Les outils sont déployés. Les licences sont payantes. Et si vous êtes actuellement un spécialiste SEO ou GEO expérimenté, vous utilisez probablement l’IA tous les jours – pour les brouillons, pour les résumés, pour les premiers passages sur un contenu qui prenait auparavant deux fois plus de temps. C’est une vraie productivité, et ce n’est pas rien.
Ce n’est pas non plus le retour que l’investissement est capable de produire. Et l’écart entre ce que vous obtenez et ce qui est disponible n’est pas un problème d’outil. C’est un problème de mode.
Une étude évaluée par des pairs et publiée lors de la réunion annuelle 2025 de l’ASIS&T par Tim Gorichanaz de l’Université Drexel donne un nom à ce problème (merci à Shari Thurow de m’avoir dirigé vers cet article !). En analysant 205 cas d’utilisation réels de ChatGPT, Gorichanaz a identifié six modes distincts dans lesquels les gens utilisent réellement l’IA : écrire, décider, identifier, imaginer, parler et critiquer. Les données proviennent de Reddit et biaisent les anglophones, ce qui limite leur généralisabilité, mais la taxonomie qu’elles ont produite correspond inconfortablement à la façon dont la plupart des praticiens travaillent réellement. Deux modes dominent. Il en reste quatre sur la table. Les quatre restants sont ceux qui déterminent si l’IA vous rend plus précieux sur le plan stratégique ou simplement plus rapide au niveau du travail au niveau de l’exécution.
Cette distinction est plus importante aujourd’hui qu’elle ne l’a jamais été dans l’histoire de cette industrie.
Les deux modes que tout le monde utilise par défaut
L’écriture était la catégorie la plus importante dans les données de Gorichanaz, avec 47 % des cas d’utilisation observés : rédaction, édition, résumé, traduction, génération. L’enquête 2025 State of AI de McKinsey le confirme au niveau de l’entreprise : les cas d’utilisation de l’IA les plus fréquemment signalés sont la rédaction de contenu et la capture d’informations, et 63 % des organisations utilisant l’IA générative l’appliquent principalement pour créer du texte.
Identifier – expliquer quelque chose, répondre à une question factuelle, résumer un document – représentait un autre 10 % des données de l’étude et représente l’autre pilier autour duquel la plupart des praticiens ont construit leur flux de travail d’IA. Recherchez un sujet, obtenez une synthèse, passez à la tâche suivante.
Ensemble, ces deux modes représentent l’écrasante majorité de la manière dont l’IA est utilisée par les praticiens et les entreprises. Les deux ont une valeur réelle, mais ce n’est pas non plus là où se trouve l’effet de levier. Et si votre pratique de l’IA commence et s’arrête là, vous utilisez un outil de plus en plus sophistiqué pour effectuer un travail qui était déjà automatisé – juste plus rapidement et avec un volume plus élevé.
Les quatre autres modes (Décision à 21 % de l’échantillon de Gorichanaz, Idée à 9 %, Parler à 8 % et Critique à 6 %) sont ceux où l’œuvre devient irremplaçable. C’est également là que presque aucun praticien n’a construit un flux de travail délibéré, parce que personne ne leur en a fourni un, et la pression de montrer un résultat immédiat a constamment évincé l’espace nécessaire pour en développer un.
Les décisions que vous prenez toujours seul
Dans la semaine des praticiens, les questions du mode décision sont omniprésentes : quelles requêtes ont réellement une exposition à la visibilité de l’IA qui méritent d’être priorisées en ce moment, si le problème de récupération d’une marque est un problème d’architecture de contenu ou un problème de sourcing et de signal, comment répartir les efforts sur un portefeuille lorsque le SEO et le GEO ont besoin d’attention et que le budget ne couvre pas entièrement les deux, quand faire remonter un problème de visibilité à la direction ou quand le résoudre dans le travail avant que quiconque ne le demande.
La plupart des praticiens expérimentés résolvent actuellement ces questions avec expérience et intuition. Ce n’est pas un échec, car l’expérience et l’intuition sont véritablement précieuses et aucune IA ne les remplace. Mais l’IA utilisée délibérément en mode Décider ajoute quelque chose que l’expérience ne peut pas fournir à elle seule : un test de pression structuré des hypothèses sous-jacentes à la décision, appliqué avant que la décision ne se durcisse.
Cela nécessite plus qu’une bonne question. Le mode décisionnel nécessite de donner à l’IA le contexte pertinent (paysage concurrentiel, posture de visibilité actuelle, performances historiques, contraintes stratégiques), puis de traiter ce qui revient comme une véritable contribution à la décision plutôt que comme une ébauche à survoler et à mettre de côté. Cela nécessite un flux de travail qui n’existe pas encore dans la pratique de la plupart des praticiens, non pas parce que quelqu’un l’a bloqué, mais parce que personne n’a non plus construit le temps ou la structure nécessaire.
Les mêmes données de McKinsey montrent clairement le coût de cet écart à grande échelle : 88 % des organisations utilisent l’IA, mais seulement 6 % d’entre elles sont considérées comme très performantes, générant un impact significatif à l’échelle de l’entreprise, et les plus performantes sont 3,6 fois plus susceptibles d’avoir fondamentalement retravaillé leurs flux de travail plutôt que de simplement déployer des outils dans ceux existants. Le modèle est valable au niveau du praticien. Une sortie plus rapide d’un flux de travail non reconstruit n’est pas la même chose que de meilleures décisions d’un flux de travail restructuré.
Les lacunes dont personne n’a été informé
Pour les praticiens du SEO et du GEO, le mode Ideating a une application spécifique que la plupart n’utilisent pas et que la plupart devraient l’être : cartographier les lacunes en matière d’entité et d’autorité que la marque n’a pas encore reconnues.
Quels angles d’autorité thématique la marque n’a-t-elle pas réussi à établir que les systèmes de récupération d’IA remplissent actuellement à partir d’autres sources ? Quels signaux de la communauté (discussions sur les forums, avis regroupés, commentaires de tiers) façonnent la manière dont les LLM représentent la marque en réponse aux requêtes de catégories, et que faudrait-il pour les faire évoluer ? Quels cadres de la marque existent dans les données de formation des modèles que le propre contenu de la marque n’a jamais abordé ou contrecarré ?
Ce sont véritablement des questions en mode idéation. Ce sont également des questions dont la plupart des praticiens ont une certaine version en tête sans méthode structurée pour faire apparaître les réponses. L’IA utilisée en mode Idées, non pas « donnez-moi cinq idées de contenu », mais une véritable exploration itérative avec des contraintes délibérées et une réelle volonté de suivre le résultat là où l’équipe n’est pas déjà allée, est l’une des méthodes les plus directes disponibles pour trouver ces lacunes avant qu’un concurrent ou un audit client ne les trouve en premier.
La barrière n’est pas la capacité. C’est la différence entre une invite d’écriture avec une sortie de liste et une véritable session d’idéation. La première dure deux minutes. La seconde en prend vingt, nécessite une posture différente face à l’outil et produit quelque chose qui ne peut être reproduit par quiconque ne l’a pas fait. C’est dans cette asymétrie que la valeur des praticiens se construit dans l’environnement actuel, et la plupart des praticiens ne le revendiquent pas.
La lecture honnête que votre équipe ne vous donnera pas
C’est le mode qui s’applique le plus directement à la pratique quotidienne et qui présente le plus de résistance organisationnelle, car il nécessite d’utiliser l’IA pour trouver des problèmes dans le travail dans lequel le praticien ou son équipe a déjà investi.
Utilisée correctement, la critique permet à un praticien expérimenté de détecter ce que l’évaluation interne a manqué. L’entité faible revendique une stratégie de contenu qui semble faire autorité mais qui n’est pas soutenue par les systèmes de récupération d’IA d’approvisionnement auxquels les systèmes de récupération d’IA font réellement confiance. L’écart entre ce que la marque dit d’elle-même dans les propriétés qu’elle possède et ce qu’un LLM bien invité fait surface lorsqu’on lui pose une question de catégorie que la marque devrait posséder. La prémisse supposée d’une recommandation GEO qui avait du sens il y a six mois est maintenant contredite par la façon dont les modèles de récupération ont changé.
Cette dernière application n’est pas abstraite. Gérer votre propre marque (ou celle d’un client) via une session structurée de critique de l’IA avant le prochain cycle stratégique est exactement le genre de travail proactif qui sépare les praticiens opérant au niveau du jugement des praticiens opérant au niveau de la production. C’est aussi le genre de travail qui change la conversation avec un client ou une équipe de direction, car vous faites apparaître les problèmes avant qu’ils ne deviennent visibles dans les données plutôt que de les expliquer après coup.
La raison pour laquelle la critique est sous-utilisée n’est pas un problème de gouvernance. C’est un problème de disposition. Les organisations et les praticiens se sont largement formés à utiliser l’IA pour produire des résultats, et non pour les interroger. Renverser cette habitude est un choix, et c’est l’un des choix les plus importants qui s’offrent actuellement à un praticien senior.
Répétition
Le mode Parler dans la taxonomie de Gorichanaz couvre l’IA en tant que partenaire de conversation, et pour les praticiens, la version la plus précieuse est la répétition des conversations internes et client où les enjeux sont réels.
L’appel client où vous devez expliquer pourquoi le trafic organique est en baisse de 30 % alors que la visibilité de la recherche IA est également mauvaise, et vous devez tenir simultanément deux explications causales distinctes sans les laisser s’effondrer en un seul récit qui simplifie les deux à l’extrême. Le briefing interne où vous devez plaider en faveur de l’investissement GEO parallèlement au budget SEO existant auprès d’une équipe de direction qui confond toujours les deux disciplines et souhaite un chiffre unique expliquant le retour sur investissement des deux. L’examen de l’agence ou du fournisseur où vous devez repousser une approche recommandée sans perdre la relation.
Ces conversations sont récurrentes et à enjeux élevés, et la plupart des praticiens s’y lancent avec seulement leur propre répétition mentale pour se préparer. Le mode conversation (jouer un rôle de refoulement, demander à l’IA de défendre l’autre partie, parcourir la version de la conversation qui tourne mal) ne remplace pas l’expérience. C’est une méthode de préparation qui coûte vingt minutes et change sensiblement la qualité du praticien qui entre dans la salle.
Cela ne produit pas d’artefact. Il n’apparaît pas dans un rapport d’utilisation. L’enquête 2025 Work Reimagined d’EY, qui a porté sur 15 000 employés et 1 500 employeurs dans 29 pays, a révélé que 88 % des employés utilisent l’IA au travail, mais que seulement 5 % l’utilisent d’une manière qui transforme fondamentalement ce qu’ils produisent. La raison pour laquelle cet écart est si large est presque certainement que les modes avancés – Critique, Décider, Parler – ne produisent pas quelque chose de mesurable sur le moment. Ils produisent un meilleur praticien au fil du temps, ce qui constitue un retour qui s’aggrave et n’apparaît pas dans un tableau de bord.
Le mode dans lequel vous vous trouvez dépend du calque sur lequel vous vous trouvez
La taxonomie à six modes correspond presque exactement à la répartition entre le travail de la couche d’exécution et le travail de la couche de jugement. L’écriture et l’identification sont des modes de couche d’exécution. Ils sont précieux, ils sont visibles et ce sont de plus en plus des modes que l’IA gère avec de moins en moins d’implication humaine. Décider, imaginer, critiquer et parler sont des modes de jugement. C’est là que réside l’irremplaçabilité du praticien.
Un praticien SEO ou GEO senior qui utilise l’IA uniquement en mode Écriture et Identification se positionne, fonctionnellement, en tant que travailleur de la couche d’exécution exactement au moment où l’IA compresse le plus agressivement cette couche. Il ne s’agit pas d’une prédiction concernant la suppression d’emplois. C’est un constat sur la différenciation professionnelle. Les praticiens qui créent une valeur durable dans cet environnement sont ceux qui utilisent l’IA pour améliorer leur jugement, et pas seulement pour accélérer leur production.
L’étude de Gorichanaz recadre ce que signifie réellement le besoin d’information à l’ère de l’IA, pas seulement la réponse aux questions ou la réduction de l’incertitude, mais ce que les auteurs appellent faire face habilement au mondec’est-à-dire l’application continue de l’intelligence pratique à des situations nécessitant à la fois une compréhension et une action. Pour un praticien expérimenté, ce cadrage constitue un diagnostic utile. La question n’est pas de savoir ce que l’IA peut faire. Il s’agit de savoir quelles parties de votre travail nécessitent le type d’intelligence pratique qui s’ajoute à l’expérience, et si votre pratique actuelle de l’IA rend cette intelligence plus précise ou simplement accélère tout ce qui l’entoure.
L’étude de McKinsey sur le lieu de travail révèle que seulement 1 % des dirigeants considèrent que leur entreprise est mature en matière de déploiement de l’IA, ce qui signifie que l’IA est entièrement intégrée aux flux de travail et génère des résultats commerciaux substantiels. La version de cet écart au niveau des praticiens est tout aussi large et tout aussi réparable.
Si vous compariez votre utilisation réelle de l’IA aux six modes cette semaine (pas ce que vous avez l’intention de faire, mais ce que vous avez réellement fait), à quoi ressemblerait la distribution ? Combien coûtait l’écriture et l’identification ? Combien coûtaient Décider, Imaginer, Critiquer, Parler ?
Les praticiens qui comblent délibérément cet écart, qui construisent même un flux de travail minimal autour des modes de jugement, ne font pas quelque chose d’exotique. Ils font quelque chose que la plupart de leurs pairs ne font pas. Dans une discipline où la couche d’exécution est compressée par les mêmes outils auxquels tout le monde a accès, cette lacune mérite d’être comblée en premier.
Pour voir ce que je viens de construire après des mois de travail, vous pouvez en savoir plus sur les données pour les décisions et les preuves pour vos conversations.
Plus de ressources
Cet article a été initialement publié sur Duane Forrester Decodes.
