Le système d'audit CRO que je fais tourner avec Claude Code, le vrai

Cherche "process d'audit CRO avec l'IA" et tu tombes sur des captures d'écran de prompt. Colle ta page, demande une analyse, lis la réponse. Ça dépanne, ça ne tient pas un audit livrable. Un vrai système, c'est un pipeline qui tourne, pas une conversation. Voici le mien, avec son architecture, et surtout la ligne que personne ne trace, ce que je délègue à la machine et ce que je ne délègue jamais.

Le problème d'une analyse par prompt

Un prompt unique sur une page, c'est trois faiblesses de fond.

1. Il regarde ce que tu as screenshoté, pas le rendu réel de la page. Il ne voit ni l'état sans JavaScript, ni ce qui casse au chargement.
2. Il note différemment à chaque passage. Aucune reproductibilité, or un audit doit donner le même diagnostic deux fois sur la même page. Si le verdict bouge d'un run à l'autre, ce n'est plus un diagnostic, c'est une humeur.
3. Il te renvoie une liste plate, sans crawl, sans score comparable d'une page à l'autre. Impossible de dire quelle page fuit le plus.

Cette histoire de reproductibilité n'est pas un caprice. Jakob Nielsen a mesuré qu'un évaluateur seul, en inspection heuristique, ne repère qu'environ 35% des problèmes d'utilisabilité d'une interface. Un seul regard, même expert, rate les deux tiers. La parade documentée par le Nielsen Norman Group, c'est de croiser plusieurs passes et une grille fixe, pas de compter sur un coup d'oeil inspiré. Un prompt collé une fois, c'est exactement l'évaluateur unique qui improvise. Pour dépanner, ça suffit. Pour facturer un diagnostic, non.

L'architecture, quatre briques

Mon système remplace le coup d'oeil par une chaîne. Quatre briques, dans cet ordre.

1. Crawl et rendu. Playwright ouvre chaque page deux fois, avec JavaScript et sans. C'est là que se cachent les fuites qu'un oeil humain rate, un fallback qui casse, un bloc qui n'existe que si le script tourne, une preuve qui n'est peuplée qu'après exécution.
2. Extraction. Le pipeline sort la structure de la page, les titres, les CTA, les champs de formulaire, les blocs de preuve, sous une forme propre, prête à scorer. On passe d'une capture floue à des données.
3. Scoring heuristique. Chaque page est notée contre une grille de principes documentés, pas contre mon goût du jour. Baymard a accumulé plus de 130 000 heures de recherche d'utilisabilité, GoodUI tient une base de patterns issus de centaines de tests A/B, Nielsen a posé ses dix heuristiques il y a trente ans et elles tiennent encore. Ce n'est pas mon avis, c'est un socle vérifiable.
4. Jugement. Là je reprends la main. Le score dit où regarder, il ne dit pas ce qui compte pour cette marque.

Cette chaîne tourne sur un serveur que j'administre, FastAPI et Playwright, un scanner que j'ai codé au départ pour analyser des boutiques en amont de la prospection. Le même socle sert aujourd'hui un diagnostic client. Rien de magique, de la mécanique assemblée avec soin.

Prends la brique extraction, celle qu'on sous-estime le plus. Un screenshot, c'est une image, le modèle doit deviner la structure au jugé. Le pipeline, lui, sort une liste propre, ce titre est un h1, ce bouton porte ce libellé et pointe vers là, ce formulaire demande six champs dont deux facultatifs, ce bloc de preuve contient trois chiffres et l'un vaut zéro. Le scoring ne travaille plus sur une impression visuelle, il travaille sur des faits. C'est précisément cette étape qui rend la note reproductible, deux passages sur la même extraction donnent le même score, parce qu'ils lisent la même donnée structurée et pas la même image floue réinterprétée à chaque fois.

Un détail qui change tout, une fois les pages extraites et scorées sur la même grille, elles deviennent comparables. Tu ne dis plus "cette page a l'air moins bonne", tu dis "cette page marque 8 sur 14, celle-là 12, et voilà les trois principes qui plombent la première". Un prompt collé page par page ne donne jamais cette lecture d'ensemble, il traite chaque page comme un cas isolé. Le pipeline, lui, hiérarchise tout le site avant même que j'ouvre le premier onglet à la main.

Ce que le rendu sans JS attrape, exemple réel

J'ai fait tourner la brique crawl sur ma propre landing Copyboost. Résultat, dans l'état sans JavaScript, les compteurs de preuve sociale affichent zéro. "0 analyses complétées", "0 s de temps moyen".

Ce sont des compteurs animés qui partent de zéro et grimpent quand le script s'exécute. L'intention est bonne, montrer de la traction chiffrée. Sauf que le pipeline attrape trois angles morts sur ce seul élément. D'abord, pour un crawler ou un script qui casse, la preuve reste bloquée à zéro. Ensuite, même quand le JavaScript tourne, la toute première demi-seconde d'affichage montre "0", parce que l'animation démarre là. Enfin, ces compteurs sont placés haut, près de l'action, donc au pire endroit possible pour un chiffre qui vaut zéro à l'instant où l'oeil se pose.

Le mécanisme est brutal, et il a un nom. Le biais de négativité, documenté depuis des décennies en psychologie de la décision, veut que le cerveau pondère plus lourdement une information négative qu'une information positive équivalente. Un "0 analyses" pèse plus lourd dans la tête du visiteur qu'un "2 000 analyses" ne l'aurait rassuré. Ajoute l'effet de primauté, la première impression s'ancre et colore tout le reste, et tu obtiens une preuve chiffrée qui, affichée à zéro, devient l'ancre de crédibilité de la page. Elle transforme ton meilleur argument en aveu de vide. Une preuve à zéro est pire que pas de preuve du tout.

Un prompt sur un screenshot ne l'aurait jamais vu, il n'a jamais chargé la page sans JS ni observé l'état de transition. Le pipeline, si. Et c'est de ma propre page que je parle. Le système ne fait pas de cadeau, même au sien.

L'artefact, la grille de scoring que tu peux réutiliser

Tu veux la logique du scoring sans coder le pipeline. Voici le coeur, le prompt que je passe après extraction.

Rôle : analyste CRO, évaluation heuristique.
Entrée : le contenu structuré d'une page, titres, CTA, champs de
formulaire, blocs de preuve, et l'état de la page sans JS.
Pour chaque principe, note de 0 à 2 et justifie en une phrase :
- Clarté de la proposition de valeur au-dessus de la ligne de flottaison
- Le CTA nomme le résultat, pas l'effort
- Preuve sociale présente, visible, et rendue même sans JS
- Charge du formulaire, champs présents contre champs strictement nécessaires
- Hiérarchie visuelle qui guide vers une seule action
Sortie : un tableau principe, score, justification, puis les 3 corrections
au meilleur rapport gain sur effort.
Interdit : aucun conseil générique, chaque ligne pointe un élément
précis de la page.

Colle-le avec le contenu extrait d'une page, tu obtiens un score reproductible. C'est la brique 3, sans le serveur.

La grille au travail, la sortie sur ma landing

Un prompt, ça se juge à sa sortie. Voici les lignes que la grille produit sur Copyboost, à partir de ce que le rendu sans JS a remonté.

Principe                                  Score  Justification
Proposition de valeur au-dessus du pli    2/2    Le sujet et le bénéfice
                                                 sont lisibles d'entrée.
Preuve sociale rendue même sans JS        0/2    Les compteurs affichent
                                                 "0 analyses" et "0 s" dans
                                                 l'état sans JS et à l'ouverture,
                                                 la preuve dit vide.
Hiérarchie vers une seule action          1/2    Le chemin vers l'action existe
                                                 mais la zone de preuve capte
                                                 l'oeil au mauvais moment.

3 corrections au meilleur rapport gain sur effort :
1. Rendre les compteurs côté serveur, ou afficher un plancher crédible
   au lieu de zéro tant que l'animation n'a pas démarré.
2. Sortir le nombre à zéro du champ de vision immédiat près du CTA.
3. Doubler la preuve chiffrée d'une preuve non chiffrée qui, elle,
   ne dépend pas du script.

Regarde la nature des lignes. Aucune ne dit "améliore ta preuve sociale". Chacune pointe un élément précis, dans un état précis, avec la correction qui va avec. C'est ce que produit une grille contrainte, du spécifique, là où un prompt vague sort des banalités.

Une objection revient toujours ici, et si le modèle invente un score. Elle est saine, et la parade n'est pas dans la confiance, elle est dans la contrainte. La grille force une note bornée de 0 à 2 et une justification d'une phrase qui doit pointer un élément réel de la page. Un score sans justification ancrée, ou une justification qui ne correspond à rien de visible, se repère au premier coup d'oeil. Là où un prompt libre peut broder une analyse fluide et fausse sans qu'on s'en aperçoive, une grille rend l'hallucination visible, parce qu'elle exige une preuve à côté de chaque note. Le modèle propose, la justification expose, et moi je vérifie sur la page. L'erreur ne disparaît pas, elle devient repérable, ce qui est déjà toute la différence.

Où je ne délègue jamais

Le pipeline me donne une liste scorée en quelques minutes. Il ne sait pas que la fuite qu'il note la plus grave est sur un parcours qui pèse 3% de ton revenu. Il ne sait pas que ton audience achète sur la réassurance et pas sur l'urgence. Il ne sait pas qu'une page qui convertit mal capte peut-être tout ton SEO de haut de tunnel. Le score classe, le jugement priorise, et prioriser demande un contexte business que la machine n'a pas.

Un cas le montre bien. Sur un tunnel, la grille remonte en tête une fuite au paiement, la note la plus grave, chute nette entre le récapitulatif et la confirmation. Mécaniquement, c'est le premier chantier. Sauf que ce parcours servait une gamme d'entrée à faible marge, et qu'une fuite plus discrète, deux crans plus bas au score, se trouvait sur la page de l'offre qui fait l'essentiel du bénéfice. Le bon premier chantier n'était pas le plus gros trou, c'était le trou sur l'offre qui paie. Aucun score ne pouvait le savoir, il n'a pas accès à ta compta.

C'est exactement pour ça qu'un audit peut être rapide sans être creux. La partie mécanique va vite, elle est déléguée à une chaîne fiable. La partie qui compte reste humaine, et c'est elle que tu paies.

Ce que tu retiens

Un système d'audit, ce n'est pas un prompt plus malin, c'est un pipeline qui rend, extrait, score, et un oeil qui tranche. Le crawl attrape ce qu'un screenshot cache, la grille rend le diagnostic reproductible, le jugement traduit un score en priorités qui comptent. C'est ce socle qui tient ma Radiographie CRO en 2 jours ouvrés. Si tu veux la version appliquée à ton tunnel, elle est là.

Dans la même série

Cet article ouvre mon pilier sur l'IA et l'audit CRO. Pour voir le pipeline se dérouler de bout en bout, lis le stack complet en sept étapes, et pour la brique de scoring, le prompt d'analyse heuristique et pourquoi le modèle compte.