Vous avez investi deux mois dans une conversation ChatGPT pour résoudre un problème complexe. Maintenant vous voulez passer à Claude pour sa gestion supérieure des longs contextes ou à Gemini pour une intégration plus étroite avec Workspace, sans perdre tout ce travail. Comment faire le saut ?
Voici trois approches de migration, classées par fidélité.
1. Coller la transcription complète (la plus simple et la plus efficace)
Exportez votre conversation ChatGPT en Markdown. Ouvrez un nouveau chat Claude ou Gemini. Collez l’intégralité de la transcription Markdown dans un seul message avec cette invite :
Voici une conversation que j'ai eue avec ChatGPT et que je souhaite poursuivre avec vous.
Lisez-la, puis continuez là où nous nous sommes arrêtés.
[collez l'export Markdown complet]
Continuez à partir de ce point.Ce qui fonctionne :
- La chaîne de raisonnement complète est préservée
- Tout le code, les maths et les citations restent intacts
- Le nouveau modèle reçoit le contexte complet que ChatGPT avait
Ce qui ne fonctionne pas :
- Les conversations extrêmement longues peuvent atteindre la limite de 200K tokens de Claude ou 1M de Gemini (rare, mais possible pour des fils de recherche de plusieurs mois)
- Le nouveau modèle traite l’historique collé comme une sortie observée, pas son propre raisonnement ; il peut remettre en question les conclusions antérieures
- Le streaming initial peut ralentir lors du traitement d’un large contexte
Cette méthode fonctionne le mieux pour la plupart des cas d’usage. Les exports Markdown de ChatExport AI sont économes en tokens : une conversation typique de 50 messages représente environ ~10K tokens, bien en deçà de la fenêtre de contexte de tout modèle moderne.
2. Résumé d’amorce (plus rapide mais avec pertes)
Quand la transcription complète dépasse les limites raisonnables, demandez d’abord à ChatGPT de créer un résumé de passation :
Résumez les conclusions clés, les décisions et les questions ouvertes
de cette conversation de manière à ce qu'un autre assistant IA puisse
reprendre là où nous nous sommes arrêtés. Incluez tout code ou donnée
encore pertinent.Prenez ce résumé et collez-le comme message d’ouverture dans votre nouveau chat Claude ou Gemini :
J'ai eu une longue conversation avec ChatGPT qui a produit ce résumé.
Voici où nous en étions. Continuez à partir de ce point.
[collez le résumé]Vous perdrez un peu de fidélité, ChatGPT décide ce qui compte. Mais pour les discussions stratégiques et les projets en cours, un résumé de 2K tokens capture généralement assez de contexte pour continuer efficacement.
3. Export JSON → invite structurée (fidélité maximale)
Pour les recherches où la structure de la conversation compte : exportez ChatGPT en JSON. Le JSON inclut les métadonnées par tour (rôle, contenu, modèle, horodatage). Filtrez les tours pertinents et construisez une amorce propre et structurée :
Voici les tours d'une conversation précédente qui sont pertinents
pour la suite :
[collez le JSON filtré, édité manuellement]
Continuez à partir de ce point.Cette approche excelle pour les échanges de 200+ messages où seulement ~20 tours sont utiles : vous obtenez une précision chirurgicale sans bruit.
Spécificités de migration par plateforme
Migration vers Claude
Claude Sonnet 5 gère exceptionnellement bien les longs contextes collés. Il peut parfois demander « Dois-je traiter ceci comme une entrée que je lis, ou comme notre historique partagé ? » ; clarifiez-le dans votre message d’amorce.
Pour un travail continu, téléchargez l’export Markdown en tant que fichier Projet plutôt que de le coller. Claude pourra alors le référencer dans plusieurs fils de discussion.
Migration vers Gemini
Gemini 3 Pro offre une fenêtre de contexte de 1M tokens, ce qui permet d’accueillir même les historiques de conversation massifs. Le champ d’instructions système est idéal pour les résumés d’amorce (« contexte de fond : <résumé> »). Avec Gemini Advanced, vous pouvez également joindre l’export Markdown en tant que fichier.
Migration vers DeepSeek (R1)
Vous changez pour améliorer le raisonnement ? DeepSeek-R1 itérera sur les chaînes de raisonnement précédentes. Soyez explicite dans votre invite : « Voici où nous en étions. Réexaminez les conclusions de manière critique. » R1 excelle dans un second passage qui repère ce que GPT-4 a pu manquer.
Migration vers Perplexity
Perplexity est ancré dans la recherche ; coller de longs résumés de conversation ne correspond pas à sa conception. Meilleure approche : extrayez une question de recherche unique et ciblée de votre conversation ChatGPT et posez-la à Perplexity à partir de zéro. Utilisez le raisonnement de ChatGPT pour formuler la question ; laissez Perplexity remonter les sources actuelles.
Erreurs de migration courantes à éviter
Ne pas : Prendre une capture d’écran de la conversation ChatGPT et télécharger les images dans le nouveau chat. Le modèle doit faire de l’OCR sur vos captures, ce qui détruit la mise en forme, les notations mathématiques et la structure du code. L’export Markdown est toujours supérieur.
Ne pas : Demander au nouveau modèle de « se souvenir » de l’ancienne conversation comme s’il avait une mémoire persistante. Ce n’est pas le cas. Chaque chat repart de zéro avec seulement ce que vous incluez dans l’invite.
Ne pas : S’attendre à ce que le nouveau modèle parvienne à des conclusions identiques. Obtenir une perspective différente est souvent la raison même pour laquelle vous changez de modèle.
Exemple concret de migration
J’ai passé un mois avec ChatGPT à concevoir un schéma Postgres pour un SaaS multi‑tenants. Je suis passé à Claude pour l’implémentation parce que le contexte étendu de Claude gardait l’ensemble de la conception en mémoire de travail plus efficacement.
Flux de migration :
- Export de la conversation ChatGPT en Markdown via ChatExport AI, environ 25K tokens de discussion de conception
- Collé le Markdown complet comme premier message dans un nouveau Projet Claude
- Invité Claude : « Lisez ceci. Listez les décisions de conception que vous remettriez en question. » Reçu immédiatement 4 critiques substantielles
- Itéré sur ces critiques pendant deux semaines. Le schéma a été implémenté et testé dans Claude avec le contexte de conception complet
Voilà un flux de travail efficace entre modèles, qui permet à chaque IA de faire de son mieux.
Guides connexes
- ChatGPT vs Claude vs Gemini, quand choisir chaque modèle
- Comment exporter ChatGPT en Markdown
- Guide d’export Claude