Une heure à séparer les généralités du concret, et la conclusion que l’IA n’est pas faite pour vous. Avant de clore le sujet : le problème ne venait pas de l’IA. Il venait de ce que l’IA a reçu en entrée.
Une conversation que vous connaissez
La plupart des e-commerçants ont déjà eu cette conversation. Le soir, après la clôture du mois, vous ouvrez le chat et posez la question qui vous préoccupe vraiment. La réponse arrive en trois secondes : longue, structurée, rédigée sur un ton assuré.
Chat sans accès aux données de la boutique
Une baisse des ventes d’une boutique en ligne peut avoir de nombreuses causes. Voici les points les plus courants à analyser :
- Saisonnalité : de nombreux secteurs connaissent des variations naturelles de la demande au cours de l’année…
- Concurrence croissante : il est utile de surveiller les prix et l’offre des concurrents…
- Visibilité dans les moteurs de recherche : soignez l’optimisation SEO et les contenus…
- Expérience utilisateur : analysez la vitesse du site et le parcours d’achat…
- Actions marketing : envisagez de renforcer votre présence sur les réseaux sociaux…
- Politique tarifaire : vérifiez que vos prix sont compétitifs…
Chacun de ces points est vrai. Et aucun n’est utile, car aucun ne concerne votre boutique. La même réponse convient à un vendeur de pneus, à une boutique de robes et à un grossiste en visserie. Ce n’est pas une analyse, c’est la moyenne de tous les guides pratiques que le modèle a lus.
Pourquoi l’IA répond par des généralités
Un modèle de langage complète un texte à partir de ce qu’il reçoit. La question « pourquoi mes ventes baissent » ne contient aucun chiffre, aucune date, aucun fait sur votre boutique : le modèle n’a donc rien pour construire une réponse précise. Il comble le vide avec ce qui s’écrit statistiquement le plus souvent sur les baisses de ventes.
Ce n’est pas un défaut du modèle, c’est un manque de matière. Le meilleur analyste du monde, interrogé sur une boutique qu’il n’a jamais vue, répondrait exactement de la même façon : par des généralités.
Sans les données de votre boutique, l’IA n’analyse rien : elle complète le texte avec la moyenne nationale. Le ton assuré de la réponse masque le fait que le modèle devine.
La même conversation, avec des données
Reprenons la même question, mais cette fois le modèle a accès à la base de données de la boutique : commandes, trafic, campagnes, réunis en un seul endroit et mis à jour chaque jour. Avant de répondre, il vérifie. Cela se voit dans la conversation.
Le même chat, base de données connectée · données anonymisées, boutique de cosmétiques naturels
get_sales_summary · 7 jours · comparaison : semaine précédente
get_session_funnel · 7 jours
J’ai vérifié. Les ventes n’ont pas baissé : 24 030 €, soit +2,4 % par rapport à la semaine précédente. À votre échelle, c’est du bruit, pas un signal.
Mais puisque vous demandez ce qui freine les ventes, un point du tunnel se démarque :
| Étape | Nombre | Passage |
|---|---|---|
| Sessions | 14 394 | – |
| Vue produit | 9 020 | 63 % |
| Ajout au panier | 5 511 | 61 % |
| Passage en caisse | 685 | 12 % |
| Achat | 520 | 76 % |
Les clients ajoutent volontiers au panier : 61 %, c’est un très bon résultat. Mais seuls 12 % des paniers passent en caisse. C’est l’étape la plus faible de votre tunnel. Voulez-vous que je décompose ce tunnel de sessions par canal selon GA4 pour vérifier si cela concerne tout le trafic ou une seule source ?
Deux choses sont à noter. D’abord, le modèle n’a pas confirmé l’intuition. La semaine n’était pas faible, et la réponse commence par corriger l’hypothèse, chiffre à l’appui. Ensuite, au lieu de six pistes générales, vous obtenez un point précis qui décroche, ainsi qu’une proposition pour l’étape suivante.
Le modèle est le même. La question est la même. La différence, c’est que la seconde conversation s’appuie sur des données : le modèle vérifie au lieu de deviner.
Ce que vous pouvez faire dès aujourd’hui, sans outil
Vous pouvez appliquer ce principe tout de suite : collez dans le chat un tableau issu du back-office de votre boutique ou un export GA4, puis posez votre question sur ces chiffres. La réponse sera sans commune mesure avec celle obtenue sans données. Essayez, vraiment.
Vous verrez aussi vite les limites de cette méthode. Vous collez un extrait, donc le modèle ne voit que cet extrait. À chaque nouvelle question, il faut tout recopier. Et réunir ventes, trafic et campagnes en un seul copier-coller est tout simplement impossible.
Vous collez à la main
Un extrait à la fois
Le modèle voit un seul extrait : le tableau que vous avez collé. Chaque nouvelle question implique un nouvel export et un nouveau copier-coller. Les données sont à jour au moment de l’export.
Vous connectez une fois
Toutes les sources à la fois
Le modèle choisit lui-même les données adaptées à la question : ventes, trafic et campagnes à la fois, mises à jour chaque jour. Vous posez vos questions quand vous voulez, sans préparation.
C’est précisément cet écart que comble une base de données connectée au chat : au lieu de coller des extraits à chaque question, vous connectez vos sources une fois, et à chaque conversation le modèle va chercher autant de données qu’il lui en faut pour répondre.
Conclusion
Avant de juger l’IA, regardez ce qu’elle a reçu en entrée.
La réponse d’un modèle vaut exactement les données sur lesquelles elle repose. Ce principe s’applique à tout outil d’IA, pas seulement en analytique : une question générale sans contexte donne une réponse générale sans valeur.
Si, il y a un an, vous avez conclu que « l’IA ne fonctionne pas pour mon activité », il est très probable que vous ayez jugé un modèle auquel vous n’aviez fourni aucune donnée. Ce test mérite d’être refait dans d’autres conditions.
DataOrganizer · MCP
DataOrganizer réunit la boutique, GA4 et les campagnes dans une seule banque de données, puis la connecte à votre chat préféré. Première conversation dans 20 minutes.