Le point de départ
L'entreprise — un détaillant canadien de lingerie et de vêtements de nuit — exploite un site de plus de 8 000 pages, en français et en anglais, pour les marchés québécois et canadien. Un audit technique mené à mon arrivée a fait ressortir un problème structurel : de nombreuses pages présentaient des balises méta titres et méta descriptions manquantes ou génériques.
Ces balises ne sont pas un détail. Elles constituent ce que l'internaute lit avant de décider s'il clique ou non sur un résultat. Les réécrire à la main sur un catalogue de cette taille représente des semaines de travail. D'où la question posée : une IA générative peut-elle produire des balises aussi performantes que celles d'un rédacteur SEO expérimenté, en une fraction du temps ?
Le protocole
J'ai construit une quasi-expérimentation à deux facteurs : l'origine des balises (humaine ou générée) et le temps (avant ou après remplacement).
- Périmètre — les 20 pages générant le plus de trafic, selon la logique 80/20 : accueil, catégories produits, nouveautés et soldes, dans leurs versions française et anglaise.
- Deux fenêtres strictement égales — quatre semaines avant remplacement (22 mai au 18 juin 2024), quatre semaines après (19 juin au 16 juillet 2024).
- Isolation — aucune autre modification apportée à ces pages pendant la période d'observation.
- Mesure — impressions et clics via Google Search Console, mots-clés positionnés dans le top 10 via SEMrush, revenus via Google Analytics 4.
Le prompt, pièce maîtresse
La qualité des balises générées dépend presque entièrement de la qualité de l'instruction. J'ai itéré sur plusieurs versions avant de fixer une structure en quatre couches :
Structure du prompt
Rôle et contexte commercial — se présenter comme expert SEO mandaté par une marque reconnue de son secteur, ce qui oriente le ton vers le registre professionnel.
Objectif explicite — produire des balises à la fois convaincantes pour l'internaute et optimisées pour le référencement, en visant un trafic qualifié.
Matière première — l'URL concernée, une description des produits de la page, puis le titre et la description existants, qui servent de point de comparaison.
Contraintes de ton — la saisonnalité en cours et l'autorisation d'utiliser des émojis en lien avec le thème.
Note — le prompt réel nommait l'entreprise et ses gammes ; cette description en restitue la structure sans les éléments propres au client.
Fournir les balises existantes s'est révélé déterminant : sans ce point d'ancrage, le modèle reformulait sans améliorer. Avec, il identifiait ce qui manquait.
Les résultats
| Indicateur | Avant | Après | Variation |
|---|---|---|---|
| Taux de clic moyen | 2,44 % | 3,28 % | +34 % |
| Clics organiques | base 100 | 157 | +57 % |
| Impressions | base 100 | 117 | +17 % |
| Mots-clés dans le top 10 | 3 228 | 3 440 | +7 % |
Volumes de clics et d'impressions exprimés en indice pour préserver la confidentialité des données de l'entreprise. Cumul des 20 pages, versions française et anglaise confondues.
Les écarts les plus marqués concernent les pages de soldes et de nouveautés, où les versions générées adoptaient un ton nettement plus direct — bénéfice client explicite, sentiment d'urgence, ponctuation expressive. À l'inverse, les pages de sous-vêtements du quotidien ont peu bougé, et deux pages ont même perdu des positions : hors de leur saison, aucune formulation ne compense une demande en retrait.
Ce que ces chiffres ne prouvent pas
Les revenus des pages étudiées ont fortement progressé sur la seconde période. Il serait malhonnête de l'attribuer aux balises.
| Facteur concurrent | Période | Effet probable |
|---|---|---|
| Promotion maillots de bain | 5 juin – 27 juillet | Recouvre presque toute la fenêtre post-optimisation |
| Saisonnalité balnéaire | Mai – août | Pic annuel de demande sur les pages les plus mesurées |
| Promotions hebdomadaires | En continu | Une à trois opérations par semaine sur le site |
| Travaux UX et conversion | En continu | Menés en parallèle par l'équipe e-commerce |
Autres limites assumées : échantillon de 20 pages, fenêtre d'observation de quatre semaines, et mises à jour d'algorithme non observables.
Ce que je retiens de la méthode
Une variation de revenus dans un environnement e-commerce réel est presque toujours multifactorielle. Le taux de clic, lui, se rattache directement au levier actionné. Distinguer les deux n'affaiblit pas l'étude : c'est ce qui la rend utilisable. Un test SEO dont on ne sait pas isoler la cause ne se reproduit pas.
Ce que j'en fais aujourd'hui
Le gain principal n'était pas tant qualitatif qu'opérationnel : un travail de rédaction qui mobilisait plusieurs heures par lot de pages est tombé à quelques minutes, à qualité comparable. Le temps libéré est allé vers l'analyse et la stratégie de contenu — soit exactement là où un humain reste irremplaçable.
C'est la logique que j'applique depuis : l'IA prend en charge le volume et l'idéation, la décision et l'arbitrage restent humains. Une approche qui prend d'autant plus de sens en 2026, alors que la visibilité se joue désormais autant dans les réponses des moteurs génératifs que dans les pages de résultats classiques.
Cette étude a été menée dans le cadre de mon mémoire de maîtrise en marketing numérique à l'Université du Québec à Montréal, remis en novembre 2024. Le nom de l'entreprise et ses données commerciales sont volontairement absents de cette page ; je peux détailler le contexte en entretien.