Comment on utilise l’IA à 100% sans jamais produire de “AI slop”

Chaque article que l'on publie chez Ahrefs fait appel à l'IA d'une façon ou d'une autre.

Oui, chaque article.

Voici ma tentative de définir ce qu'est le contenu IA de mauvaise qualité :

Le contenu IA de mauvaise qualité, c'est un contenu publié sans assez de compréhension humaine, de jugement, de preuves ou de contribution originale pour justifier l'attention du lecteur.

En résumé, le contenu médiocre transfère l'effort du créateur vers le lecteur.

L'éditeur passe à côté des parties difficiles : explorer le sujet, vérifier les affirmations, développer une opinion, décider de ce qui compte. Le lecteur doit alors déterminer ce qui est fiable, pertinent, ou écrit par quelqu'un qui comprend le sujet.

Le créateur économise du temps. Tout le monde en paie le prix.

Chez Ahrefs, adopter une approche IA-first ne signifie pas abandonner les pratiques qui rendaient le contenu intéressant avant l'IA. Cela signifie trouver des moyens de les préserver même quand l'IA prend en charge une plus grande partie du travail.

Pour la plupart des rédacteurs, écrire était autrefois le cœur du travail. C'est là que les heures passaient. L'IA a rendu cette partie incroyablement bon marché, ce qui signifie que nos efforts doivent remonter en amont : décider ce qui mérite d'être écrit, structurer l'article, et définir ce qu'on peut apporter.

Avant de demander à l'IA de produire de la prose, je veux une ébauche de prémisse qui répond à ces questions :

Vous remarquerez que ces questions ne sont pas nouvelles. Elles existaient avant l'IA et devraient exister même avec l'IA.

L'IA peut aider à répondre à ces questions. Je peux lui demander de cartographier les SERP, de challenger mon angle, de trouver des contre-arguments ou de signaler des preuves manquantes. Mais c'est moi qui dois prendre ces décisions.

La planification n'est que la moitié du travail. Le modèle a aussi besoin de quelque chose d'intéressant sur quoi travailler.

Donnez-lui le même internet que tout le monde, et il vous donnera une version du même article que tout le monde. Un prompt de style détaillé ne changera rien. Vous avez besoin de matière brute qu'il n'aurait pas pu produire par lui-même : interviews, connaissances internes, données propriétaires, démonstrations réelles, expériences ratées et exemples concrets issus de votre travail.

C'est là qu'il faut des outils comme une Source de Vérité pour votre travail. Par exemple, mon collègue Mateusz a construit une application Source de Vérité dans Letaido : une bibliothèque consultable contenant les informations sur lesquelles son agent IA et lui s'appuient pour créer du contenu.

Son outil stocke quatre types de contenu : Analyses et statistiques, explications, détails produits et guides pratiques.

Personnellement, le plus grand changement pratique que j'ai fait, c'est de parler plutôt que de taper.

Quand je tape, je m'autocorrige en cours de route. Je transforme le désordre dans ma tête en résumé bien rangé avant que l'IA le voie. Malheureusement, le désordre contient souvent la partie utile : l'incertitude, les nuances, les opinions et les connexions à moitié formées.

Alors je dicte avec Wispr Flow. Je marche dans ma pièce ou m'assieds à mon bureau et je parle. Je laisse tout sortir, en essayant de décharger le plus de choses possible de ma tête pour donner à l'IA plus de matière brute avec laquelle travailler.

Oui, je fais en gros un épisode de podcast avec moi-même. Non édité.

Ou je demande à l'IA de m'interviewer, de trouver les lacunes et d'extraire des affirmations possibles avant de proposer un plan. On ne lui demande plus d'inventer le contenu. Elle organise et interroge la matière que j'ai fournie.

L'IA est très douée pour cacher les décisions dans de la prose soignée.

Un prompt unique choisit la recherche, l'angle, la structure, les affirmations, les exemples et le ton en une seule fois. Au moment où vous voyez ces choix, ils ont été emballés sous forme d'article. Ils semblent plus figés qu'ils ne le sont.

C'est pourquoi le pipeline de Ryan reproduit un flux éditorial humain plutôt que de produire un mystérieux fichier final. La recherche, les Content Gap, le plan et le brouillon sont enregistrés séparément. Il peut inspecter n'importe quelle étape, corriger le résultat ou l'instruction qui a causé le problème, et reprendre depuis le dernier point acceptable.

Vous n'avez pas besoin d'un workflow Claude Code à 23 compétences pour reproduire ce principe. Découpez le travail en étapes et placez une décision entre chacune :

À chaque filtre, le rédacteur doit exercer son jugement. Cela peut signifier demander plus de recherches, supprimer une section, changer l'angle ou abandonner l'article complètement.

C'est important parce que la production à bas coût crée un étrange effet de coût irrécupérable. À la seconde où l'IA vous donne 2 000 mots bien polis, vous cherchez à les améliorer plutôt qu'à vous demander pourquoi ils existent.

Le biais du coût irrécupérable, en quelque sorte. Sauf que l'IA peut créer ce coût toutes les six minutes.

Si vous n'avez pas de pipeline et utilisez l'IA pour un seul article, découpez quand même le travail en étapes. Commencez par le brainstorming. Pas de rédaction. Ensuite, une fois satisfait de l'angle après les échanges, passez à l'étape suivante. Demandez un plan. Continuez à le travailler avec l'IA jusqu'à ce que vous en soyez satisfait, puis passez à l'étape suivante. Vous pouvez même lui demander de défendre vos arguments au fil du processus.

L'objectif, c'est de prendre de meilleures décisions, pas de regarder le nombre de mots augmenter.

Sinon, l'IA vous transforme en éditeur avant que vous ayez fini d'être un penseur.

C'est là, je crois, qu'Ahrefs se distingue de nombreuses entreprises qui utilisent l'IA pour leur création de contenu IA.

Le réflexe évident pour réduire les coûts est de produire à peu près le même article pour moins cher, puis de dépenser les économies en volume. Plus d'articles. Plus de mots-clés. Plus de pages à faire Explorer le web à Google.

Pour être clair, on utilise l'IA pour automatiser les tâches fastidieuses afin de gagner du temps, nous aussi. Il serait absurde de prétendre le contraire.

Par exemple, le Data Refresh Hub que j'ai construit (et dont Juliette s'est inspiré pour le blog Ahrefs en français) économise au moins une journée de travail manuel par mois en récupérant, nettoyant et préparant les mises à jour pour 12 jeux de données. Un travail qui se faisait trimestriellement, de façon irrégulière, ou pas du tout, peut maintenant avoir lieu chaque mois.

Donc oui, l'IA nous aide à publier et mettre à jour davantage.

Mais le volume n'est pas le seul retour possible sur l'efficacité.

La rédaction et la publication n'ont jamais été les seules contraintes de notre contenu. Souvent, la plus grande contrainte était tout ce qu'on voulait ajouter autour d'un article mais qu'on ne pouvait pas justifier ou financer.

Par exemple, pour une analyse de données simple (pas une étude à grande échelle), on pouvait avoir besoin de l'aide d'un data scientist. Pour créer un outil gratuit, il fallait un développeur. Un article plus interactif nécessitait de l'aide en design et en ingénierie. Un grand projet de recherche pouvait tout simplement être trop manuel pour un seul content marketer.

L'IA abaisse ces barrières. Un rédacteur peut maintenant analyser un jeu de données, prototyper un outil, construire un élément interactif, améliorer l'interface d'un article ou automatiser une partie d'un projet de recherche. Pas parfaitement, et pas sans spécialistes quand les enjeux l'exigent. Mais le seuil pour essayer est bien plus bas.

C'est ainsi qu'on peut publier des études de référence basées sur des centaines de milliers de sites web, comme nos études sur le Trafic organique moyen, sur ce qui constitue un bon taux de clics, ou encore sur les données liées aux Aperçus IA en France, tout en maintenant leurs données fraîches.

C'est aussi ainsi qu'un simple TablePress intégré peut devenir une interface plus riche pour explorer les questions les plus posées sur Google en France.

Ou comment un content marketer peut créer un quiz, un outil gratuit ou une visualisation de données sans attendre qu'un développeur soit disponible. Comme notre générateur LLMs.txt gratuit :

Voilà la distinction qui nous importe. Vous pouvez utiliser l'IA pour supprimer le travail derrière chaque article, ou vous pouvez l'utiliser pour tenter un travail que vous ne pouviez pas vous permettre auparavant.

Ne vous demandez pas seulement combien d'articles de plus l'IA vous permet de publier. Demandez-vous ce que vous pouvez maintenant inclure dans un article qui était impossible avant.

La capacité à créer à grande échelle exige quand même de la retenue. L'objectif n'est pas de transformer chaque rédacteur en machine à contenu. L'objectif est d'élargir ce que chaque rédacteur peut créer sans abaisser le standard de ce qui mérite d'être publié.

L'IA peut exécuter une grande partie du processus, mais une personne précise doit encore assumer la responsabilité du résultat.

La personne qui pilote le workflow doit comprendre le sujet suffisamment bien pour valider les affirmations, corriger les erreurs, expliquer d'où viennent les preuves, et décider si elle est prête à mettre son nom dessus.

C'est pourquoi Ryan ne publie pas des centaines d'articles du jour au lendemain, même avec son pipeline.

En tant que Directeur du Marketing de Contenu, Ryan est aussi l'éditeur de tout notre contenu. En clair, il lit chaque mot de chaque article qui arrive sur le blog Ahrefs.

Et en tant que leader d'opinion dans le secteur, Ryan a la capacité de lire un article et de remettre en question la prémisse, de douter des preuves, d'identifier les sections génériques, et de se demander si l'article tient vraiment sa promesse envers le lecteur.

Avoir un humain dans la boucle ne sert à rien si cet humain se contente d'apposer son tampon sur le résultat. Il faut la connaissance, l'autorité et la volonté de dire non.

Et oui, même si un article est généré ou assisté par l'IA, on y consacre suffisamment d'heures (le rédacteur et l'éditeur) pour s'assurer qu'il mérite d'être publié.

Le contenu généré par l'IA n'est pas automatiquement du contenu médiocre. Comme le montre notre étude sur la façon dont Google traite le contenu IA, des pages largement générées par l'IA peuvent se classer, même dans les trois premières positions.

Mais à mesure que l'utilisation de l'IA augmente, les performances en termes de Trafic organique ont tendance à baisser. La raison probable n'est pas que Google pénalise le contenu IA. C'est que les entreprises utilisent souvent l'IA pour passer à côté du travail difficile et publier davantage de contenu moyen.

Ce qui nous ramène au cœur de cet article : l'IA n'est pas le problème. Abdiquer sa responsabilité, oui.

L'IA rend l'exécution bon marché. Cela devrait nous donner plus de temps pour le jugement, les preuves, les expériences et les idées qui rendent un article intéressant à lire.

La vraie question n'est donc pas de savoir combien ou quel type de mots l'IA a écrits. C'est de savoir si un humain a compris, jugé, vérifié et assumé la responsabilité de ce qui a été publié.

Si personne n'assume vraiment le résultat, c'est du contenu médiocre.