Pourquoi un prompt ChatGPT ne rendra pas vos textes conformes à EmpCo

Les données de recherche révèlent quelque chose de frappant : des gens tapent des prompts entiers dans Google — des instructions du type « tu es un vérificateur de conformité pour fiches produits, analyse le HTML à la recherche de risques juridiques : superlatifs sans preuve, greenwashing sans source, promesses de santé sans norme ». Pas une question. Un prompt. Ils tentent de se construire un contrôleur de conformité dans une fenêtre de chat avant que la directive EmpCo / ECGT ne s'applique le 27 septembre 2026.

L'intuition est juste. Vous avez quelques milliers de descriptions produits, une échéance et aucun budget pour un cabinet. Un LLM lit bien et repère sans peine un superlatif non étayé. Alors pourquoi cette approche s'effondre-t-elle en pratique ?

Ce que le prompt réussit

Rendons justice : les prompts que les gens écrivent nomment les bonnes catégories de risque — allégations environnementales vagues, superlatifs sans preuve, promesses de santé ou de protection sans norme. C'est un modèle de travail correct de ce que vise la directive, et un modèle généraliste attrape les cas évidents. Repérer un « 100 % neutre en carbone » sur une fiche produit n'a rien de difficile.

Si vous cherchez une première impression sur une seule page, un prompt vous la donne. Le problème commence dès que le résultat doit tenir.

Cinq choses qu'un prompt ne peut pas faire

1. Il donne un résultat différent à chaque fois

Passez la même description trois fois dans le même prompt et vous obtiendrez trois listes qui se recoupent sans coïncider. Pour un modèle génératif, c'est un comportement normal ; pour un travail de conformité, c'est rédhibitoire. Si un collègue refait votre contrôle et obtient un autre résultat, personne ne peut dire lequel était juste, et une procédure qui ne se reproduit pas ne se présente devant personne. Un référentiel est déterministe par construction : le même texte déclenche la même règle à chaque fois, parce qu'une règle est une règle et non une prédiction.

2. Il ne peut pas citer de façon fiable la règle appliquée

Demandez à un modèle pourquoi une formule pose problème et il produira une citation d'allure juridique. Parfois exacte. Parfois il cite un numéro d'article qui n'existe pas, ou rattache une interdiction au mauvais texte — confondant la directive EmpCo avec la proposition distincte de directive sur les allégations écologiques, retirée en juin 2025. Une citation que vous devez vérifier à la main ne vous épargne pas le travail pour lequel vous l'avez employée.

3. Il ne voit jamais vos images

C'est l'angle mort le plus important et le plus facile à négliger. Collez votre HTML dans un chat et le modèle lit votre texte. Il ne lit pas l'allégation imprimée dans votre bannière, ni le macaron feuille verte sur la photo d'emballage, ni le logo de certification dans votre pied de page. Sur les sites que nous avons analysés, l'imagerie trompeuse et l'usage de marques de certification figurent parmi les constats les plus fréquents — et un prompt purement textuel ne voit ni l'un ni l'autre.

4. Il ne distingue pas une allégation justifiée d'une allégation non justifiée

Dans la directive, la plupart des allégations environnementales ne sont pas interdites en soi : elles sont conditionnelles. « Coton biologique » est licite si vous détenez le certificat et qu'il couvre ce produit. C'est une infraction sinon. Les mots sur la page sont identiques dans les deux cas. Un modèle qui ne voit que votre texte ne peut pas savoir dans quelle situation vous êtes : il signale donc toutes les allégations légitimes que vous pourriez prouver, ou laisse passer celles que vous ne pouvez pas. Aucune des deux ne sert. Il vous faut la preuve rattachée à l'allégation, pas seulement un avis sur la formulation.

5. Il ne laisse aucune trace datée

Si une autorité de protection des consommateurs ou un concurrent conteste une allégation, un historique de conversation ne sert à rien. Ce qui sert, c'est un rapport daté montrant ce que disait votre site tel jour, au regard de quelle règle chaque allégation a été mesurée, et ce que vous avez changé. Une fenêtre de chat ne produit rien de tout cela, et la conversation disparaît dès que vous fermez l'onglet.

La même phrase, deux voies

Prenons une ligne plausible : « Notre gourde en bambou neutre en carbone — le choix le plus durable, en matériaux 100 % naturels. » Un prompt typique répond en substance : « contient des allégations de durabilité vagues, à revoir ». Exact, mais inexploitable.

Un contrôle fondé sur des règles la découpe en trois problèmes distincts, avec trois corrections différentes. « Neutre en carbone » reposant sur la compensation est une interdiction per se de l'annexe I : aucune preuve ne la sauve, la formule doit disparaître. « Le plus durable » est un superlatif comparatif qui exige une justification face à un panel de comparaison défini. « 100 % naturels » est une allégation environnementale générique supposant une performance environnementale excellente reconnue. Trois constats, trois fondements juridiques, trois réécritures précises — au lieu d'un paragraphe de conseils.

Que faire à la place

1. Partez de la liste de termes, pas d'un prompt. 82 termes sont interdits ou encadrés. Les chercher dans votre catalogue est une tâche finie et vérifiable — voir la liste complète des termes interdits.
2. Contrôlez les images autant que le texte. Tout ce qui est imprimé dans un visuel est une allégation. Si votre processus ne lit que le HTML, vous n'auditez que la moitié de votre boutique.
3. Rassemblez vos certificats avant de réécrire. La moitié de ce qui ressemble à une infraction est une allégation légitime que vous pouvez prouver. Cherchez la preuve d'abord, puis ne réécrivez que ce qui n'est réellement pas étayé.
4. Gardez une trace datée de chaque passage. La valeur d'un audit tient à la possibilité de le montrer ensuite.
5. Utilisez un LLM là où il est fort — pour rédiger la formulation conforme une fois que vous savez quelle règle vous corrigez. C'est une tâche d'écriture, et les modèles écrivent bien.

Rien de tout cela ne signifie que l'IA n'a pas sa place en conformité. Cela signifie que le modèle devrait appliquer un référentiel fixe plutôt que d'en improviser un, lire vos images autant que votre texte, et consigner ses constats dans quelque chose que vous pouvez conserver. C'est un autre outil qu'une fenêtre de chat — pas un prompt plus malin.