2 541 conversations GPT analysées : pourquoi j'ai tout migré vers Claude

J’ai exporté mes données ChatGPT

Il y a quelques jours, j’ai cliqué sur “Export data” dans les paramètres de ChatGPT. Un fichier ZIP, quelques secondes d’attente, et 2 ans et demi de conversations IA sont tombées sur mon disque dur.

2 541 conversations. Du 15 juillet 2023 au 9 mars 2026.

Je ne suis pas parti en croisade anti-OpenAI. J’utilise ChatGPT depuis le début, j’ai payé l’abonnement Pro sans interruption, j’ai créé 119 Custom GPTs. J’étais un power user convaincu.

Puis en septembre 2025, quelque chose a changé. Ma courbe d’utilisation GPT s’est effondrée : de 286 conversations en juillet à 54 en septembre. Moins 81 % en deux mois.

Ce qui a changé, c’est Claude Code.

Cet article n’est pas un avis subjectif. C’est une analyse de données. Les miennes. D’un côté, l’export complet de ChatGPT. De l’autre, mon activity log Claude Code (un hook qui trace chaque action dans le terminal). Deux sources de vérité, deux manières de travailler avec l’IA. Comparons.

Les données GPT brutes

Les chiffres clés

En 2 ans et 8 mois d’utilisation de ChatGPT, voici ce que l’export révèle :

2 541 conversations (15 juillet 2023 au 9 mars 2026)
8 979 messages envoyés, 13 250 réponses reçues
8,7 messages par conversation en moyenne
164 messages dans la conversation la plus longue
445 conversations avec seulement 1 à 2 messages (des questions rapides, jetables)
629 conversations avec 10 messages ou plus
41 conversations avec 50 messages ou plus (les gros chantiers)

La courbe d’intensité

Mois par mois, le nombre de conversations raconte une histoire :

Période	Convos	Période	Convos	Période	Convos
2023-07	1	2024-06	138	2025-05	114
2023-11	74	2024-07	56	2025-06	142
2023-12	51	2024-08	38	2025-07	286
2024-01	77	2024-09	36	2025-08	163
2024-02	58	2024-10	53	2025-09	54
2024-03	56	2024-11	66	2025-10	51
2024-04	53	2024-12	56	2025-11	119
2024-05	61	2025-01	102	2025-12	107
		2025-02	82	2026-01	76
		2025-03	143	2026-02	53
		2025-04	140	2026-03	12

Juillet 2025 : pic absolu, 286 conversations. Septembre 2025 : chute libre à 54. Mars 2026 : 12 conversations. La tendance est irréversible.

L’évolution des modèles

J’ai traversé toutes les générations : GPT-4 dès l’accès (2023), GPT-4o en mai 2024 (adoption immédiate, la vitesse changeait tout), les modèles de raisonnement o3/o3-mini en février 2025, GPT-5 en août 2025, puis GPT-5-2 en décembre 2025.

Les features utilisées

L’export détaille aussi les outils activés pendant les conversations :

2 556 appels Code Interpreter (mon outil le plus utilisé, de loin)
481 appels Browser/Web (recherche en temps réel)
285 images DALL-E générées

Code Interpreter était la killer feature. Analyser un CSV, tester un bout de code, générer un graphique. Tout ça dans le navigateur, sans quitter l’onglet.

Comment j’utilisais GPT

Par catégorie

En analysant les titres de mes 2 541 conversations (mots-clés, patterns récurrents), voici la répartition estimée :

Catégorie	Conversations	Part
Airtable / Make / n8n (automation)	237	9,3 %
LinkedIn / Prospection	224	8,8 %
Code / Dev	207	8,1 %
Prompt Engineering	147	5,8 %
Data / Analyse	105	4,1 %
Contenu / Rédaction	78	3,1 %
Business / Stratégie	68	2,7 %
Image / Design	65	2,6 %

Le reste : des conversations inclassables, des tests, des one-shots.

Les Custom GPTs

C’est la partie qui m’a le plus surpris à l’analyse. 924 conversations ont été menées via 119 GPTs custom différents. Presque un tiers de mon usage total.

Top 3 des GPTs les plus utilisés :

“Workflow création automatisée” : 250 utilisations. Mon assistant principal pour construire des automations Make puis n8n.
“Formulaire qualification LinkedIn” : 151 utilisations. Un GPT spécialisé qui qualifiait des profils LinkedIn pour de la prospection.
“Correction formule Airtable” : 55 utilisations. Exactement ce que le nom dit.

Le pattern dominant

En regardant ces données avec du recul, un pattern saute aux yeux : des conversations courtes, jetables, en mode question-réponse. Moyenne de 8,7 messages. Ouvrir un onglet, poser une question, copier la réponse, passer à autre chose.

445 conversations avec 1 à 2 messages, c’est révélateur. C’est l’équivalent de taper une question dans Google, sauf qu’on la pose à un chatbot.

Le workflow réel : onglet ChatGPT ouvert en permanence, copier-coller entre l’interface web et le reste (terminal, IDE, Airtable, Google Sheets). L’IA vivait dans un onglet. Le travail vivait ailleurs.

Le point de bascule

Revenons à la courbe.

Juillet 2025 : 286 conversations. Mon record absolu. J’utilisais GPT pour tout. Automation, code, contenu, prospection, analyse. Plusieurs dizaines de conversations par jour.

Août 2025 : 163 conversations. Première baisse, mais rien d’alarmant.

Septembre 2025 : 54 conversations. Moins 81 % par rapport à juillet.

La suite : 54 → 51 → 119 → 107 → 76 → 53 → 12.

Il y a eu un léger rebond en novembre-décembre (je testais les nouveaux modèles GPT-5/5-2). Mais la tendance de fond est claire. Mars 2026 : 12 conversations en un mois entier.

Qu’est-ce qui s’est passé en septembre 2025 ?

Claude Code. Le CLI d’Anthropic qui permet de travailler avec Claude directement dans le terminal. Plus de navigateur, plus de copier-coller. L’IA accède au système de fichiers, exécute des commandes, édite du code dans le repo.

Et surtout : les serveurs MCP (Model Context Protocol). La possibilité de connecter Claude à Notion, Gmail, Google Calendar, GitHub, LinkedIn, Supabase, et n’importe quelle API. Le moment où l’IA est sortie de l’onglet pour s’intégrer dans le workflow.

Ce n’était pas un choix philosophique. C’était un changement de paradigme pratique. Le travail devenait plus fluide, plus rapide, plus intégré. Et naturellement, les onglets ChatGPT ont commencé à rester fermés.

Les données Claude en face

Depuis le 11 mars 2026, j’ai un hook qui trace chaque action de Claude Code : chaque appel d’outil, chaque commande, chaque modification de fichier. 29 jours de données à la date de cet article.

Volume d’activité

22 608 actions trackées sur 29 jours actifs
780 actions par jour en moyenne
2 425 actions en une seule journée (le pic)

Une “action”, c’est un appel d’outil : une commande Bash, une lecture de fichier, une édition, un appel MCP, un agent lancé. Chaque action est un pas concret dans un projet.

Les outils les plus utilisés

Outil	Appels	Ce que ça fait
Bash	8 893	Commandes terminal (git, npm, scripts)
Edit	3 548	Modifications de fichiers existants
Read	3 469	Lecture de fichiers
Write	2 083	Création de fichiers
Grep	569	Recherche dans le code
Agent	279	Sous-agents autonomes

Claude Code ne “discute” pas. Il agit. 8 893 commandes Bash en 29 jours, c’est un rythme de développeur à temps plein.

Les projets travaillés

coffee-leads : 6 851 actions (SaaS en construction)
liberty : 4 839 actions (mon hub co-pilote IA)
claudehub : 2 184 actions (le site que vous lisez)
NOM_downgrader : 767 actions (pipeline client)
Et 6+ autres projets en parallèle

10 projets actifs, travaillés dans la même journée parfois. Pas 10 onglets ChatGPT ouverts : un seul terminal, un contexte unifié.

L’écosystème MCP

22 serveurs MCP connectés (Notion, Gmail, Google Calendar, Supabase, Playwright, Unipile, Stripe, Tally, Airtable…)
1 336 appels MCP sur la période
Top MCP : Notion (467 appels), Playwright (239), Supabase (203), Linkup (60)

467 appels Notion en 29 jours. Claude crée des pages, met à jour des bases de données, log l’activité, récupère du contexte. Le tout sans quitter le terminal.

Les commits

335+ commits assistés par Claude sur 3 repos en 29 jours. Du vrai code, poussé en production, tracé par git.

La comparaison directe

8,7 messages par conversation GPT. 780 actions par jour Claude Code. Ce n’est plus le même sport. Ce n’est même plus le même stade.

Ce qui a vraiment changé

Le changement n’est pas “un meilleur chatbot”. C’est un changement de catégorie.

	GPT (avant)	Claude Code (maintenant)
Mode	Chat web, Custom GPTs	CLI + MCP + agents
Conversations	Courtes, 8,7 msgs moy.	Sessions longues, profondes
Automation	Make/Airtable, prompt-driven	n8n + MCP natif
Prospection	GPTs custom (250 convos)	Unipile MCP + agents
Code	Code Interpreter ponctuel	Full-stack, dans le repo
Persistance	Rien (convos jetables)	Mémoire, Obsidian, Notion, hooks
Intégration	Silotée par onglet	Écosystème unifié

Les Custom GPTs remplacés

Mes 119 Custom GPTs sont devenus des skills et des commandes slash. Le GPT “Workflow création automatisée” (250 utilisations) ? Remplacé par des commandes qui accèdent directement aux APIs de n8n et lisent le code source. Le GPT “Formulaire qualification LinkedIn” (151 utilisations) ? Remplacé par un agent qui se connecte à LinkedIn via Unipile, qualifie, et pousse dans Notion.

La différence fondamentale : un Custom GPT est un prompt statique dans un onglet. Une skill Claude Code a accès au filesystem, aux APIs, à la mémoire persistante, et au contexte du projet.

La mémoire vs les conversations jetables

445 conversations GPT avec 1 à 2 messages. Ouvrir, demander, copier, fermer, oublier. Aucune accumulation de contexte.

Avec Claude Code : un fichier MEMORY.md qui persiste entre les sessions, un vault Obsidian avec les learnings, des hooks qui loguent chaque action. Quand je lance Claude le matin, il sait ce qui a été fait la veille. Il connaît les projets, les contacts, les priorités.

22 serveurs MCP vs copier-coller entre onglets

C’est peut-être le changement le plus concret. Avant : je copiais un texte de ChatGPT, je le collais dans Notion, je retournais dans ChatGPT. Maintenant : Claude écrit directement dans Notion. Il lit mon agenda Google Calendar. Il envoie des emails via Gmail. Il requête Supabase. Il navigue sur le web avec Playwright.

Le copier-coller entre onglets, c’est fini. L’IA est dans le flux de travail, pas à côté.

Ce que GPT fait encore mieux

Honnêteté intellectuelle : tout n’est pas rose côté Claude Code.

DALL-E reste imbattable. 285 images générées via ChatGPT, et il n’y a pas d’équivalent natif côté Claude Code. Pour de la génération d’images rapide (visuels LinkedIn, illustrations, maquettes), GPT reste le réflexe.

Le GPT Store pour les tâches one-shot. Besoin de convertir un format de fichier bizarre, d’analyser un PDF spécifique, de faire un truc que vous ne referez jamais ? Les GPTs communautaires sont pratiques pour ça.

L’interface web pour les non-devs. Claude Code est un outil de terminal. C’est sa force et sa limite. Pour quelqu’un qui ne vit pas dans le terminal, ChatGPT reste plus accessible. L’interface web a ses avantages.

Canvas pour l’édition collaborative visuelle. Quand il faut itérer sur un document long en voyant les modifications en temps réel, Canvas est bien pensé.

GPT reste un bon outil. Ce n’est pas un mauvais produit. C’est un produit qui correspond à un usage que j’ai dépassé.

Les données ne mentent pas

2 541 conversations GPT en 2 ans et demi. 22 608 actions Claude Code en 29 jours. 119 Custom GPTs remplacés par un écosystème de skills et de serveurs MCP. 335 commits en un mois contre des copier-coller entre onglets.

Ce n’est pas “GPT vs Claude” comme un match de boxe. C’est le passage d’un assistant conversationnel à un co-pilote intégré dans le workflow.

Le navigateur vs le terminal. Les conversations jetables vs un écosystème persistant. Les Custom GPTs statiques vs des agents connectés au monde réel.

La question n’est plus “quel chatbot est meilleur”. La question, c’est : est-ce que votre IA s’intègre dans votre façon de travailler, ou est-ce qu’elle vit dans un onglet séparé ?

Mes données répondent clairement. Les vôtres sont peut-être différentes. Mais si vous êtes développeur, builder, freelance tech, et que vous travaillez encore exclusivement dans un chat web : exportez vos données. Regardez comment vous utilisez réellement l’IA. Et posez-vous la question.

12 conversations GPT en mars 2026. La réponse est dans la courbe.