Habr AI compare les réécrivains IA : beaucoup de services ne sont que des surcouches de ChatGPT

Le marché de la réécriture par IA pour les rédactions russophones est nettement moins technologique que son emballage ne le laisse croire. Une longue analyse de Habr AI montre qu'une part importante des services résout encore le vieux problème du SEO — gonfler le pourcentage d'unicité pour un rapport — ou se contente de vendre l'accès aux mêmes LLM via une interface plus pratique, avec une marge sensible. La vraie qualité éditoriale ne vient pas aujourd'hui de « boutons magiques », mais de modèles bien paramétrés, de bibliothèques de prompts et de pipelines multi-agents comportant plusieurs étapes de vérification du texte.

L'analyse porte sur 24 outils, que l'auteur répartit en quatre grandes catégories. La première regroupe les réécrivains SEO de la vieille école, comme Text.ru, Advego, Raskruty et ETXT.

Ces services déplacent surtout des mots et choisissent des synonymes pour atteindre le pourcentage d'unicité voulu, mais travaillent à peine le sens. La deuxième catégorie réunit les LLM généralistes : Claude 4.6 et 4.

7, GPT-5, Gemini 3, DeepSeek V3, YandexGPT 5 et GigaChat. Ils sont nettement meilleurs sur la qualité du texte, mais sans bon prompt, ils produisent encore souvent un résultat moyen, « façon chatbot ». Le troisième groupe rassemble les surcouches prêtes à l'emploi bâties sur ces mêmes modèles, par exemple PR-CY, Turbotext, Chad, Gerwin AI et NeuralWriter.

Leur valeur tient le plus souvent à l'interface, aux modèles de prompts et au paiement, pas à une technologie propre. Enfin, la quatrième catégorie est celle des pipelines multi-agents et verticaux, où plusieurs modèles ou agents collectent tour à tour les faits, rédigent un brouillon, le critiquent et l'amènent à la version finale. Pour que la comparaison ne reste pas théorique, l'auteur a soumis à plusieurs services une courte dépêche sur les agents, d'environ 1500 signes, avec la demande simple « réécris ce texte avec tes propres mots ».

Dans ce test, Claude Sonnet 4.6 obtient la meilleure note subjective, 7,5 sur 10, avec un minimum de clichés et zéro hallucination. GPT-5 se place un peu en dessous, à 7 sur 10.

DeepSeek V3 paraissait solide en rapport qualité-prix, mais a commis une erreur factuelle et glissé un chiffre en trop. YandexGPT 5 et PR-CY affichent un résultat moyen, et le vieux synonymiseur Raskruty s'est contenté de déplacer des mots et écope de 2 sur 10. L'auteur souligne par ailleurs qu'aucun produit de la sélection n'offre de vérification des faits complète clés en main, au niveau d'un éditeur humain : la relecture humaine reste donc indispensable.

L'analyse en tire aussi une bifurcation pratique selon les usages. Si la rédaction n'a besoin de réécrire qu'un ou deux articles par mois, il est généralement plus rentable de passer directement par Claude ou ChatGPT et de consacrer une fois du temps à un bon prompt. Quand le flux atteint 10–30 contenus par mois, les bibliothèques de prompts maison dans Notion ou Word deviennent rentables, tout comme les surcouches LLM pratiques.

Si l'objectif est de produire de façon stable 30 textes ou plus dans le style d'un titre précis, avec contexte de fond, vérification des faits et retouche du brouillon, les solutions multi-agents passent au premier plan. Elles sont plus chères et plus complexes, mais c'est aujourd'hui autour du processus, et non d'un seul modèle, que se construit la qualité éditoriale. Pour les entreprises qui doivent conserver leurs données dans le périmètre russe et respecter les exigences de la loi 152-FZ, YandexGPT et GigaChat peuvent constituer un argument à part, même s'ils restent derrière les modèles occidentaux pour la qualité et la liberté de traitement de l'actualité.

La thèse centrale de l'article est qu'en 2026, le mot « réécriture » recouvre plusieurs tâches distinctes. Il peut s'agir d'une refonte de fond d'une dépêche au style d'un média précis, de l'adaptation d'un même sujet pour Telegram, Dzen ou un format long, ou d'une unicisation mécanique du texte pour les contrôles SEO. Quand le client mélange ces tâches, il paie presque inévitablement trop cher ou obtient un mauvais texte.

L'auteur précise expressément que l'échelle de comparaison est subjective et repose sur un seul texte de test ; de plus, son propre produit est mentionné dans la catégorie multi-agents. L'analyse est donc utile non comme classement définitif des gagnants, mais comme cartographie du marché : les vieux outils SEO survivent grâce aux exigences d'unicité, l'accès direct à de puissants LLM reste l'option la plus souple, et la vraie différenciation commence là où un processus éditorial vient se superposer au modèle. Pour les médias, cela signifie une chose simple : payer pour un « réécrivain IA » n'a de sens que si le service apporte une valeur réelle — contrôle du style, flux de travail pratique, contraintes sur les données ou traitement du texte en plusieurs étapes.

Si l'on trouve à l'intérieur le même ChatGPT ou un autre modèle grand public sans véritable surcouche, l'accès direct au LLM sera presque toujours moins cher et plus souple. Le goulot d'étranglement du marché n'est plus la génération de texte elle-même, mais la manière de transformer un brouillon en contenu fiable, qu'une rédaction peut publier sous son nom sans rougir.