Ce que l'IA ne remplacera pas dans un audit CRO, et pourquoi c'est ta meilleure garantie

Tout le monde vend l'audit CRO fait par l'IA. Colle ton URL, reçois ton rapport. Si c'était vrai, personne ne paierait un consultant. Voici la part que l'IA ne fait pas, et pourquoi c'est précisément ce que tu paies quand tu m'engages, pas la partie que n'importe quel outil automatise.

L'IA fait la couche mécanique, et elle la fait bien

Autant le dire franchement. Sur l'analyse heuristique, le pattern-matching, la lecture rapide des données, la génération d'hypothèses, l'IA est un excellent accélérateur. C'est tout l'objet de mon système d'audit, je lui délègue cette couche pour aller vite, et j'assume de m'en servir.

Le problème n'est pas ce qu'elle fait. C'est ce qu'elle ne sait pas faire, et qu'elle fait quand même, avec le même aplomb. Pour comprendre pourquoi, il faut voir d'où elle tire ses réponses. Une IA restitue la moyenne de ce qu'elle a lu, la bonne pratique médiane du web. Baymard et GoodUI documentent ce qui marche en général, Cialdini a listé les leviers d'influence qui fonctionnent souvent, et le modèle a tout ingéré. Sur une page lambda, cette moyenne est un bon point de départ. Sauf que ton business n'est pas la moyenne, et c'est là que tout se joue.

Il y a un autre biais, l'IA sur-signale. Elle te rend volontiers vingt recommandations à plat, toutes présentées avec la même assurance, parce qu'elle n'a aucune raison d'en écarter une. Elle ne sait pas que trois comptent et que dix-sept sont du bruit pour ton cas. Une liste de vingt corrections non hiérarchisées n'est pas un audit, c'est une to-do qui te noie, exactement la surcharge de choix que tu voulais éviter. Trier ces vingt en trois, dans le bon ordre, c'est déjà de l'arbitrage, et c'est déjà ce que la machine ne fait pas.

Trois choses qu'elle ne fait pas

1. Elle ne connaît pas ta marge. Elle te dira que ce décrochage au paiement est le plus grave. Elle ignore que corriger cette étape te coûte trois semaines de dev pour un gain sur un produit à faible marge, quand une autre fuite, plus petite en volume, touche ton offre la plus rentable. La gravité d'une fuite ne se mesure pas en pourcentage de conversion, elle se mesure en euros sur ta structure de coûts. Une IA voit les pourcentages, elle ne voit pas tes marges, parce qu'elles ne sont écrites nulle part sur ta page.
2. Elle ne connaît pas ton vrai client. Elle recommande de l'urgence, des comptes à rebours, de la rareté, parce que c'est ce qui marche en moyenne, et Cialdini l'a documenté. Elle ignore que ton audience B2B achète sur la réassurance et fuit la pression, que ton cycle de vente est long et qu'un faux compte à rebours te ferait passer pour un marchand de tapis auprès d'acheteurs prudents. Une bonne pratique moyenne n'est pas une bonne pratique universelle, et parfois c'est exactement la mauvaise pour toi.
3. Elle ne pèse pas un correctif contre ta stratégie. Elle te dira de couper une page qui convertit mal. Elle ignore que cette page ne convertit pas parce que ce n'est pas son rôle, elle capte du SEO, elle répond à une objection, elle nourrit ta marque en haut du tunnel avant que la vente se fasse ailleurs. Un audit sans le contexte stratégique optimise un chiffre local et casse un équilibre global.

Un cas rend les trois concrets d'un coup. Deux fuites sur le même site, l'IA les classe par volume perdu. La première, grosse, est sur une gamme d'appel à faible marge que tu vends presque à prix coûtant pour recruter des clients. La seconde, plus discrète, est sur l'abonnement annuel qui fait ta vraie marge. L'IA met la grosse en tête, par réflexe de volume. Le bon ordre est l'inverse, tu répares d'abord le petit trou sur ce qui te nourrit vraiment. Même page, mêmes données, deux priorités opposées, et c'est la marge, invisible à la machine, qui tranche.

Le même renversement joue sur le client. Un audit automatique adore recommander de raccourcir les formulaires, de virer des champs, parce que moins de friction convertit mieux en moyenne. Sur un service où la qualification compte, où tu préfères dix bons leads à cent curieux, ces champs "en trop" sont ton filtre volontaire, et les supprimer te noierait sous des contacts inutiles qui coûtent cher à traiter. La reco est juste pour un site qui veut du volume, fausse pour toi qui veux du tri. Encore une fois, la moyenne du web ne connaît pas ton modèle, et ce qu'elle appelle friction est parfois ta meilleure défense.

Le point commun, le contexte n'est pas sur la page

Regarde ce que ces trois angles morts ont en commun. La marge, le vrai client, le rôle stratégique d'une page, aucun des trois n'est visible sur ta page ni dans tes données publiques. C'est de l'information qui vit dans ta compta, dans ta connaissance du marché, dans ta tête. Une IA lit ce qui est là, elle ne peut pas lire ce qui n'y est pas.

Et c'est pour ça que l'argument "les modèles s'améliorent, bientôt ils sauront" ne tient pas ici. Un modèle plus fort lira mieux ta page, plus vite, avec plus de finesse. Il ne lira toujours pas ta structure de coûts que tu ne lui as pas donnée, ni la stratégie que tu n'as écrite nulle part. Le manque n'est pas une faiblesse technique qui se corrige avec plus de paramètres, c'est un manque d'accès. Le contexte business n'est pas un problème d'intelligence, c'est un problème d'information, et cette information, tu es le seul à l'avoir.

Et si je nourrissais l'IA de mon contexte

Objection maligne, je n'ai qu'à donner ma marge, mon client et ma stratégie à l'IA dans le prompt, et elle arbitrera. En partie, oui, et c'est même une bonne pratique. Mais regarde ce que ça déplace. Pour donner le bon contexte, il faut déjà savoir quel contexte compte, quelle marge est décisive, quel segment est ton vrai client, quelle page joue un rôle non commercial. Ce tri-là, savoir quelle information est pertinente pour quelle décision, c'est justement le travail d'expertise. L'IA exécute mieux une fois que tu lui as mâché l'arbitrage, elle ne fait pas l'arbitrage à ta place. Tu ne délègues pas le jugement en le décrivant, tu le formalises, et pour le formaliser il faut déjà l'avoir.

L'artefact, trois questions avant de croire une reco d'IA

Avant d'appliquer n'importe quelle recommandation d'un audit par IA, passe-la à ces trois questions.

• Combien coûte ce correctif, et sur quelle marge se joue le gain
• Ce conseil vaut-il pour mon client réel, ou pour un client moyen
• Cette page a-t-elle un autre rôle que convertir tout de suite

Si tu ne peux pas répondre, la reco n'est pas prête à être appliquée, quelle que soit la confiance qu'elle affiche.

Les trois questions au travail

Prends une reco classique d'un audit automatique et fais-la passer à la grille. Tu vois tout de suite ce qu'elle laisse de côté.

Reco d'un audit IA : "Ajoute un compte à rebours pour créer l'urgence."

Q1, coût et marge :
  dev léger, mais le gain viserait surtout des achats impulsifs
  sur la gamme d'entrée, celle qui rapporte le moins.
Q2, mon client réel ou un client moyen :
  mon audience achète sur la réassurance, un faux compte à rebours
  la braque au lieu de la pousser.
Q3, autre rôle que convertir tout de suite :
  oui, cette page installe la crédibilité avant un cycle de vente long.

Verdict : reco vraie en moyenne, mauvaise pour ce cas précis. Écartée.

La reco n'était pas fausse dans l'absolu, l'urgence marche souvent. Elle était fausse pour ce business-là, et seule la grille l'a montré. C'est exactement le travail qu'aucun rapport automatique ne fait à ta place, parce qu'il n'a pas les réponses aux trois questions, toi si.

Il y a pire que la reco fausse, la reco absente. L'IA note ce qu'elle voit et rate ce qui n'est pas là. Elle ne te dira pas que ton offre manque une garantie que tes trois concurrents affichent, parce que ta page ne la mentionne pas et qu'elle ne connaît pas ton marché. Elle ne te dira pas que ton prix trahit ton positionnement, ni que ta promesse crée une attente que ta logistique ne tiendra pas. Ces angles morts ne se lisent pas sur une capture, ils se savent. Le meilleur outil du monde audite ce qui existe, il est aveugle à ce qui devrait exister et manque.

Pourquoi c'est ta garantie

Quand tu m'engages, tu ne paies pas la couche que l'IA automatise. Je m'en sers moi aussi, c'est ce qui me fait aller vite, et je te le dis sans détour plutôt que de te vendre de la magie. Tu paies la couche qu'elle ne fait pas, le jugement qui traduit une liste de frictions en priorités qui comptent pour ta marge, ton client, ta stratégie.

Retourne l'argument, et il devient rassurant. Si un audit CRO se résumait à ce qu'une IA produit, tu n'aurais aucune raison de payer pour une optimisation, tu collerais ton URL toi-même. Le fait qu'un bon audit garde de la valeur, c'est la preuve qu'il contient autre chose que de la détection automatisable. Cette autre chose, c'est l'arbitrage, et l'arbitrage a besoin d'un humain qui connaît ton contexte ou qui te pose les bonnes questions pour l'obtenir.

Concrètement, arbitrer, c'est prendre les vingt frictions que la machine remonte à plat et en faire une liste ordonnée par ce qu'elles rapportent, pas par leur taille. C'est écarter la reco vraie mais hors sujet, garder la petite fuite sur l'offre rentable, repérer la page qu'il ne faut surtout pas toucher malgré son mauvais taux. C'est un travail de pondération, chaque fuite reçoit un poids qui vient de ton business, pas du modèle. La machine te donne une liste, l'arbitrage te donne un plan, et c'est le plan que tu paies.

C'est là qu'est la valeur d'un audit, pas dans la détection, dans l'arbitrage. Et c'est exactement ce que fait la Radiographie CRO, la machine remonte les fuites, moi je décide lesquelles valent ton temps, ta marge et ta stratégie. Si tu veux cet arbitrage sur ton tunnel, c'est là.

Dans la même série

Cet article clôt mon pilier sur l'IA et l'audit CRO. Il nomme la septième étape de mon stack complet en sept étapes, et prolonge la méfiance travaillée dans les utilisateurs synthétiques mentent.