
Pour la deuxième étape, l’auteur a conservé la mission initiale tout en ajoutant des informations plus précises sur l’entreprise.
Le cas concernait désormais une société régionale de chauffage, ventilation et climatisation, avec un site déjà mature, un budget limité et une préférence pour l’amélioration des contenus existants avant toute production importante de nouvelles pages.
L’objectif était également précisé. L’entreprise souhaitait augmenter les demandes qualifiées avant la prochaine saison, avec les contrats de maintenance comme objectif commercial de long terme.
Les trois modèles ont conservé leur approche initiale, mais les propositions ont été davantage reliées au même contexte.
- Claude est resté centré sur la découverte, en mettant l’accent sur la saisonnalité, les contrats de maintenance, les actifs existants et les contraintes budgétaires.
- Gemini a conservé une approche plus technique, davantage reliée aux questions locales et aux contraintes commerciales.
- ChatGPT a maintenu sa logique de framework, tout en accordant davantage de place aux arbitrages entre réparation et remplacement, aux offres de maintenance et à la préservation de l’environnement SEO existant.
Plusieurs priorités reviennent dans les trois réponses
Une fois le contexte précisé, plusieurs recommandations sont revenues chez les trois modèles.
Ils ont notamment proposé d’établir une base de visibilité de l’entreprise dans les réponses IA présentant un intérêt commercial.
Ils ont également recommandé de suivre les leads qualifiés, les prestations réservées et la progression des contrats de maintenance, en parallèle des citations ou du trafic issu des assistants.
Autre point commun, les trois réponses suggéraient d’auditer d’abord l’existant : pages de services, informations locales et parcours de conversion.
La création de nouveaux contenus n’intervenait ensuite que lorsqu’une lacune d’information ne pouvait pas être couverte par les pages déjà présentes.
Les recommandations se concentraient enfin sur les besoins saisonniers urgents et les opportunités liées aux contrats de maintenance, plutôt que sur une refonte globale du site.
Le prompt ne montre pas tout le cadrage
Toby Brissett souligne enfin qu’un prompt ne restitue pas à lui seul tout le travail effectué en amont.
Il peut montrer comment la demande est formulée, mais pas les échanges, les hypothèses écartées, les arbitrages ou les révisions qui ont permis d’aboutir à cette formulation.
Dans l’expérience, les différences entre les premiers résultats et les suivants viennent précisément de ce cadrage supplémentaire ajouté avant la nouvelle exécution.
