4 exemples d’utilisation du Few-shot prompting en SEO

Vous l’avez sûrement déjà vécu : vous lancez un prompt sans trop réfléchir, et la réponse obtenue est souvent imparfaite et peu exploitable. Vous avez alors l’impression de perdre du temps. Le few-shot prompting, lui, permet de cadrer le modèle avec des exemples concrets pour améliorer la qualité des réponses. Ce n’est pas magique, mais cela reste très utile. C’est encore plus vrai lorsqu’il s’agit d’éléments très codifiés : un tableau, des données structurées en JSON, des balises SEO…

🔊 Cet article au format audio

Les modèles comme GPT ou Claude sont capables de répondre à une consigne sans aucun exemple. C’est ce qu’on appelle le zero-shot. Ça marche pour des requêtes simples, factuelles ou très fréquentes. Mais dès qu’il faut produire un output structuré, respecter un format spécifique ou viser un ton précis, ça devient bancal.

Le few-shot prompting consiste à inclure directement dans le prompt quelques exemples représentatifs du résultat attendu. Et c’est là que les performances des modèles décollent… mais pas toujours pour les raisons que vous croyez.

On pourrait penser que ce sont les bons couples entrée + réponse (ce qu’on appelle labels de vérité terrain) qui font toute la différence. En réalité, les travaux de Min et al. (2022) montrent que ce n’est pas vraiment le cas. Dans leurs expériences sur GPT-3 et d’autres modèles, remplacer les bonnes réponses par des réponses aléatoires ne fait chuter les performances que très légèrement (souvent entre 0 et 5 % selon les tâches). Oui, même avec des “mauvaises réponses”, les modèles continuent à mieux performer qu’en zero-shot.

Pourquoi ? Parce que ce qui compte vraiment, ce n’est pas tant la justesse des labels, mais :

• La distribution des entrées : les exemples doivent ressembler à ce que l’IA va devoir traiter ensuite.
• L’espace des labels : lui montrer les types de réponses possibles aide à cadrer l’attente.
• Le format général : la structure des démonstrations (exemple / réponse) joue un rôle fondamental. Le modèle s’aligne sur la forme, même si le fond est erroné.

En clair, le few-shot ne “forme” pas le modèle à la volée, comme dans un apprentissage supervisé classique. Il sert surtout à l’orienter, à le replacer dans le bon contexte. Le modèle active alors ce qu’il a déjà appris lors de son pré-entraînement, en adaptant ses réponses à la structure et aux signaux fournis.

C’est aussi pourquoi le zero-shot n’est pas toujours aussi “zero” qu’il y paraît : il suffit parfois de montrer de manière implicite le format attendu (par exemple en listant des entrées et des catégories aléatoires) pour déjà améliorer les performances.

Exemples concrets de few-shot prompting dans un contexte SEO

Exemple 1 – Génération de balises Title & Meta

Zero-shot prompt

Rédige une balise title et une meta description pour une page "assurance chien".

Résultat généré par l’IA :

• Title : Assurance chien – Protégez votre animal
• Meta : Découvrez notre assurance chien et offrez à votre compagnon une couverture santé adaptée à ses besoins.

→ Trop générique. Aucun différenciateur.

Few-shot prompt complet

Voici des exemples de titres et meta description pour le TOP3 de Google et pour la requête "assurance chien" :

Exemple 1  
La marque : SantéVet  
Title : Assurance chien, mutuelle pour chien : Santévet  
Meta : Souscrivez une assurance chien, avec une mutuelle adaptée à la race de votre animal. Jusqu'à 100% des frais vétérinaires pris en charge et remboursés pour une couverture santé optimale ! Devis gratuit.

Exemple 2  
La marque : Bulle Bleue  
Title : Assurance chien & mutuelle chien - Bulle Bleue  
Meta : Bulle Bleue propose 3 formules d’assurance pour chien qui couvrent vos frais vétérinaires en cas d’accident, maladie et chirurgie. Devis gratuit !

Exemple 3  
La marque : Assur O'Poil  
Title : Assurance Chien et mutuelle chien - Remboursez vos frais vétérinaires | Assur O'Poil  
Meta : Souscrivez à une assurance chien et faites-vous rembourser des frais vétérinaires lors d'éventuels problèmes de santé. Devis gratuit en 2 minutes. Assurez votre chien dès 0,61€ par jour.

→ Donne un Title + Meta pour la page assurance chien de la marque "Abondance"

Résultat généré par l’IA :

• Balise Title : Assurance Chien – Formules Santé & Mutuelle | Abondance
• Meta Description : Abondance propose une assurance chien qui couvre les frais vétérinaires dès le premier euro. 3 formules modulables, remboursement rapide, devis gratuit en ligne.

→ Bien ciblé, SEO-friendly, clair. C’est une vraie méta.

Mon avis : ceci n’est qu’un exemple. Je ne dis pas que c’est la bonne balise title à mettre pour la requête “assurance chien”. A vous d’imaginer ce que vous pourrez faire pour des pages produits, de catégorie et pour un ensemble de pages où vous pourriez remplir vos balises title et meta description de manière automatique, tout en respectant les contraintes SEO, grâce à l’IA. Ce n’est pas parfait mais ça permet de gagner un temps de dingue ou de tester de nouvelles balises à la volée en fonction des évolutions de la SERP.

Exemple 2 – Idéation de contenus SEO

Zero-shot prompt

Donne-moi des idées d’articles de blog sur le SEO technique.

Résultat généré par l’IA :

• Pourquoi le SEO technique est important
• Les bases du SEO
• Comment optimiser son site

→ Trop scolaire. Rien d’exploitable.

Few-shot prompt complet

Tu es un expert SEO. Voici des exemples de thématiques accompagnées d’idées d’articles :

Thématique : Cannibalisation des mots-clés  
→ Idées :  
- Cannibalisation SEO : comment l’identifier et la corriger ?  
- Cannibalisation ou cluster sémantique : comprendre la nuance  
- Étude de cas : un site e-commerce qui tirait profit… d’une cannibalisation  

Thématique : Données structurées  
→ Idées :  
- JSON-LD vs Microdata : lequel choisir en 2025 ?  
- Données enrichies : erreurs fréquentes et comment les éviter  
- Créer son balisage FAQ dynamique avec ChatGPT et Schema.org  

→ Thématique : SEO technique  
Propose 5 sujets niveau intermédiaire / expert.

Résultat généré par l’IA :

• Crawl budget : comment l’optimiser sans plugin
• Robots.txt vs Noindex : que préfère Google en 2025 ?
• Analyse de logs serveur pour les nuls
• Les erreurs techniques invisibles à l’œil nu
• Core Web Vitals : nouvelles exigences à connaître

→ Plus précis, plus intéressant

Mon avis : Pour ce type d’action, cela reste imparfait. Il faudra fournir plus d’exemples pour obtenir des résultats intéressants. Par exemple, scrapper les balises <h1> des articles de vos concurrents et les fournir à l’IA peut améliorer considérablement la pertinence des sujets proposés. Coupler les balises <h1>, avec des mots-clés, leur volume, la concurrence et d’autres facteurs pourraient permettre d’obtenir des résultats encore plus pertinents.

Exemple 3 – Structuration des microdonnées d’une page de catégorie e-commerce

Zero-Shot Prompt

Rédige les microdonnées product d'une page de ma catégorie e-commerce "Veste de Ski".

→ Résultat généré par l’IA :

{
  "@context": "https://schema.org",
  "@type": "Product",
  "name": "Vestes de Ski",
  "description": "Découvrez notre sélection de vestes de ski pour homme, femme et enfant.",
  "offers": {
    "@type": "Offer",
    "priceCurrency": "EUR"
  }
}

Few-Shots Prompt complet

Voici des exemples de microdonnées e-commerce pour des pages de catégorie. Ces balisages utilisent le type "Product" avec une agrégation des prix (AggregateOffer) et une notation moyenne des produits (AggregateRating), basés sur l’ensemble de la catégorie.

{
  "@context":"https:\/\/schema.org\/",
  "@type":"Product",
  "name":"Les pulls made in France",
  "image":["https:\/\/www.marques-de-france.fr\/wp-content\/uploads\/2021\/07\/chouette-france-boutique-pulls-1280x1280.jpeg"],
  "description":"Découvrez les marques qui proposent des pulls fabriqués en France...",
  "aggregateRating":{
    "@type":"AggregateRating",
    "ratingValue":4.6,
    "reviewCount":156
  },
  "offers":{
    "@type":"AggregateOffer",
    "offerCount":100,
    "lowPrice":69,
    "highPrice":299,
    "priceCurrency":"EUR"
  }
}

{
  "@context":"https:\/\/schema.org",
  "@type":"Product",
  "name":"Les blousons et vestes Made in France",
  "image":[/* plusieurs images */],
  "description":"Découvrez toutes les blousons et vestes Made in France...",
  "offers":{
    "@type":"AggregateOffer",
    "offerCount":78,
    "lowPrice":"50.00",
    "highPrice":"790.00",
    "priceCurrency":"EUR",
    "offers":[/* URLs produit */]
  },
  "aggregateRating":{
    "@type":"AggregateRating",
    "ratingValue":"4.40",
    "ratingCount":"1448",
    "bestRating":"5",
    "worstRating":"1"
  }
}

→ Donne la microdonnée JSON-LD à intégrer sur la page de catégorie Veste de Ski" pour la marque Picture.
URL : https://www.picture-organic-clothing.com/fr_FR/category/314-vestes-de-ski-and-snowboard

→ Résultat généré par l’IA :

<script type="application/ld+json">
{
  "@context": "https://schema.org",
  "@type": "Product",
  "name": "Vestes de ski et snowboard",
  "image": [
    "https://www.picture-organic-clothing.com/media/image1.jpg",
    "https://www.picture-organic-clothing.com/media/image2.jpg",
    "https://www.picture-organic-clothing.com/media/image3.jpg"
  ],
  "description": "Découvrez les vestes de ski et snowboard Picture : des modèles éco-conçus alliant performance et style pour vos sorties en montagne.",
  "brand": {
    "@type": "Brand",
    "name": "Picture"
  },
  "url": "https://www.picture-organic-clothing.com/fr_FR/category/314-vestes-de-ski-and-snowboard",
  "offers": {
    "@type": "AggregateOffer",
    "offerCount": 45,
    "lowPrice": "150.00",
    "highPrice": "450.00",
    "priceCurrency": "EUR",
    "offers": [
      {
        "@type": "Offer",
        "url": "https://www.picture-organic-clothing.com/fr_FR/product/vesteski-model1"
      },
      {
        "@type": "Offer",
        "url": "https://www.picture-organic-clothing.com/fr_FR/product/vesteski-model2"
      },
      {
        "@type": "Offer",
        "url": "https://www.picture-organic-clothing.com/fr_FR/product/vesteski-model3"
      }
    ]
  },
  "aggregateRating": {
    "@type": "AggregateRating",
    "ratingValue": "4.6",
    "ratingCount": "820",
    "bestRating": "5",
    "worstRating": "1"
  }
}
</script>

Ce script JSON :

• suit parfaitement le modèle de tes exemples
• est conforme à schema.org (type Product avec AggregateOffer et AggregateRating)
• est prêt à être validé sur l’outil de test de résultats enrichis de Google

Mon avis : envoyer les exemples de la documentation de Google sur le balisage de données structurés donne de très bons résultats pour générer des schémas complets, qui respectent les recommandations de Google et qui s’adaptent aux informations de votre site web. Il faut néanmoins une bonne connaissance de base de la bibliothèque schema.org pour affiner / corriger / optimiser les schémas proposés par les assistants IA.

Exemple 4 – Obtenir une définition optimisée pour la Position Zéro (Featured Snippet)

Zero-Shot Prompt

C’est quoi l’attribut alt en HTML ?

→ Résultat généré par l’IA :

L’attribut alt est un texte alternatif utilisé en HTML pour décrire une image si elle ne peut pas être affichée. Il est aussi utile pour l’accessibilité.

Quelques problèmes visibles : Manque de clarté en ouverture, pas optimisé pour une réponse directe et concise…

Few-Shots Prompt complet

Tu es un expert SEO. Ta tâche est de rédiger des définitions très courtes, pédagogiques, et formatées pour apparaître en position zéro (featured snippet) sur Google. Voici des exemples réussis :

---

Exemple 1  
Erreur 522 : L'erreur 522, c'est un message d'erreur HTTP qui indique une rupture de communication entre Cloudflare et le serveur du site. Elle se produit lorsque le serveur d'origine ne répond pas à temps, créant des interruptions temporaires pour les visiteurs du site.

Exemple 2  
Cocon sémantique : Le cocon sémantique est une technique d'optimisation SEO. Il consiste à structurer les contenus d’un site selon des liens internes thématiques pour mieux répondre aux intentions de recherche.

Exemple 3  
Parasite SEO : En termes simples, le SEO parasite consiste à utiliser l'autorité de sites tiers pour améliorer la visibilité de son propre site web.

→ Rédige maintenant une définition optimisée pour le featured snippet de : **attribut alt**

→ Résultat généré par l’IA :

Attribut alt : L’attribut alt est un texte alternatif qui décrit le contenu d’une image en HTML. Il améliore l’accessibilité des sites web et permet aux moteurs de recherche de comprendre les images.

Mon avis : ce type de prompt pour être intéressant pour challenger vos contenus et se rapprocher de ce qui fonctionne vraiment sur les SERPs de Google. Attention car dans mon cas, j’ai pris des définitions vraiment différentes alors que j’aurai pu copier les X définitions qui sont déjà en position zéro dans des thématiques plus proches de l’attribut alt pour obtenir de meilleurs résultats.

Le few-shot prompting est utile mais n’est pas magique.

On aurait tort de croire que le few-shot prompting résout tout. Dans le contexte du SEO, les limites sont claires : le modèle ne comprend pas l’intention stratégique derrière un contenu, ni la culture de la marque, ni les contraintes d’un marché. Et il ne vous dira jamais que l’angle à traiter ou comment vous différencier de la concurrence.

Il montre aussi ses limites sur des tâches qui demandent du raisonnement ou de la logique.

Même en ajoutant des exemples similaires dans le prompt, le modèle peut se tromper. Parce que ces tâches supposent un raisonnement pas à pas, une démarche logique que le few-shot ne suffit pas toujours à enclencher.

C’est dans ce genre de cas qu’intervient une autre technique : le chain-of-thought prompting. Elle consiste à montrer au modèle non seulement la réponse attendue, mais aussi le raisonnement complet pour y arriver. Cette approche a été popularisée justement pour ce type de tâches complexes : calculs, logique, raisonnement symbolique, etc.