Début 2023, portés par l’enthousiasme autour de ChatGPT, nous avons lancé sept expérimentations d’IA générative sur des projets WordPress clients : génération de brouillons d’articles, textes alternatifs automatiques, modération de commentaires, suggestion de titres, résumés automatiques, chatbot de support et génération de code pour les tickets récurrents. Un an plus tard, quatre de ces sept usages sont encore actifs en production. Les trois autres ont été abandonnés, pas par manque de technologie, mais parce que le rapport entre effort de maintenance et valeur réelle ne tenait pas la route.
Ce bilan n’a pas vocation à décourager l’usage de l’IA sur WordPress, bien au contraire : il vise à partager les critères qui, avec le recul, distinguent un usage durable d’un gadget qui s’essouffle après quelques mois.
Ce qui a tenu ses promesses
Les usages qui ont survécu partagent un point commun : ils restent des outils au service d’un humain qui garde la main sur la décision finale. La génération de brouillons d’articles, intégrée dans le flux éditorial avec relecture systématique, continue d’être utilisée quotidiennement par les rédacteurs de plusieurs sites clients. Les textes alternatifs générés en masse pour rattraper le passif des médiathèques ont également fait leurs preuves, avec un gain de temps net sur un chantier autrement long et fastidieux.
La suggestion de titres alternatifs, utilisée pour les tests A/B sur les pages les plus visitées, s’est révélée être l’un des usages les plus stables : le coût d’un appel API y est négligeable, et le rédacteur garde un contrôle total sur le choix final parmi les propositions.
Ce qui a été abandonné, et pourquoi
Le chatbot de support automatisé, déployé sur un site e-commerce, a été désactivé après six mois. Le problème n’était pas la qualité des réponses générées, globalement correctes, mais le volume de maintenance nécessaire pour tenir à jour la base de connaissances qui alimentait le contexte du modèle : chaque changement de politique de livraison, chaque nouveau produit, chaque évolution tarifaire devait être répercuté manuellement, sous peine de réponses obsolètes données avec la même assurance que des réponses justes.
La génération automatique de code pour les tickets de support récurrents a connu un sort similaire : sur le papier, l’idée de générer automatiquement un correctif pour les demandes répétitives (ajuster une couleur, modifier un espacement) semblait pertinente. En pratique, la variabilité des configurations clientes rendait les suggestions trop souvent inadaptées au contexte réel du site, ce qui obligeait à une relecture aussi longue que si le correctif avait été écrit directement à la main.
Le coût caché : la maintenance humaine
Le fil conducteur des abandons est presque toujours le même : au moment du lancement, l’attention se porte sur le coût de mise en place technique (l’appel API, l’intégration dans WordPress), largement documenté et prévisible. Le coût qui a été systématiquement sous-estimé est celui de la maintenance humaine continue : mise à jour du contexte fourni au modèle, ajustement des prompts à mesure que les besoins évoluent, contrôle qualité régulier pour détecter une dérive dans les résultats produits.
| Usage | Statut fin 2023 | Facteur déterminant |
|---|---|---|
| Brouillons d’articles | Actif | Relecture humaine systématique intégrée au flux |
| Textes alternatifs | Actif | Tâche ponctuelle, pas de maintenance continue |
| Suggestion de titres | Actif | Coût faible, contrôle humain total |
| Modération de commentaires | Actif | File d’attente humaine conservée pour les cas ambigus |
| Chatbot de support | Abandonné | Base de connaissances impossible à maintenir à jour |
| Génération de code de tickets | Abandonné | Variabilité des contextes clients trop forte |
| Résumés automatiques | Abandonné | Valeur perçue trop faible par les lecteurs |
Les critères que nous appliquons désormais
- L’usage a-t-il besoin d’un contexte qui évolue en permanence, ou reste-t-il stable dans le temps ?
- Le contrôle final reste-t-il entre les mains d’un humain avant toute publication ou diffusion ?
- Le coût d’un résultat faux est-il acceptable, ou peut-il nuire directement à un client ou un visiteur ?
- Une équipe est-elle réellement disponible pour maintenir l’intégration dans la durée ?
Le vrai coût d’une intégration IA ne se mesure jamais au moment du lancement, mais six mois plus tard, quand plus personne n’a le temps de la maintenir.
En résumé
Un an d’expérimentation confirme une intuition simple : l’IA générative tient ses promesses sur WordPress quand elle reste un outil ponctuel, cadré, avec un contrôle humain systématique avant diffusion. Elle échoue le plus souvent quand elle prétend automatiser une relation continue avec un contexte changeant, comme un support client ou une base de connaissances vivante, sans qu’une équipe dédiée n’entretienne cette fondation dans la durée.
