OpenAI a publié la plus grande étude à ce jour sur la façon dont les utilisateurs emploient réellement ChatGPT. J’ai synthétisé avec soin les points essentiels que vous et moi devons retenir, pour vous éviter de parcourir une masse d’informations utiles… et d’autres beaucoup moins.
Les LLM ne remplacent pas la recherche. Mais ils modifient profondément la façon dont les gens accèdent et consomment l’information.
Les requêtes de type “Demander” (49 %) et “Faire” (40 %) dominent le marché et leur qualité s’améliore.
Les trois principaux cas d’usage – obtenir des conseils pratiques, chercher de l’information et écrire – représentent 80 % de toutes les conversations.
Les éditeurs doivent créer des ressources qui apportent une vraie valeur et qui puissent être liées. Il ne s’agit plus seulement de courir après le trafic généré par des articles.
Chatbot 101
Un chatbot est un modèle statistique entraîné à générer une réponse textuelle à partir d’une entrée textuelle. “Singes voient, singe fait.”
Les chatbots les plus avancés passent par un processus d’entraînement en deux étapes ou plus. Dans la première étape (plus connue sous le nom de “pré-entraînement”), les LLM sont formés à prédire le mot suivant dans une phrase.
Comme le meilleur comptable du monde, ils sont à la fois prévisibles et ennuyeux. Et ce n’est pas forcément une mauvaise chose. Je veux que mes chefs soient gros, mes pilotes sobres, et mes comptables tellement ennuyeux qu’ils soient les prochains à prendre la tête du Parti Vert.
La deuxième étape est un peu plus raffinée. Dans la phase dite de “post-entraînement”, les modèles sont entraînés à produire des réponses de “qualité” à une requête. Ils sont ajustés grâce à différentes stratégies, comme l’apprentissage par renforcement, qui permet d’évaluer leurs réponses.
Au fil du temps, les LLM, comme le chien de Pavlov, sont récompensés ou sanctionnés en fonction de la qualité de leurs réponses.
Dans la phase une, le modèle “comprend” (oui, avec de gros guillemets) une représentation latente du monde. Dans la phase deux, ce savoir est affiné pour générer les meilleures réponses possibles.
Un mot rapide sur la température
Sans réglage de température, un LLM génèrera exactement la même réponse encore et encore, tant que le processus d’entraînement reste identique.
Plus la température est élevée (proche de 1,0), plus la réponse gagne en hasard et en créativité. Plus elle est basse (proche de 0), plus le modèle devient prédictif et précis.
Ainsi, c’est l’usage qui détermine le réglage adéquat :
- Pour du code, on se rapproche de zéro.
- Pour des tâches créatives et centrées sur le contenu, on se rapproche de un.
J’ai déjà parlé de cela dans mon article sur la construction d’une marque à l’ère de l’IA. Mais je recommande vivement la lecture de ce très bon guide sur la manière dont les échelles de température fonctionnent avec les LLM et sur leur impact sur les utilisateurs.
Que nous dit la donnée ?
Les LLM ne remplacent pas directement la recherche. Pas même de près, à mon avis. Cette étude de Semrush a montré que les super-utilisateurs de LLM augmentaient en réalité la quantité de recherches traditionnelles qu’ils effectuaient. La théorie de l’expansion semble donc se confirmer.
Mais ces outils ont entraîné un changement fondamental dans la façon dont les gens accèdent et interagissent avec l’information. Les interfaces conversationnelles ont une valeur incroyable, en particulier dans un cadre professionnel.
Qui aurait cru que nous étions si paresseux ?
1. Conseils pratiques, recherche d’information et écriture dominent
Ces trois cas d’usage représentent 80 % de toutes les conversations homme-machine : obtenir des conseils pratiques, chercher de l’information, et demander au robot de l’aide pour écrire quelque chose de fade et sans passion ni profondeur.
Je reconnais que la majorité des requêtes d’écriture concernent l’édition de travaux déjà existants. Mais malgré tout, si je lis quelque chose écrit par une IA, je me sentirai trompé. Et la tromperie n’est pas une qualité séduisante.
2. L’usage non professionnel est en hausse
Les messages sans lien avec le travail sont passés de 53 % de l’ensemble à plus de 70 % en juillet 2025.
Les LLM sont devenus une habitude, notamment pour nous aider à prendre les bonnes décisions, au travail comme dans la vie personnelle.
3. L’écriture est l’usage le plus courant au travail
L’écriture est l’usage professionnel le plus répandu, représentant en moyenne 40 % des messages liés au travail en juin 2025. Environ deux tiers de ces requêtes d’écriture visent à modifier un texte existant plutôt qu’à en créer un nouveau.
Je connais suffisamment de gens qui n’utilisent les LLM que pour rédiger de meilleurs emails. J’ai presque de la peine pour les tech bros, quand on voit à quel point les usages principaux de ces outils manquent de créativité.
4. Le codage, beaucoup moins
Les requêtes de programmation ne représentent que 4,2 % de tous les messages. Cela semble contre-intuitif, mais des bots spécialisés comme Claude ou des outils comme Lovable sont de meilleures alternatives.
C’est un point important : l’usage des LLM spécialisés va croître et dominera probablement certains secteurs, car ils seront capables de produire des résultats de bien meilleure qualité. Leur entraînement spécialisé en phase deux donne un produit bien supérieur.
5. Les hommes ne dominent plus
Les premiers utilisateurs étaient très majoritairement masculins (environ 80 %, avec des prénoms typiquement masculins). Ce chiffre est tombé à 48 % en juin 2025, les utilisateurs actifs ayant désormais une légère majorité de prénoms féminins.
Certes, nous les hommes avons nos défauts. Dans l’Histoire, nous avons parfois été un peu prompts à combattre et à dominer. Mais c’est bien de voir apparaître une certaine parité.
6. Les requêtes “Demander” et “Faire” dominent
89 % de toutes les requêtes se répartissent entre “Demander” (49 %) et “Faire” (40 %). Seules 11 % concernent l’expression personnelle.
Les messages de type “Demander” ont augmenté plus rapidement que ceux de type “Faire” au cours de l’année écoulée, et ils sont jugés de meilleure qualité.
7. Les relations et la réflexion personnelle sont peu présentes
Plusieurs études affirment que les LLM sont devenus des thérapeutes personnels pour certains. Pourtant, selon OpenAI, les relations et la réflexion personnelle ne représentent que 1,9 % du total des messages.
8. La jeunesse, encore et toujours
Près de la moitié des messages envoyés par des adultes proviennent d’utilisateurs de moins de 26 ans.
Cela correspond parfaitement aux recherches de Kevin Indig sur la manière dont les différents groupes démographiques consomment les contenus IA. Les jeunes sont à la fois plus enclins à faire confiance à l’IA et plus prompts à l’adopter.
Ce qu’il faut en retenir
Je ne pense pas que les LLM soient une catastrophe pour les éditeurs. Certes, ils ne génèrent aucun trafic de référence et ont même commencé à supprimer les citations pour les utilisateurs gratuits (classique). Mais aucun de ces géants technologiques ne nous donnera quoi que ce soit.
C’est une course vers la Lune, et nous sommes le chien qu’ils ont envoyé lors du vol d’essai.
Mais si vous êtes un éditeur avec une opinion, une audience et – espérons-le – une vraie profondeur de marque et des ressources solides, vous vous en sortirez. Même si le comportement de crawl des modèles devient difficile à gérer.
L’un des enseignements les plus pratiques que nous pouvons tirer de ces données est le changement apparent dans les intentions. Pendant des siècles, nous avons travaillé avec les intentions de type navigationnelle, informationnelle, commerciale et transactionnelle.
Désormais, nous avons “Faire” ou “Générer”. Et c’est énorme.
Le SEO n’est pas mort pour les éditeurs. Mais il ne suffit plus de publier du contenu. Il faut aussi mettre en avant les valeurs de l’IA, tout en gardant une certaine distance critique.
Pensez à BBC Verify. À du contenu que les machines ne peuvent pas synthétiser, car il apporte trop de valeur. À des outils et des ressources exploitables. À de véritables opinions d’experts mises en avant.
Le problème, c’est que cette qualité est difficile à mettre à l’échelle. Le SEO programmatique peut créer une valeur immense, tout comme les outils. Des outils capables de répondre encore et encore aux requêtes de type “Faire”. Nous devons construire des choses qui ajoutent de la valeur en dehors du corpus existant.
Et si votre audience est plutôt jeune et plus confiante envers l’IA, il va falloir miser encore davantage sur cette approche.
Sébastian Magni est un Spécialiste du SEO et Inbound Marketing chez @LCM
