Exemples

Demande : « Tous les lundis matin, dites-moi ce qui a changé chez nos 5 principaux concurrents la semaine dernière. »

Ce qui a été publié :

• Une tâche planifiée qui s'exécute chaque lundi à 9h, sans supervision
• Récupère les nouveaux mots-clés organiques et ceux supprimés, les nouvelles pages positionnées et tous les backlinks provenant de domaines notables pour chaque concurrent depuis Ahrefs
• Un passage par LLM qui résume les éléments intéressants en langage clair et ignore le bruit
• Un message direct Slack avec le résumé et un lien vers une page Console contenant les données complètes

Temps de livraison : une session de discussion, plus un suivi pour ajouter le filtre « éléments intéressants ».

Prompt de départ :

Créez-moi un observateur de concurrents pour le lundi matin. Chaque lundi à 9h pour ces 5 domaines [liste], récupérez les mots-clés organiques nouveaux et supprimés par rapport à la semaine dernière, les nouvelles pages positionnées, et tous les backlinks provenant de domaines avec DR ≥ 70. Résumez les éléments intéressants avec un LLM, ignorez le bruit. Envoyez-moi un message sur Slack avec le résumé plus un lien vers une page Console qui affiche tous les deltas.

Demande : « Créez-moi un outil où je colle une URL et il renvoie un univers de mots-clés regroupés. Lien public que je peux partager avec des prospects. »

Ce qui a été publié :

• Une page Console où vous collez l'URL et choisissez les filtres (volume, Difficulté du mot-clé)
• Un backend qui récupère les principaux Mots-clés organiques depuis Site Explorer, développe chacun via les Termes correspondants de Keywords Explorer, déduplique et regroupe par Sujet parent Ahrefs
• Un passage LLM qui nomme chaque cluster (2-4 mots, Casse de titre)
• Une visualisation graphique à force dirigée avec des nœuds déplaçables, zoom par défilement, infobulles au survol et pilules de légende cliquables pour basculer les clusters
• Une URL de jeton publique sur le site pour que vous puissiez partager en lecture seule avec n'importe qui

Temps de livraison : une session de chat pour la v1, quelques échanges de suivi pour peaufiner la visualisation.

Prompt de démarrage :

Créez-moi un outil d'univers de mots-clés. L'entrée est une URL. Récupérez les N premiers mots-clés organiques depuis Site Explorer, développez chacun avec les termes correspondants de Keywords Explorer, dédupliquez, regroupez par sujet parent, nommez chaque cluster en 2-4 mots via LLM. Visualisez sous forme de graphique orienté force déplaçable avec des couleurs de cluster et une légende permettant de basculer les clusters. Affichez dans la Console pour moi ; exposez une URL protégée par jeton sur le site public afin que je puisse la partager avec des prospects.

Demande : « Suivez notre marque dans les réponses de l'IA sur ChatGPT, Claude, Perplexity et les autres, et comparez-la aux trois concurrents les plus proches. »

Ce qui a été déployé :

• Un tableau de bord Console qui récupère les données Brand Radar d'Ahrefs pour six plateformes IA en parallèle
• Répartition par plateforme de la part de voix, des impressions, des mentions et des citations pour notre marque et jusqu'à cinq concurrents
• Une vue combinée agrégée sur toutes les plateformes, et un historique de 90 jours pour chaque métrique
• Comparaison en un clic avec un ensemble différent de concurrents sans avoir à tout relancer

Temps de livraison : une session de chat.

Prompt de départ :

Créez-moi un tableau de bord de visibilité IA. Entrées : l'URL de ma marque et jusqu'à 5 URL de concurrents. Récupérez les chronologies d'aperçu Brand Radar pour ChatGPT, Claude, Perplexity, Gemini, Copilot et Grok en parallèle. Pour chaque plateforme, affichez la part de voix, les impressions, les mentions, les citations pour chaque entité. Affichez également une vue combinée sur toutes les plateformes (part de voix moyennée, autres métriques additionnées) et un historique de 90 jours par métrique. Mettez en cache les résultats par exécution afin que je puisse changer de concurrents sans avoir à tout récupérer à nouveau.

Demande : « La plupart des textes générés par l'IA sont rejetés par nos équipes juridiques et de marque car ils ne peuvent pas montrer d'où proviennent les affirmations. Créez-moi un mode brouillon qui ancre chaque affirmation et affiche la traçabilité des sources. »

Ce qui a été publié :

• Une page Console qui prend un brief ainsi que des directives de marque et génère un brouillon de texte avec chaque affirmation numérotée
• Un panneau latéral qui, pour chaque affirmation numérotée, affiche la source, extraite d'une « bibliothèque d'affirmations de marque » maintenue contenant des faits pré-approuvés sur Ahrefs (chiffres d'échelle, affirmations de capacités, preuves clients, comparaisons)
• Les affirmations expirées sont automatiquement supprimées (la bibliothèque contient un champ expires_on par affirmation)
• Export Markdown avec version, origine et catégorie afin que les réviseurs juridiques/de marque puissent auditer sans quitter le document

Temps de déploiement : une session de chat pour le générateur ; la bibliothèque de revendications de marque a été alimentée une fois et est réutilisée dans chaque générateur de couche 3.

Prompt de démarrage :

Créez-moi un générateur de texte prêt pour l'audit. Maintenez une bibliothèque d'affirmations de marque sous forme de fichier de compétences JSON (id, affirmation, URL source, catégorie, expires_on). Le générateur accepte un brief + directives de marque, rédige le texte et numérote chaque affirmation factuelle. Le panneau latéral affiche la source de chaque affirmation, extraite de la bibliothèque. Supprimez silencieusement les affirmations expirées. Exportez en markdown avec version, origine et catégorie pour que le service juridique puisse effectuer l'audit.

Demande : « Créez-moi un générateur de fiches concurrentielles qui extrait des signaux réels, pas seulement des opinions sous forme de puces. »

Ce qui a été publié :

• Une page Console où vous collez un domaine concurrent
• Le backend récupère le trafic Ahrefs et les variations de classement, scrape leur page de tarification, exécute un instantané de recherche payante et (si connecté) lit les extraits d'appels Gong récents où le concurrent a été mentionné
• Le LLM organise les résultats en : positionnement, tarification, forces, faiblesses, objections courantes et contre-arguments de votre équipe
• Chaque section est modifiable en ligne, exportable en PDF ou PowerPoint

Temps de livraison : une session de chat.

Prompt de départ :

Créez-moi un générateur de fiches concurrentielles. Entrée : domaine concurrent. Récupérez le trafic Ahrefs + les variations de classement (30/90 jours), scrapez leur page de tarification, récupérez les mots-clés payants + les pages payantes depuis Site Explorer, et lisez les extraits d'appels Gong des 90 derniers jours qui les mentionnent. Organisez avec un LLM en positionnement, tarification, forces, faiblesses, objections courantes, nos contre-arguments. Chaque section est modifiable en ligne. Exportez en PDF ou PPTX.

Demande : « Je rédige des publications LinkedIn avec ma propre voix. Aidez-moi à en rédiger de nouvelles qui sonnent comme moi, et non comme ChatGPT. »

Ce qui a été déployé :

• Un fichier de compétences avec des règles de ton et une banque de publications passées approuvées que l'agent lit à chaque génération
• Une application Console qui rédige de nouvelles publications dans ce ton, deux variantes par génération, chacune étiquetée avec le modèle qu'elle utilise
• Une note « pourquoi cela fonctionne » sur chaque variante afin que le résultat soit vérifiable au lieu d'être une supposition
• Un bouton « Ajouter à la banque » qui ajoute les publications approuvées dans le fichier de compétences, afin que le ton s'affine au fil du temps

Temps de mise en œuvre : une session de chat, plus 15 minutes la première fois pour alimenter la banque avec 5 à 10 de vos meilleurs posts passés.

Prompt de départ :

Créez-moi un générateur de publications LinkedIn. Lisez les règles de ton et une banque de publications passées approuvées depuis un fichier de compétences. Pour chaque brief, rédigez deux variantes avec le modèle que chacune suit (« accroche à contre-courant », « données + recadrage », etc.) et une note d'une ligne expliquant pourquoi cela fonctionne. Ajoutez un bouton « Ajouter à la banque » qui ajoute les publications approuvées dans le fichier de compétences afin d'affiner le ton. Enregistrez l'historique des exécutions.

Demande : « Nous avons plus de 1 000 articles de blog ; les maintenir à jour représente plus qu'un emploi à temps plein. Créez un pipeline qui prend une URL, l'audite et propose des mises à jour que je peux accepter ou rejeter modification par modification. »

Ce qui a été déployé :

• Un champ de saisie où vous collez une URL publiée ; le pipeline la récupère et extrait le contenu de la page
• Quatre étapes de diagnostic s'exécutent en parallèle : portée (actualisation légère vs. réécriture complète), audit des affirmations (le LLM signale chaque statistique et assertion datée, évalue l'obsolescence, trouve des remplacements), vérification croisée des mentions Ahrefs (par rapport aux fonctionnalités publiées depuis la publication), lacunes thématiques (relance le SERP et met en évidence les sujets couverts par les pages les mieux classées actuellement que la vôtre ne couvre pas)
• Une étape de prévisualisation avec une comparaison côte à côte entre l'article actuel et les mises à jour proposées. Acceptez ou rejetez chaque modification individuellement
• Exportez la version acceptée au format markdown ou en shortcodes WordPress

Temps de mise en œuvre : quelques jours de développement + ajustement, puis fonctionne indéfiniment.

Prompt de départ :

Créez-moi un pipeline de mise à jour d'articles de blog. Entrée : une URL publiée. Récupérez l'article. Exécutez quatre étapes de diagnostic en parallèle : (1) Portée, je définis rafraîchissement léger vs. réécriture complète ; (2) Audit des affirmations, le LLM extrait chaque statistique, référence d'étude et assertion datée et évalue chacune pour l'obsolescence avec un remplacement suggéré ; (3) Mentions Ahrefs, vérifiez par recoupement les fonctionnalités Ahrefs publiées depuis la publication et suggérez où en ajouter de nouvelles ; (4) Lacunes thématiques, relancez le SERP, identifiez les sujets couverts par les pages les mieux classées actuellement que la mienne ne couvre pas. Étape finale : comparaison côte à côte entre l'article actuel et les mises à jour proposées, avec acceptation/rejet par modification. Exportez la version acceptée en markdown ou en shortcodes WordPress.

Demande : « Prenez l'URL d'un concurrent et créez-moi un brief de campagne publicitaire payante. Je veux des thèmes, des titres, des descriptions et des maquettes PNG dans le style de notre marque. »

Ce qui a été déployé :

• Une page Console qui explore la page cible, extrait les mots-clés payants et les pages payantes d'Ahrefs, et demande à un LLM d'identifier les thèmes de campagne
• Pour chaque thème : texte publicitaire pour les annonces de recherche (avec des limites de longueur strictes appliquées côté serveur pour que Google ne les rejette pas), texte publicitaire pour les réseaux sociaux, et visuels PNG rendus dans quatre styles d'arrière-plan en utilisant Pillow
• Les images publicitaires de marque de référence téléchargées précédemment sont décrites au LLM par leur style afin que le texte et les visuels générés restent fidèles à la marque

Temps de livraison : une session de chat pour la v1, deux échanges de suivi pour affiner les styles de marque.

Prompt de départ :

Créez-moi un générateur de campagnes publicitaires payantes. Entrée : une URL concurrente. Explorez la page, extrayez leurs mots-clés payants et pages payantes depuis Ahrefs. Le LLM identifie 3 à 5 thèmes de campagne. Pour chaque thème, produisez : titre de recherche (≤30 caractères), description (≤90 caractères), titre social (3-7 mots). Appliquez les limites côté serveur. Générez des visuels PNG dans quatre styles d'arrière-plan en utilisant Pillow ; mot accentué en orange, notre logo. Référez-vous à mes images publicitaires de marque téléchargées par leur style afin que les générations restent cohérentes avec la marque.

Demande : « Chaque lancement de produit nécessite un positionnement, une copie de page de destination, des e-mails, du contenu de support à la vente et un script vidéo. Créez-moi un orchestrateur qui prend un brief et produit tout cela. »

Ce qui a été publié :

• Un hub Console qui prend un seul brief produit (champs de saisie pour : ce que nous avons livré, à qui cela s'adresse, le changement que cela apporte, preuves à l'appui)
• L'orchestrateur appelle quatre générateurs de Couche 3 en séquence : page de destination, script vidéo, e-mail promotionnel, fiche comparative d'une page
• Chaque générateur lit à partir des mêmes compétences de Couche 1 (voix de marque, manuel de design, stratégie marketing) afin que les résultats soient cohérents entre les ressources
• Une vérification de cohérence inter-ressources à la fin (le titre de la page de destination correspond-il à l'objet de l'e-mail, l'ouverture de la vidéo correspond-elle au positionnement de la page de comparaison)
• Le package de contenu complet est exportable en markdown, avec les ressources dans l'ordre cohérent : brief → page de destination → script vidéo → e-mail → flyer

Temps de mise en œuvre : trois sessions de chat : une pour construire chaque générateur de couche 3, une pour construire l'orchestrateur par-dessus.

prompt de départ :

Créez-moi un orchestrateur GTM. Entrée unique : brief produit (ce qui a été lancé, pour qui, quels changements, preuves). Le pipeline appelle quatre générateurs de Couche 3 en séquence : HTML de page de destination, script vidéo en markdown, HTML d'e-mail promotionnel, HTML de fiche comparative d'une page. Chacun lit les mêmes compétences de Couche 1 (voix de marque, manuel de design, stratégie marketing). Après l'exécution des quatre, effectuez une vérification de cohérence inter-ressources (titre ↔ ligne d'objet ↔ ouverture vidéo ↔ positionnement comparatif). Sortie : un package unique ; ordre d'export : brief → page de destination → vidéo → e-mail → flyer.

Demande : « Créez-moi un pipeline assisté en 11 étapes pour la rédaction d'articles longs. Je saisis un mot-clé cible, l'agent fait le travail, et je modifie à chaque étape. »

Ce qui a été publié :

• Une application Console où vous saisissez un mot-clé cible (ou demandez à l'agent d'en trouver un via l'analyse de lacunes de contenu intégrée)
• 11 étapes s'exécutent séquentiellement en tant que tâches en arrière-plan que l'interface interroge : recherche de mots-clés, récupération SERP, instantané de sujet AI Content Helper, plan à puces avec couverture de sujet obligatoire, placement de mentions de données, brouillon complet, peaufinage, formatage en shortcode WordPress, export .docx
• Chaque étape affiche son résultat, dispose d'une zone de texte « modifier » et d'un chat « affiner avec commentaires » qui relance l'étape avec vos notes
• Mode d'édition Vibe : chat direct avec le LLM sur les plans et brouillons, sans copier-coller
• Guides de style personnalisés par profil d'auteur, entraînés sur des échantillons d'écriture téléchargés
• Diagrammes de flux de marque générés dans le style de votre marque

Délai de livraison : quelques sessions de discussion, puis ajouts continus au fur et à mesure que les besoins de l'équipe se manifestent.

Prompt de départ :

Créez-moi un pipeline d'article long format assisté. L'entrée atomique est un mot-clé cible. Les étapes s'exécutent séquentiellement en tant que tâches en arrière-plan que l'interface interroge : (1) recherche de mots-clés via Ahrefs, (2) récupération du SERP concurrent, (3) instantané de sujet via AI Content Helper, (4) plan à puces avec couverture de sujets obligatoire, (5) placement de mentions de données, (6) brouillon complet, (7) peaufinage, (8) formatage en shortcode WordPress + export .docx. Chaque étape affiche sa sortie, dispose d'une zone de texte « modifier » et d'un chat « affiner avec retour » qui réexécute l'étape avec mes notes. Le guide de style provient d'un profil de voix par auteur.