Le prompt qui donne les meilleurs résultats (copiable)
La plupart des prompts de persona qui circulent tiennent en une phrase : "crée un persona pour mon produit X". Le résultat est un profil moyen, interchangeable, qui aurait pu être écrit pour n'importe quel concurrent.
Un bon prompt fait trois choses : il donne du contexte précis, il impose un format, et surtout il oblige le modèle à déclarer son niveau de certitude. Voici celui qui donne les meilleurs résultats. Copiez-le, remplacez les crochets.
Tu es analyste marketing. Tu construis un buyer persona pour le produit décrit ci-dessous.
CONTEXTE
- Produit : [décris en 3 phrases ce que c'est, ce que ça fait, ce que ça coûte]
- Marché : [pays, canal de vente, panier moyen]
- Concurrents cités par mes clients : [3 noms réels]
- Ce que je sais déjà avec certitude : [2 ou 3 faits observés, pas des intuitions]
CE QUE JE VEUX
Un buyer persona structuré ainsi :
- Le problème, formulé comme la personne le formulerait AVANT de connaître ma catégorie de produit
- Ses trois peurs les plus spécifiques (interdit : "peur de se tromper", "peur de perdre de l'argent")
- Ses cinq objections à l'achat, classées de la plus fréquente à la plus rare
- Les événements déclencheurs qui la font passer à l'achat
- Les critères sur lesquels elle compare réellement les offres
- Le vocabulaire exact qu'elle utilise pour nommer le produit et le problème
- Où elle va chercher un avis avant d'acheter
CONTRAINTES
- Pas de données démographiques décoratives. Pas de prénom, pas de photo, pas de "aime le yoga".
- Interdiction absolue d'inventer des citations. Si tu ne peux pas sourcer une phrase, écris à la place ce qu'il faudrait aller vérifier.
- Pour CHAQUE point, ajoute une étiquette : [OBSERVÉ] si tu t'appuies sur quelque chose de largement documenté, [HYPOTHÈSE] sinon.
- Termine par une section "Ce que je ne peux pas savoir" listant les 5 questions auxquelles seule une observation réelle du marché peut répondre.
Ce que ChatGPT produit vraiment : un exemple commenté
Prenez ce prompt sur un marché concret — disons des chaussures de running pour coureurs débutants. Le résultat est bon. Vraiment bon, comparé à un persona d'atelier.
Ce qui fonctionne :
- La structure. Les sept blocs sont remplis, cohérents, exploitables comme point de départ.
- La reformulation du problème. Le modèle est excellent pour traduire un jargon produit en langage courant. C'est une vraie compétence, et elle sert.
- Les objections génériques de catégorie. "Est-ce que ça vaut vraiment le double du prix d'une paire d'entrée de gamme ?" — c'est juste, et c'est utile.
- Les étiquettes [HYPOTHÈSE]. Avec la contrainte du prompt, le modèle les pose honnêtement. La proportion d'hypothèses est d'ailleurs instructive.
Ce qui ne fonctionne pas, et qu'on ne voit pas au premier coup d'œil : la sortie est vraie pour la catégorie, fausse pour votre marché. Elle décrit le coureur débutant en général. Elle ne décrit pas les gens qui ont acheté chez votre concurrent principal le mois dernier et qui ont expliqué en trois paragraphes pourquoi ils ont finalement renvoyé la paire.
Cette nuance est tout le sujet de cet article. Elle se décompose en quatre angles morts. Si les notions de persona, de buyer persona et d'ICP ne sont pas encore nettes pour vous, le guide du buyer persona pose le cadre avant d'aller plus loin.
Angle mort 1 — Il ne lit pas les avis de ton marché aujourd'hui
Un modèle de langage travaille depuis ses données d'entraînement : une photographie du web, arrêtée à une date. Même avec un accès web, il consulte quelques pages à la demande — il ne parcourt pas les trois cents avis publiés sur votre catégorie ce trimestre.
Concrètement, cela veut dire qu'il ne peut pas savoir :
- qu'un concurrent a changé sa formule il y a six semaines et que les avis se sont effondrés ;
- qu'une objection nouvelle est apparue depuis un reportage ou une polémique ;
- qu'un produit substitut a émergé et capte une partie de la demande.
Ces trois informations sont exactement celles qui font la différence entre une campagne qui fonctionne et une campagne qui parle d'hier.
Angle mort 2 — Il moyenne, là où tu as besoin du spécifique
Un modèle de langage produit la réponse la plus probable. C'est sa nature, et c'est ce qui le rend excellent en rédaction. C'est aussi ce qui le rend structurellement inapte à repérer le détail rare.
Or en marketing, la valeur est presque toujours dans le rare. "Les clients veulent un bon rapport qualité-prix" est vrai partout et n'aide nulle part. "Un tiers des avis négatifs mentionnent que la boîte arrive écrasée et que ça fait cheap pour un produit à ce prix" est spécifique, actionnable, et rapporte immédiatement.
Le modèle ne peut pas produire la seconde phrase. Non par manque d'intelligence : parce que cette information n'existe que dans des avis qu'il n'a pas lus.
Angle mort 3 — Il invente des verbatims plausibles
C'est le point le plus important, et le plus dangereux, parce qu'il est invisible.
Demandez à ChatGPT des citations de clients. Il vous en donnera. Elles seront crédibles, bien tournées, émotionnellement justes. Elles n'auront été prononcées par personne.
Le problème n'est pas moral, il est opérationnel. Un verbatim réel a une valeur précise : il vous dit que cette phrase-là, avec ces mots-là, résonne chez de vraies personnes. Vous pouvez la reprendre telle quelle dans un titre. Un verbatim généré n'a aucune de ces propriétés — c'est de la prose marketing déguisée en preuve.
C'est pour ça que le prompt ci-dessus contient l'interdiction explicite d'inventer des citations. Avec cette contrainte, le modèle bascule sur "voici ce qu'il faudrait aller vérifier", ce qui est honnête et utile. Sans elle, il remplit le vide.
Comment reconnaître un verbatim généré ? Il est trop bien écrit. Un vrai avis contient des fautes, des digressions, un détail sans rapport, une majuscule au mauvais endroit. Voir verbatim client pour la différence en pratique.
Angle mort 4 — Il ne se met jamais à jour
Un persona n'est pas un livrable, c'est un état du marché à un instant. Six mois plus tard, la concurrence a bougé, une objection a disparu, une autre est née.
Un persona généré par prompt a une propriété gênante : il est reproductible mais pas comparable. Relancez le même prompt dans trois mois, vous obtiendrez un texte différent — sans pouvoir dire si la différence vient du marché ou de la variabilité du modèle. Vous ne pouvez donc rien suivre dans le temps.
Une méthode fondée sur des données observées, elle, permet la comparaison : les mêmes sources, recollectées, disent ce qui a changé.
Quand ChatGPT suffit (et quand il ne suffit plus)
Soyons précis, parce que la réponse n'est pas "jamais".
ChatGPT suffit largement quand :
- vous découvrez une catégorie et voulez en comprendre la structure en vingt minutes ;
- vous devez aligner une équipe sur un profil de travail, en sachant que c'est une hypothèse ;
- vous cherchez à reformuler un problème technique en langage client ;
- vous préparez un guide d'entretien avant d'interroger de vrais clients ;
- vous n'avez rien du tout, et n'importe quel point de départ vaut mieux que la page blanche.
Il ne suffit plus quand :
- vous allez engager un budget publicitaire sur les angles retenus ;
- vous devez arbitrer entre deux positionnements et que l'écart se joue sur des détails ;
- vous rédigez une page de vente dont l'accroche doit reprendre les mots du marché ;
- vous êtes sur un marché en mouvement rapide ;
- vous avez besoin de savoir ce qui a changé depuis la dernière fois.
La ligne de partage est simple : ChatGPT est excellent pour structurer, inapte à observer.
L'alternative : partir des données réelles
La méthode manuelle existe, elle fonctionne, et elle n'a rien de mystérieux : on collecte les avis et les discussions publiques de sa catégorie, on extrait les phrases entières, on les classe, on compte les récurrences. C'est décrit pas à pas dans analyser les avis clients, et Reddit en est la source la plus riche et la moins exploitée en France.
Le seul obstacle est le temps : comptez cinq à six heures par produit pour faire ça sérieusement la première fois.
C'est exactement le travail que Sondeo automatise — l'analyse va chercher les avis, les fils Reddit, les forums et les publicités actives de vos concurrents, puis restitue des avatars avec les verbatims exacts et leurs sources. La méthode ne change pas ; c'est la collecte et le codage qui sont pris en charge.
Une dernière remarque, parce qu'elle compte : les deux approches ne s'opposent pas. Le meilleur usage de ChatGPT sur ce sujet, c'est de lui donner les verbatims réels et de lui demander de les organiser. Il redevient alors ce qu'il fait le mieux — un excellent outil de mise en forme, appliqué à de la vraie matière.